董婉君　王夏黎　楊澤元

1(長(zhǎng)安大學(xué)信息工程學(xué)院　陜西 西安 710064)2(長(zhǎng)安大學(xué)環(huán)境科學(xué)與工程學(xué)院　陜西 西安 710054)3(旱區(qū)地下水文與生態(tài)效應(yīng)教育部重點(diǎn)實(shí)驗(yàn)室　陜西 西安 710054)4(陜西省地下水與生態(tài)環(huán)境工程研究中心　陜西 西安 710054)

?

非均勻光照下馬氏瓶刻度圖像的自動(dòng)識(shí)別研究

董婉君1王夏黎1楊澤元2,3,4

1(長(zhǎng)安大學(xué)信息工程學(xué)院陜西 西安 710064)2(長(zhǎng)安大學(xué)環(huán)境科學(xué)與工程學(xué)院陜西 西安 710054)3(旱區(qū)地下水文與生態(tài)效應(yīng)教育部重點(diǎn)實(shí)驗(yàn)室陜西 西安 710054)4(陜西省地下水與生態(tài)環(huán)境工程研究中心陜西 西安 710054)

馬氏瓶刻度的自動(dòng)識(shí)別會(huì)直接影響到潛水面蒸發(fā)量的觀測(cè)與計(jì)算效率[1]。針對(duì)室內(nèi)物理實(shí)驗(yàn)光照不均勻情況下的馬氏瓶刻度圖像的識(shí)別，首先使用改進(jìn)的Bernsen算法對(duì)圖像進(jìn)行二值化處理；然后求得二值化圖像的垂直投影曲線，利用Loess(locally weighted scatterplot smoothing) 算法對(duì)垂直投影曲線進(jìn)行平滑處理，求得平滑處理后的各個(gè)極值點(diǎn)，計(jì)算出相鄰極值點(diǎn)像素值之間的差值，最大差值對(duì)應(yīng)的位置即馬氏瓶液位線；根據(jù)得到的液位線和識(shí)別的數(shù)字計(jì)算出液位值，即可計(jì)算出潛水面的蒸發(fā)量。實(shí)驗(yàn)結(jié)果表明，改進(jìn)的Bernsen算法改善了室內(nèi)物理實(shí)驗(yàn)中非均勻照射下的馬氏瓶刻度的分割效果。將此方法與可調(diào)焦的攝像頭相結(jié)合，可實(shí)現(xiàn)潛水面蒸發(fā)量觀測(cè)的自動(dòng)化、連續(xù)化和智能化。此方法對(duì)類似的刻度識(shí)別具有重要的參考價(jià)值。

自動(dòng)識(shí)別改進(jìn)的Bernsen算法非均勻光照馬氏瓶刻度圖像

0　引　言

液位檢測(cè)是各個(gè)領(lǐng)域需要測(cè)量的重要參數(shù)之一。目前使用的檢測(cè)方法主要是利用硬件設(shè)備[2]和軟件技術(shù)。硬件設(shè)備主要是自動(dòng)化檢測(cè)儀表技術(shù)，隨著電子科技的不斷發(fā)展，儀器的檢測(cè)精度也在不斷的改進(jìn)，但是各種儀器的檢測(cè)精度對(duì)環(huán)境都較為敏感，且在潛水面蒸發(fā)量觀測(cè)實(shí)驗(yàn)中引進(jìn)此類的硬件設(shè)備無(wú)疑增加了實(shí)驗(yàn)成本；軟件技術(shù)主要是利用圖像處理技術(shù)來(lái)處理圖像數(shù)據(jù)，獲取液位信息，在實(shí)際應(yīng)用中，由于光源照射不均勻，對(duì)后續(xù)的液位線定位和刻度識(shí)別帶來(lái)困難。傳統(tǒng)的馬氏瓶刻度大多采用人工讀取，這樣必然存在自動(dòng)化程度低、長(zhǎng)期連續(xù)觀測(cè)難度大等缺陷。

針對(duì)非均勻光照條件下馬氏瓶刻度圖像的液位識(shí)別問(wèn)題，提出了一種基于改進(jìn)的Bernsen算法的二值化方法，同時(shí)采用液位標(biāo)定算法[3]，實(shí)現(xiàn)了馬氏瓶液位的自動(dòng)識(shí)別。實(shí)驗(yàn)表明，改進(jìn)的Bernsen算法一定程度上消除了光照不均勻?qū)︸R氏瓶刻度圖像的干擾，提高了后續(xù)的液位線標(biāo)定精度和效率。與可調(diào)焦攝像頭結(jié)合，可實(shí)現(xiàn)潛水面蒸發(fā)量及其他類似觀測(cè)的自動(dòng)化、連續(xù)化和智能化。

1　馬氏瓶刻度液位標(biāo)定方法

馬氏瓶刻度液位識(shí)別方法[3]具體步驟如下：

Step1對(duì)灰色圖像利用改進(jìn)的Bernsen算法進(jìn)行二值化處理；

Step2對(duì)二值化圖像進(jìn)行垂直投影，利用loess對(duì)投影曲線進(jìn)行平滑處理；

Step3求得平滑后曲線的極值點(diǎn)，確定曲線的波峰值和波谷值；

Step4求得相鄰極值點(diǎn)的差值，生成差值序列，求得序列中的最大項(xiàng)，最大項(xiàng)中波峰值所對(duì)應(yīng)的列就是液位所在的位置；

Step5提取與液位線相鄰的數(shù)字，根據(jù)模板匹配法對(duì)數(shù)字進(jìn)行識(shí)別，根據(jù)識(shí)別的數(shù)字和液位線的位置計(jì)算出刻度值。

流程圖如圖1所示。

圖1　液位識(shí)別流程圖

2　馬氏瓶刻度圖像二值化

圖像二值化的方法主要分為全局閾值法和局部閾值法[4,5]。全局閾值法的基礎(chǔ)思想是求取最佳門限閾值，此閾值將原圖像分成目標(biāo)圖像和背景圖像兩部分，當(dāng)取得最佳閾值時(shí)，目標(biāo)圖像應(yīng)該與背景圖像差別最大。Otsu(大律法)[6]就是典型的全局閾值法，該方法對(duì)外界環(huán)境較為敏感，抗干擾性差，且并未考慮各個(gè)像素之間的鄰域信息，在室內(nèi)實(shí)驗(yàn)中利用可調(diào)焦攝像頭下所拍攝的馬氏瓶刻度圖像存在光照不均勻的影響，因此無(wú)法利用全局閾值分割方法。而B(niǎo)ernsen算法[6]等的局部閾值算法對(duì)光照均勻和不均勻的圖像都具有很好的二值化效果，因此本文采用自適應(yīng)的Bernsen算法。

2.1傳統(tǒng)的Bernsen算法

局部閾值法根據(jù)像素的空間變化來(lái)確定二值化的閾值。Bernsen算法是局部閾值方法的一種，傳統(tǒng)的Bernsen算法思想是：設(shè)h(x, y)是點(diǎn)(x, y)的灰度值，灰度圖像的像素中心是(x, y)，以該點(diǎn)為中心的(2w+1)×(2w+1)窗口內(nèi)的所有像素的最大值為max，最小值為min，w是局部閾值的運(yùn)算窗口，圖像中各個(gè)像素點(diǎn)的閾值T(x, y)為：

(1)

得到灰度圖像的閾值后，逐點(diǎn)將中心點(diǎn)的像素值h(x, y)與計(jì)算得到的最終閾值T(x, y)進(jìn)行比較，如果中心點(diǎn)的像素值較大，則閾值為255，即為目標(biāo)像素；如果中心點(diǎn)的像素值較小，則該點(diǎn)的閾值為0，即為背景像素。

(2)

Bernsen算法通過(guò)對(duì)圖像進(jìn)行分塊處理，計(jì)算局部窗口中像素的最大值和最小值得到每個(gè)像素的閾值。在窗口內(nèi)灰度差別很小的情況下也會(huì)進(jìn)行二值化處理，然而這種強(qiáng)制處理使得在細(xì)節(jié)上過(guò)于敏感，所以不可避免地出現(xiàn)噪聲點(diǎn)，而且容易產(chǎn)生偽影現(xiàn)象，這也是局部閾值法的普遍缺陷。

2.2改進(jìn)的Bernsen算法

針對(duì)傳統(tǒng)Bernsen算法存在的上述問(wèn)題，采用改進(jìn)的Bernsen算法來(lái)實(shí)現(xiàn)圖像二值化。改進(jìn)算法是對(duì)原始的馬氏瓶刻度圖像和經(jīng)過(guò)高斯濾波處理后的馬氏瓶刻度圖像分別利用原始的Bernsen算法進(jìn)行處理，求得原圖的閾值為TH(x,y)，高斯濾波后的閾值為TI(x,y)。求得兩種閾值后通過(guò)選擇合適的參數(shù)α，根據(jù)兩種閾值的線性組合關(guān)系來(lái)確定最終的閾值T(x,y)。該線性組合可通過(guò)改變參數(shù)α的值來(lái)確定最終閾值。改進(jìn)的Bernsen算法運(yùn)算量相對(duì)較小，而且有效地解決了非均勻光照對(duì)馬氏瓶刻度圖像的影響，其具體步驟如下：

Step1對(duì)原始的馬氏瓶刻度圖像h(x, y)進(jìn)行高斯濾波，得到濾波后的圖像I(x, y)，經(jīng)過(guò)高斯濾波處理后的原始圖像更加平滑，且能夠有效去除噪聲。

Step2利用原始的Bernsen算法求得馬氏瓶刻度原圖像h(x, y)的閾值，即：

(3)

利用原始的Bernsen算法求得經(jīng)過(guò)高斯濾波處理后的馬氏瓶刻度圖像I(x, y)的閾值，即：

(4)

式中：w是局部閾值運(yùn)算窗口，其取值根據(jù)多次實(shí)驗(yàn)結(jié)果來(lái)設(shè)置，本文取w=3。

Step3通過(guò)對(duì)閾值的平滑處理可消去Bernsen算法產(chǎn)生的偽影現(xiàn)象，對(duì)馬氏瓶刻度原圖像的平滑，即：

(5)

對(duì)經(jīng)過(guò)高斯濾波后的馬氏瓶刻度圖像的平滑，即：

(6)

Step4改進(jìn)算法充分結(jié)合高斯濾波和原始的Bernsen算法的優(yōu)點(diǎn)和性能，最終各點(diǎn)的二值化閾值由TI(x,y)和TH(x,y)的線性組合關(guān)系來(lái)確定，即：

當(dāng)TH(x,y)=0時(shí)，若TI(x,y)=0，則T(x,y)=0；若TI(x,y)≠0，則T(x,y)=α·TI(x,y)。

當(dāng)TH(x,y)≠0時(shí)，若TI(x,y)=0，則T(x,y)=(1-α)·TH(x,y)；若TI(x,y)≠0，則最終的閾值為二者的線性組合，即：

T(x,y)=(1-α)·TH(x,y)+α·TI(x,y)

(7)

其中，α取值為0到1范圍內(nèi)，由實(shí)驗(yàn)得到，α取值為0.8。

Step5逐點(diǎn)將中心點(diǎn)的像素值h(x,y)與計(jì)算得到的最終閾值T(x,y)進(jìn)行比較，如果中心點(diǎn)的像素值較大，則閾值為255，即為目標(biāo)像素；如果中心點(diǎn)的像素值較小，則該點(diǎn)的閾值為0，即為背景像素。

(8)

圖2給出了改進(jìn)的Bernsen算法與其他二值化方法的效果比較。

圖2　改進(jìn)的Bernsen算法與其他算法效果對(duì)比

可以看出Otsu算法將目標(biāo)圖像和背景較好地分割，但是并沒(méi)有很好地分割出各個(gè)刻度線，Bernsen算法可以識(shí)別出馬氏瓶刻度線，但是由于光照不均勻的影響，在液位線的分割處出現(xiàn)干擾，采用的改進(jìn)的Bernsen算法二值化后的圖像有效地去除了非均勻光照的干擾，清楚地分割出液位線和各個(gè)刻度線。該算法能夠在保留Bernsen算法優(yōu)勢(shì)的同時(shí)，彌補(bǔ)其缺陷，方便后續(xù)刻度識(shí)別的實(shí)現(xiàn)。

3　垂直投影和loess平滑處理

馬氏瓶刻度圖像液位識(shí)別方法的核心在于根據(jù)垂直投影曲線的特點(diǎn)分析得到液位線。由二值圖像可知，二值化圖像由黑白交替的點(diǎn)組成，各點(diǎn)的像素值為0或者1，馬氏瓶液位線所在的大部分列在垂直方向上像素的總和值相對(duì)較大，而一般的刻度線所在的列在垂直方向上像素的總和值相對(duì)較小，因此垂直投影曲線圖會(huì)產(chǎn)生波峰波谷之間的變化，急劇變化的點(diǎn)所對(duì)應(yīng)的圖像的列值，即是馬氏瓶液位所在的位置。

3.1垂直投影

垂直投影法是統(tǒng)計(jì)二值圖像垂直方向上每列的像素和的分布特征，即每列圖像數(shù)據(jù)中非0像素值的個(gè)數(shù)，設(shè)圖像f(x, y)大小為m×n，F(xiàn)(u)為長(zhǎng)方形區(qū)域[1,m]×[1,n]的垂直投影，即：

(9)

垂直投影曲線如圖所示，隨著二值圖像橫坐標(biāo)的增加，每列的像素值會(huì)發(fā)生變化，一般刻度之間的垂直投影曲線不會(huì)產(chǎn)生較大的突變，而刻度線到液位線的垂直投影的曲線會(huì)產(chǎn)生較大突變，突變點(diǎn)就是馬氏瓶液位線所在的列值。垂直投影圖如圖3所示，其中橫坐標(biāo)為二值化圖像的橫坐標(biāo)，縱坐標(biāo)為每列的像素值的總和。

圖3　垂直投影曲線圖

圖中的毛刺較多，無(wú)疑加大了液位識(shí)別的難度，因此使用loess平滑算法對(duì)其濾波，對(duì)圖像數(shù)據(jù)進(jìn)行處理，使曲線變得平滑，處理之后的圖像有利于突變點(diǎn)的識(shí)別。

3.2平滑處理

本實(shí)驗(yàn)使用局部加權(quán)回歸散點(diǎn)平滑法(Loess)[7,8]，Loess是一種穩(wěn)健的非參數(shù)回歸方法。Loess算法首先擬合局部觀測(cè)數(shù)據(jù)，再估計(jì)擬合結(jié)果。假設(shè)計(jì)算垂直投影曲線中某一點(diǎn)(xi， yi)的Loess平滑值，其步驟如下：

Step1根據(jù)中心xi決定加權(quán)線性回歸的區(qū)間寬度：

q=f·n

(10)

式中：q是參加局部回歸的觀察值的個(gè)數(shù)；f是參加局部回歸的觀察值的個(gè)數(shù)占觀察值個(gè)數(shù)的比例；n是觀察值的個(gè)數(shù)。不同的f值有不同的結(jié)果，增大f值，會(huì)增加平滑程度，通過(guò)實(shí)驗(yàn)對(duì)比，f取值為0.35。

Step2對(duì)于單變量樣值(xi，yi)建立如下模型。

yi=αi0+ αi1xi+ … + αidxid+ βii = 1,2,…,n

(11)

式中：αi0，αi1，…，αid是相對(duì)xi的未知參數(shù)；βi，i=1,2,…,n是隨機(jī)誤差項(xiàng)；d是人為給定的值。

Step3計(jì)算xi周圍的所有點(diǎn)xj到它的距離，即：

Δij(x)=|xi-xj|

(12)

設(shè)Δq(x)為Δij(x)(j=1,2,…,n)中第q小的值。

Step4給定一個(gè)權(quán)函數(shù)T(u)，任一點(diǎn)(xi，yi)的權(quán)數(shù)是xi處權(quán)數(shù)函數(shù)曲線的高度。權(quán)函數(shù)有以下特點(diǎn)：

(1) T(u)>0，對(duì)|x|<1；

(2) T(-u)= T(u)；

(3) T(u)=0，對(duì)|x|≥1。

平滑處理一般采用立方加權(quán)函數(shù)，即：

(13)

Step5對(duì)每一個(gè)點(diǎn)xi，在窗口內(nèi)所有的xj，j=1,2,…,n計(jì)算權(quán)重，即：

(14)

Step6參數(shù)αik(i=1,2,…,n;k=1,2,…,d)的值由以下準(zhǔn)則給出，即：

(15)

其中：i=1,2,…,n。

Step7從而得到y(tǒng)i的擬合值，即：

(16)

圖4　loess平滑后的曲線

4　馬氏瓶液位標(biāo)定

對(duì)垂直投影曲線求取二階導(dǎo)數(shù)，根據(jù)函數(shù)極值判定原理標(biāo)記出曲線對(duì)應(yīng)的波峰值和波谷值，如圖5所示，其中橫坐標(biāo)為二值化圖像的橫坐標(biāo)，縱坐標(biāo)為每列的像素值的總和值經(jīng)過(guò)Loess處理后的數(shù)值。

圖5　波峰波谷標(biāo)注圖

波谷值序列為{f(i1), f(i2),…,f(imax)}，波峰值序列為{f(j1), f(j2),…,f(jmax)}，計(jì)算相鄰的波峰值與波谷值的差值，即{ f(j1)-f(i1), f(j2)-f(i2),…, f(jmax)-f(imax)}，所有差值形成一行的數(shù)組，求得差值數(shù)組中的最大值，最大差值即為刻度線和液位線的過(guò)度點(diǎn)，該點(diǎn)即是平滑后的垂直投影曲線產(chǎn)生急劇變化的位置，該位置處所對(duì)應(yīng)的波峰值的橫坐標(biāo)即馬氏瓶液位的位置[3,9]。

5　馬氏瓶刻度液位值的計(jì)算

根據(jù)以上得到的馬氏瓶液位線的位置，找到和液位線相鄰的左右刻度進(jìn)行識(shí)別，根據(jù)所識(shí)別出的數(shù)字和馬氏瓶液位線的位置得到液位線的準(zhǔn)確數(shù)值。得到相鄰數(shù)字的思想是：以馬氏瓶液位線為中心對(duì)二值化圖像進(jìn)行垂直方向上的投影，如此液位線的像素值之和是最大的。找到液位線左右兩邊次大的像素值之和應(yīng)為相鄰數(shù)字的位置，最大像素值到左右兩側(cè)次大像素值之間間隔為0的數(shù)組序列，對(duì)數(shù)組序列進(jìn)行處理，計(jì)算兩側(cè)間隔為0的個(gè)數(shù)分別為p、q，比較p和q的大小，取較小的一側(cè)進(jìn)行數(shù)字提取和識(shí)別。

5.1數(shù)字提取和識(shí)別

液位線距離左側(cè)的次大像素值間隔較小，因此對(duì)液位線的左側(cè)進(jìn)行數(shù)字提取和識(shí)別，如圖6所示。

圖6　距離液位線間隔較小的數(shù)字圖片

對(duì)分割后的圖像分別進(jìn)行水平方向和垂直方向上的投影，將分割的字符提取出來(lái)，最后匹配字符與模板，提取出的數(shù)值如圖7所示。

圖7　提取出的數(shù)字

模板匹配的思想[9]為：設(shè)待匹配圖像S為方形區(qū)域，邊長(zhǎng)為N，模板圖T也是方形區(qū)域，邊長(zhǎng)為M。設(shè)模板T疊放在待匹配圖像S上平移，模板覆蓋下的部分叫作子圖Si,j，(i, j)為子圖Si,j在搜索圖S中的坐標(biāo)，取值為：1

匹配過(guò)程如下：假設(shè)模板T從待匹配圖像S的左下角開(kāi)始逐點(diǎn)遍歷圖像，比較兩者的內(nèi)容，如果一致，則差值為零，可以用以下公式來(lái)衡量T和Si,j的相似程度，即：

(17)

展開(kāi)后為：

(18)

式中第三項(xiàng)指模板的總能量，第一項(xiàng)是子圖能量，隨(i,j)而改變，T和Si,j匹配時(shí)這一項(xiàng)的取值最大，相似性測(cè)度如下：

(19)

R(i,j)越大，模板T和子圖S就越相似，使得R(i,j)取得最大值的位置即為最佳匹配位置，(i, j)即是要搜索的匹配點(diǎn)。

5.2液位值計(jì)算

識(shí)別出數(shù)字后，計(jì)算數(shù)字與液位線中間的刻度數(shù)，馬氏瓶刻度的一個(gè)刻度值為0.1，數(shù)字與液位線之間的刻度值在垂直方向上的投影為一組間隔為0的數(shù)組序列，即{f(x1),0, f(x2),0,…,f(xn),0}，經(jīng)過(guò)處理得到數(shù)組序列中為0的間隔個(gè)數(shù)p，即是中間間隔的刻度個(gè)數(shù)，以下公式求得刻度值：

若識(shí)別數(shù)字m、n在液位線右方，液位H為：

H=10×m+n+0.1×p

(20)

若識(shí)別數(shù)字m、n在液位線左方，液位H為：

H=10×m+n-0.1×p

(21)

馬氏瓶刻度的最終識(shí)別結(jié)果如圖8所示。

圖8　液位的最終識(shí)別結(jié)果

改進(jìn)的二值化方法也適應(yīng)于數(shù)字模糊以及傾斜的馬氏瓶刻度圖像的液位檢測(cè)，如圖9、圖10所示。

圖9　模糊圖像的液位識(shí)別

圖10　傾斜圖像的液位識(shí)別

表1是對(duì)某一時(shí)段馬氏瓶刻度的人工識(shí)別的液位值與本算法得到的液位值的對(duì)比。

表1　圖像識(shí)別和人工識(shí)別值對(duì)比(單位：cm)

續(xù)表1

實(shí)驗(yàn)對(duì)30幅圖像進(jìn)行識(shí)別，其中28幅與人工識(shí)別液位線相同，對(duì)比可以得出與人工識(shí)別的誤差在±0.1 cm范圍內(nèi)，圖像識(shí)別結(jié)果精度能夠達(dá)到實(shí)驗(yàn)要求。

6　結(jié)　語(yǔ)

本文針對(duì)室內(nèi)物理模擬實(shí)驗(yàn)中利用可調(diào)焦攝像頭獲取的馬氏瓶刻度圖像的水位線的識(shí)別問(wèn)題，采用了一種基于圖像分析的刻度識(shí)別算法，該識(shí)別算法在正常的白熾燈照射下得到了較好的識(shí)別效果。由于采集到的圖像光照不均勻，二值化效果不佳，使得液位識(shí)別誤差較大，本文以傳統(tǒng)Bernsen算法能解決一些非均勻光照問(wèn)題，結(jié)合利用高斯濾波對(duì)Bernsen算法加以改進(jìn)，改進(jìn)的二值化算法有效地消除了光照不均勻?qū)D像的干擾，彌補(bǔ)了傳統(tǒng)Bernsen算法產(chǎn)生偽影的不足。該改進(jìn)算法較其他常用的去除圖像陰影的算法更為簡(jiǎn)單，圖像預(yù)處理的效果為后續(xù)液位識(shí)別提供了很大便利。液位識(shí)別方法計(jì)算出平滑曲線的每一對(duì)相鄰波峰值與波谷值的差值序列，序列的最大項(xiàng)即為液位線的列值，根據(jù)液位值找到相鄰的數(shù)字，對(duì)數(shù)字進(jìn)行識(shí)別，并計(jì)算出液位值的準(zhǔn)確刻度。該識(shí)別方法有較高的精度，誤差較小，滿足了室內(nèi)物理實(shí)驗(yàn)的需求。將本方法與可調(diào)焦攝像頭結(jié)合，可實(shí)現(xiàn)室內(nèi)物理實(shí)驗(yàn)中潛水面蒸發(fā)量或類似觀測(cè)的自動(dòng)化、連續(xù)化和智能化。下一步將實(shí)現(xiàn)對(duì)馬氏瓶刻度的實(shí)時(shí)自動(dòng)化識(shí)別問(wèn)題。

[1] 景少波,王成福,許驥.一種基于馬氏瓶的點(diǎn)源入滲濕潤(rùn)鋒測(cè)試裝置:中國(guó),CN203365275U[P].2013-12-25.

[2] 陳金麗,張帆,張顯.基于卡爾曼濾波的液位檢測(cè)與跟蹤[J].計(jì)算機(jī)仿真,2009,26(9):317-320.

[3] 張占強(qiáng),朝樂(lè)門,孟克其勞.基于圖像分析的牛奶液位標(biāo)定算法研究[J].中國(guó)農(nóng)機(jī)化學(xué)報(bào),2014,35(1):224-228.

[4] Ying Wen,Yue Lu.An algorithm for license plate recognition applied to in telligent transportation system[J].IEEE Transactions on Intelligent Transportation Systems,2011,12(3):830-845.

[5] 陳強(qiáng),朱立新.結(jié)合Canny算子的圖像二值化[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào),2005,17(6):1302-1306.

[6] Otsu N.A threshold selection method from gray-level histograms[J].IEEE Transactions on Systems,Man,and Cybernetics,1979,9(1):62-66.

[7] 張穎.統(tǒng)計(jì)學(xué)中回歸分析及相關(guān)內(nèi)容的教改思考:兼介紹LOESS回歸[J].統(tǒng)計(jì)與信息論壇,2000(2):35-37.

[8] 于卓熙.帶有誤差變量的自回歸模型的回歸函數(shù)的局部多項(xiàng)式估計(jì)[D].吉林:吉林大學(xué),2006.

[9] 張忠安.基于模板匹配算法的識(shí)別系統(tǒng)[J].數(shù)字技術(shù)與應(yīng)用,2013(6):134,136.

[10] 劉治峰.基于圖像的水位自動(dòng)檢測(cè)研究[J].南京:南京理工大學(xué)研究生院,2004(10):34-38.

[11] Valentin Bataelj,Jovan Bojkovski,Janko Drnovsek,et al.Automation of Reading Liquid-in-Glass Thermometers[J].IEEE Transactions on Instrumentation and Measurement,2001,50(6):1594-1598.

[12] 王飛.牛奶液位的刻度識(shí)別[D].內(nèi)蒙古:內(nèi)蒙古師范大學(xué),2012.

STUDY ON AUTOMATIC IDENTIFICATION OF THE SCALE IMAGE OF THE MARRIOTTE’S BOTTLE UNDER UNEVEN ILLUMINATION

Dong Wanjun1Wang Xiali1Yang Zeyuan2,3,4

1(SchoolofInformationEngineering,Chang’anUniversity,Xi’an710064,Shaanxi,China)2(SchoolofEnvironmentalScienceandEngineering,Chang’anUniversity,Xi’an710054,Shaanxi,China)3(KeyLaboratoryofSubsurfaceHydrologyandEcologicalEffectinAridRegionsofMinistryofEducation,Xi’an710054,Shaanxi,China)4(EngineeringResearchCenterofGroundwaterandEco-EnvironmentofShaanxiProvince,Xi’an710054,Shaanxi,China)

The automatic identification of the Marriotte’s bottle scale has direct influence on the observation and the computational efficiency of water table evaporation. To deal with the problem of identifying Marriotte’s bottle scale image in the condition of indoor experiments’ uneven illumination, the first step is to use the improved Bernsen algorithm to let image binarized to get the vertical projection curve of the binary image and then smooth it by using the Locally Weighted Scatterplot Smoothing (Loess) algorithm to calculate the difference between the pixel value of the adjacent extreme points which were got after smooth processing, and the position of the maximal difference is the liquid level line of the Marriotte’s bottle. According to the liquid level line and the recognized numeral, the liquid level value and the water table evaporation can be calculated. Experimental results show that the improved Bernsen algorithm improves the result of segmentation of the Marriotte’s bottle scale in the condition of indoor experiments’ uneven illumination. What’s more, with the combination of this method and manual-focus or auto-focus camera, it is possible to implement the automation, serialization and intelligence of the observation of water table evaporation. This method is an important reference to similar scale recognition.

Automatic identificationImproved Bernsen algorithmUneven illuminationMarriotte’s bottle scale images

2015-07-20。國(guó)家自然科學(xué)基金項(xiàng)目(41272247)；教育部留學(xué)回國(guó)人員科研啟動(dòng)基金項(xiàng)目(2013C0290418)；中央高?；究蒲袠I(yè)務(wù)費(fèi)項(xiàng)目(2013G1502031，2014G2290018)。董婉君，碩士生，主研領(lǐng)域：圖像處理。王夏黎，副教授。楊澤元，副教授。

TP391.41

A

10.3969/j.issn.1000-386x.2016.10.044