[发明专利]用于污水偷排检测的图像配准方法有效
| 申请号: | 201810469113.4 | 申请日: | 2018-05-16 |
| 公开(公告)号: | CN110503677A | 公开(公告)日: | 2019-11-26 |
| 发明(设计)人: | 邵曦 | 申请(专利权)人: | 邵曦 |
| 主分类号: | G06T7/33 | 分类号: | G06T7/33;G06T7/32;G06K9/46 |
| 代理公司: | 暂无信息 | 代理人: | 暂无信息 |
| 地址: | 610000 四川省成都*** | 国省代码: | 四川;51 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 配准图像 图像配准 源图像 配准 污水 检测 预处理 矩阵 图像 场景 图像分辨率 污水排放口 唯一性 角点坐标 污水排放 许可总量 不变性 计算源 角点 质心 独立性 信息量 排污 测试 排放 记录 交换 | ||
本发明公开了用于污水偷排检测的图像配准方法,涉及污水偷排情况的图像配准,包括以下步骤:形成配准图像集,其余图像作为测试用的源图像;将源图像与配准图像进行相同的预处理;记录角点坐标;以角点为质心,以图像分辨率的1/10‑1/5设定配准区域;依据交换信息量矩阵,计算源图像与配准图像配准区域的相关系数;确定最终配准图像;进入图像配准流程。本发明能够有效依据不同被检测工厂的污水排放口场景,获得理想配准图像集,从而实现污水排放场景的预区分;具有良好的特征不变性、唯一性、稳定性、独立性,对不同排污许可总量标准的工厂所排放的污水实现预检测。
技术领域
本发明涉及污水偷排情况的图像配准,具体涉及用于污水偷排检测的图像配准方法。
背景技术
污水,通常指受一定污染的、来自生活和生产的排出水。污水主要有生活污水、工业废水和初期雨水。污水的主要污染物有病原体污染物、耗氧污染物、植物营养物和有毒污染物等。其中,第一类工业废水,即来自制造采矿和工业生产活动的污水,包括来自与工业或者商业储藏、加工的径流活渗沥液,以及其它不是生活污水的废水。这三类废水对水的污染程度不同,在排污许可判断时常常需要经过大量的检测才能完成检测,对污水偷排的程度也很难完成估量,因此,无法实现预检测,从而提高预警的效率,是目前污水偷排预警的难题。图像配准是将同一场景由不同时间、不同视角、不同传感器获得的两幅或多幅图像叠加的过程。目前偷排污水的种类难以做到预区分,无法对不同排污许可总量标准的工厂所排放的污水实现预检测。
发明内容
本发明所要解决的技术问题是目前偷排污水的种类难以做到预区分,无法对不同排污许可总量标准的工厂所排放的污水实现预检测,目的在于提供用于污水偷排检测的图像配准方法,解决上述问题。
本发明通过下述技术方案实现:
用于污水偷排检测的图像配准方法,包括Harris角点算法以及图像配准流程,还包括以下步骤:
S1,依据被检工厂的污水排放口设置采样点,依据被检工厂排污口所在场景的差异,以照晴、雨、霜天气、分时段形成采样区间,以每小时10-30张图像的速度,通过照相机采集样本图像,再依据清晰度、噪点数量参数,在每个采样区间选择1张最优图像形成配准图像集,其余图像作为测试用的源图像;
S2,将源图像与配准图像进行相同的预处理,利用基本统计特征,进行初步的图像旋转、平移、尺度变换,去除多余的噪声;
S3,利用Harris角点算法将源图像与配准图像进行Harris角点检测,记录角点坐标;
S4,以角点为质心,以图像分辨率的1/10-1/5设定配准区域;
S5,依据交换信息量矩阵,计算源图像与配准图像配准区域的相关系数;
S6,利用相关系数判断源图像与配准图像的匹配程度,判断是否更换配准图像,若相关系数大于0.8,则采用当前配准图像作为源图像的最终配准图像;
S7,进入图像配准流程。
进一步地,所述S2,基本统计特征,包括亮度、重心、灰度直方图。
进一步地,所述S2,预处理包括形态学处理、中值滤波、直方图均衡化。
进一步地,所述S3,计算出角点坐标后,还包括采集图像边缘点、交叉点,形成特征集,并在所述S4中依据点集形成的区域,构成不规则配准区域。
进一步地,所述S3中,记录角点坐标后,采用SIFT方法的梯度方向直方图生成角点坐标的描述矢量,将角度划分为8个区间,以每一个特征点为中心取8x8大小的邻域窗口设定为配准区域。
本发明与现有技术相比,具有如下的优点和有益效果:
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于邵曦,未经邵曦许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810469113.4/2.html,转载请声明来源钻瓜专利网。





