基于数字图像处理技术的冰凌参数识别方法.docx

?

?

基于数字图像处理技术的冰凌参数识别方法

?

?

张宝森李春江孙凯

摘要：基于黄河防凌远程视频监视系统现场采集到的视频影像，采用图像识别的方法提取黄河沿岸关键冰凌参数，包括密集度及流速。对于冰凌密集度的提取方法，是先将摄像设备取得的视频变为单帧图像，然后对单帧图像进行二值化处理，利用图像分割技术得到冰凌所在区域，最后统计得出冰凌的密集度;对于冰凌流速提取，是用摄像设备取得视频图像序列，利用稠密光流法标记各图像的特征点位置，追踪特征点，从而得到移动距离，最后根据时间间隔计算得出冰凌的流动速度。

关键词：图像识别;冰凌密集度;冰凌速度;测量方法;现场采集;黄河

Abstract：TheiceconcentrationandvelocityaretwokeyparametersfortheYellowRivericeprotection，whichcanbeextractedbyimagerecognitionmethod.ThevideoswerefieldacquiredbytheremotevideomonitoringsystemoftheYellowRivericeprotection.Themeasurementoficeconcentrationhadtwosteps.Firstly，thevideowasconvertedtosingleframeimages.Thenthesingleframeimageswerebinarized.Theiceregionswererecognizedbyimagesegmentationandtheiceconcentrationcouldbecountedeasily.Forthemeasurementoficevelocity，thevideoimagesequencewasobtainedbythecameraequipment.Thenthepositionsofeachimagesfeaturepointsweremarkedbythedenseopticalflowmethodandthefeaturepointsweretrackedtoobtainthemovingdistance.Finally，theicevelocitywascalculatedaccordingtotheintervaltime.

Keywords：imagerecognition;iceconcentration;icevelocity;measurementmethod;fieldacquisition;YellowRiver

1前言

传统的水文监测多采用远程传感器传输数据进行测量，在设备安装及数据采集方面都有一定的局限性。近年来随着人工智能技术的不断发展，计算机“视觉系统”得到了长足的发展[1-2]。应用图像处理及模式识别等技术可以搭建起经济、高效的远程水文监测系统，对水位、流速、冰凌密集度等相关数据进行测量。对比传统方法，远程监测系统采用非接触式测量机制，位置不受环境限制，有效地规避了传统测量设备的安装问题;可以为水文监测提供一种远程无人值守的监测模式，适用于偏僻、恶劣的水域环境;同时可降低设备成本及人力成本[3]。

黄河是我国凌汛出现最为频繁的河流，其中以内蒙古河段最为严重，这是由其特殊的地理位置、水文气象条件和河道特性所决定的[4]，因此对于凌情信息的实时采集、精确分析就显得尤为重要[5-7]。当前，国内外针对冰凌的图像识别研究日趋火热，许志辉等[8-9]采用MODIS系统动态监测黄河冰凌;张秀伟等[10]利用深度学习神经网络的方法开展了大规模黄河冰凌的图像识别工作，取得了良好的效果;加拿大学者Kalke和Loewen[11]使用无人机采集到的河冰图像，利用支持向量机的方法开展识别工作;季顺迎等[12-13]针对渤海油气平台的海冰监测系统进行了图像识别研究;还有学者利用电测法[14]、多普勒效应[15]、雷达探测[16]等方法实现冰凌现场监测。但是河流冰凌影像的特点更为复杂，对于算法的要求更高，特别是基于远程无线视频流的黄河冰凌影像，其具有以下特点：具有较为复杂多变的目标背景，黄河各个河段的泥沙含量不同，地理环境相异，冰凌与河水所呈现出的状态各不相同;影像中目标背景水面会随着不同时段光照的变换呈现出不同的灰度分布，很难利用先验知识来确定其阈值信息;黄河冰凌种类繁多