[发明专利]一种蓝藻水华状态监测方法

权利要求书

1.一种蓝藻水华状态监测方法，其特征在于，具体方法包括如下步骤：

1）计算机通过外接监控设备，定时从监测水体获得图像样本；

2）计算机对图像预处理，消除噪声信息的影响；

3）提取特征向量，利用K-means算法对图像进行分类； 

4）得出蓝藻水华状态信息；

5）图像的判别结果存储在磁盘存储器中。

2.根据权利要求1所述蓝藻水华状态监测方法，其特征在于，所述图像预处理步骤主要包括高斯平滑滤波和彩色空间转换，彩色空间转换为将计算机默认的RGB彩色图像格式转换为HSV色度、饱和度、数值彩色空间图像格式。

3.根据权利要求1所述述蓝藻水华状态监测方法，其特征在于，所述提取特征向量具体步骤包括：对HSV图像进行通道分离，然后对H和S通道分别计算特征向量值，V通道代表光照不作为特征分量处理， H和S的计算公式如下：

=, =(<)；

=, = (>)，

假设原图像大小为M*N ,将原图像分成子图像，子图像大小为a*a，子图像个数为n (n=), 是子图像的H通道平均像素值，n是子图像的个数，是色度阈值，是最终要求得的色度特征向量值，是子图像S通道平均像素值，是饱和度阈值, 是最终求得的饱和度特征向量值。

4.根据权利要求1所述述蓝藻水华状态监测方法，其特征在于，所述利用K-means算法对图像进行分类，具体包括：样本采集，采集多幅蓝藻水华样本图像和正常水体图像，利用样本图像建立样本库；利用K-means对样本进行聚类分析，对正常水体样本以及蓝藻样本类别进行编号；将实时采集到的样本图像加入到已有的样本库中，进行聚类分析，由此得到实时样本的分类类别，根据类别数可以得出判别结果。

5.根据权利要求1所述述蓝藻水华状态监测方法，其特征在于，所述K-means算法具体步骤包括：分配聚类类别个数K；对K个聚类中心进行初始化；按照平均值，重复计算每个聚类的聚类中心，直到聚类中心不变，得出判别结果。