1.一种基于改进双边网络的无标尺水位监测方法,其特征在于,包括如下步骤:S1:采用固定球型摄像头对水位进行拍摄,将图片进行等分并测量每个等分线中心点的像素坐标;同时全站仪测量出每个等分线相对于岸堤顶部的实际高程,利用摄像机建立等分线像素坐标p和实际高程h的对应关系;
S2:建立模板水位图像解决摄像机偏移问题,并从模板水位图像中选取n对匹配控制点作为图像配准依据;
S3:利用选取的n对匹配控制点计算空间变换矩阵,将待配准水位图像转换成配准完成的标准水位图像,使偏移后摄像机图像满足之前建立的像素坐标p和实际高程h的对应关系;
S4:采集不同条件下正射水位图像,进行数据增强构造水位图像数据集,其中训练样本集和测试样本集按照8∶2的比例进行划分;
S5:将水位图像数据集输入BiDGANet神经网络进行训练;
S6:将配准完成的标准水位图像输入训练好的BiDGANet神经网络,得到水位图像水体区域和非水体区域的分割图,分割后接着扩大像素灰度值;
S7:在分割后扩大像素灰度值得到的结果图中,对图像中的像素灰度值按行累加解决水面波动的问题,计算水体部分垂直方向的像素长度,确定水位线坐标位置l;
S8:根据S1得到的像素坐标p和实际高程h的对应关系,将水位线坐标位置l换算成实际高程h;
步骤S5中BiDGANet神经网络具体为:
以Bilateral Networ实时语义分割网络作为基础网络从而减少计算复杂度,在其基础上增加引导注意力模块从而扩大图像的感受野增加分割的精确度,整体架构为两部分:第一部分是高低分辨率组成的双分支,图片会分别进入高分辨率分支和低分辨率分支从而得到不同尺度的特征提取;第二部分是双引导注意模块,它利用一种轻量型的注意力机制将上一部分不同尺度的特征融合起来进行输出;训练后的网络用于测试水位图像的语义分割;输入图像为24位2000×2000像素的正射图像,模型可以生成像素灰度值在0~1之间的像素分类向量;
步骤S6中得到水位图像水体区域和非水体区域的分割图的计算方法为:得到模型生成的像素分类向量过后,使用Softmax分类器做逐像素预测;Softmax多分类层对各个输入分类器的概率值作指数计算,经归一化后,最大值所代表的类别即为分类结果,判断每个像素所属类别后计算损失函数,将Softmax多分类层的输出向量和样本数据的标签值做交叉熵处理:式中:Hx(y)为交叉熵,用来衡量模型分割结果与标签值之间的差异;xi为标签中第i个元素的值;yi为Softmax层输出向量(y1,y2,…,ym)的第i个向量数据;
步骤S6中分割后扩大像素灰度值的计算方法为:
分割结果中水体区域、非水体区域的像素灰度值分别为1、0;在后续的水位线检测中,对分割结果图像的每一部分像素灰度值进行100倍的扩展,即水体区域、非水体区域的灰度值分别为100、0;
步骤S7中确定水位线坐标位置l的计算方法为:
S71:对图像中的像素灰度值按行累加:
b(r)=M(r,1)+M(r,2)+…+M(r,w)
式中:M(r,w)为像素(r,w)处的像素灰度值;r为当前像素的行坐标,取r=1,2,…2000;w为像素的列坐标,取w=1,2,…200;设定水体的固定灰度值阈值为Tw;
S72:在分割结果图的像素值水平投影中自上而下进行遍历,b(r)≤Tw的像素行坐标为非水体区域,记为rw,b(r)>Tw的像素行坐标为水体区域,记为rr;
通过下式计算水体部分垂直方向的像素长度,确定水位线坐标位置l:l=H-(rw2-rw1)
式中:H为像素的行坐标总长;rw2为非水体部分顶端像素的行坐标;rw1为非水体部分底端像素的行坐标。
2.根据权利要求1所述的一种基于改进双边网络的无标尺水位监测方法,其特征在于,步骤S2具体为:S21:在水位较低的情况下,利用S1拍摄的水位图像作为模板水位图像;
S22:选取n对匹配控制点的方法为:在模板水位图像中的上下两端开始向中间依次选取n对匹配控制点作为图像配准依据,控制点的原像素坐标、控制点的变换后像素坐标分别表示为(xi,yi)和(ui,vi),其中i=1,2,3,…,n。
3.根据权利要求1所述的一种基于改进双边网络的无标尺水位监测方法,其特征在于,步骤S3中计算空间变换矩阵的公式为:式中:m1~m9为变换系数,该变换系数通过模板水位图像与待配准水位图像中的控制点计算得出,待配准水位图像的坐标通过公式转换成配准完成的标准水位图像。
4.根据权利要求1所述的一种基于改进双边网络的无标尺水位监测方法,其特征在于,步骤S4中水位图像数据集建立过程具体为:采集枯水期和丰水期不同天气、光照和水流条件下的正射水位图像,对图像进行翻转,裁剪,缩放,颜色变换操作进行数据增强,构造水位图像数据集。
5.根据权利要求1所述的一种基于改进双边网络的无标尺水位监测方法,其特征在于,步骤S8中水位线坐标位置l换算成实际高程h的计算方法为:利用像素坐标p和实际高程h的对应关系h=p/Δd,将水位线坐标位置l换算为实际高程:h=l/Δd
式中:Δd为模板水位图像的物理分辨率,对应单位为pixel/mm。