本发明专利技术提供一种基于自适应边缘检测的时空图像测速方法和装置，所述方法包括：获取相平面坐标与实际空间直角坐标关系以进行相机标定；选取测速线以生成时空图像；对时空图像进行高斯滤波；基于高斯滤波后的时空图像，采用Sobel算子计算梯度强度和梯度方向；应用非极大值抑制技术NMS来消除时空图像的边缘误检；基于消除边缘误检的时空图像，进行双阈值检测以分割边缘信息与背景，得到二值图；对二值图进行二维傅里叶变换得到频谱图；基于频谱图，采用设置搜索线求积分的方法确定纹理主方向；根据测速线的实际长度及纹理主方向，计算河流表面流速。本发明专利技术能够实现对河流视频边缘信息的准确、实时提取，满足流速测量实时、准确的要求。的要求。的要求。
【技术实现步骤摘要】
一种基于自适应边缘检测的时空图像测速方法和装置
[0001]本专利技术涉及图像处理领域，具体地涉及一种基于自适应边缘检测的时空图像测速方法和装置。
技术介绍
[0002]在水文学中，流速数据是水文研究最为基础的数据之一，也是许多水文研究的基础。在当前洪水与干旱等极端情况频发的情况下，对于及时获取河流流速信息的需求更为迫切。传统测速方法使用旋桨式测速仪、声学多普勒测速仪、雷达波测速仪等仪器进行测量，虽然具有测量精度高的优点，但是成本高、实时性不够、检测范围窄，难以满足大规模系统部署的需要。随着计算机视觉技术的进步和成本的降低，采用视频图像进行流速检测成为一种可能。
[0003]Fujita等人首次提出了时空图像测速技术，在频域上对时空图像进行去噪处理的方法：利用傅里叶变换计算原始时空图像的频域特性，随后根据累计亮度统计特性生成一张主特征掩码，然后通过掩码和原图像点积相乘保留主要的特征。该技术用来获得整条河道的径向流速分布。但是，传统的时空图像测速法对河流视频边缘信息的提取不准确，难以满足流速测量实时、准确的要求。
技术实现思路
[0004]本专利技术实施例的目的是提供一种基于自适应边缘检测的时空图像测速方法和装置，该基于自适应边缘检测的时空图像测速方法和装置能够实现对河流视频边缘信息的准确、实时提取，满足流速测量实时、准确的要求。
[0005]为了实现上述目的，本专利技术实施例提供一种基于自适应边缘检测的时空图像测速方法，所述方法包括：获取相平面坐标(x,y)与实际空间直角坐标(X,Y,Z)关系以进行相机标定；根据采集到的监测区域的视频图像，选取测速线以生成时空图像；对所述时空图像进行高斯滤波；基于高斯滤波后的时空图像，采用Sobel算子计算梯度强度和梯度方向；根据所述梯度强度和所述梯度方向，应用非极大值抑制技术NMS来消除时空图像的边缘误检；基于消除边缘误检的时空图像，进行双阈值检测以分割边缘信息与背景，得到二值图；对二值图进行二维傅里叶变换得到频谱图；基于所述频谱图，采用设置搜索线求积分的方法确定纹理主方向；根据所述测速线的实际长度及所述纹理主方向，计算河流表面流速。
[0006]优选地，获取相平面坐标(x,y)与实际空间直角坐标(X,Y,Z)关系以进行相机标定包括：通过以下公式确定相平面坐标(x,y)与实际空间直角坐标(X,Y,Z)关系：
[0007][0008]其中，(x
p
,y
p
)为像主点的相平面坐标，(X
p
,Y
p
,Z
p
)为相机的实际空间直角坐标，f为焦距，(Δx，Δy)为镜头畸变校正数，r
ij
(i，j＝1
‑
3)为两个坐标的转换系数。
[0009]优选地，对所述时空图像进行高斯滤波包括：所述高斯滤波中，模板的系数通过以下公式得到：
[0010][0011][0012][0013]其中，(x,y)为每一个像素的相平面坐标，(x
o
,y
o
)为中心点坐标，σ为标准差，F为灰度值，μ为总体均值，N为总体例数。
[0014]优选地，基于高斯滤波后的时空图像，采用Sobel算子计算梯度强度和梯度方向包括：用水平方向的卷积核G
x
来检测y方向的梯度分量g
y
，用垂直方向的卷积核G
y
来检测x方向的梯度分量g
x
，两个卷积核为：
[0015][0016]将所述时空图像中的每个像素分别和这两个卷积核做卷积，得到梯度方向和梯度大小，其中卷积核滑动步长为1，梯度方向用如下公式计算：
[0017][0018]梯度大小M用如下公式计算：
[0019][0020]其中，g
y
为为梯度在y方向上的分量，g
x
为梯度在x方向上的分量。
[0021]优选地，根据所述梯度强度和所述梯度方向，应用非极大值抑制技术NMS来消除时空图像的边缘误检包括：将梯度方向近似为下值中的一个：0
°
，45
°
，90
°
，135
°
，180
°
，225
°
，
270
°
，315
°
；比较每个像素点和其梯度方向正负方向的像素点的梯度大小；如果该像素点梯度大小最大则保留，否则置为0。
[0022]优选地，基于消除边缘误检的时空图像，进行双阈值检测以分割边缘信息与背景，得到二值图包括：确定阈值上界maxVal和阈值下界minVal；将所述时空图像中像素点梯度值大于所述阈值上界maxVal的像素点的梯度值置为1，小于所述阈值下界minVal的像素点的梯度值置为0；查看大于等于所述阈值下界minVal，小于等于所述阈值上界maxVal的弱边缘像素点的8个邻域像素，在至少其中一个邻域像素的梯度值大于所述阈值上界maxVal时，将所述弱边缘像素点的梯度值置为1，在没有一个邻域像素的梯度值大于所述阈值上界maxVal时，将所述弱边缘像素点的梯度值置为0。
[0023]优选地，确定阈值上界maxVal和阈值下界minVal包括：通过以下公式计算小于所述阈值上界maxVal的像素点占整幅时空图像的比例和大于所述阈值上界maxVal的像素点占整幅时空图像的比例：
[0024]ω0＝N0/(M
×
N)
[0025]ω1＝N1/(M
×
N)
[0026]利用以下公式计算整幅时空图像的平均梯度值：
[0027]μ＝ω0×
μ0+ω1×
μ1[0028]利用以下公式计算图像的类间方差：
[0029]σ
B
＝ω0×
(μ0‑
μ)2+ω1×
(μ1‑
μ)2[0030]其中，N0为小于所述阈值上界maxVal的梯度个数，N1为大于所述阈值上界maxVal的梯度个数，M
×
N为时空图像大小，σ
B
为类间方差，μ0为小于所述阈值上界maxVal的梯度平均值，μ1为大于所述阈值上界maxVal的梯度平均值，μ为整幅时空图像的梯度平均值，ω0为小于所述阈值上界maxVal的像素点占整幅时空图像的比例，ω1为大于所述阈值上界maxVal的像素点占整幅时空图像的比例；
[0031]采用遍历的方法得到使类间方差σ
B
最大的所述阈值上界maxVal，并取所述阈值下界minVal为所述阈值上界maxVal的一半。
[0032]优选地，基于所述频谱图，采用设置搜索线求积分的方法确定纹理主方向包括：以点(M/2，N/2)为原点，M和N中的短边为半径建立极坐标系；在极坐标系中设置一条过原点且半径为R的搜索线，对于固定的角度γ计算线积分：
[0033][0034]在0～180
°
的半圆本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于自适应边缘检测的时空图像测速方法，其特征在于，所述方法包括：获取相平面坐标(x,y)与实际空间直角坐标(X,Y,Z)关系以进行相机标定；根据采集到的监测区域的视频图像，选取测速线以生成时空图像；对所述时空图像进行高斯滤波；基于高斯滤波后的时空图像，采用Sobel算子计算梯度强度和梯度方向；根据所述梯度强度和所述梯度方向，应用非极大值抑制技术NMS来消除时空图像的边缘误检；基于消除边缘误检的时空图像，进行双阈值检测以分割边缘信息与背景，得到二值图；对二值图进行二维傅里叶变换得到频谱图；基于所述频谱图，采用设置搜索线求积分的方法确定纹理主方向；根据所述测速线的实际长度及所述纹理主方向，计算河流表面流速。2.根据权利要求1所述的基于自适应边缘检测的时空图像测速方法，其特征在于，获取相平面坐标(x,y)与实际空间直角坐标(X,Y,Z)关系以进行相机标定包括：通过以下公式确定相平面坐标(x,y)与实际空间直角坐标(X,Y,Z)关系：其中，(x
p
,y
p
)为像主点的相平面坐标，(X
p
,Y
p
,Z
p
)为相机的实际空间直角坐标，f为焦距，(Δx，Δy)为镜头畸变校正数，r
ij
(i，j＝1
‑
3)为两个坐标的转换系数。3.根据权利要求1所述的基于自适应边缘检测的时空图像测速方法，其特征在于，对所述时空图像进行高斯滤波包括：所述高斯滤波中，模板的系数通过以下公式得到：模板的系数通过以下公式得到：模板的系数通过以下公式得到：其中，(x,y)为每一个像素的相平面坐标，(x
o
,y
o
)为中心点坐标，σ为标准差，F为灰度值，μ为总体均值，N为总体例数。4.根据权利要求1所述的基于自适应边缘检测的时空图像测速方法，其特征在于，基于高斯滤波后的时空图像，采用Sobel算子计算梯度强度和梯度方向包括：
其中，N0为小于所述阈值上界maxVal的梯度个数，N1为大于所述阈值上界maxVal的梯度个数，M
×
N为时空图像大小，σ
B
...
【专利技术属性】
技术研发人员：郑树，袁泽瑞，俞孝文，宋文婕，相东，才伟光，陆强，
申请(专利权)人：华北电力大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。