[发明专利]一种基于目标检测的水尺水位识别方法

说明书

本发明提出了一种基于目标检测的水尺水位识别方法，利用目标检测得到的水尺区域图像，先进行中值滤波，再进行均值迁移双边滤波。对处理过的图像使用canny算子检测边缘，使用直线平均角度旋转图像，进行图像的校正，对图像进行二值化操作，先采用面积形态学闭运算和开运算，通过水平投影的连续阈值判定找出水位线的位置。采用目标检测算法对水尺上的数字进行定位，并训练数字模型识别数字数值，结合水平投影找出数字的位置，计算高度。本发明易于实现、可靠性强、实时性高，可为河流水位监测提供实时可靠的信息。

技术领域

本发明涉及计算机视觉和图像领域，具体涉及一种基于目标检测的水尺水位识别方法。

背景技术

图像处理技术是实现水尺水位检测的一项重要技术，近年来随着计算机视觉领域的不断开拓与发展，深度学习与目标检测技术更是蓬勃发展，在很多传统图像处理技术不能够胜任的场景发挥出优势。图像法水尺水位检测，利用了摄像机对水尺区域拍摄的图像，进行图像处理得到水位值。这种图像处理方法是将算法集成到嵌入式的设备上，只能针对单一场景进行处理找出水尺位置，不能够面对背景更加复杂的场景。与传统的图像处理的方法相比，基于深度学习的目标检测技术能够帮助我们很好的自动定位目标水尺区域。

对于目标水尺区域，有很多方法去实现对水位的提取，如先对目标水尺进行二值化操作，基于二值图像统计出刻度线的数量，从而利用水尺自身的高度，换算出水位值，但是这种情况需要水尺图像完整，如果拍摄的水尺图像并不完整就无法得到准确的水位值；还有大多数水文监测的水尺位于野外环境，背景中含有很多的干扰，准确地将水尺从复杂的背景中提取出来十分困难。传统的图像处理在应对单一，特定的场景效果很好，但是一旦场景切换则会失效。因此有必要使用深度学习去学习水尺特征，将其准确地提取。传统图像处理去计算水位值时需要借助刻度的条数信息，需要保证水尺的完整性，对于水尺存在脏污和遮挡不能很好地解决。

发明内容

为解决上述问题，本发明公开了一种基于目标检测的水尺水位识别方法，利用目标检测得到的水尺区域图像，先进行中值滤波，再进行均值迁移双边滤波。对处理过的图像使用canny算子检测边缘，使用直线平均角度旋转图像，进行图像的校正，对图像进行二值化操作，先采用面积形态学闭运算和开运算，通过水平投影的连续阈值判定找出水位线的位置。采用目标检测算法对水尺上的数字进行定位，并训练数字模型识别数字数值，结合水平投影找出数字的位置，计算高度。该算法经实验验证，自适应性更强，识别的精度较高。

为了实现上述目的，本发明提出了目标检测的水尺水位识别方法，包括以下步骤：

步骤1：利用目标检测得到的水尺区域图像，进行中值滤波，再进行均值迁移双边滤波，去除噪声并保留边缘特征；

步骤2：对处理过的图像使用canny算子检测边缘，从边缘图像中检测直线，计算直线的平均角度，使用平均角度旋转图像，进行图像的校正；

步骤3：对图像进行二值化操作，先采用面积形态学闭运算，对遮挡的部分二值化图像进行修复，再使用开运算对边缘干扰进行去除，并将其水平投影，通过连续阈值判定找出水位线的位置；

步骤4：采用目标检测算法对水尺上的数字进行定位，并训练OCR模型识别数字数值；

步骤5：利用ROI操作，将数字以外的图像像素置为255，再将图像反转。水平投影找出数字的位置，计算高度；

步骤6：结合数字位置与水位线位置，运用设计的计算方法计算出水位值；。

具体的，在步骤1中，利用目标检测得到的水尺区域图像，先进行中值滤波，再进行均值迁移双边滤波，去除噪声并保留边缘特征的具体步骤如下：

步骤1.1：选用中值滤波对图像进行平滑滤波，中值滤波的计算公式为公式(1)：