【技术实现步骤摘要】
一种基于机器视觉的涌潮监测方法
本专利技术属于智慧水利领域，涉及一种涌潮监测方法，具体涉及一种基于机器视觉的涌潮监测方法。
技术介绍
潮波进入河口以后变形进一步加剧，在一定条件下形成水位遽然升高的涨潮潮波前峰线，即为涌潮。涌潮是向河口上游推进的波列，强度比较小时，表面无破碎，为波状涌潮；强度变大时，表面破碎，发展成漩滚涌潮，即为强涌潮。强涌潮潮波与落潮流相遇后，潮波破碎，卷入大量空气，潮头形成乳白色的水气混合体，溯源挺进，气势汹涌，甚为壮观。然而壮观的同时，涌潮也存在一些安全隐患，给沿岸的生产以及观潮人带来许多不便。以我国钱塘江为例，根据不完全统计，自1998年以来，已经有超过数百人被钱塘江潮水卷走，至少上百人因此丧生。一次次的悲剧使得浙江省把涌潮灾害列入首要解决的问题列表中，同时，为了防止“吞人”事件的再次发生，政府部门和当地群众，自发组织“喊潮人”，劝告那些涌潮来临时还在游泳、处在危险地带的游客。水文部门也根据涌潮规律进行涌潮预报，但由于受风向和地理位置等自然因素的影响，水文部门对涌潮到达的预测时间误差很大，并且无法预测...
【技术保护点】
1.一种基于机器视觉的涌潮监测方法，其特征在于，包括如下步骤：/nS1：利用监控设备采集水面视频序列图像；/nS2：对采集到的水面视频序列图像进行背景消除处理得到前景图；/nS3：对前景图进行前景波纹噪声抑制处理；/nS4：对步骤S3中经过前景波纹噪声抑制处理后的前景图进行潮头线检测；/nS5：基于步骤S4获取的潮头线信息，对潮头线的距离进行测量以及速度估计。/n
【技术特征摘要】
1.一种基于机器视觉的涌潮监测方法，其特征在于，包括如下步骤：
S1：利用监控设备采集水面视频序列图像；
S2：对采集到的水面视频序列图像进行背景消除处理得到前景图；
S3：对前景图进行前景波纹噪声抑制处理；
S4：对步骤S3中经过前景波纹噪声抑制处理后的前景图进行潮头线检测；
S5：基于步骤S4获取的潮头线信息，对潮头线的距离进行测量以及速度估计。
2.根据权利要求1所述的一种基于机器视觉的涌潮监测方法，其特征在于，所述步骤S1中水面视频序列图像的采集过程为：将摄像机架设于高杆上，拍摄来潮方向；摄像机经过实验室标定，得到其内参用于图像畸变校正，得到无失真的灰度图像序列。
3.根据权利要求2所述的一种基于机器视觉的涌潮监测方法，其特征在于，所述步骤S2中背景消除处理的具体过程为：
A1：将采集得到的灰度图像进行背景建模得到涌潮图像序列的前景图和背景图；
A2：将得到的前景图进行中心化和纵向梯度处理；
A3：根据步骤A2处理后的图像的灰度值更新背景模型以此来快速响应灰度值的突变，得到抑制局部背景变化后的前景图。
4.根据权利要求3所述的一种基于机器视觉的涌潮监测方法，其特征在于，所述步骤A1中背景建模具体为：利用公式(1)对畸变校正后的无失真的灰度图像进行背景差分运算，认为满足公式(1)的像素点为背景点，不满足公式(1)的像素点为前景点，从而得到前景图和背景图：
It+1(x,y)-μt(x,y)＜kσt(x,y)(1)
其中，It+1(x，y)表示t+1帧图像(x，y)处的灰度值，μt(x，y)表示背景模型中该像素位置的灰度值，k为常数，σt(x，y)为标准差。
5.根据权利要求3所述的一种基于机器视觉的涌潮监测方法，其特征在于，所述步骤A2中中心化处理的公式为：
其中，I(t)为当前帧图像，mean(I(t))为当前帧图像所有像素点灰度总和的平均值，I'(t)为中心化后的图像；
纵向梯度处理的公式为：
其中，row表示图像像素的总行数，f(i)表示第i行的像素值，Grad(i)表示第i行的梯度值。
6.根据权利要求3所述的一种基于机器视觉的涌潮监测方法，其特征在于，所述步骤A3的具体过程为：首先统计相邻帧之间的灰度总值变化大小并设定阈值，然后在背景差分检测前，计算待测帧与前一帧图像的灰度总值变化，当变化超过阈值时，重新初始化背景模型，然后再进行检测，快速响应灰度值的突变，用这样的方式得到包含潮头线和其他干扰因素的前景图。
7.根据权利要求1所述的一种基于机器视觉的涌潮监测方法，其特征在于，所述步骤S3中前景波纹噪声抑制处理依次包括水面耀光消除和水面波纹抑制两个环节，具体为：
(1)水面耀光消除：在前景图像上设置一个矩形窗口，令前景点位于窗口的中心，统计所有前景点周围九宫格内8领域像素点灰度值的大小总和，之后对所有前景点九宫格区域内所有像素点的灰度值求平均值，最后将小于平均灰度值的前景点消除；
(2)水面波纹抑制：...
【专利技术属性】
技术研发人员：张振，李嘉辉，刘海韵，刘博远，吴芋航，黄昱霖，李龙，张丽丽，王慧斌，
申请(专利权)人：河海大学，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。