基于计算机视觉的污泥处理自动监测方法技术

本发明专利技术涉及图像处理技术领域，具体涉及一种基于计算机视觉的污泥处理自动监测方法，包括：获取待监测污泥当前时刻及其前一时刻对应灰度图像的各个子块区域；根据子块区域中纹理线条上像素点的位置分布，确定子块区域的纹理混乱指标和纹理混乱置信度，进而确定子块区域的属于污泥概率，从而确定当前时刻的灰度图像中初始的污泥连通域；根据初始的污泥连通域中各个子块区域在当前时刻及其前一时刻对应的纹理混乱指标和纹理混乱置信度的差异，对这些子块区域的属于污泥概率进行修正，进而确定各个上清液连通域和污泥连通域，并最终确定当前时刻的污泥处理监测结果。本发明专利技术通过提高图像分割准确性，有效提高了污泥处理监测准确性。有效提高了污泥处理监测准确性。有效提高了污泥处理监测准确性。

【技术实现步骤摘要】
基于计算机视觉的污泥处理自动监测方法


[0001]本专利技术涉及图像处理
，具体涉及一种基于计算机视觉的污泥处理自动监测方法。

技术介绍

[0002]在工业生产中，伴随着生产的进行往往会产生大量的污水，需要按照相关排放标准对污水进行处理。通过对污水进行处理，会产生大量的污泥，污泥是由原污水中的固体物质和在污水处理过程中所新产生的固体物质组成。污水的处理程度越高，需要处理的污泥残余物就越多。
[0003]现有在对污泥进行处理的过程中，通常是将污泥加入到沉降池中，并加入适量药物后静置，污泥中的固体物质会随着时间逐渐沉降，上层会逐渐出现上清液。通过对污泥的处理进程进行有效监测，可大大减少后续消化池的容积和药剂用量，进而节约污泥处理成本。
[0004]在对污泥的处理进程进行自动监测时，通常需要对污泥表面图像中的上清液与污泥进行完整的分割，以便于后续确定污泥沉降的进度。灰度阈值分割方法作为最简单、最常用的图像分割方法之一，当被用于污泥表面图像中的上清液与污泥的分割时，由于上清液与污泥在图像中的边界区分不明显，就会导致分割结果不够理想，从而影响污泥处理监测结果的准确性。

技术实现思路

[0005]本专利技术的目的在于提供一种基于计算机视觉的污泥处理自动监测方法，用于解决现有由于污泥表面的上清液和污泥分割不准确，从而导致污泥处理监测准确性较差的问题。
[0006]为解决上述技术问题，本专利技术提供了一种基于计算机视觉的污泥处理自动监测方法，包括以下步骤：获取待监测污泥的当前时刻及其前一时刻的表面图像的灰度图像，对所述灰度图像进行分块处理，获取各个子块区域；对各个所述子块区域进行边缘检测获取各条纹理线条，根据所述纹理线条上纹理像素点的位置分布，确定每个所述子块区域的纹理混乱指标和纹理混乱置信度，并根据所述纹理混乱指标和纹理混乱置信度，确定各个所述子块区域的混乱程度；将任意一个所述子块区域作为目标子块区域，根据所述目标子块区域的各个邻域子块区域的混乱程度，对所述目标子块区域的混乱程度进行修正，得到所述目标子块区域的属于污泥概率；根据当前时刻对应的灰度图像中各个所述子块区域的属于污泥概率，确定当前时刻对应的灰度图像中的各个初始的污泥连通域，并根据各个所述初始的污泥连通域中各个子块区域在当前时刻及其前一时刻对应的纹理混乱指标和纹理混乱置信度的差异，对各个
所述初始的污泥连通域中各个子块区域的属于污泥概率进行修正，从而得到当前时刻对应的灰度图像中各个所述子块区域的最终的属于污泥概率；根据所述最终的属于污泥概率，确定当前时刻对应的灰度图像中的各个上清液连通域和污泥连通域，并根据所述各个上清液连通域和污泥连通域，确定当前时刻的污泥处理监测结果。
[0007]进一步的，确定每个所述子块区域的纹理混乱指标和纹理混乱置信度，包括：根据每个所述子块区域中每个所述纹理线条上纹理像素点的位置，确定每个所述纹理线条对应的邻域链码；根据每个所述子块区域中各个所述纹理线条对应的邻域链码中各个编码值的差异，确定每个所述子块区域的纹理混乱指标；确定每个所述子块区域的每个块边缘线与所述纹理线条相交的像素点个数，并根据每个所述子块区域的各个块边缘线的所述像素点个数的差异，确定每个所述子块区域的纹理混乱置信度。
[0008]进一步的，确定每个所述子块区域的纹理混乱指标，包括：确定每个所述子块区域中每个所述纹理线条对应的邻域链码中各个编码值的方差，并将每个所述子块区域中各个所述纹理线条对应的方差的平均值，确定为每个所述子块区域的纹理混乱指标。
[0009]进一步的，确定每个所述子块区域的纹理混乱置信度，包括：确定每个所述子块区域的各个块边缘线的所述像素点个数的平均值，从而得到每个所述子块区域的平均像素点个数；确定每个所述子块区域的各个块边缘线的所述像素点个数与所述平均像素点个数的差值绝对值的累加和，并根据所述累加和，确定每个所述子块区域的纹理混乱置信度，所述累加和与所述纹理混乱置信度成负相关关系。
[0010]进一步的，对所述目标子块区域的混乱程度进行修正，得到所述目标子块区域的属于污泥概率，包括：确定所述目标子块区域的各个邻域子块区域的混乱程度与所述目标子块区域的混乱程度的差值，从而得到所述目标子块区域的各个邻域子块区域的混乱程度差值；根据所述目标子块区域的每个邻域子块区域的各个相连接子块区域的混乱程度的方差，确定所述目标子块区域的每个邻域子块区域的混乱程度差值的影响置信度；根据所述目标子块区域的各个邻域子块区域的混乱程度差值及其影响置信度，确定所述目标子块区域的各个邻域子块区域的混乱程度影响值；将所述目标子块区域的各个邻域子块区域的混乱程度影响值的平均值与所述目标子块区域的混乱程度的累加和，确定为所述目标子块区域的属于污泥概率。
[0011]进一步的，确定所述目标子块区域的每个邻域子块区域的混乱程度差值的影响置信度，包括：将所述目标子块区域的每个邻域子块区域的各个相连接子块区域的混乱程度的方差的负相关归一化值，确定为所述目标子块区域的每个邻域子块区域的混乱程度差值的影响置信度。
[0012]进一步的，确定当前时刻对应的灰度图像中的各个初始的污泥连通域，包括：
对当前时刻对应的灰度图像中各个所述子块区域的属于污泥概率进行二分类，得到两个属于污泥概率类；分别确定两个属于污泥概率类中的属于污泥概率的平均值，并将较大的属于污泥概率的平均值所对应的属于污泥概率类中各个属于污泥概率对应的所述子块区域，确定为当前时刻对应的灰度图像中初始的污泥子块区域；对当前时刻对应的灰度图像中的所述初始的污泥子块区域进行连通域检测，从而得到当前时刻对应的灰度图像中的各个初始的污泥连通域。
[0013]进一步的，对各个所述初始的污泥连通域中各个子块区域的属于污泥概率进行修正，从而得到当前时刻对应的灰度图像中各个所述子块区域的最终的属于污泥概率，包括：确定各个所述初始的污泥连通域中每个子块区域在当前时刻及其前一时刻对应的纹理混乱指标的差值绝对值，从而得到第一差值绝对值；确定各个所述初始的污泥连通域中每个子块区域在当前时刻及其前一时刻对应的纹理混乱置信度的差值绝对值，从而得到第二差值绝对值；根据所述第一差值绝对值和第二差值绝对值，确定混乱变化指标值，所述第一差值绝对值与所述混乱变化指标值成正相关关系，所述第二差值绝对值与所述混乱变化指标值成负相关关系；将所述混乱变化指标值的负相关归一化结果与各个所述初始的污泥连通域中每个子块区域的属于污泥概率的乘积值，确定为各个所述初始的污泥连通域中每个子块区域的最终的属于污泥概率。
[0014]进一步的，确定当前时刻对应的灰度图像中的各个上清液连通域和污泥连通域，包括：对当前时刻对应的灰度图像中各个所述子块区域的最终的属于污泥概率进行二分类，从而得到两个最终属于污泥概率类；分别确定两个最终属于污泥概率类中的最终的属于污泥概率的平均值，并将较大的最终的属于污泥概率的平均值所对应的最终属于污泥概率类中各个最终的属于污泥概率对应的所述子块区域确定为上清液子块区域，并将较小的最终的属于污泥概率的平本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于计算机视觉的污泥处理自动监测方法，其特征在于，包括以下步骤：获取待监测污泥的当前时刻及其前一时刻的表面图像的灰度图像，对所述灰度图像进行分块处理，获取各个子块区域；对各个所述子块区域进行边缘检测获取各条纹理线条，根据所述纹理线条上纹理像素点的位置分布，确定每个所述子块区域的纹理混乱指标和纹理混乱置信度，并根据所述纹理混乱指标和纹理混乱置信度，确定各个所述子块区域的混乱程度；将任意一个所述子块区域作为目标子块区域，根据所述目标子块区域的各个邻域子块区域的混乱程度，对所述目标子块区域的混乱程度进行修正，得到所述目标子块区域的属于污泥概率；根据当前时刻对应的灰度图像中各个所述子块区域的属于污泥概率，确定当前时刻对应的灰度图像中的各个初始的污泥连通域，并根据各个所述初始的污泥连通域中各个子块区域在当前时刻及其前一时刻对应的纹理混乱指标和纹理混乱置信度的差异，对各个所述初始的污泥连通域中各个子块区域的属于污泥概率进行修正，从而得到当前时刻对应的灰度图像中各个所述子块区域的最终的属于污泥概率；根据所述最终的属于污泥概率，确定当前时刻对应的灰度图像中的各个上清液连通域和污泥连通域，并根据所述各个上清液连通域和污泥连通域，确定当前时刻的污泥处理监测结果。2.根据权利要求1所述的一种基于计算机视觉的污泥处理自动监测方法，其特征在于，确定每个所述子块区域的纹理混乱指标和纹理混乱置信度，包括：根据每个所述子块区域中每个所述纹理线条上纹理像素点的位置，确定每个所述纹理线条对应的邻域链码；根据每个所述子块区域中各个所述纹理线条对应的邻域链码中各个编码值的差异，确定每个所述子块区域的纹理混乱指标；确定每个所述子块区域的每个块边缘线与所述纹理线条相交的像素点个数，并根据每个所述子块区域的各个块边缘线的所述像素点个数的差异，确定每个所述子块区域的纹理混乱置信度。3.根据权利要求2所述的一种基于计算机视觉的污泥处理自动监测方法，其特征在于，确定每个所述子块区域的纹理混乱指标，包括：确定每个所述子块区域中每个所述纹理线条对应的邻域链码中各个编码值的方差，并将每个所述子块区域中各个所述纹理线条对应的方差的平均值，确定为每个所述子块区域的纹理混乱指标。4.根据权利要求2所述的一种基于计算机视觉的污泥处理自动监测方法，其特征在于，确定每个所述子块区域的纹理混乱置信度，包括：确定每个所述子块区域的各个块边缘线的所述像素点个数的平均值，从而得到每个所述子块区域的平均像素点个数；确定每个所述子块区域的各个块边缘线的所述像素点个数与所述平均像素点个数的差值绝对值的累加和，并根据所述累加和，确定每个所述子块区域的纹理混乱置信度，所述累加和与所述纹理混乱置信度成负相关关系。5.根据权利要求1所述的一种基于计算机视觉的污泥处理自动监测方法，其特征在于，
对所述目标子块区域的混乱程度进行修正，得到所述目标子块区域的属于污泥概率，包括：确定所述目标子块区域的各个邻域子块区域的混乱程度与所述目标子块区域的混乱程度的差值，从而得到所述目标子块区域的各个邻域子块区域的混乱程度差值；根据所述目标子块区域的每个邻域子块区域的各个相连接子块区域的混乱程度的方差，确定所述目标子块区域的每个邻域子块区域的混乱程度差值的影响置信度；根据所述目标子块区域的各个邻域子块区域的混乱程度差值及其影响置信度，确定所述目标子块区域的各个邻域子块区域的混乱程度影响值；将所述目标子块区...

【专利技术属性】
技术研发人员：王福浩，王黎佳，相华旭，张国旺，刘晓军，
申请(专利权)人：青岛娄山河水务有限公司，
类型：发明
国别省市：