英语原文共 9 页，剩余内容已隐藏，支付完成后下载完整资料

基于图像的水位测量系统的嵌入式实现

摘要：本文提出了一种使用相机测量河流水位的嵌入式系统。在水位测量中使用相机的主要问题之一是水面上的光反射迅速变化。为了解决这个问题，本文使用了显示刻度的标尺上的光反射变化比水面上相对较小的特性。为了强调尺面和水面上光反射率的差异，提出的方法积累了当前图像和先前图像之间的光反射率变化程度，并使用它们构建了直方图。在这个直方图中，标尺和水面之间的边界作为最尖锐的下降点出现。考虑到噪音的影响，提出的算法首先要找到候选点，然后使用参考水最终确定其中的水位。参考水位粗略地估计为二进制图像的直方图中最清晰的下降点。通过在实际河流上安装拟定的系统并进行实时水位测量实验，确认了系统的效率。

1介绍

水资源是人类必不可少的资源。因此，人类正在研究这些水资源，如有效利用水和预防灾害。目前，由于台风和地区性暴雨，河流泛滥，造成全球范围内突然大洪水，破坏了人们的财产和生活。为了防止这些严重的灾难，人们开始关注如何控制河流的水位，准备河流的溢流。目前，水资源调控研究正在进行中，水位变化的调研是做这些研究的基本前提。

根据测量河流和湖泊水位传感器的形式和类型，主要有三种方法。第一种是普遍使用的测量浮标位置的形式[1]。然而，该系统需要管道来固定浮标，其中大部分取决于水压。此外，如果系统长时间使用，传感器必须频繁更换。第二种系统是使用超声波传感器; 超声波被释放到水表面，测量其从水面反射后返回所需的时间[2,3]。该系统的准确度较高。然而，由于超声波由入射角，温度，振动和湿度决定，因此另需要测量装置来测量这些因素。不仅如此，该系统的安装位置也难以设计。该还系统必须设计和建立一些管状结构，以将外部环境因素与测量条件隔离开来。相比之下，本文所提出的系统由每秒15帧速度的廉价摄像机组成，用于照相机和标尺的控制装置。图像处理用于系统性能优化，嵌入式板小巧便携能减少其安装面积。即使没有找到关于价格的准确信息，因为所提出的系统需要相对较小规格的设备，所以安装价格相对较低，还对安装地点的限制较少。对于上述两个系统，如果发生特定意外，则无法轻易检测到故障。故维护和维修需要很长时间。相反，使用图像信息的水位测量系统可以通过眼睛来确认指示器上的图像。除此之外，图像还包含有关周围的广泛信息。综上所述，使用图像的系统更准确可靠。

Takagi等 [4,5]提出了水位检测的图像识别算法。它们基于检测测量板上的对角线的弯曲点，但是算法的性能对线条上的污渍敏感，并且在水中安装障碍物如水中的测量板由管理员严格控制。Tsunashima et al。[6]提出了一种基于边缘检测的简单方法。用“垂直”边缘检测器检测水流线作为流水表面。它还采用“减法”的框架，使其能抵御通道墙上的水平线状干扰。然而，由于减法而对诸如雨或雪的移动干扰是敏感的。Iwahashi和Udomsiri [7]提出了一种基于水平边缘检测和帧加法的方法。在本文中，水位被认为是陆地区域和水域之间的边界线。通过有限脉冲响应滤波来区分两个区域。但是，如果土地和水域的质地相似，两地之间的边界就不易分辨。

基于图像识别的水位测量方法必须转换为实际水位。相机的校准对于转换为实际水位至关重要。相机校准最有代表性的方法是Tsai [8]和Zhang [9]提出的方法。然而，由Tsai提出的方法需要准确的数据，关于摄像机和瞄准对象的移动轨迹和位置，Zhang提出的方法需要大量的操作，而且更加复杂，尽管它不像Tsai需要准确的信息。为了简化校准，Kim等人[10]提出了一种方法，通过使用他自己的表将测量的水位转换为实际水位，该表表示每个图像像素的实际距离。通过从图像中检测基本图案来计算检测图案与水面的距离差。不过由于拍摄区域大，所以表示各像素的实际距离变大，导致误差范围也增加。

本文提出了基于图像处理及其嵌入式系统的水位测量方法。由于水位测量系统的安装地点是河道中部，系统不受土地质量或其他环境因素的影响为了更加精确地测量水位，安装了在白色背景上标有高度标记的指示器。根据水位在水面上的变化多于指示器的性质，通过检测指示器与水面之间的边界来计算水位。为了最大限度地提高水面和指示器之间的变化程度，可以累积当前帧和某帧之间的变化。基于图像的高度轴和计算的累积构造的直方图中检测发生突然变化的直方图的部分。由于可能检测到几个候选水位，因此将检测到二值图像上的指标和水面的近似边界作参考水位。之后，通过比较候选水位和参考水位来检测最终水位。如果候选水位和参考水位之间的差距很大，则另外提出使用候选水位和参考水位之间的亮度差异的方法。

像洪水这样的灾难在短时间内由于大量的水充满了河流，导致了水位的快速变化。因此，水位测量系统必须实时报告河流水位的变化。此外，由于图像处理方法有大量的数据要处理，所以需要用于保存图像的大容量存储器和图像快速处理系统。为了确保数据的实时处理，必须构建嵌入式系统。本文采用Texas Instruments [11]和实时操作系统（OS）的DAVINVH芯片组构建的嵌入式系统。嵌入式系统的构建将图像信息分散到必须在主服务器处理的每个子服务器。这样可以减少系统的装载量，这是所提出的系统的一个优点。通过将拟议的水位测量方法和嵌入式系统应用于实际环境，对其效率进行评估。

2系统结构

2.1主系统

远程水位测量系统测量的水位信息传输到服务器，系统管理员可以通过传输的水位信息和图像监视河流和湖泊的水位状态，如图1所示。

2.2客户端系统

本文提出的基于图像识别的水位测量系统由摄像机，嵌入式板卡和服务器组成，如图2所示。相机能获得连续的水位图像，相机的控制信号控制相机的位置。嵌入式板由图像处理部，摄像机控制部，用户接口部，通信部组成。图像处理部分从相机获取的连续的图像中测量水位的变化，本文将在后面详细讨论水位测量算法。相机控制部分根据较早的相机设置和水位的变化来控制相机的位置。用户界面部分在LCD上显示从图像处理部门获取的当前水位图像和测量的水位，并通过按钮输入设置摄像机的位置和焦点区域（ROI）。通信部门通过有线和无线局域网（LAN）将测量的水位和当前图像发送到远程服务器。同时，它还从远程的地方接收控制指令。服务器监控接收到的水位图像数据和水位数据，并通过遥控器控制系统。

水位测量的步骤如图3所示。图像由相机获取，并且构建累积当前图像和几个先前图像之间的差异的直方图。直方图的陡坡被指定为候选水位，并且通过将它们与从二值图像获取的参考水位进行比较来确定候选水位中的最终水位。水位测量的结果由数据发送装置发送到服务器。

2.3嵌入式板

本文使用的嵌入式测量系统具有基于DAVINCI DM6446和Montavista Linux作为实时操作系统的芯片组。表1显示了嵌入式系统的规格，制造的嵌入式板如图4所示。其最重要的特点是数字信号处理器（DSP）和ARM处理器都包含在单个芯片中。因此，它可以同时管理Linux操作系统和高速计算。当从相机获取的大量图像进入时，可以进行高速计算，并且易于使用嵌入式系统中的其他设备。

该系统具有基于TVP5146芯片组的编码器并使用NTSC视频输入，显示器为用于水位监控或与用户接口的小型LCD，而LAN端口能高速传输获取的图像。此外，它有一个硬盘来保存许多图像。图像处理算法和应用程序基于使用QT库的Montavista Linux系统。由于QT库为用户提供了多种接口功能，因此可以轻松制作图形用户界面程序。图像处理算法在DSP上执行，并与ARM处理器交换图像数据。

3水位测量（客户系统）

3.1测量水位的整体流程图

水位测量算法的流程图如图5所示。图5a是获取k个连续帧的步骤，图5b是通过使用获取的k个连续帧来确定水位的步骤。要测量水位，必须找到两个不同的地点：实际的候选水位和参考水位，以评估获得的候选水位。累积当前帧和先前k个编号帧之间的差异以找到候选水位。通过使用累积的差异，构建直方图，并将图像的高度用作轴。通过分析直方图，找出变化率变化超过某一值的位置。当前帧在二进制编码后，通过形态计算扩大了区域之间的连通性发现水表面与指示器之间边界线的大致位置并找到参考水位。最后，通过比较候选水位和参考水位，确定最终的水位。如果当前温和或者候选水位与参考水位之间的差距较大，则使用水面与指示器的亮度差来确定水位。下一节将详细介绍每个步骤。

3.2候选水位

波浪会引起水面的剧烈变化，但不会对指示器造成明显的变化。通过使用此功能，指示器和水面的边界线可以轻松分类，因此可以了解水位的准确位置。在本文中，先前保存的k个编号图像之间的差异在当前帧计算，并且这些差异会被累积。但这仅适用于先前选择的ROI内的像素。累积的差异可以表示为下式（1），其中Iad（i，j）是每个像素位置处的图像的累积差异，K是要比较的先前帧的数量，N是当前帧的索引。

图6显示出了基于y轴的20幅图像的累积差异直方，图6a是输入图像，图6b是ROI，图6c是累积差异的图像。最后，6d是直方图的差异，6e是使用加权平均法平滑直方图。这种技术通过消除指示器上的噪声来增强直方图分析的便利性。由于所获得的直方图的斜率变化在水面和指标之间的边界线上最为明显，所以水位变化最大的部位很可能发生变化。

Sezan [12]提出使用基于累积分布函数的平均计算法来确定直方图的峰值。Sezan所提出的方法在嵌入式板上进行处理，因此必须简化算法。为了找到直方图上的陡坡，根据峰的相互关系计算x轴的每个斜率和距离，选择值高于阈值的斜率部分作为候选位置。同时分配y轴和限制斜率值的范围以减少计算。

图7a显示了在每个峰值处找到最大斜率有限扫描区域，图7b是所选择的最大斜率的示例。lsquo;dx和lsquo;dy是用于计算x轴和y轴的斜率变化，lsquo;a是扫描区域内“dx”和“dy”的最小点。

3.3使用二进制图像的参考位置选择

要从检测到的候选水位中选择准确的水位，需要提供近似水位的参考水位。为了检测参考点，首先要产生输入图像的二值图像，并且执行形态学方法的关闭操作以加强区域的连通性。然后，基于作为图像高度的y轴计数白色像素的数量。从图像顶部开始，选择ROI的宽度小于30％的第一个点作为参考点。生成的二进制图像和所选择的参考点如图8所示。

3.4水位决定

为了在检测到的候选水位中选择最准确的水位，需要计算二进制图像到检测到的参考点的距离，并找到最小距离的水位。水位检测的最终结果如图9所示。线lsquo;R表示参考点，行lsquo;1和lsquo;2表示检测到的候选水位。由于线lsquo;1比线lsquo;2更接近线lsquo;R，所以选择线lsquo;1作为最终水位。

要将所选图像的水位转换为实际水位，需要调整图像上显示的指示符的标记来预先选定区域，并根据实际水位保存所选区域的起点。通过这些程序，观察到的水位可以直接转换到实际水位，无需额外的校准。水位转换表根据摄像头的姿态分配为ROI。图10显示了生成转换表所需的选择区域。

3.5使用灰度值直方图分析进行水位测量

如果水流过弱或者缓慢，则检测到的候选水位在水面上表达；如果图像中包含光反射，则在指示器上表示检测到的候选水位。在这些原因中，如果检测到的水位和参考水位的候选水位显示出巨大的差距，说明水位超出了误差范围。换句话说，测量是不准确的。在这种情况下，则用其他特征准确测量水位。基于图像高度轴的直方图，如果参考水位和检测到的候选水位有很大的差距，则可以得出结论：检测到的水位在误差范围之外。首先基于高度轴生成直方图使用ROI内的图像的灰度值。然后如前所述，通过使用相同构建图像的差异的累积值的直方图方法来平滑直方图。接下来，找到局部峰值和局部谷值及峰值与其相邻谷值直方图之间具有最大差值的点。考虑到平滑的效果，在水位调整之后确定最终的水位。

当水流较弱时检测到的水位如图11所示。图11b是灰度值的原始直方图，图11c是平滑直方图。双点划线表示最终水位。

4实验评估

本文提出的方法是采用基于TI公司DAVINCI DM6446芯片组的嵌入式系统，如上所述。此外，操作系统基于Montavista Linux，应用程序由基于DSP的接口、QT库和图像处理算法组成。

对于图像发送和接收设备，可附加一个采集640times;480分辨率为15 fps的图像的相机。连接120 GB硬盘，进行图像保存，并用10/100 M LAN进行高速数据传输。在本实验中，系统建在河流上，需要全天24小时收集数据以评估连续实验的结果。

图12显示出了通过不同时间、分辨率或相机姿态的变化获得的图像的逐步过程和结果。ROI只能设置图像内的指示器区域，由用户根据相机的姿态和初始安装的放大倍数手动选择。然后保存并手动选择ROI。因此，图12中的三张图分别具有不同的回报率。图12a是原始图像，图12b是ROI的图像，图12c是二值化图像，图12d显示的是累积的差异，图12e是图12d的直方图，图12f表示使用加权平均法的平滑图像。

最终结果可以通过指向水面的位置来检测，水面在图12b-f中被绘制为直线。晚上，相机用附带的手电筒拍摄图像。图13显示了每小时水位测量的结果。图13a是下午实际水位和测量水位的结果，图13b是午夜获得的图像的结果。

图中的“实际水平”是眼睛确认的水位，图中的“测量水平”是根据所提出的算法测量的水位。如结果所示，测量水平和实际水平相似。基于相机的放大倍率，一个像素拥有的实际长度可能不同。在本实验中，只有80cm的实际长度被分配在一个屏幕上显示，并且三个像素所具有的实际长度为1cm。

图14显示了同一时间和相同位置但具有不同摄像头姿态的水位测量。图14a是相机正在水面以下的测量结果，图14b是相机正在水面以上的测量结果。图14c表示根据摄像机姿态变化的水位测量的误差。为了比较水位测量的性能，使用基于超声波传感器的水位测量系统测量的水位信息。

图15分别表示1小时，1天和1个月内水位测量的曲线图。水位由图像传感器和超声波传感器测量。在保

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[138180]，资料为PDF文档或Word文档，PDF文档可免费转换为Word