[发明专利]一种蓝藻水华状态监测方法

说明书

技术领域

本发明涉及一种检测技术，特别涉及一种蓝藻水华状态监测方法。

背景技术

随着经济的发展，水污染的加重，湖面富营养化现象日趋加剧。我国几乎每年夏天均有蓝藻水华爆发，蓝藻水华的频繁发生，严重影响了周边居民的日常生活。2007年无锡太湖梅梁湾水域爆发大面积蓝藻水华，直接导致了无锡自来水臭水事件，居民停止供水十余天。因此及时识别水面蓝藻水华状态信息，为蓝藻水华爆发建立应急措施尤为迫切。

目前，国内外对于蓝藻水华的监测主要是利用显微图像和遥感图像。

显微图像一般是利用显微镜获得水体的微观图像，可以对水体中的藻类进行分类和识别。但实验条件复杂，系统设备成本高，实时性有限。

采用遥感图像对蓝藻进行监测，主要是通过分析监测水体反射和吸收太阳辐射能形成的光谱特征，对湖泊富营养空间分布以及动态信息进行定位和评价。由于卫星分辨率以及轨道限制，所获得的地理和时间信息精确度都有限。

发明内容

本发明是针对现在蓝藻水华的监测实时性有限的问题，提出了一种蓝藻水华状态监测方法，通过对水体图像的实时处理和分析，能有效的获得蓝藻水华的爆发信息，对于制定水华应急预案具有重要的参考价值。

本发明的技术方案为：一种蓝藻水华状态监测方法，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与计算机相连的存储器中，作为历史数据。

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。

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：

=, =(<)；

=, = (>)，

假设图像大小为M*N ,将图像分成子图像，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。

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。

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。

本发明的有益效果在于：本发明蓝藻水华状态监测方法，将聚类分析应用到水面状态监测中，从而得出蓝藻水华的信息。针对光照对于图像的影响，采用HSV彩色空间，排除了V分量，有效的提高了判别的精确度。本发明具有成本低，实时性好，可信度高的优点。

附图说明

图1为本发明蓝藻水华状态监测系统结构示意图；

图2为本发明蓝藻水华状态监测流程图。

具体实施方式

蓝藻水华状态监测方法如下：

（1）如图1所示计算机2通过外接监控设备1（监控设备可以是监控摄像头或者CCD数码相机等），定时从监测水体获得图像样本；

（2）如图2所示流程图计算机2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与计算机2相连的存储器3中，作为历史数据。

图像预处理步骤主要包括高斯平滑滤波和彩色空间转换。高斯平滑滤波用于消除图像的噪声和细节信息，可以提高特征提取的有效率。

计算机2中默认的彩色图像格式是RGB，但HSV（色度，饱和度，数值）彩色空间比RGB系统更接近于人们的经验和对彩色的感知，而且适合此处特征分量的提取，因此，需要进行彩色空间转换。