CN110533626B - 一种全天候水质识别方法 - Google Patents

Abstract

本发明公开了一种全天候水质识别方法，属于水质识别领域，包括以下步骤：1)利用录像设备获取视频数据，判断白天还是夜间，如果是白天，则转入昼间模式；如果是夜间，则转入夜间模式；2)将视频数据处理成单帧图像；3)对夜间模式下拍摄的单帧图像进行处理；4)将经步骤3)处理后的夜间模式下拍摄的单帧图像与昼间模式下拍摄的单帧图像进行识别处理，并输出识别结果。对获取的视频信息进行单帧图像处理，根据昼间及夜间模式对视频图像进行处理，并以此进行水质识别。该技术可以全天候工作，不仅可以在白天进行预警，而且在夜间也能及时提供水质信息，具有很强的实用价值。

Description

一种全天候水质识别方法

技术领域

本发明涉及水质识别领域，具体地说，涉及一种全天候水质识别方法。

背景技术

水环境的保护对经济社会的发展十分重要。传统的水质检测方式主要是在定点定剖面水域内设置采样点，采取水样分析成分，或设置水下镜头采集水体颜色和浑浊度进行分析，也有一些采用智能视觉的水质识别方法，但在夜间拍摄的图像往往比较黑，不能进行有效判断。

现在已经有很多检测水质的方法，如：公布号为CN104568797A的中国专利文献公开了一种污水色度的在线监测***，该***包括清水吸收池、试样水吸收池，光纤探头a、光纤探头b、CCD阵列检测器、数据采集与处理设备，清水吸收池通过光纤探头a连接CCD阵列检测器，试样水吸收池通过光纤探头b连接CCD阵列检测器，CCD阵列检测器连接数据采集与处理设备。公布号为CN108051442A的中国专利文献公开了一种基于智能终端的水质识别方法及水质识别***。水质识别方法包括如下步骤：采集包含图形标记的待测水资源的当前图像；根据当前图像的颜色，检测待测水资源的当前色度；根据图形标记的清晰度，提取待测水资源的当前浑浊度；计算当前图像中包含的当前悬浮物质含量；根据当前色度、当前浑浊度和当前悬浮物质含量，判断待测水资源的当前质量。水质识别***包含采集模块、检测模块、提取模块、计算模块和处理模块。采用该水质识别方法及水质识别***，能够帮助用户便于用户对当地的水资源的质量进行实时检测。公布号为CN109118548A的中国专利文献公开了一种综合智能水质识别方法，该方法采用智能图像识别技术对水质图像进行分析，进而达到识别水质的目的。

以上技术往往需要特定的装置，使使用范围受到限制。如：当一些偏僻地域水质出现异常的时候，往往不能及时发现及阻止；化学检测方法中也存在化学试剂浓度不稳定，容易造成二次污染等弊端；而智能图像技术的监测摄录技术往往需要在白天光线比较亮的时候进行摄录，这些都限制了技术的应用。

发明内容

本发明的目的为提供一种全天候水质识别方法，采用常规的摄像头，并且带普通的闪光灯，只需与水域周围已有的摄像头进行数据连接，并判断选择昼间或是夜间模式，然后获取摄像头中的视频图像即可对该水域进行全天候实时水质识别，且可用于偏僻地区水质监测。

为了实现上述目的，本发明提供的全天候水质识别方法包括以下步骤：

1)利用录像设备获取视频数据，判断白天还是夜间，如果是白天，则转入昼间模式；如果是夜间，则转入夜间模式；

2)将视频数据处理成单帧图像；

3)对夜间模式下拍摄的单帧图像进行处理，得到增强后的夜间图像；

4)将经步骤3)处理后的夜间模式下拍摄的单帧图像与昼间模式下拍摄的单帧图像进行识别处理，并输出识别结果。

上述技术方案中，利用高清摄像机从一定的角度、一定的距离对监测区域的水面进行录制，需要说明的是，该摄像机需带闪光灯，且角度、距离等参数需要固定，不能随意改变。然后对获取的视频信息进行单帧图像处理，根据昼间及夜间模式对视频图像进行处理，并以此进行水质识别。该技术可以全天候工作，不仅可以在白天进行预警，而且在夜间也能及时提供水质信息，具有很强的实用价值。

作为优选，步骤1)中，判断白天还是夜间的步骤为：

1-1)颜色空间转化，将视频图像转化为HSV颜色空间，并单独提取出亮度V分量进行图像增强处理；

1-2)将经图像增强处理后的V分量的亮度均值作为判断标准。

选择HSV颜色空间下的V亮度均值作为判断标准；作为优选，设置阈值为0.1，即HSV颜色空间下的V亮度均值低于0.1时，判断当前图像为夜间图像，进行夜间模式处理；否则判断为白天图像，转入昼间模式进行图像处理。

作为优选，步骤3)包括：

3-1)图像预处理，采用百分比分割，将光斑、脉冲噪声和椒盐噪声区域去除；

3-2)颜色空间转化，将图像的颜色空间转化为HSV颜色空间，并单独提取出亮度V分量进行图像增强处理；

3-3)对经图像增强处理后的V分量进行小波变换，将低频和高频分割开来，在低频段进行非线性变换，在高频段利用高斯滤波对高频系数滤波去除图像噪声；

3-4)将重构后的V分量与H分量和S分量重新合成，得到增强后的夜间图像。

作为优选，步骤3-3)中，在低频段进行非线性变换的方法如下：

绘制V分量的亮度直方图，采用带自调整参数的对数映射方程对直方图的参数进行自适应调节，对数映射方程如下：

V_o＝a+b×ln(V_i+1)

其中，V_i表示输入的亮度分量，V_o表示输出的亮度分量，a和b表示两个可调节参数，a表示截距，可平移调节灰度级，b表示对比度增长速度，可调节增长的快慢。

作为优选，直方图参数自适应调节过程如下：

(1)设定初始参数，初始参数为a₀＝0.1，b₀＝2；

(2)V分量根据初始参数进行非线性变换；

(3)获取百分比分割函数处理变换后的亮度直方图，得到直方图上下限灰度值；

对于灰度直方图呈现出正态分布的图像来说，有时需要得到直方图中主体部分的图像，而将两侧占比较少的区域去除，按照百分比的方式进行切割，称之为百分比分割处理。该分割方法主要用于灰度图处理过程，当对灰度图进行平移拉伸等处理时，可以用百分比分割方法得到直方图主体部分，而忽视小占比区域的影响。百分比分割可以将G₁和G₂区域删除，只保留下主体区域G区域。该操作的主要目的是找到合适的灰度级上下限。(4)将直方图上下限灰度值经过自适应调整转换到标准区间；由于现场图像情况各异，为了能够将不同光照条件下的图像进行统一的对比，需要设定一个统一的标准亮度区间，处理时将所有夜间图像变换到此标准亮度区间，让图像在同一亮度下进行后续的色差计算和颜色特征提取，可以大幅降低误差。

比例反馈调节参数的公式为：a＝a-da*d1；b＝b-db*d2；

计算与标准区间差值的公式为：da＝gvl-0.5；db＝gvh-0.9；

a和b是两个待调整参数，gvl是百分比分割后得到的主体亮度区间下限，gch是相应的上限，da是下限与标准下限的差值，db是上限与标准上限的差值。d1是a参数的反馈调节中的比例系数，d2是b参数的反馈调节中的比例系数。

作为优选，步骤4)包括：

4-1)图像滤波，采用中值滤波方法；

4-2)图像分割，采用全局阈值分割。

4-3)色差计算，将图像的颜色空间转换为Lab颜色空间后进行色差计算；

4-4)颜色特征提取，采用色差均值作为颜色特征；

4-5)水质识别，当监测值超过预设的预警值时，***判断水质为污水，公式如下：

式中，Y为监测值，eave为水面区域的色差均值，imave为标准图像与原点图像的色差均值，将原点图像定义为Lab颜色空间内，a分量和b分量均为-110的图像。

与现有技术相比，本发明的有益效果为：

(1)本发明利用智能视觉的特点，对黑夜里肉眼难以识别的水质图像进行智能处理分析，并进行识别，有很强的实用性。

(2)本发明能够长时间在线、动态监测，减少了大量人工工作量，对解决当今水质监测的事后性问题及监理更有效更低成本的水质安全预警***具有重要意义。

附图说明

图1为本发明实施例中全天候水质识别方法的流程图；

图2为本发明实施例中昼间模式图像处理与识别流程图；

图3为本发明实施例中夜间模式图像处理与识别流程图；

图4为本发明实施例的夜间原始图像；

图5为本发明实施例的夜间图像V分量直方图；

图6为本发明实施例的直方图参数自适应调节示意图；

图7为本发明实施例的进行百分比分割的直方图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，以下结合实施例及其附图对本发明作进一步说明。

实施例

参见图1至图7，本实施例的全天候水质识别方法包括以下步骤：

S1获取视频图像。

S2判断白天还是夜间。具体步骤为：

(1)进行颜色空间转化；本例转化为HSV颜色空间，并单独提取出亮度V分量进行图像增强处理。

(2)选择HSV颜色空间下的V亮度均值作为判断标准；本例设置阈值为0.1，即HSV颜色空间下的V亮度均值低于0.1时，判断当前图像为夜间图像，进行夜间模式处理；否则判断为白天图像，转入昼间模式进行图像处理。

S3昼间模式拍摄及图像处理识别如图2所示，具体步骤为：

S301图像滤波；本例采用中值滤波方法。

S302图像分割；本例采用全局阈值分割。

S303色差计算；转换为Lab颜色空间后进行色差计算。

S304颜色特征提取；本例采用色差均值作为颜色特征。

S305水质识别；当监测值超过预警值时，***判断水质为污水，具体公式如下：

式中，Y为监测值，eave为水面区域的色差均值，imave为标准图像与原点图像的色差均值。本例将原点图像定义为Lab颜色空间内，a分量和b分量均为-110的图像。

S4夜间模式拍摄及图像处理识别如图3所示，具体步骤为：

S401图像预处理；本例采用百分比分割，将光斑、部分的脉冲噪声和椒盐噪声等区域去除。

S402颜色空间转化；本例转化为HSV颜色空间，并单独提取出亮度V分量进行图像增强处理。

S403对V分量进行小波变换；本例利用小波变换将低频和高频分割开来，在低频段进行非线性变换防止放大噪声，在高频段利用高斯滤波对高频系数滤波去除图像噪声。其中低频段非线性变换说明如下：

夜间图像V分量直方图如图5所示，图形过分集中在低灰度段区域，不利于后续的分析处理，本例使用非线性变换将灰度图像通过映射曲线变换为高亮度、高对比度图像。本例采用带自调整参数的对数映射方程，如下式所示：

V_o＝a+b×ln(V_i+1)

其中，V_i表示输入的亮度分量，V_o表示输出的亮度分量，a和b表示两个可调节参数。其中，a表示截距，可平移调节灰度级；b则表示对比度增长速度，可以调节增长的快慢；式中的1是为了防止括号内出现0的情况。直方图参数自适应调节过程如图6所示，其实现步骤说明如下：

(1)设定初始参数；本本例初始参数为a₀＝0.1，b₀＝2。

(2)根据参数进行非线性变换；

(3)获取百分比分割函数处理变换后的亮度直方图，得到直方图上下限灰度值；

(4)将直方图上下限灰度值经过自适应调整转换到标准区间；由于现场图像情况各异，为了能够将不同光照条件下的图像进行统一的对比，需要设定一个统一的标准亮度区间，处理时将所有夜间图像变换到此标准亮度区间，让图像在同一亮度下进行后续的色差计算和颜色特征提取，可以大幅降低误差。直方图参数自适应调节过程如图6所示，具体步骤如下：

对于灰度直方图呈现出正态分布的图像来说，有时需要得到直方图中主体部分的图像，而将两侧占比较少的区域去除，按照百分比的方式进行切割，称之为百分比分割处理。该分割方法主要用于灰度图处理过程，当对灰度图进行平移拉伸等处理时，可以用百分比分割方法得到直方图主体部分，而忽视小占比区域的影响。餐间土7，百分比分割可以将G₁和G₂区域删除，只保留下主体区域G区域。该操作的主要目的是找到合适的灰度级上下限。

S404设定a和b两个参数的初始值。

S405进行非线性变换，公式为：V_o＝a+b×ln(V_i+1)。

S406进行百分比分割，获得直方图的上下限值。

S407判断上下限值是否在标准区间。

S408计算与标准区间差值，公式为：da＝gvl-0.5；db＝gvh-0.9。

S409计算比例反馈调节参数，公式为：a＝a-da*d1；b＝b-db*d2

a和b是两个待调整参数，gvl是百分比分割后得到的主体亮度区间下限，gvh是相应的上限，da是下限与标准下限(本例是0.5)的差值，db是上限与标准上限(本例是0.9)的差值。d1是a参数的反馈调节中的比例系数，本例是0.5，d2是b参数的反馈调节中的比例系数，本例是5。

自调节的过程是：先进行a的比例反馈调节，直到变换后的下限满足条件，然后进行b的比例反馈调节直到变换后的上限满足条件。

S410得到调整后的a和b参数值。

S411将重构后的V分量与H分量和S分量重新合成，得到增强后的夜间图像；夜间图像经过小波变换和自适应非线性变换后，成为在同一亮度标准下的高对比度、高亮度图像。

S412按照昼间模式对图像进行进一步的处理，执行从S301到S305的过程。

S5将识别结果输出并显示。

Claims (4)

1.一种全天候水质识别方法，其特征在于，包括以下步骤：

1)利用录像设备获取视频数据，判断白天还是夜间，如果是白天，则转入昼间模式；如果是夜间，则转入夜间模式；

2)将视频数据处理成单帧图像；

3)对夜间模式下拍摄的单帧图像进行处理，得到增强后的夜间图像；

4)将经步骤3)处理后的夜间模式下拍摄的单帧图像与昼间模式下拍摄的单帧图像进行识别处理，并输出识别结果；

步骤3)包括：

3-1)图像预处理，采用百分比分割，将光斑、脉冲噪声和椒盐噪声区域去除；

3-2)颜色空间转化，将图像的颜色空间转化为HSV颜色空间，并单独提取出亮度V分量进行图像增强处理；

3-3)对经图像增强处理后的V分量进行小波变换，将低频和高频分割开来，在低频段进行非线性变换，在高频段利用高斯滤波对高频系数滤波去除图像噪声；

3-4)将重构后的V分量与H分量和S分量重新合成，得到增强后的夜间图像；

步骤3-3)中，在低频段进行非线性变换的方法如下：

绘制V分量的亮度直方图，采用带自调整参数的对数映射方程对直方图的参数进行自适应调节，对数映射方程如下：

V_o＝a+b×ln(V_i+1)

其中，V_i表示输入的亮度分量，V_o表示输出的亮度分量，a和b表示两个可调节参数，a表示截距，可平移调节灰度级，b表示对比度增长速度，可调节增长的快慢；

直方图参数自适应调节过程如下：

(1)设定初始参数，初始参数为a₀＝0.1，b₀＝2；

(2)V分量根据初始参数进行非线性变换；

(3)获取百分比分割函数处理变换后的亮度直方图，得到直方图上下限灰度值；

(4)将直方图上下限灰度值经过自适应调整转换到标准区间；

比例反馈调节参数的公式为：a＝a-da*d1；b＝b-db*d2；

计算与标准区间差值的公式为：da＝gv1-0.5；db＝gvh-0.9；

a和b是两个待调整参数，gvl是百分比分割后得到的主体亮度区间下限，gv h是相应的上限，da是下限与标准下限的差值，db是上限与标准上限的差值；d1是a参数的反馈调节中的比例系数，d2是b参数的反馈调节中的比例系数。

2.根据权利要求1所述的全天候水质识别方法，其特征在于，步骤1)中，判断白天还是夜间的步骤为：

1-1)颜色空间转化，将视频图像转化为HSV颜色空间，并单独提取出亮度V分量进行图像增强处理；

1-2)将经图像增强处理后的V分量的亮度均值作为判断标准。

3.根据权利要求2所述的全天候水质识别方法，其特征在于，步骤1-2)中，设置V分量的亮度均值的判断阈值为0.1，HSV颜色空间下的V亮度均值低于0.1时，判断为夜间；否则判断为白天。

4.根据权利要求1所述的全天候水质识别方法，其特征在于，步骤4)包括：

4-1)图像滤波，采用中值滤波方法；

4-2)图像分割，采用全局阈值分割；

4-3)色差计算，将图像的颜色空间转换为Lab颜色空间后进行色差计算；

4-4)颜色特征提取，采用色差均值作为颜色特征；

4-5)水质识别，当监测值超过预设的预警值时，***判断水质为污水，公式如下：

式中，Y为监测值，eave为水面区域的色差均值，imave为标准图像与原点图像的色差均值，将原点图像定义为Lab颜色空间内，a分量和b分量均为-110的图像。

Images