【技术实现步骤摘要】
本专利技术属于河道水尺的遮挡物判定，更具体地，涉及一种河道水尺的遮挡物判定方法及系统。
技术介绍
1、河道水尺是一种用于测量河流、湖泊、水库等水体的水位或水深的仪器或设备。它们在水资源管理、水文学研究、工程设计和防洪控制等领域中起着重要的作用。
2、但是在现实场景中，水尺很容易被遮挡物挡住，因此需要一种技术能够自动识别图像中的遮挡物并进行删除，再进行河道深度估计。
技术实现思路
1、为解决以上技术问题，本专利技术提出一种河道水尺的遮挡物判定方法，包括：
2、获取包含水尺的图像，将图像中的物体进行类别划分，其中，所述类别包括：水尺、遮挡物和河水；
3、提取所述图像中的多个像素点，设置图像物体分类模型，计算每个所述像素点属于所述类别其中一类的概率，将所有像素点进行聚类，识别出所述遮挡物，将所述遮挡物进行删除操作；
4、设置水深度估计模型，根据删除操作之后的图像，对河水的深度进行深度估计。
5、进一步的，所述图像物体分类模型包括：
6、
7、其中，p(ci|i(x，y))为图像上坐标为(x，y)像素点属于第i个类别的概率，ci为第i个类别，i(x，y)为图像上坐标为(x，y)像素点，m为类别的数量，fi(i(x，y))为图像上坐标为(x，y)像素点属于第i个类别的分数。
8、进一步的，所述图像上坐标为(x，y)像素点属于第i个类别的分数fi(i(x，y))包括：
9、fi(i(x，
10、·texturesimilarity(i(x，y)，referencetexturei)+γ
11、·shapesimilarity(i(x，y)，referenceshapei)
12、其中，α为颜色相似度权重，β为纹理相似度权重，γ为形状相似度权重，colorsimilarity(i(x，y)，referencecolori)为图像上坐标为(x，y)像素点与第i个参考颜色的相似度，referencecolori为第i个参考颜色，texturesimilarity(i(x，y)，referencetexturei)为图像上坐标为(x，y)像素点与第i个参考纹理的相似度，referencetexturei为第i个参考纹理，shapesimilarity(i(x，y)，referenceshapei)为图像上坐标为(x，y)像素点与第i个参考形状的相似度，referenceshapei为第i个参考形状。
13、进一步的，包括：通过欧氏距离算法计算图像上坐标为(x，y)像素点与第i个参考颜色的相似度colorsimilarity(i(x，y)，referencecolori)；
14、通过灰度共生矩阵算法计算图像上坐标为(x，y)像素点与第i个参考纹理的相似度texturesimilarity(i(x，y)，referencetexturei)；
15、通过轮廓相似性算法计算图像上坐标为(x，y)像素点与第i个参考形状的相似度shapesimilarity(i(x，y)，referenceshapei)。
16、进一步的，所述水深度估计模型包括：
17、
18、其中，d(x′，y′)为在图像中水尺上位置为(x′，y′)的像素点时水的深度估计，z(x′，y′)为在图像中水尺上位置为(x′，y′)的像素点到摄像头的距离，qi为第i个平滑性调整因子，f′为摄像头的焦距，a为第一非线性调整因子，ki为第i个第二非线性调整因子，n为调整次数，pi为第i个指数调整因子。
19、本专利技术还提出一种河道水尺的遮挡物判定系统，包括：
20、获取类别模块，用于获取包含水尺的图像，将图像中的物体进行类别划分，其中，所述类别包括：水尺、遮挡物和河水；
21、识别模块，用于提取所述图像中的多个像素点，设置图像物体分类模型，计算每个所述像素点属于所述类别其中一类的概率，将所有像素点进行聚类，识别出所述遮挡物，将所述遮挡物进行删除操作；
22、深度估计模块，用于设置水深度估计模型，根据删除操作之后的图像，对河水的深度进行深度估计。
23、进一步的，所述图像物体分类模型包括：
24、
25、其中，p(ci|i(x，y))为图像上坐标为(x，y)像素点属于第i个类别的概率，ci为第i个类别，i(x，y)为图像上坐标为(x，y)像素点，m为类别的数量，fi(i(x，y))为图像上坐标为(x，y)像素点属于第i个类别的分数。
26、进一步的，所述图像上坐标为(x，y)像素点属于第i个类别的分数fi(i(x，y))包括：
27、fi(i(x，y))＝α·colorsimilarity(i(x，y)，referencecolori)+β
28、·texturesimilarity(i(x，y)，referencetexturei)+γ
29、·shapesimilarity(i(x，y)，referenceshapei)
30、其中，α为颜色相似度权重，β为纹理相似度权重，γ为形状相似度权重，colorsimilarity(i(x，y)，referencecolori)为图像上坐标为(x，y)像素点与第i个参考颜色的相似度，referencecolori为第i个参考颜色，texturesimilarity(i(x，y)，referencetexturei)为图像上坐标为(x，y)像素点与第i个参考纹理的相似度，referencetexturei为第i个参考纹理，shapesimilarity(i(x，y)，referenceshapei)为图像上坐标为(x，y)像素点与第i个参考形状的相似度，referenceshapei为第i个参考形状。
31、进一步的，包括：通过欧氏距离算法计算图像上坐标为(x，y)像素点与第i个参考颜色的相似度colorsimilarity(i(x，y)，referencecolori)；
32、通过灰度共生矩阵算法计算图像上坐标为(x，y)像素点与第i个参考纹理的相似度texturesimilarity(i(x，y)，referencetexturei)；
33、通过轮廓相似性算法计算图像上坐标为(x，y)像素点与第i个参考形状的相似度shapesimilarity(i(x，y)，referenceshapei)。
34、进一步的，所述水深度估计模型包括：
35、
36、其中，d(x′，y′)为在图像中水尺上位置为(x′，y′)的像素点时水的深度估计，z(x′，y′)为在图像中水尺上位置为(x′，y′)的像素点到摄像头的距离，qi为第i个平滑性本文档来自技高网...
【技术保护点】
1.一种河道水尺的遮挡物判定方法，其特征在于，包括：
2.如权利要求1所述的一种河道水尺的遮挡物判定方法，其特征在于，所述图像物体分类模型包括：
3.如权利要求2所述的一种河道水尺的遮挡物判定方法，其特征在于，所述图像上坐标为(x，y)像素点属于第i个类别的分数fi(I(x，y))包括：
4.如权利要求3所述的一种河道水尺的遮挡物判定方法，其特征在于，包括：通过欧氏距离算法计算图像上坐标为(x，y)像素点与第i个参考颜色的相似度ColorSimilarity(I(x，y)，ReferenceColori)；
5.如权利要求1所述的一种河道水尺的遮挡物判定方法，其特征在于，所述水深度估计模型包括：
6.一种河道水尺的遮挡物判定系统，其特征在于，包括：
7.如权利要求6所述的一种河道水尺的遮挡物判定系统，其特征在于，所述图像物体分类模型包括：
8.如权利要求7所述的一种河道水尺的遮挡物判定系统，其特征在于，所述图像上坐标为(x，y)像素点属于第i个类别的分数fi(I(x，y))包括：
9.
10.如权利要求6所述的一种河道水尺的遮挡物判定系统，其特征在于，所述水深度估计模型包括：
...【技术特征摘要】
1.一种河道水尺的遮挡物判定方法，其特征在于，包括：
2.如权利要求1所述的一种河道水尺的遮挡物判定方法，其特征在于，所述图像物体分类模型包括：
3.如权利要求2所述的一种河道水尺的遮挡物判定方法，其特征在于，所述图像上坐标为(x，y)像素点属于第i个类别的分数fi(i(x，y))包括：
4.如权利要求3所述的一种河道水尺的遮挡物判定方法，其特征在于，包括：通过欧氏距离算法计算图像上坐标为(x，y)像素点与第i个参考颜色的相似度colorsimilarity(i(x，y)，referencecolori)；
5.如权利要求1所述的一种河道水尺的遮挡物判定方法，其特征在于，所述水深度估计模型包括：
...【专利技术属性】
技术研发人员：孟鑫，毛玺玺，郑维四，桑潇，崔冬蕾，曹栋梁，徐云航，吴健翔，李英智，林博文，史明，刘浩波，
申请(专利权)人：长江三峡通航管理局，
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。