（模式识别与智能系统专业论文）基于图像的水位自动检测研究.pdf

硕卜论史 筚十图像的水位自动榆测研究 摘要 当前检测水位的方法有许多种，如浮子式水位计、压力式水位计、气介或液 介超声波水位计等，在不同的情况下有着不同的应用。远程水情监控系统中由于 环境等因素影响，常用的水位检测方法已经不能适用，为解决该问题提出了基于 图像的水位自动检测技术，该技术是远程水情监控系统的核心技术之一，是非接 触式水位自动检测。该技术基于图像处理的方法，丰富了图像处理内容同时为水 位自动检测提供了新的思路。 本文解决的关键技术问题和提出的方法如下： ( 1 ) 面向具体环境，规划、设计了水位检测的整体流程。 ( 2 ) 提出了基于图像水位自动检测的方法。为达到自动检测目的，对采集的水 位图像进行了一系列处理，包括形状校i f 、光强校正、目标分析、滤除无 用信息、水位区域定位和水位线精确检测等方法。 ( 3 ) 实现了图像中水位高度和实际海拔水位高度之间的快速转换技术。该技术 采用创建查找表方法。 本文提出的水位自动检测技术在山西汾河监控系统中已投入使用。到目前， 经过一年多的验证，检测到的水位高度误差在2 0 e m 以内，其性能不受温度和一 定条件下光照的影响，适合于不规则落差、大范围的水位测量，为满足我国偏远 地区、特别是山区恶劣条件下的河流湖泊水情监控和水位自动检测，提供了一种 新的水位自动检测技术。 关键字：水情监控，水位自动检测，图像处理，目标轮廓 顺l 论立 毕十幽像的水位自动榆测研究 a b s t r a c t c u r r e n t l y , t h e r ea r em a n ym e t h o d st od e t e c tw a t e rl e v e l ，s u c ha sf l o a t - t y p ew a t e r l e v e lg a u g e ，p r e s s u r e - t y p ew a t e rl e v e lg a u g ea n du l t r a s o n i cw a t e rl e v e lg a u g ee t c i th a s b e e nu s e di nd i f f e r e n tc o n d i t i o n s a u t ow a t e rl e v e ld e t e c t i o n ( a w l d ) ，b a s e do ni m a g e ， i so n eo fc o r et e c h n i q u e so fr e m o t ew a t e rm o n i t o rs y s t e m ( r w m s ) t h i s t e c h n i q u e i s a nu n t o u c h e d - a w l d b a s e do ni m a g e ，t h i st e c h n i q u ee n r i c ht h ek n o w l e d g eo fi m a g e p r o c e s s i n g ，a n dg i v e a nn o v e lm e t h o do f d e t e c t i o nw a t e rl e v e l t h e k e yt e c h n i q u e sa n d n e wm e t h o d s p r e s e n t e di nt h i st h e s i sa r el i s t e db e l o w ： ( 1 ) f o rt h er e a la n ds p e c i f i ca w l dc o n d i t i o n ，c o n s t r u c t e dt h ew h o l ef l o wc h a r to f r e c o g n i t i o n ( 2 ) p r e s e n t e da n o v e la w l dm e t h o db a s e do ni m a g ea f t e ri m a g er e c t i f i c a t i o na n d l i g h ti n t e n s i t yr e c t i f i c a t i o n ，t h ec h a i nc o d et e c h n i q u ew a s u s e dt ot r a c eo b j e c t sc o n t o u r a n dr e m o v eu s e l e s si n f o r m a t i o n ，a n dt h el i n eo fw a t e rl e v e li nt h ei m a g ew a sl o c a t e d a c c u r a t e l y ( 3 ) p r e s e n t e da s o l u t i o no ft r a n s f o r m a t i o nb e t w e e nt h ew a t e rl e v e li ni m a g ea n dt h e r e a la l t i t u d ew a t e rl e v e l t h e a l g o r i t h m sp r e s e n t e d i nt h i st h e s i sh a v eb e e np u ti n t op r a c t i c ei nf e n h er w m s ， s h a n x ip r o v i n c e d u r i n gm o r et h a no n ey e a r , t h ee r r o rr a t eo fd e t e c t e dw a t e rl e v e li s l e s st h a n2 0 c m i th a s n tb e e na f f e c t e db yt e m p e r a t u r ea n dw a t e rq u a l i t y i tc a na l s ob e u s e di nt h es i t u a t i o no fa b n o r m a lf a l la n dl a r g ea r e aw a t e rd e t e c t i o n t h i st e c h n i q u e s p r o v i d e ab r a n d - n e wa u t ow a t e rl e v e lm e a s u r ef o rr e m o t ez o n eo fo u rc o b n t r y , e s p e c i a l l y f o rs t r e a n lm o n i t o ra n da u t ow a t e rl e v e ld e t e c t i o ni nm o u n t a i n o u sb a d l y c o n d i t i o n s k e y w o r d s ：w a t e ri n f om o n i t o r , a u t ow a t e rl e v e ld e t e c t i o n ，i m a g ep r o c e s s i n g ，o b j e c t c 0 n t 0 1 , l r i l y6 2 磊3 2z 声明 本学位论文是我在导师的指导下取得的研究成果，尽我所知，在 本学位论文中，除了加以标注和致谢的部分外，不包含其他入已经发 表或公布过的研究成果，也不包含我为获得任何教育机构的学位或学 历而使用过的材料。与我一同工作的同事对本学位论文做出的贡献均 已在论文中作了明确的说明。 研究生签名：动 近鳞矽口4 年占月，p 目 学位论文使用授权声明 南京理工大学有权保存本学位论文的电子和纸质文档，可以借阅 或上网公布本学位论文的全部或部分内容，可以向有关部门或机构送 交并授权其保存、借阕或上网公布本学位论文的全部或部分内容。对 于保密论文，按保密的有关规定和程序处理。 研究生签名型谜 2 d 口4 年6 月调 i ! j i l j 论文 基十图像的水位自动检测研究 1 绪论 1 1 研究背景 当前水安全和水资源问题已经成为社会和经济发展中的重要因素【1 】。建立兼顾 防灾和水资源优化管理的保障系统，是现代水利和水利工程管理的需要。安全问 题特别是因洪水等自然灾害所引发的突发事故，其危害巨大，因此研建水情安全 监控、预测系统，通过对水情及堤坝安全的动态监测、预报，及时发现事故尤其 是突发事故先兆，迅速做出反应，实时给予决策支持并实施自动控制，为工程和 相关地区提供安全保障；为管理部门提供多层次信息管理和决策支持手段，在兼 顾防灾和水资源优化调度基础上实现水资源可持续利用，充分发挥水利工程的效 益。 山西省汾河上游干流河道治理项目部就水情监控、预测系统与山西财经大学 和南京理工大学于2 0 0 2 年1 0 月2 8r 达成共同研究、开发协议，由南京理工大学 负责研究项目的技术工作，主要目标为：实现在指挥部( 太原市) 通过计算机和普通 电话线实时观测远距离( 电话线可达) 水利设施的安全情况和当地水情，并可进行测 量与统计，为指挥、决策科学化和现代化提供技术手段。 监测对象为2 0 0 2 年1 2 月竣工的引黄水利工程之一，位于山西省静乐县水文 站北侧约4 0 0 米处。河段宽度2 0 0 米，河堤西岸有一个观测值班室，东侧建有一 个启闭机房( 7 2 x 4 2 ) 约3 0 平方米( 兼作值班室) ，室内均无恒温条件。见附录a 。目 前，在有水季节有专人管理，枯水季节无人值班。合同确定的实施现场，离远程 监测中心( 太原市) 约1 5 0 公早左右，该地区目前尚属经济不发达地区，科技和文化 水平较低，设备、财产安全是一个非常值得注意的问题。静乐县地处山区，当地 四季气温在2 0 + 4 0 摄氏度之间变化；监测河段最高水位2 米，5 - 9 月为有水季 节，水量偏大，水质比较混浊，其它月份水量小甚至干涸。 1 2 研究现状 目前就水位检测的探测和检测方法国际上普遍使用的是自记式水位计，就其 感应水位的方式而言，可划分为以下三类：浮子式水位计、压力式水位计、气介 或液介超声波水位计【2 1 。 浮子式水位计是现在水文遥测监控系统中使用最为普遍的一类。浮子式水位 计，利用重锤带动浮子原理，以感应水位升降；适用于静水井、分水渠道或需精 密监控容量之储水池。由于水流中所含推移质和悬移质的原因，特别是洪水季节 嘲卜论文 皋于图像的水位自动检测研究 水流含泥沙较重，经过一段时问的运行，便会出现淤塞进水管，淤积测井的现象， 易形成假水位，即进水管部分淤塞经过进水管的水流反应缓慢，造成严重的测 井滞后；其二、形成死水位，即进水管完全堵塞或测井淤积超过进水管高度，从 而使测井中的水不能与渠道中油水对流；其三、进水管淤塞不便疏通，只有等停 水或断流方能实证，而在此期间，可能造成记录水位的断测和测井报废。 压力式水位计，通过压力探头，在不同的水深感应不同压力产生相应的电流 而测出相应水位的高低，其感应方式容易受外界环境温度变化影响，反映水位的 精度往往还受到液体含沙量制约，成本较高，不易推广，电流输出不宜长距离传 输。压力式水位计输出为模拟量，尚须经过a d 转换，爿能与水文遥测监控系 统组网使用。 气介式或液介式超声波式水位计利用超声波在空气介质中传播，遇到物体或 液体，在介面处将产生反射并有部分声能被反射至声源，通过测量声波往返传播 的飞行时间，利用声波传播速度，可计算得到声源至被测物体或液面的距离。由 于受自身感应方式的限制，反映水位的精度也受到体含沙量以及温度变化的制约， 因而使用和量程范围狭小，该类仪器受环境影响比较大，误差大，价格昂贵，不 宜推广。 目前，国内外采用基于图像进行水位识别的技术报道甚少。所查文献中，只 有同本日立公司【3 l 】进行过基于图像的非接触式流体( 包括水位) 高度检测的研究。该 公司报道的是静态流体高度检测，且标尺必须垂直于液面安装，要求标尺刻度非 常清晰，直接检测刻度，受水质影响较大。并且该技术无法进行2 4 时全天候检测。 静乐县水文站引黄河道，水质含沙量大，尤其在行洪期间，水里所含异物较 多，因此不适台于测井、水压式等液介式水位传感器。而河道监测水位的变化在2 米以内，而此范田的超声式水位计相当昂贵，水质、水温的变化对测量精度存在 较大影响。鉴于此，项目组决定利用南京理工大学模式识别与智能系统国家重点 学科在图像处理与识别方面的雄厚基础和优势，采用水位图像自动检测技术，利 用视觉成像技术，实现对现场监测标尺成像的水位自动检测，从而达到不受时间 影响、具有较高精度和可靠性的水位自动检测。 当前图象处理中有许多方法检测图像中感兴趣区域1 3 】 ”，水位线在图像中所在 处可以看成是个兴趣区域，对这个的描述图像处理领域又不少的论述，利用链 码跟踪轮廓技术有许多优点。链码是对边界点的一种编码表示方法，其特点是利 用一系列具有特定长度和方向的相连的直线段来表示目标的边界。因为每个线段 的长度固定而方向数目取为有限，所以只有边界点起点需要绝对坐标表示，其余 点都可以只用接续方向来代表偏移量。由于对每一个点，又只需一个方向数就可 坝i j 论叟攮十幽像的水位白动榆测研究 以代替两个坐标值，所以表示一个方向数比表示一个绝对坐标值所需要比特数少， 链码表达可以大大减少边界表示所需的数据量。数字图像一般是按固定间距的网 格采集的，所以最简单的链码使跟踪边界并赋给每两个相邻像素的连线一个方向 值，常用的有4 哥口8 一链码，本文采用的是八链码。对单幅图像容易找到目标位置， 但由于检测的是动态水位的情况，在不同时刻水位的变化是不固定的，因此简单 的采用链码来寻找目标位置是不可行的，要根据具体的实际环境采用不同的预处 理方法，使得在图像经过预处理后基本上具有稳定的特征，再利用链码来确定目 标位置。由于现场自然环境的影响，设计的算法运行环境非常苛刻，在不同时间， 不同气候条件下采集的图像变化非常大，仅一天中的不同时段图像由于光源发生 变化引起的图像的变化就比较大。见附录b 。当然除了光源发生变化外，还有很多 外界条件变化影响成像。因此处理起来非常的困难。 本文提出的方法成功地上解决了上述问题。成功地在实践上把图像处理的方 法应用于水位检测，给出了处理检测的流程框架，和检测算法，具有一定的实际 价值。 1 3 本文的研究工作概述 本文研究工作主要是研究了基于图像的水位检测技术，该技术在远程水情监 控系统中得以实践应用。基于图像的水位检测技术是远程水情监控系统的核心组 成部分，论述了从模块设计到水位图像处理的各个部分包括形状校正、光强校正、 兴趣区域提取、区域跟踪、滤除噪声、精确定位水位线等多种技术以及创建图像 水位转换海拔水位的转换表方法。本文的研究工作主要集中在以下几个方面。 首先，本文在仔细研究了项目需求分析所处理图像的特点，找到检测水位的 最优方法。 其次，提出基于图像的水位自动检测技术。对采集的图像进行形状校正、光 强校正等方法，接着利用链码跟踪目标轮廓，并按需去除无用信息，最后精确定 位水位线，并采用插值方法对图像水位与实际海拔水位互换。 第三，详细地介绍系统运行情况并给出较为详实的实验结果，进行比较分析。 1 4 本文的内容安排 本文共分五大章。 第一章主要介绍该课题研究背景，研究现状，目前的水位监测的不足以及监 测环境条件等。 坝h 宅艾基于图像的水位自动榆测研究 第二章给出基于图像的水位自动检测的项目需求、软硬件环境、检测方案选 择以及检测的算法流程图。 第三章给出新的基于图像的水位自动检测技术。对采集的图像进行了一系列 形状校f 、光强校正、目标分析、滤除无用信息、水位区域定位和水位线检测等 多种处理，给出了算法实现。 第四章给出图像中水位同实际海拔水位转换的方法，实验证明，在本项目中， 分段线性插值优于三次样条插值。 第五章介绍实验数据及系统运行情况，给出典型图像的实验结果，最后给出 理论分析以及实验结果。 坝i 。论立 皋十图像的水位自动检测研究 2 系统简介及检测方案设计与处理流程 本章首先对远程水情监控系统作简要介绍，指出基于图像的水位检测在系统中 的地位，接着给出该项目对基于图像水位自动检测的需求、及其开发的软硬件环 境、检测方案选择，接着给出熬个检测算法流程，最后对本章小结。 2 1 远程水情监控系统简介 2 1 1 系统结构 系统由两部分组成：现场分系统，和后端分系统。两分系统的连接拓扑关系 如图2 1 1 1 所示。现场分系统完成图像和数据的采集、处理、存储，传感器的控 制和信息通讯等。后端分系统完成同常监控，数据传输，查询统计，数据分析， 系统维护等。网络可以为局域网、远程网和公共电话网等，采用c s 技术，实现 支持多用户( 后端分系统) 共同访问现场分系统。 现场设备分为室外和室内两部分。现场示意图如下： 现场系统构成原理如下 幽21 1l 系统组成蚓 后端分系统由一般p c 机、电话或网络接入点组成。通过调制解调器或网络实 现与现场分系统的数据通讯与连接。 硕 论义基于图像的水位自动检测研究 2 1 2 系统软件结构 如前所述，远程水情监控系统由现场分系统和后端分系统两部分组成。现场分 系统采用c s 模式，进行层次化设计。整个程序可分为工作层、服务层和应用层。 系统层、工作层、服务层定义为服务器( s e r v e r ) ，应用层定义为客户( c l i e n t ) 。以上 4 层的关系可用图212 1 所示。 服务器运行在河道现场( 值班室内见附录a ) ，完成对河道的监测、录像保存以 及实时的采集、保存经过水位检测算法得到的海拔水位数据，服务器端还可以接 受客户端的连接请求，向客户端提供远程监控、水位数据下载、录像文件的搜索 查看等功能。客户端运行在远端，通过电话线拨号和服务器建立连接，客户端可 以实时的监测河道，并能实时接受服务器端发送过来的水位数据。下面给出四层 的简要概述：( 1 ) 系统层：由计算机、操作系统( w i n d o w s 2 0 0 0p r o f e s s i o n a l ) 和数 据库( s q l s e r v e r 或a c c e s s ) 等构成。 图2 1 2 1 系统软件结构幽 ( 2 ) 工作层：主要完成图像和水位数据的采集、压缩、处理和存储以及硬盘空 间的管理。 ( 3 ) 服务层：作为工作层和应用层的纽带，完成工作层和应用层之间的图像数 据、水位数据、系统参数、摄像机云台控制命令等数据传输，执行连接、通讯( 命 令、图像、参数等数据传输) 、系统维护等功能：同时完成各种控制，如摄像机、 云台控制，照明控制等操作。 ( 4 ) 应用层：作为用户的界面，接受用户的输入，并把用户的输入提交至工作 硕i - 论文 皋十幽像的水位自动检测研究 层，待工作层完成用户的输入请求后再把结果，按照一定的形式回馈给用户。在 应用层直接显示给用户的数据主要是图像和水文数据。图像数据包括实时图像和 保存下来的历史图像，以及按照一定要求定时保存的静态图片。水文数据包括实 时的水位数据和历史水位数据以及流量数据。 幽2 i2 1 系统运行全局图 2 1 3 水位检测在系统中的地位 水位数据是系统中数据流的核心，它是联系系统中服务层和应用层的纽带。系 统中需要得到实时水位数据用作在服务器端界面上实时显示，同时把得到的水位 数据转换成流量，并且把得到的实时水位数据插入数据库中，当需要时从数据库 中提取出来打印或者浏览。 2 2 水位检测方案设计 一般在测量水位的系统中，大多数采用传统测量方法，如水位传感器，温度 传感器等等。但这些测量水位的方法都有各自的缺点。它们要求在实际环境下近 距离进行测量，如果距离远将不能适应需要，详细讨论见绪论。鉴于此远程水情 坝i 论史 基十图像的水位自动检测研究 监控项目组提出使用模式识别图像处理技术解决远程实时监控现场的需求。项目 需要查询以前一段时间的水位数据，或者统计前几年的水位数据对以后的水位进 行预测，因此必须不断采集实际的水位数据，并进行检测处理，把得到的结果保 存起来。为了滤除大最重复信息，每分钟只获取图像采集卡采集的一幅水位图像， 如图2 2 1 和图2 2 2 ，对类似的图像进行处理以得到实际河道水位的海拔高度( 附 录b 给出的通常情况下一天2 4 小时的图像) 。当水位自动检测处理完毕，把得到 的海拔水位高度插入数据库。自动检测必须在如大雨、小雨、大雾等复杂的恶劣 环境下得到准确的水位。在洪期时最高水位可达到2 米，这时的误差不能超出5 c m ， 在一般情况下误差可以适当放宽。 基于项目的需要，整个水位自动检测必须达到两个要求： ( 1 ) 较高的检测精度。下面几章将给出详细的论述，以达到准确检测的目的。 f 2 ) 实时的处理速度。对该问题，本文在处理时提取兴趣区域，缩小处理范围。 这罩的兴趣区域，即图像中有水泥柱( 标尺) 的矩形区域，见图2 2 1 ，通过这种方法 以提高处理速度。当前的计算机处理速度非常快，在现场监控的工业机为p i i l 8 0 0 ， 该问题完全可以满足，不是本文考虑的重点。在第五章中给出本文算法处理所用 时间。 图2 2 1 待识白天图像图2 22 待识晚上图像 基于上面的要求本文给出三种检测方案： ( 1 1 检测图像中的直线，采用h o u g h 变换i i ，或者直线跟踪方法，后者是对该 图进行闽值或者边缘提取后寻找在水平方向上目标像素最多的直线，并把浚 直线的长度( 可以是像素也可以是实际长度) 作为标尺高度。水位高度为在没水 情况下得到的标尺高度减去当前标尺高度。在这里定义图像经过阈值化或者 边缘提取后白色( 像素值为2 5 5 的点) 为目标点，黑色的为背景点( 像素值为0 ) 。 硕卜论义基于图像的水位自动检测研究 用这种方法得到的结果不太稳定，有时会产生较大的误差，因为对标尺长度 测量的结果受外界环境变化的影响比较大。 ( 2 ) 检测图像中的红色菱形或者数字标志。工程人员为了方便在水泥柱上画了每 1 0 c m 一个的菱形，共有2 6 个。但这种方法更是不稳定的，对于一天中，从早 晨到晚上这罩根据实际观察本文认为晚上的图像外界环境基本上不发生变化。 有可能寻找的菱形由于光线强弱的原因影响对菱形的寻找即可能丢失菱形。在 本文的第五章中给出检测菱形的方法，用检测出来的没有丢失菱形进行安全处 坪。 图2 2 3 寻找菱形的情况上面一幅为处理没有丢失f 图为有丢失情况 ( 3 ) 本文采用的方法。在对图像特征作充分分析后，发现一个重要特点，即在真实 水位附近，存在一条真实水位线和与之靠近且平行的侵蚀线。在晚上真实水位 同水泥杜上标尺的区别非常明显，可以不通过检测与真实水位线平行的侵蚀 线。见图2 4 2 1 ，该图是晚上图像经过边缘提取后结果，图2 , 4 2 2 是白天图像 经过边缘检测结果。根据这一特征本文提出通过对图像作光强校正、形状校正、 目标轮廓提取、去除无用信息、确定水位线大致区域、精确定位水位线等一系 列处理，准确检测到水位。处理过程中，由于晚上和白天光照不同，采用了不 同的处理方法。 2 3 水位检测的软硬件环境 2 3 1 硬件环境 整个系统的架设需要2 个摄像机，一个用作监控全景，另一个用作监控水位( 标 尺1 ，其中全景摄像机要求可以拍摄整个河道的图像以监视全局河流的情况因此它 的分辨率应该比较高而且可以旋转，项目采用的是带云台的球机，它具有两个自 由度，即可以上下和左右旋转，另一个是在河道柱子上的横梁上安装的一个固定 9 硕h 仓史 甚于例像的水位自动榆测研究 的摄像机( 水位摄像机) ，该摄像机要求固定在柱子上，要求有较高的分辨率，拍摄 标尺图像，以供水位检测处理。附录a 给出这两个摄像机的图像。这两个摄像机 拍摄的图像通过视频线传输到监控室内的工业计算机的视频采集卡内，进入工业 计算机进行处理。视频采集卡用的是p i c o l o 它在一秒钟内可以采集2 5 帧图像。 为了在夜晚没有光线或者是光线非常弱的情况下得到好的成像，本项目使用了两 个5 0 0 w 的照明灯，一个安装在全景摄像机旁边，另一个安装在水位摄像机旁边。 这些灯由光控丌关控制，到晚上时将自动打开。 2 3 2 软件环境 操作系统：w i n d o w s2 0 0 0p r o f e s s i o n a l 编程工具：v c6 , 0 2 4 水位检测的流程 2 4 。1 检测模式 由于水位摄像机拍摄的标尺图像在不同气候、不同时间段的图像差别非常大， 因此想找到个通用的算法十分困难。基于此本文分析了产生这种原因的主要因 素是光照。在白天太阳正射光线非常强，图像成像非常好，这时是理想的情况， 但随着时间的推移到了下午傍晚太阳斜射这时的成像的光强度就不是非常高，如 果是在晚上一般是黑漆漆的一片，这时有5 0 0 w 的水位摄像机灯作为光源对其进行 照射。再者在晚上时图像中水泥柱和水的区分比较明显，水位线浸湿水泥柱的线 将不再明显，对这种情况下本文的搜索水位线区域必须改变，见图2 4 1 1 和图 2 4 12 。基于上述原因本文把检测的过程分两个方面来处理 ( 1 ) 白天，光线好，成像好的情况； ( 2 ) 晚上，有辅助灯照射的情况。 在白天光线比较强，图像亮度比较高参见图2 2 1 和图2 2 2 ，则算法进入白天 处理方法。对这种情况本文称之为白天模式，反之则晚上模式。两种模式下需要 执行某些相同的处理，本文称之为主算法。 硕l ：论文 肇十图像的水位自动检测研究 2 4 2 检测流程 图2 4 11 晚上的图像的水位线 图2 4 i 2 白天图像水位线 在下面所说的模式指的是白天模式 ( 晚上模式) 。两种模式处理采集的图像 是不同的，这两者的主要区别在于在往 水平方向投影的宽度不同。图2 4 2 i 水 位检测主框架主要是给出从图像采集卡得 到图像进行处理，得到图像中水位线， 再经过变换得到实际海拔水位的总体流程。 出于白天和晚上图像的差别又产生了 白天模式处理流程和晚上模式处理流程， 在不同模式下都有一部分是共同执行的，本 文称之为在主算法，下面给出主算法的具体 处理方法的流程。 ( 开始 ) l 从图象采集卡读 取图象数据 j 提取个通道 以便f 面处理 ! l 判断进入的模式| l ( 白天、晚上) 进入不l 司模j l 鉴塾些 主 l 对得到的实际像】 l 素坐标转换为水l l 位高度 ( 结束 ) 图2 4 2 1 水位检测主框架 坝1 j 论= = 皋十剀像的水位自动榆测1 i j f 究 图像形状校正 光强校正( 晚上模 式) 链码跟踪目标轮廓 去除兀用信息 t 定位水位线 调用丰算法 0 l 精确水位线( 设置 l较大搜索区域) 调用主算法 l 精确水位线【设置 l较小搜索区域) 幽2 4 31 主算法处理流程 24 3 2 白天模式处理流程图2 4 3 3 晚上模式处理流程 2 5 小结 本章给出远程水情监控系统对基于图像的水位自动检测的需求，基于该需求 提出本文给出3 种解决方案，总结后找到一种最佳方案。给出检测需要的软硬件 环境，最后给出水位自动检测详细流程。通过这些流程图，水位检测的框架已经 形成。 硕卜论文基于图像的水位自动检测研究 3 基于图像的水位自动检测新方法 本章给出基于亮度的r 夜模式判别、形状校正、兴趣区域提取、光强校正、 水位线区域定位、精确水位线定位等基于图像水位检测的核心技术并给出这些处 理的算法步骤，通过这些处理最终精确得到图像中水位线的位置，在本章末给出 简要小结。 3 1 基于亮度的日夜模式判别 由于光照原因，白天和晚上采集图像的水位线和水位侵蚀线差别较大，难以 一致处理，因而需要白天夜晚模式判别。本文中所讲的白天和晚上模式指的是对 图像中的亮度，如果某白天由于阴天亮度同晚上图像的亮度样则判别为晚上模 式。该亮度值由实验确定。 之所以需要判别的原因是，精确水位线定位处理中采用的是在水平方向上目 标像素投影的最大值的技术，而得到该最大值的原理是有部分水浸湿柱子，即有 一部分是临界区域，在白天该临界区域明显，处理算法可以得到，见图2 4 1 2 ， 在晚上则临界区域不明显，见图2 4 11 ，处理算法得不到，但有水区域同非水区域 差别很大，可以不用该区域或者把搜索区域变小就可以得到水位线。因此是否能 够得到该临界区就成为区分白天模式还是晚上模式的本质原因。本文采用图像的 亮度大小就作为判别标准，在对一天2 4 0 幅图像进行处理后发现白天和晚上算法 得到的亮度值差别很大，因此较为容易选择该亮度值。图3 1 1 是实验结果，从图 中可以看出一般白天图像的亮度大于1 0 0 ，而晚上则小于4 0 。 采用“式( 3 1 1 ) ”计算亮度 其中b 的计算如下 b = b m j 一1 n 广i 蜀( ) e2 气茂r i = 0 , 1 , 2 , 3 n 肘 ( 3 1 1 ) ( 3 1 2 ) 式中m 。和。分别是图像g i ( x ，y ) 的高度和宽度，图像g i ( x ，y ) 通过“式( 3 1 3 ) ”得 坝i 。论文幕于图像的水位自动检测研究 到 g ，( i ，) = g ( m ，n )( 3 13 ) 其中，= o ，1 ，2 ，3 i = 0 ，1 ，mjj = 0 , 1 ， m = k ，k + 1 ，- 一，k + i n = t ，+ 1 ，+ - ，f + j k = ( f 2 ) x ( w i d t h m ，) ，= ( t o 0 2 ) ( h e i g h t n i ) 其中m ，= 0 ，1 ，w i d t h 一1 ，n ，= 0 , 1 ，h e i g h t 一1 在本文中选择 m ，= n i ：1 0 0 ，= o ，1 ，2 ，3 幽3i1 一天( 2 4 时) 图像亮度统计图 图3 1 1 是测试结果，该图是按照一天中从早到晚的顺序，从早上5 点钟之前 计算出来的亮度在2 0 左右，5 点钟左右亮度产生突变，这是因为此时光控人工照 明关闭，2 0 点左右亮度的突变与此类似。 3 2 形状校正 从图3 2 1 和图3 2 2 中，可以看出摄像机所拍的图像，水位线部分是一段弧， 在该弧的不同位置看到的水位高度是不同的，为更准确定位水位线所在位置有必 要把该弧变成直线。本文不详细的讨论摄像机标定的问题，这罩借鉴摄像机标定 的思想提出解决方法。在摄像机标定中校f 图像像素和未校正图像的像素的误差 坝l 论义基于图像的水位自动检测研究 补偿常采用偶次幂多项式，以确保旋转对称性，常采用6 次多项式，而在水位检 测系统中当摄像机架设完毕基本上是不动的，因此该弧的弯曲程度也是固定的。 找到每个实际像素同校正像素的差就可以创建查找表提高程序效率。当摄像机发 生变化的情况下，如由于重力的原因摄像机发生向下偏移，这时需要重新对目标 定位也需要重新创建查找表，关于这点在第四章进行详细阐述。解决该问题采 用像素拉伸方法。如图3 2 1 ，在水位线处弯曲，本文把水位线弯曲处最深的像素 所在的列坐标和在水平方向水位线弯曲处的像素的差值保存在查找表内，每次对 图3 2 1 进行校，f 时只要进行像素相减即可。图3 2 2 是白天图像实验结果，图3 2 4 是晚上图像实验结果。实验证明经过该处理后对水位的检测更加准确。得到弯曲 处像素的坐标是在调整查找表部分得到的。 采用下面的公式进行形状校正： l u t j = l ( j ) 一c ( j ) j = 0 , i ，h e i g h t( 3 2 1 ) 其中三( ，) 是第四章中标尺定位的直线在图像中坐标，c ( ) 是第四章中标尺定 位的弧状线，在本文第四章中给出详细介绍三( ) ，c ( ) 的获取。 p ( f ，j ) = p ( i ，j + l u t j ) i = 0 , 1 ，w i d t h ；j = 0 , 1 ，h e i g h t 。( 3 2 2 ) 上式中p ( f ，) 是校正后图像，p 是校正前图像，w i d t h 是图像的宽度，h e i g h t 是图像的高度； 图3 2 1 处理前的图像图3 2 2 形状校i 后的图像 坝i j 论义皋十蚓像的水位白动榆测研究 幽3 2 3 晚上处理前图像 图3 2 4 晚上图像形状校正厉结果 经过处理后的图像，水位线基本上在一条垂直线上，这样为精确定位水位线创 造了条件，如果直接在图32 1 上寻找得到的水位线的误差将比较大。 3 3 兴趣区域提取 图像采集卡得到的整个水位图像，没有必要整幅图像都用于处理，只需要处 理对处理有用的区域兴趣区域，即其中有水泥柱的地方( 标尺) ，这是因为检测的参 照物是该水泥柱以及柱上的标尺图像。图像中其它地方都是对检测没有帮助的。 提取出该兴趣区域有利于加快处理速度，减少噪声干扰。图3 , 3 1 为提取后的图像。 对区域的确定见第四章。 图3 3 1 提取的兴趣区域 3 4 图像光强校正 在实际晚上图像中，由于照明的原因，图像中的左侧更靠近光源( 照明灯5 0 0 w ) 帧i 论史 皋十图像的水位自动检测研究 显得较亮，灰度值较高；而图像中靠近右侧即靠近水位部分由于远离光源同时水 质混浊吸收光显得较暗，灰度值较低。从图像左侧到右侧每列的灰度平均值变化 不是均匀的，在图像中标尺部分和真实有水区域部分区分不明显，这时对检测会 产生影响。经过兴趣区域提取后的图像大部分是标尺，标尺的材质是水泥柱，因 此可以假定图像中标尺部分每列灰度均值的变化是平滑的，而同真实水区域分界 处的灰度均值相差比较大。我们文中假设图像中标尺部分每列的灰度平均值变化 是按线性递减的，函数形式为一次式y = , x + b ，其中x 是图像从左到右列的坐标， 本文中所处理的图像大小为7 6 8 5 7 6 ，因此x 的变化为l o ，7 6 7 l ，其中y 为理想下对 应列的狄度平均值，范围在 0 ，2 5 5 】，见图3 4 1 。如果能把) ，= h + b 中的k 尽量 接近于0 ，则图像中每列狄度就基本上相等，这样就有可能接近于自然光照的图像。 这就把图像中标尺和真实有水区域分丌，有利于下面的处理。在经过校工f 后的图 像见图3 4 2 ，该图中标尺部分每列的灰度大部分相等，而同真实有水域灰度相差 比较大。 基于以上的假设，本文提出光强校f 算法，用于晚上图像的处理。详细处理过 程如下： 采用“式( 3 4 1 ) ”统计图像每列的均值y ； 一h e j g h t i y ，= g ( x ，yj ) h e i g h t i = 0 , 1 ，w i d t h 一1 1 = 0 x = 0 ，1 ，w i d t h 一1 ( 3 4 1 ) 式中w i d t h 是图像的宽度，h e i g h t 是图像的高度，如不作特别说明，文中w i d t h 和h e i g h t 均表示此意义。实验结果参见图3 4 3 中曲线。 计算列和水平坐标中点采用“式( 3 4 2 ) ” x o = s b l m x w i d t h y o = s u m y h e i g h t ( 3 4 2 ) 上式中s u m x ：”器。s u m y ：6 移， 上式中 = 一 = ， 以( ，y 。) 为坐标原点计算新的x 和y 方向上的坐标值累加平方和，采用“式 ( 3 4 3 ) ” 1 7 倾卜论文 基十图像的水位自动检测研究 w m t h 1w i d t h - 1 w i d t h i s x = ( x 一x o ) 2s y = ( y ，一。) 2s x y = z ( x f = ol = 0 忙0 采用“式( 34 4 ) ”计算理想直线的，b 这样就得到直线方程y = 奴+ b ，结果参见图 3 4 3 中直线。 k = s x y s y b = y o k 。o 有了直线方程通过f 列公式计算得到校正后的图像。 ( 3 4 4 ) g ( x ，y ) = m a x ( 2 ，g ( x 。，y j ) ) i = 0 , 1 ，1 一，w i d t h 一1 ，= 0 , 1 ，1 ，h e i g h f 一1 ( 3 4 5 ) 其中g ( x ，y ，) 为处理前图像灰度值，处理后图像中灰度最小值为2 。 m i d = k ( w i d t h 2 1 + 6 利用“式( 3 4 7 ) ”计算每列变化因子 y t ，= ( h + b m i d ) m i d 式中i = 0 , 1 ，w i d t h 一1 。 利用“式( 3 4 8 ) ”计算校正后的图像、f ( x ，y ) f ( x ，y ，) = g ( x ，y ，) 1 t ( 1 + y t ，) ( 3 4 6 ) ( 3 4 7 ) ( 3 4 8 ) 式中，是校正后图像，g 是校正前图像，i = 0 , 1 ，w i d t hj = 0 , 1 ，h e i g h t 算法测试结果见图3 4 1 和图3 4 ，2 ，对应的每列图像扶度均值参见图3 4 3 和图 3 4 4 ： 硐l 论殳 箍于幽檄的水位自动榆测研究 图34 1 校正前吲像 图3 42 光强校止后图像 煳3 4 3 校止前每列真实灰度均值年理想灰度均值图3 4 4 校止后每列灰度均值 从闰3 a ，2 可以看出校正后图像中标尺部分平有水区域部分分别明显，标尺部分的亮度变 9 坝1 论艾 基十图像的水位自动检测研究 化缓和，而在与有水区域交叉处变化比较大。图3 4 3 是图3 4 1 对应的每列灰度 均值，其中直线为理想灰度均值。从图3 4 3 中可以看出原图像标尺部分的每列灰 度均值从左到右基本上呈现线性变化趋势，这与本文先前的假设是吻合的。图3 4 4 是校f 后每列狄度均值，可以看出校f 后标尺和有水区域分界处灰度变化比较明 显。 3 5 水位线定位 3 5 1 预处理 3 5 1 ，1 边缘检测 两个具有不同灰度值的相邻区域之间总存在边缘。边缘是灰度不连续的结果， 这种不连续可以利用求导数的方法检测到。常见的边缘可以分为三种1 ) 阶梯状2 ) 脉冲状3 ) 屋顶状。在实际应用中，一般只考虑阶跃边缘，因为只要采样分辨率足 够或者说窗口足够小，边缘都可以看成是阶跃边缘【3 j 。 图像的灰度变化情况可以用灰度分布的梯度表示，给定连续图像f ( x ，y ) ，其 方向导数在边缘法线方向上取得局部最大值。因此，边缘的检测转化为求f ( x ，y ) ， 在( z ，j j ) 处的方向导数问题。f ( x ，y ) 沿任意方向r 的方向导数为： 要：豢妻+ 熹宴：六c 。s 口+ 兀“n 占 0 r咖泖洲o g 与方向导数相关的一个概念是函数的梯度，对于平面的每一个点p ( x ，y ) 都可以定 出一个向量( 包括幅度和方向) ，该向量称为( 工，y ) 处的梯度。 向量为：錾f + 錾 o x c y 梯度为：g r a d f ( 训) ：娶f + 罢， ( 珑 o y 可以证明，当方向r 与梯度方向一致时，方向导数达到最大，该最大值为梯度 的模。在数字图像处理中，一般采用差分代替导数： a x f ( x ，y ) = 、( f + 1 ，j ) 一f ( i ，j ) a y f ( x ，y ) = f ( i ，j + 1 ) 一f ( i ，j ) a a f 0 ，y ) = a x f ( i ，j ) c o s a + a y f ( i ，j ) s i n c r 坝i 一论文皋于图像的水位自动检测研究 对于阶跃边缘而言，二阶导数过零点或者二阶导数在边缘处出现零交叉，即 边缘二阶导数异号。通过过零点的位置要比确定极值点容易的多，也比较精确， 沈俊提出了先滤波后边缘检测的方法【m l ，他在阶跃和可加白噪声模型下，就信噪 比最大准则，证明了最佳滤波器是对称的指数函数，形式如下： 其中 f ( x ，y ) = c l2 c 2 1 圳 c ，2 去，c ：= 1 - a o ”( o ，1 ) d 。越大，即越接近1 ，则f ( x ，y ) 越窄，去噪的能力减少，但定位精度越高，沈俊 还证明了： ( 1 ) 用上述指数滤波，可以等价为分别按行和列各进行两次正反向的递归滤波来实 现， p 1 ( x ，y ) = p 1 ( x - l , y ) + d 。 p ( x ，y ) 一p 1 ( x - l , y ) ，x = l ，2 。n f 3 5 1 1 4 1 p 2 ( x ，y ) = p 2 ( x + 1 ，y ) + n o 【p l ( x ，y ) 一p 2 ( x + l ，y ) 】x = n ，n 一1 1 、 其中，p 2 ( x ，y ) 即为按行进行了正反两次递归滤波的输出，再对它进行按列进行正 反递归滤波， p 3 ( x ，y ) = p 3 ( x ，y 一1 ) + 口。 p 2 ( x ，y ) 一p 3 ( x ，y 一1 ) 1 ，y = 1 , 2 ，一，m p 4 ( x ，y ) = p 4 ( x ，y + 1 ) + 日o 【p 3 ( x ，y ) 一p 4 ( x ，y + 1 ) 】，y = m ，m 一1 ， 其中，p 4 ( x ，y ) 即为所求，即 p 4 ( x ，y ) = p ( x ，y ) ( c i2 c 2 x + d 1 ) p 4 ( x ，y ) 一p ( z ，y ) 芝云；五：j v 2 f ( x ，y ) p ( x ，y ) 图3 5 1 1 1 和图3 5 1 1 - 2 给出沈俊算子处理前后的图像，需要