CN102169582B

CN102169582B - 基于模式识别的蓝藻识别方法

Info

Publication number: CN102169582B
Application number: CN 201110102180
Authority: CN
Inventors: 陆波
Original assignee: ZHONGKE EHIGHER HI-TECH DEVELOPMENT JIANGSU Co Ltd
Current assignee: Zhongke hi tech Development Co Ltd
Priority date: 2011-04-22
Filing date: 2011-04-22
Publication date: 2013-06-12
Anticipated expiration: 2031-04-22
Also published as: CN102169582A

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

基于模式识别的蓝藻识别方法

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

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。