[发明专利]一种基于机器视觉的涌潮监测方法

权利要求书

1.一种基于机器视觉的涌潮监测方法，其特征在于，包括如下步骤：

S1：利用监控设备采集水面视频序列图像；

S2：对采集到的水面视频序列图像进行背景消除处理得到前景图；

S3：对前景图进行前景波纹噪声抑制处理；

S4：对步骤S3中经过前景波纹噪声抑制处理后的前景图进行潮头线检测；

S5：基于步骤S4获取的潮头线信息，对潮头线的距离进行测量以及速度估计。

2.根据权利要求1所述的一种基于机器视觉的涌潮监测方法，其特征在于，所述步骤S1中水面视频序列图像的采集过程为：将摄像机架设于高杆上，拍摄来潮方向；摄像机经过实验室标定，得到其内参用于图像畸变校正，得到无失真的灰度图像序列。

3.根据权利要求2所述的一种基于机器视觉的涌潮监测方法，其特征在于，所述步骤S2中背景消除处理的具体步骤为：

A1：将采集得到的灰度图像进行背景建模得到涌潮图像序列的前景图和背景图；

A2：将得到的前景图进行中心化和纵向梯度处理；

A3：根据步骤A2处理后的图像的灰度值更新背景模型以此来快速响应灰度值的突变，得到抑制局部背景变化后的前景图。

4.根据权利要求3所述的一种基于机器视觉的涌潮监测方法，其特征在于，所述步骤A1中背景建模具体为：利用公式(1)对畸变校正后的无失真的灰度图像进行背景差分运算，认为满足公式(1)的像素点为背景点，不满足公式(1)的像素点为前景点，从而得到前景图和背景图：

I_t+1(x,y)-μ_t(x,y)＜kσ_t(x,y) (1)

其中，I_t+1(x，y)表示t+1帧图像(x，y)处的灰度值，μ_t(x，y)表示背景模型中该像素位置的灰度值，k为常数，σ_t(x，y)为标准差。

5.根据权利要求3所述的一种基于机器视觉的涌潮监测方法，其特征在于，所述步骤A2中中心化处理的公式为：

其中，I(t)为当前帧图像，mean(I(t))为当前帧图像所有像素点灰度总和的平均值，I'(t)为中心化后的图像；

纵向梯度处理的公式为：

其中，row表示图像像素的总行数，f(i)表示第i行的像素值，Grad(i)表示第i行的梯度值。

6.根据权利要求3所述的一种基于机器视觉的涌潮监测方法，其特征在于，所述步骤A3的具体过程为：首先统计相邻帧之间的灰度总值变化大小并设定阈值，然后在背景差分检测前，计算待测帧与前一帧图像的灰度总值变化，当变化超过阈值时，重新初始化背景模型，然后再进行检测，快速响应灰度值的突变，用这样的方式得到包含潮头线和其他干扰因素的前景图。

7.根据权利要求1所述的一种基于机器视觉的涌潮监测方法，其特征在于，所述步骤S3中前景波纹噪声抑制处理依次包括水面耀光消除和水面波纹抑制两个环节，具体为：

(1)水面耀光消除：在前景图像上设置一个矩形窗口，令前景点位于窗口的中心，统计所有前景点周围九宫格内8领域像素点灰度值的大小总和，之后对所有前景点九宫格区域内所有像素点的灰度值求平均值，最后将小于平均灰度值的前景点消除；

(2)水面波纹抑制：为建模后背景图像上的每一像素点建立一个记录耀光情况的变量E(x,y)并规定初始值为0，如果某像素点(x,y)在某时刻被判断为背景点，而下一时刻被判断为前景点，则将该像素点耀光变量值E(x,y)加a，反之则减b，若相邻两次检测结果均为前景，则耀光变量值E(x,y)加a/2；若相邻两次检测均为背景，耀光变量值E(x,y)不做修改；如果耀光变量值E(x,y)大于阈值T，则将该点从前景图中移除，并将其判定为由于波纹扰动或其他周期性干扰引起的噪声，其中a,b为根据经验设定的常量。