基于图像处理技术的干沙层数据采集方法研究与应用

《基于图像处理技术的干沙层数据采集方法研究与应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号:TP3910710-2013124079硕士学位论文基于图像处理技术的干沙层数据采集方法研究与应用董婉君导师姓名职称王夏黎副教授申请学位级别工学硕士学科专业名称软件工程论文提交日期2016年4月28日论文答辩日期2016年6月15日学位授予单位长安大学ResearchandApplicationofDrySurfaceLayerDataCollectionMethodBasedonDigitalImageProcessingAThesisSubmittedfortheDegreeofMast

2、erCandidate：DongWanjunSupervisor：AssociateProf.WangXialiChang’anUniversity,Xi’an,China摘要干沙层的形成模型研究有助于干旱地区的水资源保护和地表植物生长,如何对干沙层模型形成过程中的各种数据进行全面、准确、实时的采集将是干沙层研究工作成功与否的关键。目前，干沙层模型形成过程中的各种数据的采集主要是依靠人工观测记录或采用专用的采集设备。人工观测的数据比较全面，但随机性强、准确性差、工作量大，不能精确揭示干沙层的形成模型

3、；专用采集设备采集的数据准确性高，且其操作复杂，价格高昂，并不适用于此类室内物理模拟实验。利用图像处理技术，从观测的图像中获取所需数据是当前一个热门的研究方向。通过图像处理技术获取数据的方法，具有非接触、灵活性好、获取数据全面、检测速度快、自动化程度高且成本低的特点，非常适合替代当前通过人工观测或专用设备采集数据的方法。因此，以数字图像处理技术为基础结合模式识别方法，对干沙层数据的采集方法进行研究，具有一定的实际意义和应用价值。本文的具体研究工作如下：(1)针对非均匀光照下马氏瓶液位图像的噪声干扰，

4、论文提出了一种能够高效的去除液位图像噪声的自适应滤波方法。该算法通过判断马氏瓶图像最大滤波值F、最max小滤波值F以及中值滤波值F三者之间的大小关系来改变滤波窗口的大小，其能够minmed有效的保护马氏瓶液位刻度的点、线等标记以及容器边界的信息。(2)针对非均匀光照下马氏瓶液位图像的二值化问题，在对多种二值化算法进行比较分析的基础之上，选取Bernsen算法处理液位图像，并提出了一种改进的Bernsen二值化算法。实验验证，改进的Bernsen算法能够有效的分离液位图像的各个刻度线，二值化效果最佳。

5、(3)针对非均匀光照下马氏瓶图像的液位识别问题，提出了一种适用于马氏瓶液位检测的标记算法。该算法利用Loess对垂直投影曲线作平滑处理，计算曲线的各个极值点，求得每一对波峰值与波谷值差的序列，根据二值化图像的特点可知最大差值处即是马氏瓶液位线所在位置。实验验证，在不均匀光照下，算法对反光点和液位进行了很好的区分，能够有效的识别马氏瓶液位线。(4)针对干沙层厚度值的确定问题，提出了基于多块LBP特征的改进AdaBoost算法的沙层分界线识别算法。该算法在研究传统AdaBoost的分类识别算法的基础上，

6、首先采用多块LBP特征对沙层图像进行特征提取，然后利用改进的AdaBoost识别算法，i将纹理特征引入到分界线的识别中，最终得到干湿层的分界线和干沙层的厚度值。实验证明，改进的AdaBoost算法在识别精度和性能上较原有的AdaBoost算法有一定的提高，并且成功的实现了沙层厚度的自动化观测。(5)对干沙层温度与厚度进行了回归分析。论文分别利用Gauss-Newton算法和有理插值样条算法对热红外图像已知点的温度和干层厚度进行回归分析并建立其回归模型，提高了干沙层形成模型数据的精确性。对有理插值样条

7、算法的拟合效果进行了验证。(6)设计实现了一个基于图像处理的干沙层形成模型数据采集系统，实现了水文地质学中此类物理模拟试验的自动化、连续化和智能化。关键词:数据采集，非均匀光照，马氏瓶刻度图像，液位识别，AdaBoost算法，LBP特征，回归分析iiAbstractTheresearchofformationmodelofDrySurfaceLayer(DSL)helpstoprotectwaterresourcesinaridregionsandthesurfaceoftheplantgrowth

8、.ThekeytothesuccessofresearchworkfordrysandlayeristhathowtopreciselyandcomprehensivelycollectallkindsofdatainrealtimeduringtheprocessofformingtheDSLmodel.Atpresent,thedatacollectionofDSLmodelformedismainlyrelyonartificialobservationreco