專利名稱：一種基于圖像處理的小型水域水華監(jiān)測預(yù)警方法
技術(shù)領(lǐng)域：
本發(fā)明屬于水環(huán)境監(jiān)測技術(shù)領(lǐng)域，具體涉及小型水域(即江、河上游水庫、城鎮(zhèn)飲 用水源的水庫、城鎮(zhèn)取水區(qū)河段、常發(fā)生水華的江、河、湖泊區(qū)及景觀水域等)的水華監(jiān)測
預(yù)警方法。
背景技術(shù)：
近年來，隨著工業(yè)、科技的飛速發(fā)展，大量的含有大量氮、磷的工、農(nóng)業(yè)及生活廢棄 物排入水中，致使江、河、湖泊等水域的淡水出現(xiàn)富營養(yǎng)化而暴發(fā)水華(如綠藻水華、藍(lán)藻 水華等)，我國的太湖、滇池、巢湖、洪澤湖都發(fā)生過水華，水華造成是最大危害是①藻類 毒素通過食物鏈間接影響人類的健康或藻類的產(chǎn)生的致癌物質(zhì)直接威脅人類的健康和生 存，污染水源；②自來水廠的過濾裝置被藻類“水華”填塞，影響取水；③漂浮在水面上的 “水華”影響景觀，而且有難聞的臭味，污染環(huán)境等?？梢娝A現(xiàn)象頻繁出現(xiàn)，不僅造成大面 積水環(huán)境的破壞，而且也帶來了巨大的經(jīng)濟(jì)損失。因此，在江、河上游的源頭水域、地方湖泊 以及特定功能水域(城鎮(zhèn)取水區(qū)、飲用水源和景觀水域等)等淡水源頭進(jìn)行監(jiān)測，對該水域 水華的發(fā)生、變化及災(zāi)情趨勢進(jìn)行監(jiān)測預(yù)警是非常有意義的?，F(xiàn)有水華監(jiān)測預(yù)警方法，如2008年8月6日公開的，公開號為CN101236519A的 “用于藍(lán)藻監(jiān)測及藍(lán)藻水華預(yù)警的浮標(biāo)”專利，公開的浮標(biāo)由浮標(biāo)載體、儀器艙、監(jiān)測傳感器 集合體(由五種不同的傳感器集合而成)、通訊天線、太陽能電池板構(gòu)成。應(yīng)用時(shí)，將一定數(shù) 量的浮標(biāo)布置在被測水域的特定位置，對水體的不同深度進(jìn)行監(jiān)測，并將監(jiān)測的數(shù)據(jù)通過 天線傳輸?shù)奖O(jiān)測中心，進(jìn)行數(shù)據(jù)分析后實(shí)時(shí)預(yù)警。該專利的主要缺點(diǎn)是1.監(jiān)測的局限性大。該專利只將一定數(shù)量的浮標(biāo)布置在被測水域的特定位置，對 水體中的不同深度進(jìn)行監(jiān)測(即水下監(jiān)測)，不能對較大面積的水域進(jìn)行監(jiān)測，也不能對 水面污染物的擴(kuò)散規(guī)律、分布范圍、污染程度等進(jìn)行監(jiān)測；浮標(biāo)在監(jiān)測的時(shí)候需要與水體直 接接觸，而且占據(jù)一定的水域空間，不適合在一些特定功能的水域(如飲用水源、景觀水域 等)直接應(yīng)用。因此，浮標(biāo)監(jiān)測的局限性較大。2.維護(hù)費(fèi)用高，監(jiān)測成本高。該專利在實(shí)際應(yīng)用中，需要專門的技術(shù)人員定期到監(jiān) 測現(xiàn)場對浮標(biāo)進(jìn)行維護(hù)，耗時(shí)耗人力，從而較大地增加了維護(hù)成本。為了獲取準(zhǔn)確的水質(zhì)信 息，就必須用昂貴的高精度監(jiān)測傳感器，并且該專利的傳感器量大，種類多，從而提高了監(jiān) 測成本。3.普及性差。由于該專利的成本高，結(jié)構(gòu)復(fù)雜，使用、操作和維護(hù)的專業(yè)性較強(qiáng)強(qiáng)， 不利于在管理部門、企業(yè)和科研單位普及使用。
發(fā)明內(nèi)容
本發(fā)明的目的是針對現(xiàn)有水華監(jiān)測預(yù)警方法的不足，提供一種基于圖像處理的小 型水域水華監(jiān)測預(yù)警方法，具有成本低，對環(huán)境適用能力強(qiáng)，能實(shí)時(shí)獲取水面污染信息并能 自動(dòng)識(shí)別水華進(jìn)行報(bào)警，便于推廣應(yīng)用等特點(diǎn)。
5
本發(fā)明的機(jī)理本發(fā)明首先以被測水域的歷史水華區(qū)域圖像為樣本圖建立顏色先 驗(yàn)?zāi)Ｐ?，即將樣本圖的每個(gè)象素從三原色(RGB)空間轉(zhuǎn)換到色、亮分離(HSV)空間，為了在 各種光照情況下都能鎖定水華區(qū)域，因此摒棄HSV色彩空間中的飽和度(S)和亮度(V)分 量，只采用色調(diào)(H)分量。HSV模型是最貼近人類對色彩的感知方式，而顏色信息對該空間 的H(色調(diào))分量比較敏感，且H(色調(diào))分量很大程度地去除了光照的影響，因此建立的顏 色先驗(yàn)?zāi)Ｐ筒皇墉h(huán)境光線變化的影響。先建立水華區(qū)域的顏色先驗(yàn)?zāi)Ｐ停O(shè){x' jpu.i為歷史樣本圖的水華區(qū)域的n 個(gè)像素，在顏色模型中，當(dāng)H(色調(diào))分量的離散化取值為i(i = 1,2..., 360)的色調(diào)概率 為 式(1)中p是顏色模型，Pi是色調(diào)值為i的概率，5為5 (Kronecker delta)函 數(shù)，函數(shù)b(x'」)為空間R2— {1，2…m}的索弓丨，即位于位置x'」的像素向直方圖量化特 征空間的索引。再用連續(xù)自適應(yīng)性均值漂移(Camshift)算法來檢測水華色塊，連續(xù)自適應(yīng)性均 值漂移算法是由均值漂移(MeanShift)算法演變而來，均值漂移(MeanShift)算法的過程 就是通過核G上的采樣均值平移矢量Mm(x)(即核K上的密度梯度的估計(jì))更新核G中心的 一個(gè)遞歸過程。均值漂移算法應(yīng)用在連續(xù)序列時(shí)，由核G的位置的初始中心開始不斷地計(jì) 算均值平移向量，迭代更新目標(biāo)位置，直到收斂于最優(yōu)匹配點(diǎn)。Mh,G(x)(即核K上的密度梯度的估計(jì))計(jì)算公式如下 其中h為帶寬度，C為歸一化常數(shù)，可見核G上的采樣均值平移矢量為核K上的密 度梯度的估計(jì)。}K(x)為核K上帶寬度為h的多變量密度估計(jì) 集合{x'」}」=1,2.』是(1維歐氏空間爐的11個(gè)點(diǎn)，1^00表示該像素點(diǎn)的核函數(shù) 其中cd為d維單位球體體積。連續(xù)自適應(yīng)性均值漂移算法就是在視頻圖像的處理區(qū)域內(nèi)進(jìn)行方向投影和均值 漂移計(jì)算，以當(dāng)前幀搜索窗口的質(zhì)心和面積作為下一幀搜索窗口的初始值，再進(jìn)行迭代以 實(shí)現(xiàn)對目標(biāo)的檢測跟蹤。然后用改進(jìn)的連續(xù)自適應(yīng)性均值漂移算法過濾干擾色塊，即在應(yīng)用Camshift算法前，首先將概率分布圖進(jìn)行腐蝕、膨脹處理，去掉噪聲塊，然后檢測目標(biāo)色塊的內(nèi)外輪廓， 找到目標(biāo)色塊中的空洞進(jìn)行填充。然而進(jìn)行以上預(yù)處理后，可能仍然存有干擾色塊，所以在 應(yīng)用于水華檢測的時(shí)候有必要改進(jìn)一下Camshift算法的適應(yīng)性。從水面出現(xiàn)藻類聚集到水華全面爆發(fā)，通常需要15天左右的時(shí)間，所以在較短時(shí) 間內(nèi)，水面上出現(xiàn)綠色區(qū)域變化是緩慢的，相比而言，相鄰兩幀圖像時(shí)間間隔是非常短的 (幾十毫秒)，那么目標(biāo)色塊在幀間的面積變化是非常小的，基于這種變化規(guī)律，我們就能 通過預(yù)測特征面積的方法來過慮干擾色塊。設(shè)當(dāng)前幀圖像中色塊的面積為Sn，下一幀的預(yù)測面積為S' n+1，那么S' n+1 = Sn+A(5)其中，常數(shù)A是一個(gè)經(jīng)驗(yàn)值(根據(jù)具體情況設(shè)置)，表示幀間目標(biāo)色塊面積的增量。 根據(jù)式(5)就能預(yù)測下一幀圖像中目標(biāo)色塊的面積，如果滿足Sn+1-S' n+1| ^ I(6)Sn+1表示下一幀色塊的實(shí)際測量面積，\為允許的誤差范圍，說明當(dāng)前檢測到的色 塊符合幀間色塊面積的變化規(guī)律；如果|Sn+1_S' n+1|超出允許的誤差范圍內(nèi)時(shí)，則認(rèn)為下 一幀實(shí)際檢測到的色塊面積不符合幀間水華區(qū)域面積的變化規(guī)律，將多余部分定義為干擾 色塊并將其濾掉。實(shí)現(xiàn)本發(fā)明目的的技術(shù)方案是一種基于圖像處理的小型水域水華監(jiān)測預(yù)警方 法，利用攝像頭和計(jì)算機(jī)，通過程序，依據(jù)歷史數(shù)據(jù)建立先驗(yàn)顏色模型，運(yùn)用改進(jìn)的連續(xù)自 適應(yīng)性均值漂移(Camshift)算法過濾掉干擾色塊并檢測出水華區(qū)域，通過該區(qū)域面積的 變化分析災(zāi)情趨勢，并建立類似于氣象災(zāi)害的預(yù)警模型，來監(jiān)測并預(yù)警水華。具體步驟如 下(1)建立顏色先驗(yàn)?zāi)Ｐ褪紫雀鶕?jù)被測水域的歷史水華區(qū)域的樣本圖或視頻數(shù)據(jù)，建立顏色先驗(yàn)?zāi)Ｐ停?即設(shè){x'」}」=?！?樣本圖或視頻數(shù)據(jù)的n個(gè)像素，將每個(gè)象素從RGB(三原色) 空間轉(zhuǎn)換到HSV(色、亮分離)空間，將H(色調(diào))分量的離散化取值為i (i = 1，2. . .，360)， 把H(色調(diào))分量的范圍
縮放到W，255]，以便取值范圍的值能用一個(gè)字節(jié)(byte) 來表示。通過計(jì)算機(jī)按下式計(jì)算H分量的色調(diào)概率 其中p是顏色模型，Pi是色調(diào)值為i的概率，5為5 (Kronecker delta)函數(shù)， 函數(shù)b(x'」)為空間R2— {1，2…m}的索弓丨，即位于位置x' j的像素向直方圖量化特征空 間的索引。(2)對水華區(qū)域進(jìn)行檢測①對小型水域進(jìn)行監(jiān)測第(1)步完成后，在小型水域(即江、河的上游水庫或城鎮(zhèn)飲用水源的水庫或城鎮(zhèn) 取水區(qū)的河段或常發(fā)生水華的江、河、湖泊水域或景觀水域等)的岸邊架設(shè)攝像頭，并通過視頻傳輸線與計(jì)算機(jī)連接。攝像頭架設(shè)的具體位置、數(shù)量及高度，根據(jù)被測水域的具體情況 確定。用以監(jiān)測被測水域的水面情況(因水域的水華暴發(fā)最顯著的變化是水面視覺特征的 變化)并攝取水面的視頻圖像，達(dá)到實(shí)時(shí)監(jiān)測水面圖像的目的。②反向投影處理第(2)_①步完成后，對第(2)_①步輸入的每一幀視頻圖像進(jìn)行反向投影處理 (BackProjection)，即對視頻圖像處理區(qū)域中的每一個(gè)像素，通過計(jì)算機(jī)查詢該像素與第 (1)步建立的顏色先驗(yàn)?zāi)Ｐ?即H分量色調(diào)概率模型)的匹配程度，就得到該像素為目標(biāo)像 素的概率(此區(qū)域之外的其他區(qū)域的概率為0，圖像中每一個(gè)像素的值就變成了目標(biāo)顏色 信息出現(xiàn)在此處的可能性的一種離散化度量，此處出現(xiàn)的可能性越大，像素的值就越大，反 之則越小)。經(jīng)過上述處理，就得到每幀圖像的目標(biāo)顏色反向投影圖。③檢測分割水華色塊并濾掉干擾色塊第(2)-②步完成后，進(jìn)行檢測水華色塊和濾掉干擾色塊處理，即先對第(2)_②步得到的反向投影圖進(jìn)行腐蝕、膨脹，檢測目標(biāo)色塊的內(nèi)外輪廓及 找到目標(biāo)色塊中的空洞進(jìn)行填充等預(yù)處理，這樣就能去掉一部分干擾色塊，在一定程度上 避免噪聲干擾。再檢測分割水華色塊區(qū)域，即通過計(jì)算機(jī)按下式不斷地對經(jīng)過上述預(yù)處理之后的 反向投影圖計(jì)算均值平移向量 其中h為帶寬度，C為歸一化常數(shù)，>Jx)為核K上帶寬度為h的多變量密度估計(jì) 集合{x' ^卜^’是」維歐氏空間爐的11個(gè)點(diǎn)，k(x)表示該像素點(diǎn)的核函數(shù) 其中(^為d維單位球體體積。用以迭代更新目標(biāo)色塊的位置，直到收斂于的最優(yōu) 匹配點(diǎn)，該匹配點(diǎn)的區(qū)域就是當(dāng)前幀圖像中的目標(biāo)色塊(即水華色塊區(qū)域)。進(jìn)行判斷當(dāng)沒有檢測到目標(biāo)色塊時(shí)，則認(rèn)為水面未出現(xiàn)水華，返回第(2)_①步 獲取下一幀繼續(xù)進(jìn)行檢測；當(dāng)有檢測到目標(biāo)色塊時(shí)，則以當(dāng)前幀最優(yōu)匹配點(diǎn)的質(zhì)心和面積 作為下一幀搜索窗口的初始值，繼續(xù)進(jìn)行迭代計(jì)算找到最優(yōu)匹配點(diǎn)。如此循環(huán)迭代至程序 結(jié)束為止，就檢測分割出每幀圖像的目標(biāo)色塊。然后過濾干擾色塊，即計(jì)算上步得到的當(dāng)前幀和下一幀的目標(biāo)色塊的面積，根據(jù) 水華區(qū)域面積的幀間變化規(guī)律，利用當(dāng)前幀的目標(biāo)色塊面積來預(yù)測下一幀圖像中的目標(biāo)色 塊面積，即計(jì)算下一幀色塊實(shí)際檢測面積和下一幀預(yù)測面積之間的差值(即多余部分)，根 據(jù)下式進(jìn)行判斷Sn+1-S' n+1| ^ I(5)
8
其中Sn+1為下一幀色塊的實(shí)際測量面積，S' n+1為下一幀的預(yù)測面積，I為允許 的誤差范圍。當(dāng)|Sn+1_S' n+1| ( \時(shí)，則認(rèn)為下一幀實(shí)際檢測到的色塊面積符合水華區(qū)域面積 的幀間變化規(guī)律并將其作為檢測結(jié)果；當(dāng)|sn+1-s' n+1| > €，即差值超出允許的誤差范圍 內(nèi)時(shí)，則認(rèn)為下一幀實(shí)際檢測到的色塊面積不符合幀間水華區(qū)域面積的變化規(guī)律，將多余 部分定義為干擾色塊并將其濾掉。經(jīng)過上述的處理后，就檢測分割出濾掉干擾色塊后的水華色塊，得到水華色塊在 圖像中的像素面積。然后對每幀圖像中的水華色塊區(qū)域進(jìn)行標(biāo)定并輸出檢測結(jié)果。(3)水華預(yù)警①計(jì)算水華區(qū)域?qū)嶋H面積第(2)步完成后，先計(jì)算第(2)步得到的水華色塊在圖像中的像素面積占視野像 素總面積的百分比，乘以視野的實(shí)際總面積就能得到水華區(qū)域?qū)嶋H面積。再通過攝像機(jī)標(biāo) 定，計(jì)算視野的實(shí)際總面積，即將已知面積的參照物置于攝像頭下的水域位置，計(jì)算它在圖 像中的像素面積占視野像素總面積的比值，用該已知參照物的實(shí)際面積除以該比值就得到 視野的實(shí)際總面積，并將得到的水華區(qū)域?qū)嶋H面積輸出到計(jì)算機(jī)軟件界面上，以便用戶直 觀的了解水華區(qū)域的實(shí)際面積。②建立預(yù)警模型第(3)_①步完成后，根據(jù)第(3)_①步得到的水華區(qū)域?qū)嶋H面積，先按6 10小時(shí) 為間隔，計(jì)算每個(gè)時(shí)間間隔內(nèi)的水華區(qū)域?qū)嶋H面積的均值，再通過計(jì)算機(jī)分析該實(shí)際面積 的均值變化規(guī)律建立一元線性回歸預(yù)測模型，來預(yù)測下一個(gè)時(shí)間間隔的實(shí)際面積的均值， 并計(jì)算該實(shí)際面積的均值占水域總面積的百分比，然后以該百分比代表的水華災(zāi)害程度為 依據(jù)，將水華暴發(fā)的預(yù)警等級劃分為藍(lán)色、黃色、橙色和紅色四個(gè)等級，對應(yīng)的預(yù)警區(qū)間分 別是一般、較重、嚴(yán)重和特別嚴(yán)重四個(gè)等級，并進(jìn)行判斷當(dāng)代表的水華災(zāi)害程度的百分比 小于預(yù)警值(預(yù)警值的大小根據(jù)被測水域的具體情況和應(yīng)用需求確定，本發(fā)明取5% )時(shí)， 則返回到返回第(2)-①步獲取下一幀繼續(xù)進(jìn)行檢測；當(dāng)代表的水華災(zāi)害程度的百分比大 于預(yù)警值時(shí)，則根據(jù)劃分的預(yù)警等級進(jìn)行預(yù)警。水華暴發(fā)預(yù)警等級的具體劃分如下一般藍(lán)色預(yù)警(即零星性水華)水華零星集聚，主要水域區(qū)藻類生物密度小于 3000萬個(gè)/L，水華面積大于等于水體總面積的5%。較重黃色預(yù)警(即局部性水華)藻類在局部水域集聚，主要水域區(qū)藻類生物密度 介于3000 5000萬個(gè)/L之間，水華面積大于等于水體總面積的10%。嚴(yán)重橙色預(yù)警(即區(qū)域性水華)當(dāng)發(fā)生區(qū)域性水華，主要水域區(qū)藻類生物密度介 于5000 8000萬個(gè)/L之間，水華面積大于等于水體總面積的40%。特別嚴(yán)重紅色預(yù)警(即全面性水華)水華全面性暴發(fā)，主要水域區(qū)的藻類生物密 度大于8000萬個(gè)/L，水華面積水華面積大于等于水體總面積的60%。本發(fā)明采用上述技術(shù)方案后，主要有以下效果1.具有良好的普及性。本發(fā)明提供了一種快速有效的水華監(jiān)測預(yù)警方法，能自動(dòng) 識(shí)別水華區(qū)域并實(shí)時(shí)計(jì)算出該區(qū)域的實(shí)際面積，能按照預(yù)警等級進(jìn)行預(yù)警以便通知相關(guān)部 門實(shí)時(shí)了解水華災(zāi)害程度并采取相應(yīng)的治理措施。在實(shí)際應(yīng)用中，直接植入傳統(tǒng)的水面視 頻監(jiān)測系統(tǒng)中或開發(fā)成嵌入式設(shè)備都能實(shí)現(xiàn)對水華的監(jiān)測預(yù)警，具有智能化、易操作等特點(diǎn)，便于在管理部門、企業(yè)和科研單位普及使用。2.成本低。本發(fā)明采用的算法計(jì)算量小、速度快，對硬件要求較低。實(shí)際應(yīng)用中， 無論直接在計(jì)算機(jī)上運(yùn)行還是開發(fā)成嵌入式設(shè)備，能實(shí)時(shí)快速有效的實(shí)現(xiàn)水華監(jiān)測預(yù)警， 很大程度上節(jié)約了監(jiān)測成本，靈活方便。3.對環(huán)境適應(yīng)能力強(qiáng)。本發(fā)明利用攝像頭監(jiān)測水面并很大程度上去除光照的影 響，能有效避免了水面環(huán)境的復(fù)雜性和環(huán)境光線變化等帶來的噪聲干擾，從而能很好地適 應(yīng)環(huán)境變化，因此監(jiān)測設(shè)備簡單，成本低，便于維護(hù)，并能實(shí)時(shí)有效地進(jìn)行監(jiān)測。本發(fā)明能直接植入傳統(tǒng)的水面視頻監(jiān)測系統(tǒng)中或開發(fā)成嵌入式設(shè)備，廣泛地應(yīng)用 于江、河上游水庫、城鎮(zhèn)飲用水源的水庫、城鎮(zhèn)取水區(qū)河段或常發(fā)生水華的江、河、湖泊區(qū)及 景觀水域等的小型水域的水華監(jiān)測預(yù)警。
圖1為本發(fā)明方法的程序流程框圖。
具體實(shí)施例方式下面結(jié)合具體實(shí)施方式
，進(jìn)一步說明本發(fā)明。實(shí)施例如圖1所示，一種基于圖像處理的小型水域水華監(jiān)測預(yù)警方法，對重慶市開縣澎 溪河(位于三峽庫區(qū)腹心地帶的長江一級支流)的水庫進(jìn)行水華監(jiān)測預(yù)警，該段水域的總 面積約6. 3萬平方米，具體步驟如下(1)建立顏色先驗(yàn)?zāi)Ｐ褪紫雀鶕?jù)被測水域的歷史水華區(qū)域的樣本圖或視頻數(shù)據(jù)，建立顏色先驗(yàn)?zāi)Ｐ停?即設(shè){x'」}」="... *樣本圖或視頻數(shù)據(jù)的n個(gè)像素，將每個(gè)象素從RGB(三原色) 空間轉(zhuǎn)換到HSV(色、亮分離)空間，將H(色調(diào))分量的離散化取值為i (i = 1，2. . .，360)， 把H(色調(diào))分量的范圍
縮放到W，255]，以便取值范圍的值能用一個(gè)字節(jié)(byte) 來表示。通過計(jì)算機(jī)按下式計(jì)算H分量的色調(diào)概率 其中p是顏色模型，Pi是色調(diào)值為i的概率，5為5 (Kronecker delta)函數(shù)， 函數(shù)b(x'」)為空間R2— {1，2…m}的索弓丨，即位于位置x' j的像素向直方圖量化特征空 間的索引。(2)對水華區(qū)域進(jìn)行檢測①對小型水域進(jìn)行監(jiān)測第(1)步完成后，在重慶市開縣澎溪河水庫的小型水域岸邊的水塔上架設(shè)一個(gè)攝 像頭，攝像頭視野覆蓋整個(gè)水域，并通過視頻傳輸線與計(jì)算機(jī)連接。攝像頭架設(shè)的具體位 置、數(shù)量及高度，根據(jù)被測水域的具體情況確定。用以監(jiān)測被測水域的水面情況(因水域的水華暴發(fā)最顯著的變化是水面視覺特征的變化)并攝取水面的視頻圖像，達(dá)到實(shí)時(shí)監(jiān)測水 面圖像的目的。②反向投影處理第(2)_①步完成后，對第(2)_①步輸入的每一幀視頻圖像進(jìn)行反向投影處理 (BackProjection)，即對視頻圖像處理區(qū)域中的每一個(gè)像素，通過計(jì)算機(jī)查詢該像素與第 (1)步建立的顏色先驗(yàn)?zāi)Ｐ?即H分量色調(diào)概率模型)的匹配程度，就得到該像素為目標(biāo)像 素的概率(此區(qū)域之外的其他區(qū)域的概率為0，圖像中每一個(gè)像素的值就變成了目標(biāo)顏色 信息出現(xiàn)在此處的可能性的一種離散化度量，此處出現(xiàn)的可能性越大，像素的值就越大，反 之則越小)。經(jīng)過上述處理，就得到每幀圖像的目標(biāo)顏色反向投影圖。③檢測分割水華色塊并濾掉干擾色塊第(2)-②步完成后，進(jìn)行檢測水華色塊和濾掉干擾色塊處理，即先對第(2)_②步得到的反向投影圖進(jìn)行腐蝕、膨脹，檢測目標(biāo)色塊的內(nèi)外輪廓及 找到目標(biāo)色塊中的空洞進(jìn)行填充等預(yù)處理，這樣就能去掉一部分干擾色塊，在一定程度上 避免噪聲干擾。再檢測分割水華色塊區(qū)域，即通過計(jì)算機(jī)按下式不斷地對經(jīng)過上述預(yù)處理之后的 反向投影圖計(jì)算均值平移向量 其中h為帶寬度，C為歸一化常數(shù)，>Jx)為核K上帶寬度為h的多變量密度估計(jì) 集合{x'」}」=1,2.』是(1維歐氏空間爐的11個(gè)點(diǎn)濁00表示該像素點(diǎn)的核函數(shù) 其中(^為d維單位球體體積。用以迭代更新目標(biāo)色塊的位置，直到收斂于的最優(yōu) 匹配點(diǎn)，該匹配點(diǎn)的區(qū)域就是當(dāng)前幀圖像中的目標(biāo)色塊(即水華色塊區(qū)域)。進(jìn)行判斷當(dāng)沒有檢測到目標(biāo)色塊時(shí)，則認(rèn)為水面未出現(xiàn)水華，返回第(2)_①步 獲取下一幀繼續(xù)進(jìn)行檢測；當(dāng)有檢測到目標(biāo)色塊時(shí)，則以當(dāng)前幀最優(yōu)匹配點(diǎn)的質(zhì)心和面積 作為下一幀搜索窗口的初始值，繼續(xù)進(jìn)行迭代計(jì)算找到最優(yōu)匹配點(diǎn)。如此循環(huán)迭代至程序 結(jié)束為止，就檢測分割出每幀圖像的目標(biāo)色塊。然后過濾干擾色塊，即計(jì)算上步得到的當(dāng)前幀和下一幀的目標(biāo)色塊的面積，根據(jù) 水華區(qū)域面積的幀間變化規(guī)律，利用當(dāng)前幀的目標(biāo)色塊面積來預(yù)測下一幀圖像中的目標(biāo)色 塊面積，即計(jì)算下一幀色塊實(shí)際檢測面積和下一幀預(yù)測面積之間的差值(即多余部分)，根 據(jù)下式進(jìn)行判斷Sn+1-S' n+1| ^ I(5)其中Sn+1為下一幀色塊的實(shí)際測量面積，S' n+1為下一幀的預(yù)測面積，I為允許
11的誤差范圍。當(dāng)|Sn+1_S' n+1| ( \時(shí)，則認(rèn)為下一幀實(shí)際檢測到的色塊面積符合水華區(qū)域面積 的幀間變化規(guī)律并將其作為檢測結(jié)果；當(dāng)|Sn+1_S' n+1| > €，即差值超出允許的誤差范圍 內(nèi)時(shí)，則認(rèn)為下一幀實(shí)際檢測到的色塊面積不符合幀間水華區(qū)域面積的變化規(guī)律，將多余 部分定義為干擾色塊并將其濾掉。經(jīng)過上述的處理后，就檢測分割出濾掉干擾色塊后的水華色塊，得到水華色塊在 圖像中的像素面積。然后對每幀圖像中的水華色塊區(qū)域進(jìn)行標(biāo)定并輸出檢測結(jié)果。(3)水華預(yù)警①計(jì)算水華區(qū)域?qū)嶋H面積第(2)步完成后，先計(jì)算第(2)步得到的水華色塊在圖像中的像素面積占視野像 素總面積的百分比，乘以視野的實(shí)際總面積就能得到水華區(qū)域?qū)嶋H面積。再通過攝像機(jī)標(biāo) 定，計(jì)算視野的實(shí)際總面積，即將已知面積的參照物置于攝像頭下的水域位置，計(jì)算它在圖 像中的像素面積占視野像素總面積的比值，用該已知參照物的實(shí)際面積除以該比值就得到 視野的實(shí)際總面積，并將得到的水華區(qū)域?qū)嶋H面積輸出到計(jì)算機(jī)軟件界面上，以便用戶直 觀的了解水華區(qū)域的實(shí)際面積。②建立預(yù)警模型第(3)_①步完成后，根據(jù)第(3)_①步得到的水華區(qū)域?qū)嶋H面積，先按8小時(shí)為 間隔，計(jì)算每個(gè)時(shí)間間隔內(nèi)的水華區(qū)域?qū)嶋H面積的均值，再通過計(jì)算機(jī)分析該實(shí)際面積的 均值變化規(guī)律建立一元線性回歸預(yù)測模型，來預(yù)測下一個(gè)時(shí)間間隔的實(shí)際面積的均值，并 計(jì)算該實(shí)際面積的均值占水域總面積的百分比，然后以該百分比代表的水華災(zāi)害程度為依 據(jù)，將水華暴發(fā)的預(yù)警等級劃分為藍(lán)色、黃色、橙色和紅色四個(gè)等級，對應(yīng)的預(yù)警區(qū)間分別 是一般、較重、嚴(yán)重和特別嚴(yán)重四個(gè)等級，并進(jìn)行判斷當(dāng)代表的水華災(zāi)害程度的百分比小 于預(yù)警值(預(yù)警值的大小根據(jù)被測水域的具體情況和應(yīng)用需求確定，本發(fā)明取5%)時(shí)，則 返回到返回第(2)-①步獲取下一幀繼續(xù)進(jìn)行檢測；當(dāng)代表的水華災(zāi)害程度的百分比大于 預(yù)警值時(shí)，則根據(jù)劃分的預(yù)警等級進(jìn)行預(yù)警。水華暴發(fā)預(yù)警等級的具體劃分如下一般藍(lán)色預(yù)警(即零星性水華)水華零星集聚，主要水域區(qū)藻類生物密度小于 3000萬個(gè)/L，水華面積大于等于水體總面積的5%。較重黃色預(yù)警(即局部性水華)藻類在局部水域集聚，主要水域區(qū)藻類生物密度 介于3000 5000萬個(gè)/L之間，水華面積大于等于水體總面積的10%。嚴(yán)重橙色預(yù)警(即區(qū)域性水華)當(dāng)發(fā)生區(qū)域性水華，主要水域區(qū)藻類生物密度介 于5000 8000萬個(gè)/L之間，水華面積大于等于水體總面積的40%。特別嚴(yán)重紅色預(yù)警(即全面性水華)水華全面性暴發(fā)，主要水域區(qū)的藻類生物密 度大于8000萬個(gè)/L，水華面積水華面積大于等于水體總面積的60%。對該基于圖像處理的小型水域水華監(jiān)測預(yù)警方法進(jìn)行測試后，可以得到以下結(jié) 論①在監(jiān)測過程中，被測水域(重慶市開縣澎溪河水庫)水面發(fā)生水華，本發(fā)明方法 能實(shí)時(shí)檢測出水華色塊區(qū)域并計(jì)算出該區(qū)域的實(shí)際面積，能準(zhǔn)確按照預(yù)警等級進(jìn)行預(yù)警， 在水華暴發(fā)前期，重慶市環(huán)保局能及時(shí)掌握該水域的水華災(zāi)情并通知相關(guān)部門采取相應(yīng)措 施進(jìn)行治理(在零星性水華時(shí)進(jìn)行打撈)，有力的配合了防災(zāi)減災(zāi)工作。
②本發(fā)明方法僅僅使用計(jì)算機(jī)和一個(gè)攝像頭就能快速有效的實(shí)現(xiàn)水華監(jiān)測預(yù)警， 很大程度上節(jié)約了監(jiān)測成本，而且用戶使用方便，維護(hù)成本低，監(jiān)測效果能夠滿足重慶市環(huán) 保局的實(shí)際需求，從而便于推廣應(yīng)用。③本發(fā)明采用改進(jìn)的連續(xù)自適應(yīng)性均值漂移算法來檢測分割水華色塊并過濾干 擾色塊，能有效抑制水面背景復(fù)雜性和環(huán)境光線變化等帶來的噪聲干擾。該算法計(jì)算量小、 速度快，是保證水華監(jiān)測預(yù)警實(shí)時(shí)性的基礎(chǔ)。上述結(jié)論說明利用本發(fā)明方法實(shí)現(xiàn)的基于圖像處理的小型水域水華監(jiān)測預(yù)警能 夠?qū)崿F(xiàn)水華實(shí)時(shí)監(jiān)測預(yù)警，監(jiān)測結(jié)果符合水華區(qū)域的實(shí)際分布范圍，監(jiān)測效果能夠滿足使 用部門的實(shí)際需求，監(jiān)測成本低，對環(huán)境適應(yīng)能力強(qiáng)，便于推廣應(yīng)用，因此本發(fā)明能應(yīng)用于 實(shí)際的項(xiàng)目中。
權(quán)利要求
一種基于圖像處理的小型水域水華監(jiān)測預(yù)警方法，其特征在于利用攝像頭和計(jì)算機(jī)，通過程序進(jìn)行計(jì)算，其具體步驟如下(1)建立顏色先驗(yàn)?zāi)Ｐ褪紫雀鶕?jù)被測水域的歷史水華區(qū)域的樣本圖或視頻數(shù)據(jù)，建立顏色先驗(yàn)?zāi)Ｐ?，即設(shè){x′j}j＝1，2n為樣本圖或視頻數(shù)據(jù)的n個(gè)像素，將每個(gè)象素從三原色空間轉(zhuǎn)換到色、亮分離空間，將色調(diào)分量的離散化取值為i，即i＝1，2...，360，把色調(diào)分量的范圍
縮放到
；通過計(jì)算機(jī)按下式計(jì)算色調(diào)分量的色調(diào)概率p＝{pi}i＝1，2m； <mrow><msub> <mi>p</mi> <mi>i</mi></msub><mo>=</mo><mfrac> <mrow><munderover> <mi>Σ</mi> <mrow><mi>j</mi><mo>=</mo><mn>1</mn> </mrow> <mi>n</mi></munderover><msup> <mrow><mo>|</mo><mo>|</mo><msubsup> <mi>x</mi> <mi>j</mi> <mo>′</mo></msubsup><mo>|</mo><mo>|</mo> </mrow> <mn>2</mn></msup><mi>δ</mi><mo>[</mo><mi>b</mi><mrow> <mo>(</mo> <msubsup><mi>x</mi><mi>j</mi><mo>′</mo> </msubsup> <mo>)</mo></mrow><mo>-</mo><mi>i</mi><mo>]</mo> </mrow> <mrow><munderover> <mi>Σ</mi> <mrow><mi>j</mi><mo>=</mo><mn>1</mn> </mrow> <mi>n</mi></munderover><mrow> <mo>(</mo> <msup><mrow> <mo>|</mo> <mo>|</mo> <msubsup><mi>x</mi><mi>j</mi><mo>′</mo> </msubsup> <mo>|</mo> <mo>|</mo></mrow><mn>2</mn> </msup> <mo>)</mo></mrow> </mrow></mfrac><mo>;</mo> </mrow> <mrow><munderover> <mi>Σ</mi> <mrow><mi>i</mi><mo>=</mo><mn>1</mn> </mrow> <mi>m</mi></munderover><msub> <mi>p</mi> <mi>i</mi></msub><mo>=</mo><mn>1</mn><mo>-</mo><mo>-</mo><mo>-</mo><mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo></mrow> </mrow>其中p是顏色模型，pi是色調(diào)值為i的概率，δ為δ函數(shù)，函數(shù)b(x′j)為空間R2→{1，2…m}的索引，即位于位置x′j的像素向直方圖量化特征空間的索引；(2)對水華區(qū)域進(jìn)行檢測①對小型水域進(jìn)行監(jiān)測第(1)步完成后，在小型水域的岸邊架設(shè)攝像頭，并通過視頻傳輸線與計(jì)算機(jī)連接；攝像頭架設(shè)的具體位置、數(shù)量及高度，根據(jù)被測水域的具體情況確定；②反向投影處理第(2) ①步完成后，對第(2) ①步輸入的每一幀視頻圖像進(jìn)行反向投影處理，即對視頻圖像處理區(qū)域中的每一個(gè)像素，通過計(jì)算機(jī)查詢該像素與第(1)步建立的顏色先驗(yàn)?zāi)Ｐ偷钠ヅ涑潭?，就得到每幀圖像的目標(biāo)顏色反向投影圖；③檢測分割水華色塊并濾掉干擾色塊第(2) ②步完成后，進(jìn)行檢測水華色塊和濾掉干擾色塊處理，即先對第(2) ②步得到的反向投影圖進(jìn)行腐蝕、膨脹，檢測目標(biāo)色塊的內(nèi)外輪廓及找到目標(biāo)色塊中的空洞進(jìn)行填充預(yù)處理；再檢測分割水華色塊區(qū)域，即通過計(jì)算機(jī)按下式不斷地對經(jīng)過上述預(yù)處理之后的反向投影圖計(jì)算均值平移向量Mh，G(x) <mrow><msub> <mi>M</mi> <mrow><mi>h</mi><mo>,</mo><mi>G</mi><mrow> <mo>(</mo> <mi>x</mi> <mo>)</mo></mrow> </mrow></msub><mo>=</mo><mfrac> <mrow><msup> <mi>h</mi> <mn>2</mn></msup><mo>▿</mo><msub> <mover><mi>f</mi><mo>^</mo> </mover> <mi>K</mi></msub><mrow> <mo>(</mo> <mi>x</mi> <mo>)</mo></mrow> </mrow> <mrow><mn>2</mn><mo>/</mo><mi>C</mi><msub> <mover><mi>f</mi><mo>^</mo> </mover> <mi>G</mi></msub><mrow> <mo>(</mo> <mi>x</mi> <mo>)</mo></mrow> </mrow></mfrac><mo>-</mo><mo>-</mo><mo>-</mo><mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo></mrow> </mrow>其中h為帶寬度，C為歸一化常數(shù)，為核K上帶寬度為h的多變量密度估計(jì) <mrow><msub> <mover><mi>f</mi><mo>^</mo> </mover> <mi>K</mi></msub><mrow> <mo>(</mo> <mi>x</mi> <mo>)</mo></mrow><mo>=</mo><mfrac> <mn>1</mn> <msup><mi>nh</mi><mi>d</mi> </msup></mfrac><munderover> <mi>Σ</mi> <mrow><mi>j</mi><mo>=</mo><mn>1</mn> </mrow> <mi>n</mi></munderover><mi>k</mi><mrow> <mo>(</mo> <msup><mrow> <mo>|</mo> <mo>|</mo> <mfrac><mrow> <mi>x</mi> <mo>-</mo> <msub><mi>x</mi><mi>i</mi> </msub></mrow><mi>h</mi> </mfrac> <mo>|</mo> <mo>|</mo></mrow><mn>2</mn> </msup> <mo>)</mo></mrow><mo>-</mo><mo>-</mo><mo>-</mo><mrow> <mo>(</mo> <mn>3</mn> <mo>)</mo></mrow> </mrow>集合{x′j}i＝1，2...n是d維歐氏空間Rd的n個(gè)點(diǎn)，k(x)表示該像素點(diǎn)的核函數(shù)其中cd為d維單位球體體積；用以迭代更新目標(biāo)色塊的位置，直到收斂于的最優(yōu)匹配點(diǎn)，該匹配點(diǎn)的區(qū)域就是當(dāng)前幀圖像中的目標(biāo)色塊；進(jìn)行判斷當(dāng)沒有檢測到目標(biāo)色塊時(shí)，則返回第(2) ①步獲取下一幀繼續(xù)進(jìn)行檢測；當(dāng)有檢測到目標(biāo)色塊時(shí)，則以當(dāng)前幀最優(yōu)匹配點(diǎn)的質(zhì)心和面積作為下一幀搜索窗口的初始值，繼續(xù)進(jìn)行迭代計(jì)算找到最優(yōu)匹配點(diǎn)，如此循環(huán)迭代至程序結(jié)束為止，就檢測分割出每幀圖像的目標(biāo)色塊；然后過濾干擾色塊，即計(jì)算上步得到的當(dāng)前幀和下一幀的目標(biāo)色塊的面積，根據(jù)水華區(qū)域面積的幀間變化規(guī)律，利用當(dāng)前幀的目標(biāo)色塊面積來預(yù)測下一幀圖像中的目標(biāo)色塊面積，即計(jì)算下一幀色塊實(shí)際檢測面積和下一幀預(yù)測面積之間的差值，根據(jù)下式進(jìn)行判斷|Sn+1 S′n+1|≤ξ (5)其中Sn+1為下一幀色塊的實(shí)際測量面積，S′n+1為下一幀的預(yù)測面積，ξ為允許的誤差范圍；當(dāng)|Sn+1 S′n+1|≤ξ時(shí)，則認(rèn)為下一幀實(shí)際檢測到的色塊面積符合水華區(qū)域面積的幀間變化規(guī)律并將其作為檢測結(jié)果；當(dāng)|Sn+1 S′n+1|＞ξ，即差值超出允許的誤差范圍內(nèi)時(shí)，則認(rèn)為下一幀實(shí)際檢測到的色塊面積不符合幀間水華區(qū)域面積的變化規(guī)律，將多余部分定義為干擾色塊并將其濾掉；檢測分割出濾掉干擾色塊后的水華色塊并進(jìn)行標(biāo)定并輸出檢測結(jié)果；(3)水華預(yù)警①計(jì)算水華區(qū)域?qū)嶋H面積第(2)步完成后，先計(jì)算第(2)步得到的水華色塊在圖像中的像素面積占視野像素總面積的百分比，乘以視野的實(shí)際總面積就能得到水華區(qū)域?qū)嶋H面積；再通過攝像機(jī)標(biāo)定，計(jì)算視野的實(shí)際總面積，即將已知面積的參照物置于攝像頭下的水域位置，計(jì)算它在圖像中的像素面積占視野像素總面積的比值，用該已知參照物的實(shí)際面積除以該比值就得到視野的實(shí)際總面積，并將得到的水華區(qū)域?qū)嶋H面積輸出到計(jì)算機(jī)軟件界面上；②建立預(yù)警模型第(3) ①步完成后，根據(jù)第(3) ①步得到的水華區(qū)域?qū)嶋H面積，先按6～10小時(shí)為間隔，計(jì)算每個(gè)時(shí)間間隔內(nèi)的水華區(qū)域?qū)嶋H面積的均值，再通過計(jì)算機(jī)分析該實(shí)際面積的均值變化規(guī)律建立一元線性回歸預(yù)測模型，來預(yù)測下一個(gè)時(shí)間間隔的實(shí)際面積的均值，并計(jì)算該實(shí)際面積的均值占水域總面積的百分比，然后以該百分比代表的水華災(zāi)害程度為依據(jù)，將水華暴發(fā)的預(yù)警等級劃分為藍(lán)色、黃色、橙色和紅色四個(gè)等級，對應(yīng)的預(yù)警區(qū)間分別是一般、較重、嚴(yán)重和特別嚴(yán)重四個(gè)等級，并進(jìn)行判斷當(dāng)代表的水華災(zāi)害程度的百分比小于預(yù)警值時(shí)，則返回到返回第(2) ①步獲取下一幀繼續(xù)進(jìn)行檢測；當(dāng)代表的水華災(zāi)害程度的百分比大于預(yù)警值時(shí)，則根據(jù)劃分的預(yù)警等級進(jìn)行預(yù)警；水華暴發(fā)預(yù)警等級的具體劃分如下一般藍(lán)色預(yù)警水華零星集聚，主要水域區(qū)藻類生物密度小于3000萬個(gè)/L，水華面積大于等于水體總面積的5％；較重黃色預(yù)警藻類在局部水域集聚，主要水域區(qū)藻類生物密度介于3000～5000萬個(gè)/L之間，水華面積大于等于水體總面積的10％；嚴(yán)重橙色預(yù)警當(dāng)發(fā)生區(qū)域性水華，主要水域區(qū)藻類生物密度介于5000～8000萬個(gè)/L之間，水華面積大于等于水體總面積的40％；特別嚴(yán)重紅色預(yù)警水華全面性暴發(fā)，主要水域區(qū)的藻類生物密度大于8000萬個(gè)/L，水華面積水華面積大于等于水體總面積的60％。FSA00000171985200014.tif,FSA00000171985200021.tif
全文摘要
一種基于圖像處理的小型水域水華監(jiān)測預(yù)警方法，涉及小型水域的水華監(jiān)測預(yù)警方法。本發(fā)明利用攝像頭和計(jì)算機(jī)，通過程序進(jìn)行計(jì)算，實(shí)現(xiàn)小型水域的水華監(jiān)測預(yù)警。本發(fā)明具有監(jiān)測設(shè)備簡單，對環(huán)境適用能力強(qiáng)；算法計(jì)算量小、速度快，對硬件要求低，能直接植入現(xiàn)有的水面視頻監(jiān)測系統(tǒng)或開發(fā)成嵌入式設(shè)備或直接在計(jì)算機(jī)上運(yùn)行，均能實(shí)時(shí)快速有效地進(jìn)行水華預(yù)警；靈活方便，成本低，便于維護(hù)等特點(diǎn)。本發(fā)明可廣泛地應(yīng)用于江、河上游水庫、城鎮(zhèn)飲用水源的水庫、城鎮(zhèn)取水區(qū)河段或常發(fā)生水華的江、河、湖泊區(qū)及景觀水域等的小型水域的水華監(jiān)測預(yù)警。
文檔編號G01N21/25GK101900687SQ20101021851
公開日2010年12月1日 申請日期2010年7月6日 優(yōu)先權(quán)日2010年7月6日
發(fā)明者周偉, 王楷, 石為人, 蘇士娟, 范敏, 賈承暉, 陳舒涵, 陳露, 雷璐寧 申請人:重慶大學(xué)