CN102169582B - 基于模式识别的蓝藻识别方法 - Google Patents
基于模式识别的蓝藻识别方法 Download PDFInfo
- Publication number
- CN102169582B CN102169582B CN 201110102180 CN201110102180A CN102169582B CN 102169582 B CN102169582 B CN 102169582B CN 201110102180 CN201110102180 CN 201110102180 CN 201110102180 A CN201110102180 A CN 201110102180A CN 102169582 B CN102169582 B CN 102169582B
- Authority
- CN
- China
- Prior art keywords
- blue
- green algae
- image
- identification
- algae
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明提供一种基于模式识别的蓝藻识别方法,将模糊数学与模式识别相结合对水面影像进行实时处理分析,从而分析出蓝藻爆发的相关概率。针对***环境的变化影响,通过归一化处理图像中的相关参数信息,获得高精度的图像识别能力。同时通过模糊识别分析后能把一个模糊的概念具体数字化的展现出来。本发明可以克服现有方式分析周期性长,人工干预导致成本过高的不足。
Description
技术领域
本发明涉及利用模式识别技术进行自动模拟的技术领域,尤其涉及在水环境检测中,利用模式识别技术对水面影像进行实时处理分析,从而分析出蓝藻爆发概率的方法。
背景技术
随着经济的飞速发展,人类对水资源的污染也日益严重。近年来由于一些内陆湖泊中水的富营养化,每年夏季高温天气蓝藻就会出现大暴发,俗称水华。水华时,湖面上飘浮着一层绿色的、如油漆状的蓝藻,自水面向水体呈立体分布。蓝藻暴发会导致水资源严重污染,发出阵阵恶臭,同时会导致水中的鱼类大量死亡。但是蓝藻水华是可以预防的,在蓝藻爆发前,采取一定的工程措施可以避免蓝藻水华的发生或者减轻其危害,蓝藻识别技术对于蓝藻水华的预警以及后续打捞工作的调度安排具有重要的意义。
长期以来,传统的蓝藻识别都是通过对水质的采样分析来判断蓝藻的发生状况。采用这种方式周期性比较长,另外蓝藻爆发地点都是分散的,通过人工干预的话成本比较大,对分析员技术经验要求高、工作量大、而且不能实时的反应出水质的变化,加大了蓝藻水华预警的难度。
发明内容
针对上述问题,申请人进行了改进研究,提供一种基于模式识别的蓝藻识别方法,该方法通过模糊识别技术基于计算机网络以及视频监控方式来实时的监测蓝藻,可以克服现有方式分析周期性长,人工干预导致成本过高的不足。
本发明的技术方案如下:
一种基于模式识别的蓝藻识别方法,包括如下步骤:
(1)计算机取得触发与控制信号,由外部触发与控制信号启动水面球型摄像机实时拍摄水面蓝藻的视频图像,并将拍摄的图像传输至计算机供检测;
(2)计算机通过图像算法处理,对图像进行预处理,提高图像精度,使图像更符合蓝藻的真实情况;
(3)提取经过预处理的蓝藻图片的特征参数,所述特征参数包括纹理、饱和度、颜色以及模糊度;
(4)模式匹配,将根据所述特征参数获得的字符特征跟蓝藻特征模板中的字符特征做对比;
(5)得出蓝藻识别结果,确定蓝藻爆发指数。
对于所述第(2)步,将经过预处理的图像实时存入蓝藻图像库,同时根据蓝藻图像库实时更新蓝藻特征模板。
对于所述第(4)步,特征参数以不同的字符特征来表示分别是斜线(k)、水平线(n)、曲线(m)、波浪线(a),模式匹配算法具体如下:
算法的表达式为:
k变换:
x(k)=z(k)+z(k+1),k=0,1,…+∞
z(k)=㏑ k*(k-1)+cos[(π/k)+(π*k)],k=0,1,…+∞
n变换:
x(n)=z(n*π)+z(n-1),n=0,1,...+∞,
z(n)=㏑ n*(n-1)+cos[(π/n)+(π*n)],n=0,1,...+∞
m变换:
x(m)=z(m*2π)+z(m),m=0,1,...+∞,
z(m)=㏑ m*(m+1)+sin[(π/m)+1/2m],m=0,1,...+∞
a变换:
x(a)=z(a)+sin[a+π/a],a=0,1,...+∞,
z(a)=㏑ a*(a+1)+sin[(π/a)+1/2a],a=0,1,...+∞
蓝藻对比式为:
爆发指数=x(k)/x(k+1)*x(n)/x(n+1)*x(m)/x(m+1)*x(a)/x(a+1)。
本发明的有益技术效果是:
本发明将模糊数学与模式识别相结合对水面影像进行实时处理分析,从而分析出蓝藻爆发的相关概率。针对***环境的变化影响,通过归一化处理图像中的相关参数信息,获得高精度的图像识别能力。同时通过模糊识别分析,把模糊的概念具体数字化的展现出来。分析周期短,成本低,结果可信度高。
附图说明
图1是本发明的算法流程框图。
具体实施方式
下面结合附图对本发明的具体实施方式做进一步说明。
如图1所示,计算机中的蓝藻图像库里存放大量的蓝藻特征图片,根据不同的时间段实时的更新蓝藻的图像库。蓝藻特征模板集合了蓝藻图片的纹理、饱和度、颜色、模糊度等特征,这些特征以不同的字符特征来表示分别是斜线(k)、水平线(n)、曲线(m)、波浪线(a)。
当需要检测蓝藻爆发指数时,计算机取得触发与控制信号,启动水面球型摄像机实时拍摄水面蓝藻的视频图像,将拍摄的图像传输至计算机供检测。这些图像同样用来实时的更新蓝藻的图像库。
计算机通过对图像的预处理采用归一化处理方式来获得图像的高精度的识别能力,提高图像清晰度,使图像更符合蓝藻的真实情况。提取目标特征参数,根据获得的字符特征来跟蓝藻特征模板中的字符特征做对比(模式匹配),通过和之前蓝藻图像的特征相互模式匹配得出蓝藻的一个识别结果。
模式匹配算法如下:
算法的表达式为:
k变换
x(k)=z(k)+z(k+1),k=0,1,…+∞
z(k)=㏑ k*(k-1)+cos[(π/k)+(π*k)],k=0,1,…+∞
n变换
x(n)=z(n*π)+z(n-1),n=0,1,...+∞,
z(n)=㏑ n*(n-1)+cos[(π/n)+(π*n)],n=0,1,...+∞
m变换
x(m)=z(m*2π)+z(m),m=0,1,...+∞,
z(m)=㏑ m*(m+1)+sin[(π/m)+1/2m],m=0,1,...+∞
a变换
x(a)=z(a)+sin[a+π/a],a=0,1,...+∞,
z(a)=㏑ a*(a+1)+sin[(π/a)+1/2a],a=0,1,...+∞
蓝藻对比式
蓝藻爆发指数为:x(k)/x(k+1)*x(n)/x(n+1)*x(m)/x(m+1)*x(a)/x(a+1)
下面以一个实际的例子来说明上述算法:
当通过球机拍取的视频图片经过计算机主控板的预处理分析得出了该图片的字符特征数值然后与原始图片的字符特征在算法中进行对比,例如K、n、m、a的数值都为10,得出:
x(k)/x(k+1)=0.96;
x(n)/x(n+1)=1.06;
x(m)/x(m+1)=0.85;
x(a)/x(a+1)=0.7;
综合得出蓝藻爆发指数为0.96*1.06*0.85*0.7=61%。
上述实施例中,在软硬件上要进行如下准备:一是集成模式识别算法:通过轻量级的图像信号采集、模糊识别算法集成到嵌入式的开发板中,通过主控板来控制算法的处理以及数字化的上报功能。二是建立蓝藻监测平台:通过蓝藻监测平台将主控板、监控设备球形摄像机、网络设备集合到一起,主控板通过模糊识别的算法将监控设备拍取的图片自主的分析。图片分析可以从水的纹理、颜色、颗粒度等来把这些模糊的信息数字化的上报给终端。三是通过3G无线网络(EVDO)传输将主控板的蓝藻采集数据实时的上报给远程的计算机终端。在各个蓝藻爆发地或者沿湖周边均匀的布设监控点。每个监控点上报的数据代表着各个点的蓝藻发生情况,这样成功的节约了人工干预的成本,又能实时的上报蓝藻数据。
以上所述的仅是本发明的优选实施方式,本发明不限于以上实施例。可以理解,本领域技术人员在不脱离本发明的精神和构思的前提下直接导出或联想到的其他改进和变化,均应认为包含在本发明的保护范围之内。
Claims (2)
1.一种基于模式识别的蓝藻识别方法,其特征在于包括如下步骤:
(1)在计算机内设置蓝藻图像库,所述蓝藻图像库内存放有蓝藻特征图像,蓝藻特征模板集合了所述蓝藻特征图像特征参数,所述特征参数包括纹理、饱和度、颜色以及模糊度,这些特征参数以不同的字符特征来表示;
(2)计算机取得触发与控制信号,由外部触发与控制信号启动水面球型摄像机实时拍摄水面蓝藻的视频图像,并将拍摄的图像传输至计算机供检测;
(3)计算机通过图像算法处理,对图像进行预处理,提高图像精度,使图像更符合蓝藻的真实情况;
(4)提取经过预处理的蓝藻图像的目标特征参数,所述目标特征参数包括纹理、饱和度、颜色以及模糊度;
(5)模式匹配,将根据所述目标特征参数获得的字符特征跟蓝藻特征模板中的字符特征做对比;
(6)得出蓝藻识别结果,确定蓝藻爆发指数;
对于所述第(1)、(5)步,特征参数和目标特征参数以不同的字符特征来表示分别是斜线k、水平线n、曲线m、波浪线a;
对于所述第(6)步,算法的表达式为:
k变换:
x(k)=z(k)+z(k+1),k=1,2,…+∞
z(k)=㏑ k*(k-1)+cos[(π/k)+(π*k)],k=1,2,…+∞
n变换:
x(n)=z(n*π)+z(n-1),n=2,3,...+∞,
z(n)=㏑ n*(n-1)+cos[(π/n)+(π*n)],n=2,3,...+∞
m变换:
x(m)=z(m*2π)+z(m),m=1,2,...+∞,
z(m)=㏑ m*(m+1)+sin[(π/m)+(1/2)m],m=1,2,...+∞
a变换:
x(a)=z(a)+sin[a+π/a],a=1,2,...+∞,
z(a)=㏑ a*(a+1)+sin[(π/a)+(1/2)a],a=1,2,…+∞
蓝藻对比式为:
爆发指数=[x(k)/x(k+1)]*[x(n)/x(n+1)]*[x(m)/x(m+1)]*[x(a)/x(a+1)]。
2.根据权利要求1所述基于模式识别的蓝藻识别方法,其特征在于:对于所述第(3)步,将经过预处理的图像实时存入蓝藻图像库,同时根据蓝藻图像库实时更新蓝藻特征模板。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110102180 CN102169582B (zh) | 2011-04-22 | 2011-04-22 | 基于模式识别的蓝藻识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110102180 CN102169582B (zh) | 2011-04-22 | 2011-04-22 | 基于模式识别的蓝藻识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102169582A CN102169582A (zh) | 2011-08-31 |
CN102169582B true CN102169582B (zh) | 2013-06-12 |
Family
ID=44490734
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201110102180 Active CN102169582B (zh) | 2011-04-22 | 2011-04-22 | 基于模式识别的蓝藻识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102169582B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117092100B (zh) * | 2023-08-22 | 2024-03-22 | 华南理工大学 | 一种基于图像处理的水环境间歇抽样检测方法及相关装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1556497A (zh) * | 2003-12-31 | 2004-12-22 | 厦门大学 | 赤潮生物图像自动识别装置与识别方法 |
CN1806501A (zh) * | 2005-01-17 | 2006-07-26 | 厦门市汇阳科技有限公司 | 海洋浮游植物自动识别方法及装置 |
-
2011
- 2011-04-22 CN CN 201110102180 patent/CN102169582B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1556497A (zh) * | 2003-12-31 | 2004-12-22 | 厦门大学 | 赤潮生物图像自动识别装置与识别方法 |
CN1806501A (zh) * | 2005-01-17 | 2006-07-26 | 厦门市汇阳科技有限公司 | 海洋浮游植物自动识别方法及装置 |
Non-Patent Citations (3)
Title |
---|
梁柱等.湖泊蓝藻水华预警监测技术的应用研究.《污染防治技术》.2009,第22卷(第6期),97-99. * |
石为人等.基于图像处理的三峡库区水域水华检测算法及预警研究.《仪器仪表学报》.2010,第31卷(第12期),2641-2647. * |
陈松灿等.图像的模糊识别方法研究与实现.《电子学报》.2000,第28卷(第11期),50-54. * |
Also Published As
Publication number | Publication date |
---|---|
CN102169582A (zh) | 2011-08-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xu et al. | A systematic review and analysis of deep learning-based underwater object detection | |
WO2017020528A1 (zh) | 车道线的识别建模方法、装置、存储介质和设备及识别方法、装置、存储介质和设备 | |
CN102708369B (zh) | 一种基于卫星图像的海冰参数提取方法 | |
CN107590456B (zh) | 一种高空视频监控中小微目标的检测方法 | |
WO2020007363A1 (zh) | 识别目标数量的方法、装置及计算机可读存储介质 | |
CN108074224B (zh) | 一种陆生哺乳动物与鸟类的监测方法及其监测装置 | |
CN111325217B (zh) | 数据处理方法、装置、***和介质 | |
CN114926726B (zh) | 基于多任务网络的无人船感知方法及相关设备 | |
CN106097320B (zh) | 水下海参图像自动分割方法及装置 | |
CN114972107A (zh) | 基于多尺度堆叠式注意力网络的低照度图像增强方法 | |
CN111192313A (zh) | 机器人构建地图的方法、机器人及存储介质 | |
CN108986142A (zh) | 基于置信图峰值旁瓣比优化的遮挡目标跟踪方法 | |
CN104007733A (zh) | 一种对农业集约化生产进行监控的***及方法 | |
CN111354016A (zh) | 基于深度学习和差异值哈希的无人机舰船跟踪方法及*** | |
CN102169582B (zh) | 基于模式识别的蓝藻识别方法 | |
CN109740109A (zh) | 一种基于酉变换的PolSAR图像广义目标分解方法 | |
Song et al. | Benchmarking wild bird detection in complex forest scenes | |
Feng et al. | Fish abundance estimation from multi-beam sonar by improved MCNN | |
CN109858341B (zh) | 一种基于嵌入式***的快速多人脸检测和跟踪方法 | |
Zhou et al. | YOLO-based marine organism detection using two-terminal attention mechanism and difficult-sample resampling | |
CN111223125A (zh) | 一种基于Python环境下的目标运动视频跟踪方法 | |
CN109031298A (zh) | 一种认知雷达资源自适应成像的闭环反馈判定方法 | |
Szwoch | Performance evaluation of the parallel object tracking algorithm employing the particle filter | |
Han et al. | Wheat heads detection via Yolov5 with weighted coordinate attention | |
US20210297336A1 (en) | System and method for determining one or more actions according to input sensor data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20170629 Address after: 3 building A, building 501, Nanhu Avenue, Nanchang District, Jiangsu, Wuxi, 214024 Patentee after: Zhongke hi tech Development Co Ltd Address before: South Lake Avenue in Jiangsu province 214024 Southern District of Wuxi City No. 501 Powerise Park building A Patentee before: Zhongke Ehigher Hi-tech Development Jiangsu Co., Ltd. |