(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211357681.8 (22)申请日 2022.11.01 (71)申请人 长江勘测规划设计 研究有限责任公 司 地址 430010 湖北省武汉市汉口解 放大道 1863号 (72)发明人 梁波　乐零陵　刘亚青　崔磊　 朱钊　谌睿　 (74)专利代理 机构 武汉开元知识产权代理有限 公司 42104 专利代理师 陈家安 (51)Int.Cl. G06T 5/00(2006.01) G06T 5/40(2006.01) G06V 10/56(2022.01)G06V 10/762(2022.01) G06V 10/82(2022.01) G06V 20/52(2022.01) G01N 21/25(2006.01) (54)发明名称 一种利用河流表面色差测量泥沙含量的机 器视觉识别算法 (57)摘要 本发明公开了一种利用河流表面色差测量 泥沙含量的机器视觉识别算法。 它包括如下步 骤， 步骤一： 获取待测江面的图像； 步骤二： 去噪 处理， 图像增强； 步骤三： 对所摄江面图像中的颜 色进行由RGB模型到HSL模型的转换； 步骤四： 基 于K‑means算法对所摄江面 图像进行分别， 进而 提取江面颜色特征值； 步骤五： 预测目标观测断 面的泥沙含量； 步骤六： 基于获得的大量的江面 颜色， 采用CNN ‑LSTM网络混合模型预测观测断面 泥沙含量趋势。 本发明具有能实现无传感器、 无 接触、 无需取样的流动水体泥沙含量状态监测的 优点。 权利要求书4页 说明书12页 附图4页 CN 115409741 A 2022.11.29 CN 115409741 A 1.一种利用河流表面色差测量泥沙含量的机器视觉识别算法， 其特征在于： 通过色差 识别和对应的流量算法， 在不接触水体、 无需采样的情况下高精度获得河流泥沙含量信息， 并通过阙值的设置以及不同区段泥沙含量的对比， 对泥沙含量过高、 洪水、 泥石流这些情况 进行预报； 具体方法， 包括如下步骤， 步骤一： 获取待测江面的图像； 通过利用河流表面色差测量泥沙含量的机器视觉识别算法采用的系统中的图像采集 模块获取待测江面的图像； 步骤二： 采用中值滤波和8领域连通区域对所摄江面图像进行去噪处理， 采用直方图均 衡化方法进行图像增强； 步骤三： 对所摄江面图像中的颜色进行由RGB模型到 HSL模型的转换； 步骤四： 基于K ‑means算法对所摄江面图像进行区分， 进 而提取江面颜色特 征值； 步骤五： 采用多项Logistic模型对江面颜色和泥沙含量的关系进行分析， 从而预测目 标观测断面的泥沙含量； 步骤六： 基于获得的江面颜色， 采用CNN ‑LSTM网络混合模型预测观测断面泥沙含量趋 势。 2.根据权利要求1所述的利用河流表面色差测量泥沙含量的机器视觉识别算法， 其特 征在于： 在步骤二中， 采用中值滤波对 所摄江面图像进 行去噪处理的具体方法为： 滤波器对 所摄江面图像的像素点在3 ×3范围内计算中值， 用于替换图像中目标像素； 采用8领域连通区域对所摄江面图像进行去噪处理的具体方法为： 采用8领域连通区域 分析所摄江面图像， 将相同像素值的相邻像素组成集合， 历遍整个图像并为每一个连通区 域设置标记， 完成连通域分析； 设置连通域面积删除國值， 通过所摄江面图像删除像素面积 小于该阙值的连通域， 进而在保证所摄江面目标完整性的前提下， 去除可见漂浮物、 杂草这 些干扰像素； 采用直方图均衡化方法对所摄江面图像进行图像增强处理 的具体方法为： 对所摄江面 图像中的所有像素点进行灰度拉伸， 并对每个像素值点的像素值进行重新分配， 使像素点 重新分配后的江面图像的各个灰度级的灰度分布均匀； 具体的数 学表达式如下 所示：           （1）                               （2） 公式 （1） 用于计算所摄江面图像中灰度为 的像素点出现的概 率； 公式 （1） 中， 表示所摄江面图像 中第i个灰度级像素的数量； L表示图像中灰度级的总 数， N表示图像中像素点的总数； 公式 （2） 用于计算累积函数 ， 用于对 进行灰度的映射归一 化。 3.根据权利要求1或2所述的利用河流表面色差测量泥沙含量的机器视觉识别算法， 其 特征在于： 在步骤三中， 对所摄江面图像中的颜色进行由RGB模型到HSL模型的转换的具体 方法为： 首先利用RGB颜色模型提取所摄江面区域像素点， 然后将提取的像素点转换到HSL 颜色模型中， 并计算HSL各分量的均值；权　利　要　求　书 1/4 页 2 CN 115409741 A 2HSL模型中的方位角H的取值表示图像中不同的颜色， 坐标的径向距离S的取值表示图 像中颜色的饱和度， 坐标高度L的取值表示图像中颜色显示的明暗状态， H、 S、 L的值均是通 过RGM模型的参数转换而成， 数 学模型表达如下： （3） （4）                           （5） 公式 （3）‑（5） 中， ， ， ， ， 。 4.根据权利要求3所述的利用河流表面色差测量泥沙含量的机器视觉识别算法， 其特 征在于： 在步骤四中， 基于K ‑means算法对所摄江面图像进行分割， 进而提取江面颜色特征 值的具体方法为： 采用K‑means聚类算法对所摄江面 图像进行图像分割， 把从目标江面 图像中读取到的 数据划分为k类， 然后利用迭代搜索方法寻找相似的数据， 并将其归为一类； 数学模型表示 如下：           （6） 公式 （6） 计算指标E， 表示每个特征点与其各自对应类的平均值的距离和， 而K ‑means算 法的目标是在迭代搜索的过程中使得指标E的值最小； 公式 （6） 中， x= （x1， x2） 是在所摄江面 图像中任意一个像素 的坐标值， g （x） 是该像素点的特征值， 表示第i次迭代计算后赋予 第k类的特 征点集合， 表示第i+1次迭代时第k类的平均值； 在对所摄江面图像进行分割后， 对该图像中的目标 特征进行提取， 具体方法为： 对所摄图像中江面的颜色特征进行提取后， 根据K ‑means聚类算法得到的图像分割结 果 ，选 取 目 标 江 面 图 像 中 的 n 个 特 征 点 ， 并 记 录 不 同 特 征 点 的 数 学 模 型权　利　要　求　书 2/4 页 3 CN 115409741 A 3