【技术实现步骤摘要】
本专利技术涉及水位识别，尤其涉及一种基于多掩码匹配分割网络的虚拟水尺水位识别方法。
技术介绍
1、在水位监测与水文分析领域，准确的水位测量对于防洪预警、灌溉管理、水资源调度等具有重要意义。传统的语义分割算法在水体分割任务中存在一定的局限性。例如，开源的paddleseg语义分割模型虽然在常规场景下表现良好，但在复杂水体环境下，其分割结果的准确性和鲁棒性不高，难以满足高精度水位识别的要求。为此，研究者们提出了改进的segment anything model(sam)算法，通过引入高置信度图像点引导和多尺度特征融合等技术，提升了水体分割的准确性和鲁棒性。然而，在实际应用中，如何将改进算法有效结合，形成一套系统的水位识别优化方法，仍需进一步研究和探索。
技术实现思路
1、本专利技术的一个目的在于提出一种基于多掩码匹配分割网络的虚拟水尺水位识别方法，本专利技术克服了传统物理水尺和现有图像处理技术的不足，为水位监测提供了一种创新的解决方案。
2、根据本专利技术实施例的一种基于多掩码匹配分割网络的虚拟水尺水位识别方法，包括以下步骤：
3、s1、通过预置位摄像头获取目标水体区域的实时图像，并使用图像处理技术对所述实时图像进行预处理；
4、s2、对实时图像进行多点标定，构建虚拟水尺几何模型；
5、s3、采用paddleseg语义分割模型进行初步分割，提取置信度高的区域作为分割模型的候选区域；
6、s4、设计新的训练数据；
7
8、s6、通过canny边缘检测算法在分割结果中识别水体边界，并提取水线位置；
9、s7、利用虚拟水尺刻度与水线位置的交点位置计算实际的水位值，对于存在动态运动的水体，采用间隔时间采样滑动平均方法，平滑水位读数。
10、可选的，所述s1包括以下子步骤：
11、s11、在目标水体区域的特定位置安装预置位摄像头：通过对区域地形和监测需求进行详细分析，选择合适的安装位置，确保摄像画面能够覆盖目标水体的最低水位线和最高水位线；
12、s12、通过预置位摄像头获取目标水体区域的实时图像{it}：摄像头通过有线或无线网络将实时视频流传输至监测中心，在监测中心进行抽帧处理后，图像被存储于数据库中，其中，it表示在时间点t获取的图像；
13、s13、对获取的实时图像{it}进行预处理：
14、射影失真处理：检测虚拟水尺预置位图像中是否存在射影失真，判断是否需要进行矫正，对于存在较大射影失真的图像，选择多对射影参考点pi进行标定，计算3×3的射影变换矩阵h；
15、利用射影变换矩阵h对失真图像进行矫正，得到矫正后的图像it'；
16、去噪处理：采用高斯滤波算法对图像进行平滑处理，去除图像中的高频噪声；
17、灰度变换：对去噪后的实时图像进行灰度变换，将彩色图像转换为灰度图像；
18、边缘增强：对灰度变换后的图像进行边缘增强处理，使用sobel边缘检测算法对图像进行快速处理，得到边缘增强后的图像序列
19、可选的，所述s2包括以下子步骤：
20、所述s2包括以下子步骤：
21、s21、在实时图像{it}中标定虚拟水尺的位置和刻度信息，生成包含刻度信息的标定图像{it,gt}，使用图像处理算法自动识别实时图像中的虚拟水尺，标定其在图像中的几何位置和各刻度线的位置，将标定信息叠加在实时图像上生成标定图像，其中，gt表示实时图像it中虚拟水尺的几何位置和刻度信息；
22、s22、通过多点标定法选取图像中的多个参照点进行标定，建立虚拟水尺的空间坐标系与图像坐标系之间的映射关系，在图像中选择多个明显且稳定的参照点，记录每个参照点在图像中的像素坐标和实际空间坐标，通过多点标定法计算虚拟水尺的空间坐标系与图像坐标系之间的映射关系；
23、s23、通过计算每个参照点在不同时间点的图像坐标构建虚拟水尺的几何模型{pi}，其中，pi表示第i个参照点的空间坐标。
24、可选的，所述s3包括以下子步骤：
25、s31、将经过去噪、灰度变换和边缘增强处理后的图像序列输入至改进paddleseg语义分割模型中，改进paddleseg语义分割模型加入多尺度特征提取与上下文注意力融合，多尺度特征提取公式如下：
26、
27、其中，表示第k个尺度的特征图，和bk分别为卷积核权重和偏置项，(i,j)表示卷积核在空间上的偏移；
28、s32、通过上下文注意力机制对多尺度特征进行融合，生成分割概率图pt：
29、at(x,y)＝∑m,nsoftmax·vt(m,n)；
30、
31、其中，σ为sigmoid激活函数，vt(m,n)表示在时间点t时，像素点(m,n)的值特征映射，αk为第k个尺度特征的权重，pt(x,y)表示像素点(x,y)属于水体区域的概率；
32、s33、在生成的分割概率图pt基础上，通过基于图像特征的自适应阈值调整算法设定阈值θt：
33、
34、其中，μt为分割概率图pt的均值，λ为控制参数，n为图像中的像素总数，用于调整阈值的灵敏度；
35、对分割结果进行二值化处理，得到初步分割结果图像st：
36、
37、s34、对初步分割结果图像st进行后处理，采用基于连通域分析的形态学操作消除孤立像素和小面积噪声区域得到初步分割结果
38、s35、寻找多边形区域的最小外界矩形框，由于s34所得到的每个连通区域均代表一个独立的高置信度区域，高置信度区域是多边形的，对于连通区域k，假设边界框为
39、s36、通过在ground truth中添加噪声来模拟候选框的不准确输入，并将噪声框作为解码器的空间提示，在ground truth中添加噪声，模拟不准确的候选框输入，设定噪声框为噪声框将作为解码器的空间提示；
40、其中，∈k表示噪声，采用高斯噪声或其他噪声模型生成，在模型训练过程中使用噪声框作为输入，训练模型在给定噪声框的情况下重建原始框和掩码，设定模型输出的重建框为和重建掩码为
41、
42、在候选区域与groundtruth的匹配过程中，添加一定的缓冲δ。
43、可选的，所述s4包括以下子步骤：
44、s41、为每个候选区域提供多个不同粒度的groundtruth标注；
45、s42、从每个groundtruth标注中提取特征；
46、s43、对提取的特征进行本文档来自技高网...
【技术保护点】
1.一种基于多掩码匹配分割网络的虚拟水尺水位识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于多掩码匹配分割网络的虚拟水尺水位识别方法，其特征在于，所述S1包括以下子步骤：
3.根据权利要求1所述的一种基于多掩码匹配分割网络的虚拟水尺水位识别方法，其特征在于，所述S2包括以下子步骤：
4.根据权利要求1所述的一种基于多掩码匹配分割网络的虚拟水尺水位识别方法，其特征在于，所述S3包括以下子步骤：
5.根据权利要求1所述的一种基于多掩码匹配分割网络的虚拟水尺水位识别方法，其特征在于，所述S4包括以下子步骤：
6.根据权利要求1所述的一种基于多掩码匹配分割网络的虚拟水尺水位识别方法，其特征在于，所述S5包括以下子步骤：
7.根据权利要求1所述的一种基于多掩码匹配分割网络的虚拟水尺水位识别方法，其特征在于，所述S6包括以下子步骤：
8.根据权利要求1所述的一种基于多掩码匹配分割网络的虚拟水尺水位识别方法，其特征在于，所述S7包括以下子步骤：
【技术特征摘要】
1.一种基于多掩码匹配分割网络的虚拟水尺水位识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于多掩码匹配分割网络的虚拟水尺水位识别方法，其特征在于，所述s1包括以下子步骤：
3.根据权利要求1所述的一种基于多掩码匹配分割网络的虚拟水尺水位识别方法，其特征在于，所述s2包括以下子步骤：
4.根据权利要求1所述的一种基于多掩码匹配分割网络的虚拟水尺水位识别方法，其特征在于，所述s3包括以下子步骤：
5.根据...
【专利技术属性】
技术研发人员：夏小保，李公平，任建国，梅冬，孙靖，
申请(专利权)人：中电信数智科技有限公司，
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。