海浪爬浪监测系统设计与研究

摘要

中国作为一个海洋大国，岛屿众多，海岸线曲折漫长，因此海浪监测对我国具有极其重要的战略与实际意义。建立一个可视化远程监控系统，是海浪监测的一种有效手段。本文结合具体项目背景，在对基于计算机视觉的运动海浪检测中的关键技术进行大量研究的基础上，提出了海浪爬浪监测系统方案。本文的研究内容概述如下，其中，创新点主要体现在2和3:
　　1)运动背景补偿。针对摄像机移动造成背景运动的问题，本文采用基于简化的ORB(ORiented Brief)特征检测与匹配算法，将两幅图像进行匹配，利用PROSAC(ProgressiveSample Consensus)算法进行模型参量拟合，获得两幅图像之间的仿射矩阵，根据仿射矩阵对其中一帧图像进行运动背景补偿。
　　2)阈值分割。针对将灰度图转换成二值化图需要保留完整的有用信息并具有良好的抗噪性能等要求，本文提出一种基于带权积分图的自适应阈值分割算法。该算法结合网格模型思想和权重思想，利用带权积分图实现图像的二值化。实验证明，算法在复杂海浪环境下能表现出良好的鲁棒性。
　　3)运动海浪检测。针对具体海浪检测中难以同时满足准确性和实时性的问题，本文提出一种基于混合差分的海浪边缘检测算法，首先采用三帧差法进行场景区域的快速分类，把运动区域分割出来;然后对其进行腐蚀膨胀等形态学处理，并使用Sobel算子提取运动物体边缘;最后，运用基于混合高斯模型的背景差分法去除干扰运动。实验证明，算法在保证效率的同时，对复杂的海浪场景具有较好的鲁棒性，能准确地提取出运动海浪浪尖边缘。
　　4)标杆提取。为了提取出海浪图片中的标杆并将其作为标尺，本文首先选取一张清晰的初始图片，利用基于HSV空间的阈值分割算法将初始图片中的标杆提取出来，然后将初始图片与当前图片进行匹配，利用匹配得到的仿射矩阵计算出当前图片中标杆的位置。
　　此外，针对获取历史视频拍摄时间的问题，本文还提出一种基于Bayes分类器及形状相近概率的字符识别算法，该算法具有识别时间短、准确率高等优点。
　　基于上述研究，本文搭建了完整的海浪爬浪监测系统，并使用实际海浪视频对本文算法进行实验分析，实验结果充分证明了本文提出算法的可行性与有效性。

目录

声明

摘要

第一章 绪论

1．1 论文研究背景介绍

1．1．1 论文研究背景

1．1．2 国内外发展现状

1．2 课题技术方案

1．3 论文章节安排

第二章 海浪视频预处理

2．1 运动背景补偿

2．1．1 图像匹配算法

2．1．2 基于PROSAC算法的模型参量拟合

2．1．3 算法比较与实验

2．2 阈值分割算法

2．2．1 基于积分图的阂值分割算法

2．2．2 基于带权积分图的自适应阈值分割算法

2．2．3 实验分析与比较

2．4 本章小结

第三章 浪高测量关键问题研究

3．1 运动海浪检测

3．1．1 经典运动目标检测算法

3．1．2 基于混合差分的海浪边缘检测算法

3．1．3 实验分析与比较

3．2 标杆提取

3．3 本章小结

第四章 系统设计与实现

4．1 系统总体设计

4．2 系统具体功能介绍

4．2．1 系统界面介绍

4．2．2 标杆检测

4．2．3 数据查询

4．3 时间字符识别

4．3．1 基于Bayes分类器及形状相近概率的字符识别算法

4．3．2 实验分析与比较

4．4 本章小结

第五章 总结与展望

5．1 全文工作总结

5．2 工作展望

致谢

参考文献

作者硕士期间发表的论文与专利