一种基于图像处理的小型水域水华监测预警方法

摘要

一种基于图像处理的小型水域水华监测预警方法，涉及小型水域的水华监测预警方法。本发明利用摄像头和计算机，通过程序进行计算，实现小型水域的水华监测预警。本发明具有监测设备简单，对环境适用能力强；算法计算量小、速度快，对硬件要求低，能直接植入现有的水面视频监测系统或开发成嵌入式设备或直接在计算机上运行，均能实时快速有效地进行水华预警；灵活方便，成本低，便于维护等特点。本发明可广泛地应用于江、河上游水库、城镇饮用水源的水库、城镇取水区河段或常发生水华的江、河、湖泊区及景观水域等的小型水域的水华监测预警。

主权项

1.一种基于图像处理的小型水域水华监测预警方法，其特征在于利用摄像头和计算机，通过程序进行计算，其具体步骤如下：(1)建立颜色先验模型首先根据被测水域的历史水华区域的样本图或视频数据，建立颜色先验模型，即：设{x′_j}_{j＝1，2…n}为样本图或视频数据的n个像素，将每个象素从三原色空间转换到色、亮分离空间，将色调分量的离散化取值为i，即i＝1，2...，360，把色调分量的范围[0，360]缩放到[0，255]；通过计算机按下式计算色调分量的色调概率：p＝{p_i}_{i＝1，2…m}；$p_i=\frac{\underset{j=1}{\overset{n}{\Sigma }}{\left|\right|x_j^{\prime }\left|\right|}^2\delta [b\left(x_j^{\prime }\right)-i]}{\underset{j=1}{\overset{n}{\Sigma }}\left({\left|\right|x_j^{\prime }\left|\right|}^2\right)};$$\underset{i=1}{\overset{m}{\Sigma }}{p}_i=1---\left(1\right)$其中：p是颜色模型，p_i是色调值为i的概率，δ为δ函数，函数b(x′_j)为空间R²→{1，2…m}的索引，即位于位置x′_j的像素向直方图量化特征空间的索引；(2)对水华区域进行检测①对小型水域进行监测第(1)步完成后，在小型水域的岸边架设摄像头，并通过视频传输线与计算机连接；摄像头架设的具体位置、数量及高度，根据被测水域的具体情况确定；②反向投影处理第(2)-①步完成后，对第(2)-①步输入的每一帧视频图像进行反向投影处理，即对视频图像处理区域中的每一个像素，通过计算机查询该像素与第(1)步建立的颜色先验模型的匹配程度，就得到每帧图像的目标颜色反向投影图；③检测分割水华色块并滤掉干扰色块第(2)-②步完成后，进行检测水华色块和滤掉干扰色块处理，即：先对第(2)-②步得到的反向投影图进行腐蚀、膨胀，检测目标色块的内外轮廓及找到目标色块中的空洞进行填充预处理；再检测分割水华色块区域，即通过计算机按下式不断地对经过上述预处理之后的反向投影图计算均值平移向量M_h，G(x)：$M_{h,G\left(x\right)}=\frac{h^2▿{\hat{f}}_K\left(x\right)}{2/C{\hat{f}}_G\left(x\right)}---\left(2\right)$其中：h为带宽度，C为归一化常数，为核K上带宽度为h的多变量密度估计：${\hat{f}}_K\left(x\right)=\frac{1}{n{h}^d}\underset{j=1}{\overset{n}{\Sigma }}k\left({\left|\right|\frac{x-x_i}{h}\left|\right|}^2\right)---\left(3\right)$集合{x′_j}_{j＝1，2…n}是d维欧氏空间R^d的n个点，k(x)表示该像素点的核函数：其中：c_d为d维单位球体体积；用以迭代更新目标色块的位置，直到收敛于的最优匹配点，该匹配点的区域就是当前帧图像中的目标色块；进行判断：当没有检测到目标色块时，则返回第(2)-①步获取下一帧继续进行检测；当有检测到目标色块时，则以当前帧最优匹配点的质心和面积作为下一帧搜索窗口的初始值，继续进行迭代计算找到最优匹配点，如此循环迭代至程序结束为止，就检测分割出每帧图像的目标色块；然后过滤干扰色块，即计算上步得到的当前帧和下一帧的目标色块的面积，根据水华区域面积的帧间变化规律，利用当前帧的目标色块面积来预测下一帧图像中的目标色块面积，即计算下一帧色块实际检测面积和下一帧预测面积之间的差值，根据下式进行判断：|S_n+1-S′_n+1|≤ξ                        (5)其中：S_n+1为下一帧色块的实际测量面积，S′_n+1为下一帧的预测面积，ξ为允许的误差范围；当|S_n+1-S′_n+1|≤ξ时，则认为下一帧实际检测到的色块面积符合水华区域面积的帧间变化规律并将其作为检测结果；当|S_n+1-S′_n+1|＞ξ，即差值超出允许的误差范围内时，则认为下一帧实际检测到的色块面积不符合帧间水华区域面积的变化规律，将多余部分定义为干扰色块并将其滤掉；检测分割出滤掉干扰色块后的水华色块并进行标定并输出检测结果；(3)水华预警①计算水华区域实际面积：第(2)步完成后，先计算第(2)步得到的水华色块在图像中的像素面积占视野像素总面积的百分比，乘以视野的实际总面积就能得到水华区域实际面积；再通过摄像机标定，计算视野的实际总面积，即将已知面积的参照物置于摄像头下的水域位置，计算它在图像中的像素面积占视野像素总面积的比值，用该已知参照物的实际面积除以该比值就得到视野的实际总面积，并将得到的水华区域实际面积输出到计算机软件界面上；②建立预警模型：第(3)-①步完成后，根据第(3)-①步得到的水华区域实际面积，先按6～10小时为间隔，计算每个时间间隔内的水华区域实际面积的均值，再通过计算机分析该实际面积的均值变化规律建立一元线性回归预测模型，来预测下一个时间间隔的实际面积的均值，并计算该实际面积的均值占水域总面积的百分比，然后以该百分比代表的水华灾害程度为依据，将水华暴发的预警等级划分为蓝色、黄色、橙色和红色四个等级，对应的预警区间分别是一般、较重、严重和特别严重四个等级，并进行判断：当代表的水华灾害程度的百分比小于预警值时，则返回到返回第(2)-①步获取下一帧继续进行检测；当代表的水华灾害程度的百分比大于预警值时，则根据划分的预警等级进行预警；水华暴发预警等级的具体划分如下：一般蓝色预警：水华零星集聚，主要水域区藻类生物密度小于3000万个/L，水华面积大于等于水体总面积的5％；较重黄色预警：藻类在局部水域集聚，主要水域区藻类生物密度介于3000～5000万个/L之间，水华面积大于等于水体总面积的10％；严重橙色预警：当发生区域性水华，主要水域区藻类生物密度介于5000～8000万个/L之间，水华面积大于等于水体总面积的40％；特别严重红色预警：水华全面性暴发，主要水域区的藻类生物密度大于8000万个/L，水华面积大于等于水体总面积的60％。