帧差与快速密集光流结合的图像法测流研究

图像法测流技术因其简便、高效、安全等优点得到了普遍的关注,开始应用于国内外水文站。目前主流的图像法测流技术主要有大尺度粒子图像测速(large-scale particle image velocimetry,LSPIV)和时空图像测速(spatiotemporal image velocimetry,STIV)等,LSPIV方法采用天然粒子作为示踪物,利用空域互相关法处理图像获得流场矢量,STIV方法根据河流的主流向设定测速线,对视频图像中测速线的灰度进行采样形成时空图像,利用时空图像中的纹理角求得流速。LSPIV方法依赖示踪物的可见性,存在稳定性差等缺点,STIV方法存在对断面流态稳定性要求高和仅能测量1维流速等缺点。本文提出一种结合帧间差分与快速密集光流的分组测流方法(frame difference-fast optical flow using dense inverse search-grouping,FD-DIS-G),利用帧差法计算运动显著性图,通过捕捉细微的水面运动处理河流运动在视频中表现不明显的问题,减少对天然示踪物的依赖,使用快速密集光流法(fast optical flow using dense inverse search,DIS)计算运动显著性图中小块区域之间的密集光流位移,提高流量测量的精度和时效性,有效克服流态不稳定的情况。同时,设计一种分组处理奇异值的方法,提高了算法的整体准确性,增强了算法的稳定性。将流速仪测量得到的垂线平均流速、平均流速以及断面流量作为比测标准,利用水文站所拍得的天然河道水流视频进行比测实验,实验结果表明,相比于目前广泛使用的图像测流方法,本文方法在平均流速和断面流量上的精度有明显的提升,垂线平均流速测量的稳定性有显著的增强且实时性好。

基于图像智能识别的中小河流流量监测系统应用研究

基于机器视觉智能算法自动提取分析水流天然示踪物运动要素信息,研制天然河道流量监测系统,并在浙江临安桥东村水文站开展比测实验研究。提出运用“单宽流量比较法”确定代表性测点流速的权重,在测点流速稳定性分析的基础上优选代表性测点流速,合成指标流速并开展推流和误差分析。实验期白天时段中,测站高水期图像法测流系统误差-1.93%,随机不确定度25.8%。夜晚时段各水位级误差指标较白天总体偏大,高水期系统误差-4.63%,随机不确定度16.3%。研究显示,现阶段图像法测流可作为中高水期流量测验的辅助手段,该方法应用于全天候环境还须进一步探索,测量精度亦需提高。