System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【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。