一种基于水库监控摄像头的水位自动提取方法及系统

摘要

本发明公开了一种基于水库监控摄像头的水位自动提取方法及系统，本发明基于水库监控摄像头提供的影像数据，对水库标准水尺进行监测，并通过图像处理方法进行水位的自动提取。在保证了提供精准水位数据的同时，提供对应的水位影像数据，对影像数据进行关键像素训练提取，边缘检测提取，聚类分析及去噪及水位线段检测以实现通过摄像头数据自动解算水位数据的功能。本发明能在水库摄像头执行监控任务的基础上，对监控影像进行自动的水位数值计算提取，不但简化了现有的水位数据提取步骤，并且可在不增加硬件设施的前提下，实现水库水位实时监测及数据获取，可广泛应用于水库的生产实践中。

主权项

一种基于水库监控摄像头的水位自动提取方法，其特征在于，包括以下步骤：步骤1：对水库摄像头的水尺图像进行水尺关键像素提取并二值化处理，生成水尺水位信息图；所述的关键像素提取的方法是基于海量水尺像素训练模型优化后的提取方法；步骤2：建立水尺图像的边缘检测提取模型，并对所述的水尺水位信息图进行边缘检测提取；所述的水尺图像边缘检测提取模型是基于多种边缘提取算子综合评定计算最优解建立的；所述的边缘提取算子，包括三种算子；其中微分算子为：$\left|grad\left(f\right(x,y\left)\right)\right|={[{\left(\frac{\partial f}{\partial x}\right)}^2+{\left(\frac{\partial f}{\partial y}\right)}^2]}^{\frac{1}{2}}$其中，|grad(f(x,y))|为x，y处像元灰度变化的幅度；为灰度值在水平方向变化率；为灰度值在竖直方向变化率；用以检测斜向边缘特征的Robert算子为：$g(x,y)={\{{[\sqrt{f(x,y)}-\sqrt{f(x+1,y+1)}]}^2+{[\sqrt{f(x+1,y)}-\sqrt{f(x,y+1)}]}^2\}}^{\frac{1}{2}}$其中，(x,y)表示图像坐标；g(x,y)表示(x,y)点算子计算后的灰度值；f(x,y)表示计算前的灰度值；Laplacian算子为：${▿}^{2}f(x,y)=\frac{{\partial }^{2}f(x,y)}{\partial x^2}+\frac{{\partial }^{2}f(x,y)}{\partial y^2}$其中，(x,y)表示图像坐标；表示对x方向灰度值的二级偏导；表示对y方向灰度值的二级偏导；步骤3：将检测提取后的图像作为输入，进行像素聚类分析并去噪，生成新的水平特征聚类图；步骤4：建立水位线段检测处理模型，并计算所述的水平特征聚类图中的水位高度，输出水位解算图像及数值；所述的水位线段检测处理模型是据水位影像特点及训练集训练资料，采用自适应影像线段提取方法获得的。