河流水位的水文数据.docxVIP

河流水位的水文数据 1 基于图像处理的水位监测系统设计 中国是一个经常发生洪水灾害的国家。水资源监测一直是国家水保护部门面临的重点。这确保了确保的水资源监测和安全系统对整个经济世界具有重要意义。本文提出了一个基于图像处理的水位自动测量方法，研究了水位线图像的形状校正及水位线的检测和精确定位算法。依照该算法设计的一套完整水情监控系统，已顺利实现了水位的实时测量与统计。在实际运行中，稳定可靠，检测到的水位高度误差在2.0 cm以内，性能不受温度和光照的影响。 2 水位高度统计 基于图像的水位线自动检测的原理是由摄像机拍摄水泥柱（水位标杆）的图像，为了便于水利工作者观察，在水泥柱上事先做好了水位标尺，如图1和图2所示。它们分别是在白天和夜晚采集的两幅图像，夜晚由人工光源进行照明。由于水泥柱是个圆柱，受摄像机架设角度的影响，图像中的水位线是一条弧状曲线，而在曲线的不同部分读出的水位高度数据各不相同。如果不进行形状校正，把水位线转变成一条与标尺垂直的直线，无疑会大大影响水位线定位的准确性。 形状校正的方法很多，如文献提出的利用一次多项式非均匀分片逼近方法对光学图像进行校正的算法，文献提出的一种针对显示器投影成像系统图像的校正算法，文献提出的基于射击运动自动判靶图像的校正算法等，它们根据投影的角度等参数对所拍图像进行校正。可见，几何校正并没有一种通用的方法，都是对某一具体待校正对象而言的。在本应用中，当摄像机架设完毕后，就被牢牢的固定住，因此所拍摄的图像中，真实水位线（弧线）的弯曲程度是固定不变的，这样，弧上每个像素对应于校正后的目标直线都有一固定的偏移量，通过这个偏移量就可以得到校正后位置点离原坐标点的水平方向位移（这里的方向是对图像而言的）。这样，校正算法相当简单，即只需要创建一张查找表，对图像中含标尺区域的每一行中的所有像素按该行对应的偏移量移位即可。图3和图4是校正后的图像，可以清楚地看出水位线已经变成了一条近似垂直的直线。 3 边缘提取和图像轮廓线的处理 在水位图像中，由于水面是同一种介质，具有几乎一样的灰度值，且水面区域的纹理不强。在水位线附近，存在两种介质的变化，且水泥柱对光线的反射方向与水面对光线的反射方向相差很大，因此在水位线附近，肯定存在很强的边缘信息，且为垂直边缘（对文中的图像而言）。再者，由于光照的变化，水泥柱上不同位置的像素，尽管属于同一种介质，它们的灰度值也可能相差很大，尤其是在夜晚水泥柱被人工光源照明后。因而，本文中对水位线的检测，没有采用图像分割的方法进行，而是采用了边缘检测的方法。从图4可以看出，晚上由于增加了光源使拍摄的图像呈现明显的光照不均，即离光源较近的部分显得较亮，而右侧离光源较远的部分则显得很暗，有时水泥柱几乎与水区域连在了一起，边缘检测通过寻找目标的局部特征，达到了很好的抗光照不均的效果。 边缘检测的方法很多，如Gradient、Roberts、Sobel和Prewitt算子，但它们都是一阶微分算子，使用这些算子，在得到最终的边缘点之前，需要确定一个门限，梯度值大于该门限的像素才是边缘点，然而该门限是难以确定和精确的，尤其是当图像中灰度不均时，各处的边缘强度值并不相等。在水位图像中，所关注的信息应该是边缘的数量，而不是边缘的强度，因此，本算法选用了一个二阶微分算子，即沈俊算子，来寻找过零点，以完成边缘提取。相比二阶微分算子的其它算子，如Laplacian算子、沈俊算子实现简单，它只需要一个参数a0，且具有很好的抗噪能力，该算子通过在行和列上进行正反方向的递归滤波的方法来实现，即按先后顺序，使用下面4个公式对图像进行处理。 其中x=0,1…，width,y=0,1…，height,p1,p2,p3,p4分别是每步处理后的图像，a0是（0,1）区间内的一个值，a0越大，即越接近1，则定位精度越高，平滑能力越弱。经过上面4步处理后，p4(x,y）即为所求的结果。经过沈俊算子处理后的图像见图5，可见结果中保留了丰富的边缘信息，水位线处的边缘与水面上的边缘存在明显的差异。 由于采用的是二阶微分算子，尽管通过a0的选择，对图像进行了平滑，但图像本身的纹理信息就很丰富，所以得到的边缘图像中，除了水位线以外，很多其它的边缘也同时被检测了出来，比如水泥柱上的伤疤、水尺线、数字的轮廓、方块的轮廓等，这些边缘如不很好地消除，会影响到水位线的检测精度。 由于水位线在图像中表现为一条近似垂直的长直线。因此，所有的非直线、水平直线和与水平方向夹角小于一定角度的斜线，都不是水位线。算法通过判别它们的形状，并设定合适的经验参数来滤除它们。经过沈俊算子处理后，得到的边缘图像中，边缘都是闭合的轮廓线，这是二阶微分算子的特点决定的。因此，使用轮廓跟踪算法，可以直接得到所有的轮廓线，在轮廓线上分析线段的形状和走向具有很大的优势。