一种基于梯度幅值生长的涌潮潮头线连接方法技术

本发明专利技术公开了一种基于梯度幅值生长的涌潮潮头线连接方法。本发明专利技术针对涌潮到来时潮头线在图像水流方向上梯度幅值较大的特征，采用Sobel算子进行梯度幅值计算，该算子可以计算出每个像素点在水流方向上梯度幅值的大小，通过使用OTSU图像分割方法将图像分为前景和背景部分，最后根据断裂的涌潮潮头线的端点邻域梯度幅值的大小进行像素点生长，从而完成涌潮潮头线连接，最后筛选出面积最大的轮廓即为涌潮的潮头线，该方法能够更加精确地分割得到涌潮的潮头线区域，并且能够准确有效地连接涌潮断裂部分，提高涌潮潮头线识别准确度，为涌潮研究提供数据支持。研究提供数据支持。研究提供数据支持。

【技术实现步骤摘要】
一种基于梯度幅值生长的涌潮潮头线连接方法


[0001]本专利技术属于海洋信息
，涉及一种涌潮观测方法，具体涉及一种基于梯度幅值生长的涌潮潮头线连接方法。

技术介绍

[0002]钱塘江涌潮气势磅礴，来势汹涌，是一种独特且壮观的自然景观，由于不同河段的地理环境的不同，会形成不同类型的涌潮形态，比如海宁的交叉潮、盐官的一线潮、老盐仓和美女坝的回头潮，每年都会吸引成千上万的游客前来观潮，涌潮在前进过程中所引起的强大的动力有时也会直接影响沿江建筑物和航运的安全以及造成一些不必要的人员伤亡，因此，探索涌潮的规律，研究涌潮的水力特性和产生机理，对于涌潮保护和防护具有重要的学术价值和现实意义。
[0003]涌潮传播速度是涌潮的一个重要特性，系指涌潮潮头的前进速度，涌潮传播速度的主要影响因素为下游潮差、上游水深和径流量，水深越大，涌潮传播越快；下游潮差越大，涌潮传播速度也越快；径流与涌潮传播方向相反，径流量越大，涌潮传播速度越慢，涌潮传播速度与涌潮预报、航运安全密切相关，亦是分析涌潮水力学特性的一个重要参数，涌潮潮头高度、涌潮流速、涌潮的局部形态等特性均与涌潮传播速度有关。
[0004]专利号为CN202110430752.1公开了一种基于无人机的机器视觉涌潮流速测量方法，该方法的实现依次包括视频图像采集、灰度化及滤波处理、边缘检测、膨胀操作、潮头线提取和涌潮速度计算共六个环节，该专利提供的涌潮传播速度计算方法利用无人机的机动性和检测范围广等优势，有利于获取更加全面的涌潮流速信息，具备测量空间尺度大、潮头线识别精确、非接触式安全性高等优势，但是，该专利中的检测涌潮潮头线时所使用的边缘检测方法与边缘连接时所采用的膨胀操作都存在不足，该方法中边缘检测采取的是Canny检测算法，会将图像中不属于潮头线的江面波纹或者干扰点都检测为边缘，影响检测的结果；膨胀操作虽然一定程度地解决了边缘不连续的问题，但存在明显的缺点：一方面，边缘断裂处过大导致无法成功连接边缘，另一方面，像素点膨化操作只是将潮头线断裂的部位进行像素点扩张，也就是将原本像素值为255的像素点邻近的像素点也置为255，因此扩张后的像素点不一定属于潮头线的一部分，仅仅是将潮头线断裂的部分通过像素点扩张的方式从而达到断裂处被填补的效果，对像素点进行扩张必定会使得涌潮潮头线区域扩张，得到的并不是原本形态的潮头线，而是扩张后的潮头线。
[0005]针对上述问题，本专利提出一种基于梯度幅值生长的涌潮潮头线连接方法，针对涌潮到来时潮头线在图像Y轴方向即水流流向方向上梯度幅值较大的特征，该潮头线连接方法采用Sobel算子进行梯度幅值计算，该算子可以计算出每个像素点在图像Y轴上的梯度幅值的大小，梯度幅值较大，则可能属于涌潮潮头线，通过使用OTSU图像分割方法将图像分为前景和背景部分，最后根据断裂的涌潮潮头线的端点邻域的梯度幅值的大小进行像素点生长，对图像中涌潮潮头线断裂处进行潮头线的连接，由于图像中存在其他梯度幅值同样较高的像素点被检测为前景部分，因此最后还要通过比较轮廓面积的大小筛选出轮廓面积
最大的部分即为涌潮的潮头线。

技术实现思路

[0006]本专利技术的目的是为了弥补现有无人机对涌潮潮头线识别并计算涌潮传播速度方法的不足，针对涌潮到来时潮头线在Y轴方向上梯度幅值较大的特征，采用Sobel算子进行梯度幅值计算，该算子可以计算出每个像素点在Y轴上的梯度幅值的大小，梯度幅值越大，越可能属于潮头线的一部分，通过迭代使用OTSU图像分割方法将图像分为前景和背景部分，最后根据断裂的涌潮潮头线的端点邻域的梯度幅值的大小进行生长，从而完成涌潮潮头线连接，最后通过筛选面积最大的连通域即为涌潮的潮头线，该方法能够更加精确地分割得到涌潮的潮头线区域，并且能够准确有效地连接涌潮断裂部分，提高涌潮潮头线识别准确度，为涌潮研究提供数据支持。
[0007]一种基于梯度幅值生长的涌潮边缘连接方法，流程如图1所示，包括以下步骤：
[0008]步骤1：对所采集的涌潮图像进行灰度化及中值滤波处理。
[0009]步骤2：利用Sobel算子计算图像幅值梯度并将图像格式转回原来的uint8格式。
[0010]步骤3：利用OTSU图像分割法计算图像分割阈值并使用该阈值将涌潮图像分割为前景和背景部分。
[0011]步骤4：寻找图像中所有符合条件的右端点即为涌潮潮头线断裂处的像素点。
[0012]步骤5：遍历每一个右端点，选择右端点的相邻的8个方向上的像素点中的右侧三个像素点幅值梯度最大的像素点作为潮头线生长的目标点。
[0013]步骤6：继续筛选得到的目标点的右邻域中像素点，若其右邻域不存在前景像素点，则选择幅值梯度最大的像素点作为下一个潮头线生长的目标点，重复该生长步骤，生长步骤次数可根据图像效果手动设定。
[0014]步骤7：根据图像中各个独立的前景部分轮廓面积大小筛选出面积最大的轮廓即为涌潮潮头线。
[0015]所述步骤1具体步骤为：根据人类视觉对色彩的敏感度不同，将每个像素点的B、G、R通道分别赋予不同的权重系数进行加权求解灰度值，依次作为整个图像的灰度值，中值滤波是根据邻域模板将图像中某一点邻域内的像素的灰度值按从小到大的顺序进行排列，并将这些从小到大排列的灰度值计算中值，用它作为这个像素点的灰度值。
[0016]所述步骤2具体步骤为：Sobel算子主要用于获得数字图像的一阶梯度，常见的应用和物理意义是边缘检测，图像边缘的相素值会发生显著的变化，梯度幅值的大小代表图像中内容的变化程度，首先需要定义一个3*3的卷积核，根据涌潮到来时，涌潮潮头线前后的像素点差距明显的特点，选择卷积核为Sobel算子在Gy方向上的卷积模板，通过该卷积核与原始图片做卷积，得到各像素点纵向的梯度值，该卷积核的作用就是当该像素点上下部分的像素点差距越大，所得结果绝对值就越大，也就是梯度幅值越大，越有可能是涌潮的潮头线，由于得到的结果可能为负数或者大于255，因此还需要将数据类型转化为uint8类型，从而得到一幅像素值在0～255的灰度图像。
[0017]所述步骤3图像分割的具体步骤为：3
‑
1：先计算图像的直方图，即将图像所有的像素点按照0～255共256个区域，统计落在每个区域的像素点数量，并归一化直方图
3
‑
2：定义一个i表示分类的阈值，从0开始迭代，统计0～i灰度级的像素所占整幅图像的比例w0，并计算其平均灰度u0；统计i～255灰度级的像素所占整幅图像的比例w1，并统计背景像素的平均灰度u1；3
‑
3：计算前景像素和背景像素的方差g＝w0*w1*(u0
‑
u1)；3
‑
4：i++；转到3
‑
2，直到i为256时结束迭代，得到最大g相应的i值；3
‑
5：将3
‑
4得到的i值作为3
‑
2中的迭代开始的阈值，重复步骤3
‑
2、3
‑
3、3
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于梯度幅值生长的涌潮潮头线连接方法，其特征在于，包括以下步骤：步骤1：对所采集的图像进行灰度化及中值滤波处理；步骤2：利用Sobel算子计算图像幅值梯度并将图像格式转回原来的uint8形式；步骤3：迭代使用OTSU图像分割法计算图像分割阈值并使用该阈值对图像分割为前景和背景部分；步骤4：寻找图像中所有符合条件的右端点即为涌潮潮头线断裂处的像素点；步骤5：遍历每一个右端点，选择右端点的相邻的8个方向上的像素点中的右侧三个像素点幅值梯度最大的像素点作为潮头线生长的目标点；步骤6：继续筛选得到的目标点的右邻域中像素点，若其右邻域不存在前景像素点，则选择幅值梯度最大的像素点作为下一个潮头线生长的目标点，重复该生长步骤，生长步骤次数可根据图像效果手动设定；步骤7：根据图像中各个独立的前景部分轮廓面积大小筛选出面积最大的轮廓即为涌潮潮头线。2.根据权利要求1所述的一种基于梯度幅值生长的涌潮潮头线连接方法，其特征在于所述步骤1的具体步骤为：根据人类视觉对色彩的敏感度不同，将每个像素点的B、G、R通道分别赋予不同的权重系数进行加权求解灰度值，依次作为整个图像的灰度值，中值滤波是根据邻域模板将图像中某一点邻域内的像素的灰度值按从小到大的顺序进行排列，并将这些从小到大排列的灰度值计算中值，用它作为这个像素点的灰度值。3.根据权利要求1所述的一种基于梯度幅值生长的涌潮潮头线连接方法，其特征在于，所述步骤2的具体步骤为：Sobel算子主要用于获得数字图像的一阶梯度，选择卷积核为Sobel算子在Gy方向上的卷积模板，通过该卷积核与原始图片做卷积，得到各像素点纵向的梯度幅值，该卷积核的作用就是当该像素点上下部分的像素点差距越大，所得结果绝对值就越大，也就是梯度幅值越大，越有可能是涌潮的潮头线，由于得到的结...

【专利技术属性】
技术研发人员：占光洁，丁涛，赵梦雅，姜合，石明娟，马志斌，穆金霞，
申请(专利权)人：中国计量大学，
类型：发明
国别省市：