基于图像处理和BP神经网络的水位识别研究.pdfVIP

第３７卷第１２期　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 人　 民　 黄　 河　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 Ｖｏｌ．３７，Ｎｏ．１２ 　 　 ２０１５年１２月　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ＹＥＬＬＯＷ　 ＲＩＶＥＲ　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 Ｄｅｃ． ，２０１５　 　 【水文泥沙】 ＢＰ 基于图像处理和 神经网络的水位识别研究 １ ２ ３ ３ ， 李　 翊 ，兰华勇 ，严　 华 （ 北京大学地球与空间科学学院，北京 ； 四川省都江堰管理局，四川 都江堰 ； １． １００８７１ ２． ６１１８３０ ３． 四川大学 电子信息学院，四川 成都６１００６５） 摘　 要：为了能够自适应地识别水位，针对目前水尺图像类水位识别软件中需要人工设定水尺总量程参数的弊端，提出 了一种无需在软件中预设水尺总量程的水位监测方法。该方法通过训练好的ＢＰ人工神经网络智能识别水尺总量程，通 过图像处理技术提取水尺刻度，最后利用水尺总量程和水尺刻度之间的数学关系计算出水位值。实例应用结果表明：该 方法能够有效地识别水尺总量程和水位值。 关　 键　 词：ＢＰ神经网络；水位识别；倾斜校正；刻度提取；水尺 中图分类号：ＴＰ３９１　 　 　 文献标志码：Ａ　 　 　 ｄｏｉ：１０．３９６９／ ｊ．ｉｓｓｎ．１０００１３７９．２０１５．１２．００４ 　 　 目前，通过图像处理的方式识别水位已成为新的 对水尺目标图像进行预处理后，采用形态学操作、 研究热点。许多学者采用不同的图像处理方法，对不 逻辑运算等图像处理后便可提取出水尺刻度线，利用 同类型的水尺对象进行了相应的水位识别研究工 对称特性将水尺按中心线进行左右分割，根据右边水 １－７ 作［ ］。但是，针对不同的监测水域，不同水文监测站 尺刻度线定位和分割左边的数字字符图像，对该数字 点配备的标准水尺通常具有不同的量程，为了能够有 字符图像进行预处理，再采用 ＢＰ人工神经网络对分 效地监测出当前水位值，通常需要根据不同监测站点 割出的数字字符进行识别，即可确定水尺的总量程。 所对应的监测水域，采用人工方式设定水位识别软件 根据总量程和水尺刻度线的数学关系即可确定水 的水尺量程参数。在现有的图像类相关水位识别研 位值。 ［８］ １．１　 水尺刻度提取 究 中，智能识别水尺量程还处于空白。这给图像类 水位识别应用系统工程的标准化和自动化带来了一些 对包含标准水尺和水体的目标对象进行连续拍 困难，同时也不便于工程的更新和维护。 摄，对拍摄的视频以等时间间隔（３ ｓ）的方式进行图像 为了克服以上困难，同时也为了使现有图像类水 帧提取，由此可以采集到同一段时间范围内的多帧 位识别软件能够更加智能地工作，笔者在原有水位识 （每次采集１０ 帧）图像序列。将这些彩色图像序列分 ［８］ 别进行灰度化处理，然后对得到的多帧灰度图像序列 别应用系统 的基础上引入多帧水尺图像，利用帧间 的关联性和差异性提高水位线监测的精准度。同时， 进行叠加平滑处理，就得到一帧完整的水尺图像。 ９