【技术实现步骤摘要】
基于计算机视觉的入河排污检测方法
[0001]本专利技术涉及图像数据处理
，具体涉及基于计算机视觉的入河排污检测方法。
技术介绍
[0002]由于河流排污口数量多、分布广、形态多且隐蔽性强，为检测入河排污造成了较大困难；传统的地面排查通常需要投入大量人力、财力且耗时数月，成本极高还容易遗漏，因此现阶段通常采用无人机航拍进行入河排污检测；然而航空拍摄会受到大气流动、户外光照和云雾等随机因素影响，同时无人机机身震动以及图像的传输都会不可避免地对图像产生噪声干扰；而航拍图像内的入河排污口区域较小，含有噪声的航拍图像会极大程度影响入河排污口在图像中的表现，进而影响入河排污检测结果的准确性。
[0003]现有技术中通常采用高斯滤波算法对航拍图像进行去噪处理，然而高斯滤波算法中滤波窗口尺寸根据人工经验设定，同时标准差也预先设定，无法做到对于航拍图像中不同区域自适应窗口尺寸及标准差，进而导致对于噪声去除的同时，会使得部分细节信息丢失，而细节信息往往即是较小的如何排污口区域，则会导致入河排污检测结果的不准确；因此需要根据航拍图...
【技术保护点】
【技术特征摘要】
1.基于计算机视觉的入河排污检测方法，其特征在于，该方法包括以下步骤：采集河流航拍图像，分割河流区域，根据河流航拍图像及河流区域获取流动方向以及河流骨架线；通过超像素分割对河流区域进行划分，根据不同超像素块中的灰度值获取若干疑似污染连通域以及正常连通域，根据每个疑似污染连通域中每个像素点的灰度值、位置以及河流骨架线，获取每个疑似污染连通域中每个像素点的骨架向量与梯度向量，根据骨架向量与梯度向量获取每个疑似污染连通域的污染可能性，根据污染可能性获取河流航拍图像中不同区域的滤波窗口尺寸；根据骨架向量与梯度向量获取每个疑似污染连通域的匹配灰度序列，根据匹配灰度序列中每个元素与相邻后一个元素的差值，获取每个疑似污染连通域的扩散匹配数量，根据匹配灰度序列、扩散匹配数量以及污染可能性获取每个疑似污染连通域的细节保留程度，根据细节保留程度获取每个疑似污染连通域的高斯函数标准差，设置非河流区域及正常连通域的高斯函数标准差；根据滤波窗口尺寸及高斯函数标准差对河流航拍图像进行高斯滤波，获取高质量河流航拍图像，通过入河排污检测系统完成入河排污检测。2.根据权利要求1所述的基于计算机视觉的入河排污检测方法，其特征在于，所述根据不同超像素块中的灰度值获取若干疑似污染连通域，包括的具体方法为：对每个超像素块对应的连通域，获取每个连通域的灰度均值以及每个连通域的灰度值众数，对河流区域中所有连通域的灰度值众数求均值，得到的结果记为河流区域的标准灰度值；计算每个连通域的灰度均值与标准灰度值的差值绝对值，记为每个连通域的灰度差异程度，将河流区域中所有超像素块对应的连通域的灰度差异程度从小到大进行排列，得到河流差异序列，通过对河流差异序列进行阈值分割，得到分割阈值；将灰度差异程度大于等于分割阈值的超像素块对应的连通域记为疑似污染连通域，将灰度差异程度小于分割阈值的超像素块对应的连通域记为正常连通域。3.根据权利要求1所述的基于计算机视觉的入河排污检测方法，其特征在于，所述获取每个疑似污染连通域中每个像素点的骨架向量与梯度向量，包括的具体方法为：以任意一个疑似污染连通域作为目标连通域，获取目标连通域中任意一个像素点作为目标像素点，获取目标像素点与河流骨架线上欧式距离最短的像素点，记为目标像素点的骨架像素点；获取目标像素点的骨架像素点沿流动方向在骨架线上的下一个像素点，将骨架像素点与下一个像素点的差值绝对值作为向量的模，骨架像素点指向下一个像素点的方向作为向量的方向，得到的向量记为目标连通域内目标像素点的骨架向量；获取目标像素点的梯度，获取梯度的值以及梯度方向，将梯度的值作为向量的模，梯度方向作为向量的方向，得到的向量记为目标连通域内目标像素点的梯度向量；获取目标连通域中每个像素点的骨架向量与梯度向量；获取每个疑似污染连通域中每个像素点的骨架向量与梯度向量。4.根据权利要求1所述的基于计算机视觉...
【专利技术属性】
技术研发人员：许榕发，杜东伟，汤送雄，马艳，林颖，郑晶，于云江，
申请(专利权)人：生态环境部华南环境科学研究所生态环境部生态环境应急研究所，
类型：发明
国别省市：
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。