[發明專利]一種遮擋情況下水尺圖像特征加權學習識別方法

有效

• 申請號: 201811568071.6
• 申請日: 2018-12-21
• 公開（公告）號: CN109726724B
• 公開（公告）日: 2023-04-18
• 發明（設計）人: 應偉軍;劉海軍;范興鐸;李映平
• 申請（專利權）人: 浙江農林大學暨陽學院
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V10/46;G06V10/764;G06T5/40;G06T7/11;G06T7/13
• 代理公司: 杭州斯可睿專利事務所有限公司 33241
• 代理人: 王利強

一種遮擋情況下水尺圖像特征加權學習識別方法，包括以下步驟：1)攝像頭采集水尺圖像，進行角度變換、分割、二值化和直方圖均衡操作；2)建立基于特征權值學習的水尺遮擋圖像分類模型；3)求解模型。本發明對水尺圖像進行邊緣檢測等預處理，在得到數字灰度圖像后，針對遮擋圖像的無效信息，對其設置較小的權值，從而使有效信息具有較大權值，實現遮擋圖像的特征提取效果，并且應用于分類過程。在不同程度的遮擋下均具有較好的識別效果，可以應對多種水尺圖像被遮擋的情況。

技術領域

本發明涉及一種水尺圖像識別方法。

背景技術

水位是基本水文要素之一，通過對水位進行實時監測可以在一定程度上預警暴雨、洪澇等災害。因此水尺被廣泛的應用在軟土地基處理等地表水的監測。傳統的水位測量通常采用人工目測讀數的方式，但是這種方式首先不能保證監測得實時性，其次，該種方法讀數效率低，工作繁瑣且不便，不利于監測系統的自動化和智能化。

目前圖像識別技術已經廣泛應用于各個場景，采用圖像識別水尺的當前刻度值從而達到實時監測，這一技術手段已經被越來越多應用在實際的監測過程當中。但是這一方案還存在著諸多問題亟待解決，如當水尺被污漬、落葉等雜物所遮擋時，識別效果就會有明顯的減弱，甚至于無法識別。

針對這一問題，在不升級現有設備的情況下，從所采集到的遮擋水尺圖像出發，不斷改進在遮擋情況下仍能準確識別出水尺刻度的算法成為當前研究的主要思。Hough變換作為一種簡單快速的圖像變換方法，具有良好的圖像全局操作能力，因此在圖像的遮擋識別和噪音干擾去除問題上得到了廣泛的應用?；谙∈璞硎镜膱D像識別方法近年來也得到的廣泛的應用。稀疏表示方法由于其快速性和魯棒性，在受遮擋的圖像識別中具有良好的效果。近年來，基于回歸分析的稀疏表示分類算法開始受到越來越多的關注。Haseem等人提出了一種線性回歸算法(Linear?regression?classifier)，將所有待測圖像轉換為特征類元素的線性結合。Wright等提出了一種稀疏表示分類算法(sparse?representationclassifier?SRC)，該算法對真實的遮擋情況有較好的識別效果。在SRC中，待測圖像可以表示為字典集中幾種類別的稀疏線性結合，然后通過計算最小重構誤差對被測圖像進行分類。Yang等人提出了一種基于核函數的回歸方法，在光照變化的條件下獲得了不錯的識別效果。但是上述算法均存在有效特征與被遮擋部分具有相同權值的問題，因此在計算過程中有效特征突出效果不明顯。

發明內容

為了克服已有遮擋情況下水尺圖像識別方法的有效特征突出效果不明顯、識別準確性較差的不足,本發明提供了一種有效特征突出效果明顯、識別準確性較好的遮擋情況下水尺圖像特征加權學習識別方法。

本發明解決其技術問題所采用的技術方案是：

一種遮擋情況下水尺圖像特征加權學習識別方法，包括以下步驟：

1)攝像頭采集水尺圖像，進行角度變換、分割、二值化和直方圖均衡操作，建立基于特征權值學習的水尺遮擋圖像分類模型，過程如下：

稀疏表示分類問題，訓練樣本表示為：其中c表示為有c類目標，每一項X_i又可以表示為x_ij表示第i類樣本中的第j項，n_i表示為第i類訓練項目的樣本數，至此，識別的目標就是對新采集到的待處理圖像y，得到最小的分類誤差；

對于待測對象y通過字典集X線性表示出來：

其中，為需要求出的系數向量。設訓練過后的優化系數向量為ω^*，為ω^*中除第i個元素之外其他都為零的向量，因此待測元素可以通過所對應的的第i類計算出來至此，待測樣本的分類誤差根據最小化重構誤差來表示：

式(2)看為是圖像分類的基本目標函數；