基于图像处理的水华暴发检测算法的研究

论文摘要

水华暴发是一种非常严重的环境灾害,其危害主要表现为导致水体缺氧并产生藻毒素,致使水生动物大量死亡,造成严重的生态破坏和不可估量的经济损失,威胁人类生存和健康,因此对实时监测水华的发生、变化及灾情趋势,是一项非常有意义的课题。论文详细阐述了传统的水华监测方法,分析目前监测手段过分依赖人工操作、实时性差、成本高、普及性差、主观性大、劳动强度大等问题,提出一种智能化、低成本、易推广的基于图像处理的水域水华监测方法。针对上述问题,论文在研究了基于图像处理的目标检测和跟踪算法的基础上,提出在水华检测这种颜色特征明显、需要适应各种天气、环境光线变化、能抑制水面复杂背景下噪声的干扰的非刚体目标检测场景,基于颜色特征匹配的Camshift算法是理想的水华检测跟踪算法。论文在分析Camshift算法的机理、总结Camshift算法在水华色块检测和跟踪的应用背景下缺陷的基础上,提出基于颜色先验模型集及多模型Camshift算法的水华色块检测和跟踪算法,并提出图像形态学处理配合面积阈值约束过滤干扰色块,最后给出计算水华区域实际面积的方法,并通过水华面积和藻类生物的浓度之间的联系建立类似于气象灾害模型的水华预警模型,进而对水华进行预警,以通知相关部门采取相应的治理措施。应用上述改进的Camshift算法和水华预警模型,论文开发并实现了基于图像处理的水华监测系统。实验结果表明,该系统能够较为准确地检测出水华区域,并实时计算水华的实际面积进而对水华进行预警,论文提出的算法计算量小、速度快,对水面复杂背景和光照条件有一定的适应性,尤其是多模型Camshift算法对目标区域颜色的变化具有很好的鲁棒性。

论文目录

• 中文摘要
• 英文摘要
• 1 绪论
• 1.1 水华简介
• 1.1.1 水华的定义
• 1.1.2 水华的危害
• 1.1.3 水华现象的视觉表征
• 1.2 水华检测研究现状
• 1.3 课题研究背景及其意义
• 1.3.1 课题研究背景
• 1.3.2 课题研究意义
• 1.4 本文的内容和架构
• 1.4.1 本文的工作
• 1.4.2 本文的组织结构
• 2 传统水华监测方法综述
• 2.1 人工监测及实验室分析方法
• 2.2 卫星遥感监测方法
• 2.3 水质在线监测方法
• 2.4 水面环境视频监测方法
• 2.5 本章小结
• 3 适用于水华检测的目标检测和跟踪算法研究
• 3.1 常规目标检测的基本算法
• 3.1.1 背景差分法
• 3.1.2 连续帧间差分法
• 3.1.3 光流法
• 3.2 基于先验知识的目标检测方法
• 3.2.1 基于模板匹配的目标检测方法
• 3.2.2 基于统计模式的目标检测方法
• 3.2.3 基于模型的目标检测方法
• 3.3 目标跟踪算法研究
• 3.3.1 目标图像的特征
• 3.3.2 目标特征的选取
• 3.3.3 特征匹配算法
• 3.4 适用于水华检测的目标检测和跟踪算法
• 3.4.1 Camshift 算法简介
• 3.4.2 颜色模型及转换
• 3.4.3 Back Projection 计算
• 3.4.4 Mean Shift 算法
• 3.4.5 Camshift 算法的实现
• 3.5 本章小结
• 4 改进 Camshift 算法及水华预警
• 4.1 颜色先验模型
• 4.2 多模型Camshift 算法
• 4.2.1 模型集合的建立
• 4.2.2 线性规划简介
• 4.2.3 模型选择算法
• 4.3 干扰色块的过滤
• 4.3.1 图像形态学处理
• 4.3.2 面积阈值约束
• 4.4 水华预警
• 4.4.1 水华区域实际面积计算
• 4.4.2 水华预警模型
• 4.5 本章小结
• 5 水华监测系统的实现
• 5.1 系统环境
• 5.2 系统介绍
• 5.3 实验结果与分析
• 5.3.1 模拟水华视频的水华检测
• 5.3.2 实际水域的实验
• 5.3.3 干扰色块过滤验证
• 5.4 本章小结
• 6 全文总结及展望
• 6.1 论文总结
• 6.2 展望
• 致谢
• 参考文献
• 附录
• A.作者在攻读学位期间发表的论文
• B.作者在攻读学位期间参与的科研项目