基于图像复原的水位获取方法、装置、设备及存储介质制造方法及图纸

本发明专利技术提供基于图像复原的水位获取方法、装置、设备及存储介质，包括采集多个河流区域的不同时间段，水位高程下的待处理水尺图像并打标签，得到水尺图像数据集，利用该数据集训练得到图像复原水位模型，通过标定建立目标水域水尺的像素坐标和水位高程之间的关系式，拍摄目标水域新的水尺图像且通过图像复原水位模型处理得到目标水域新的水尺图像水尺边界框的像素坐标，通过水尺边界框的像素坐标获取水位线，将水位线的中心点像素坐标作为目标水域水尺的像素坐标，代入目标水域水尺的像素坐标和水位高程之间的关系式，得到真实水位高程。本发明专利技术能够快速去除水尺图像中的遮挡物，得到真实的水位高程。得到真实的水位高程。得到真实的水位高程。

【技术实现步骤摘要】
基于图像复原的水位获取方法、装置、设备及存储介质


[0001]本专利技术涉及图像处理
，具体涉及基于图像复原的水位获取方法、装置、设备及存储介质。

技术介绍

[0002]水位是河流湖泊的基本水文要素之一，获取精确的水位数据对于水资源调度和防汛排涝抗旱有着重要意义。随着计算机视觉领域的兴起，现有的获取水位数据的方法主要是视频识别水位法，通过摄像机拍摄含水尺的水域图片，利用人工智能方法分割水位线，识别水尺的水位数据信息。
[0003]视频识别水位的方法会由于水尺腐蚀、水面出现遮挡物遮挡水尺、摄像机被遮挡等因素导致无法正常识别水位，现有处理该问题的方法分为两类：一类为通过在水尺上方安装摄像机检测遮挡物，并及时提醒人工进行处理；一类为通过人工智能算法减弱遮挡带来的影响，例如专利技术专利202110469839.X《基于水位尺图像的水位线检测方法、装置与系统》中检测水位线在图片中的像素坐标，将其与实际水位相互映射，通过检测水位线获取真实水位值，专利技术专利201811568071.6《一种遮挡情况下水尺图像特征加权学习识别方法》通过对水尺图像进行边缘检测，将遮挡图像的无效信息设置较小的权值，使其有效信息具有较大权值，实现遮挡图像的特征提取，进行分类，获取真实水尺数值。以上方法存在以下问题：1.通过人工清除遮挡物十分危险，且时效性很低；2.利用以上算法进行被遮挡水位识别时，若遮挡物过大，水位值变化过快，水尺遮挡严重时，难以在水尺图像上提取合适的水位线像素坐标点，同时，若水尺的一部分完全被遮挡，则难以提取合适有效信息进行分类，获取真实水尺信息。

技术实现思路

[0004]根据现有技术的不足，本专利技术的目的是提供基于图像复原的水位获取方法、装置、设备及存储介质，能够快速去除水尺图像中的遮挡物，得到真实的水位高程。
[0005]为了解决上述技术问题，本专利技术采用的技术方案为：一种基于图像复原的水位获取方法，包括以下步骤：采集多个河流区域的不同时间段、不同水位高程下的待处理水尺图像，对待处理水尺图像打标签，标签为遮挡物和水尺，得到水尺图像数据集，将水尺图像数据集按照比例分成训练集和验证集；将目标检测网络模型和生成扩散网络模型集成且输入所述训练集和验证集进行预训练，得到图像复原水位模型；其中，目标检测网络模型获取水尺图像的特征信息并对水尺图像进行检测，若遮挡物边界框与水尺边界框不重合，则输出水尺边界框的像素坐标，若遮挡物边界框与水尺边界框存在重合部分，则将遮挡物边界框信息和水尺图像的特征信息输入生成扩散网络模型中；
生成扩散网络模型通过遮挡物边界框信息和水尺图像的特征信息生成遮挡物特征且扩散成高斯白噪声，去噪后输入到目标检测网络模型进行检测，直到遮挡物边界框与水尺边界框不再重合；通过标定得到目标水域水尺图像对应的水尺的像素坐标和水位高程，建立目标水域水尺的像素坐标和水位高程之间的关系式；拍摄目标水域新的水尺图像，放入建立的图像复原水位模型中进行处理，获取目标水域新的水尺图像水尺边界框的像素坐标；根据目标水域新的水尺图像水尺边界框的像素坐标获取水位线；将水位线的中心点像素坐标作为目标水域水尺的像素坐标，代入目标水域水尺的像素坐标和水位高程之间的关系式，得到真实水位高程。
[0006]进一步地，所述目标检测网络包括特征提取模块、特征金字塔和双向融合结构模块、剔除模块和判断模块；所述特征提取模块用于获取水尺图像的特征信息；所述特征金字塔和双向融合结构模块包括一个自上向下的特征金字塔结构，首先通过自上层向下层进行下采样，得到新的特征图，依次迭代此过程直至最底层，得到最底层特征图，进而通过自下层向上层进行上采样，得到每层的融合特征图，依次迭代此过程直至最顶层，得到最顶层融合特征图；剔除模块采用加权非极大抑制算法剔除冗余的边界框，得到遮挡物和水尺边界框；判断模块利用交并比判断遮挡物边界框和水尺边界框是否出现重合。
[0007]进一步地，所述生成扩散网络模型在不断去噪迭代的过程中，通过增加迭代次数协调水尺图像中遮挡区域和未遮挡区域的信息，输出的水尺图像再次送入目标检测网络进行检测，直到输出水尺边界框与遮挡物边界框不重合的水尺图像。
[0008]进一步地，将目标水域的水尺图像对应的个水尺的像素坐标与对应水位高程构建个三元多次方程：其中：、、...、、、均为系数；计算出、、...、、、，形成目标水域水尺的像素坐标和水位高程之间的对应关系式：。
[0009]进一步地，水尺图像的获取方法为：采集摄像头拍摄的不同时间段下的含水尺的水流视频，采用抽帧的方法对视频进行处理，每间隔s帧抽取一帧，获得水尺图像。
[0010]进一步地，水尺边界框的像素坐标包括：水尺本体边界框的像素坐标、水尺倒影边界框的像素坐标；其中，表示水尺本体边界框的左边界的像素坐标；表示水尺本体边界框的上边界的像素坐标；表示水尺本体边界框的右边界的像素坐标；表示水尺本体边界框的下边界的像素坐标；表示水尺倒影边界框的左边界的像素坐标；表示水尺倒影边界框的上边界的像素坐标；表示水尺倒影边界框的右边界的像素坐标；表示水尺倒影边界框的下边界的像素坐标。
[0011]进一步地，在目标水域新的水尺图像中，取水尺本体边界框最底部水平边界线和水尺倒影边界框最顶部水平边界线的中间值作为水位线，的表达式为：选取水位线的中心点计算水位值，其中，，将作为目标水域水尺的像素坐标，代入目标水域水尺的像素坐标和水位高程之间的对应关系式，得到真实水位高程值。
[0012]一种基于图像复原的水位获取装置，包括：水尺图像数据集获取模块，用于采集多个河流区域的不同时间段、不同水位高程下的待处理水尺图像，对待处理水尺图像打标签，标签为遮挡物和水尺，得到水尺图像数据集，将水尺图像数据集按照比例分成训练集和验证集；图像复原水位模型建立模块，用于将目标检测网络模型和生成扩散网络模型集成且输入所述训练集和验证集进行预训练，得到图像复原水位模型；其中，目标检测网络模型获取水尺图像的特征信息并对水尺图像进行检测，若遮挡物边界框与水尺边界框不重合，则输出水尺边界框的像素坐标，若遮挡物边界框与水尺边界框存在重合部分，则将遮挡物边界框信息和水尺图像的特征信息输入生成扩散网络模型；生成扩散网络模型通过遮挡物边界框信息和水尺图像的特征信息生成遮挡物特征且扩散成高斯白噪声，去噪后输入到目标检测网络模型进行检测，直到遮挡物边界框与水尺边界框不再重合；目标水域水尺的像素坐标和水位高程关系式建立模块，用于通过标定得到目标水域水尺图像对应的水尺的像素坐标和水位高程，建立目标水域水尺的像素坐标和水位高程之间的关系式；目标水域水尺图像水尺边界框获取模块，用于拍摄目标水域新的水尺图像，放入建立的图像复原水位模型中进行处理，获取目标水域新的水尺图像水尺边界框的像素坐
标；目标水域水位线获取模块，用于根据目标水域新的水尺图像水尺边界框的像素坐标获取水位线；目标水域真实水位高程获取模块，用于将水位线的中心点像素坐标作为目标水域水尺的像素坐标，代入目标水域水尺的像素坐标和水位高程之间的关系式，得到真实水位高程。
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像复原的水位获取方法，其特征在于，包括以下步骤：采集多个河流区域的不同时间段、不同水位高程下的待处理水尺图像，对待处理水尺图像打标签，标签为遮挡物和水尺，得到水尺图像数据集，将水尺图像数据集按照比例分成训练集和验证集；将目标检测网络模型和生成扩散网络模型集成且输入所述训练集和验证集进行预训练，得到图像复原水位模型；其中，目标检测网络模型获取水尺图像的特征信息并对水尺图像进行检测，若遮挡物边界框与水尺边界框不重合，则输出水尺边界框的像素坐标，若遮挡物边界框与水尺边界框存在重合部分，则将遮挡物边界框信息和水尺图像的特征信息输入生成扩散网络模型中；生成扩散网络模型通过遮挡物边界框信息和水尺图像的特征信息生成遮挡物特征且扩散成高斯白噪声，去噪后输入到目标检测网络模型进行检测，直到遮挡物边界框与水尺边界框不再重合；通过标定得到目标水域水尺图像对应的水尺的像素坐标和水位高程，建立目标水域水尺的像素坐标和水位高程之间的关系式；拍摄目标水域新的水尺图像，放入建立的图像复原水位模型中进行处理，获取目标水域新的水尺图像水尺边界框的像素坐标；根据目标水域新的水尺图像水尺边界框的像素坐标获取水位线；将水位线的中心点像素坐标作为目标水域水尺的像素坐标，代入目标水域水尺的像素坐标和水位高程之间的关系式，得到真实水位高程。2.根据权利要求1所述的基于图像复原的水位获取方法，其特征在于：所述目标检测网络包括特征提取模块、特征金字塔和双向融合结构模块、剔除模块和判断模块；所述特征提取模块用于获取水尺图像的特征信息；所述特征金字塔和双向融合结构模块包括一个自上向下的特征金字塔结构，首先通过自上层向下层进行下采样，得到新的特征图，依次迭代此过程直至最底层，得到最底层特征图，进而通过自下层向上层进行上采样，得到每层的融合特征图，依次迭代此过程直至最顶层，得到最顶层融合特征图；剔除模块采用加权非极大抑制算法剔除冗余的边界框，得到遮挡物和水尺边界框；判断模块利用交并比判断遮挡物边界框和水尺边界框是否出现重合。3.根据权利要求1所述的基于图像复原的水位获取方法，其特征在于：所述生成扩散网络模型在不断去噪迭代的过程中，通过增加迭代次数协调水尺图像中遮挡区域和未遮挡区域的信息，输出的水尺图像再次送入目标检测网络进行检测，直到输出水尺边界框与遮挡物边界框不重合的水尺图像。4.根据权利要求1所述的基于图像复原的水位获取方法，其特征在于：将目标水域的水尺图像对应的个水尺的像素坐标与对应水位高程构建个三元多次方程：
其中：、、...、、、均为系数；计算出、、...、、、，形成目标水域水尺的像素坐标和水位高程之间的对应关系式：。5.根据权利要求1所述的基于图像复原的水位获取方法，其特征在于：水尺图像的获取方法为：采集摄像头拍摄的不同时间段下的含水尺的水流视频，采用抽帧的方法对视频进行处理，每间隔s帧抽取一帧，获得水尺图像。6.根据权利要求1所述的基于图像复原的水位获取方法，其特征在于：水尺...

【专利技术属性】
技术研发人员：赵石磊，刘炳义，李玉琳，刘维高，郭圣逸，
申请(专利权)人：武汉大水云科技有限公司，
类型：发明
国别省市：