基于语义分割的水位监测方法研究
为了实现基于视频图像的水位自动监测,以及解决传统视频监测算法环境适应性差和鲁棒性低的问题,提出一种基于语义分割的视频水位监测方法.采用改进的DeepLabv3+算法并结合空间注意力机制、通道注意力机制和边缘细化模块对水位标尺图像进行分割,用来提取水平面坐标,根据相机标定结果的线性插值来计算实际水位值.实验结果表明,所提算法在水位标尺数据集上的平均交并比达到97.18%,优于DeepLabv3+和BiSeNet(Bilateral Segmentation Network)等语义分割算法;所提算法的检测平均像素误差率为0.76%,在实测环境下水位读数误差小于1 cm.相较于现有的传统图像处理水位监测算法和基于深度学习的水位监测算法,所提算法的环境适应性更强,鲁棒性更高,渎数更精准,能够较准确地实现水体水位的自动监测.
图像处理、数字图像处理、水位测量、语义分割、注意力机制、边缘细化
59
TP391(计算技术、计算机技术)
国家重点研发计划2018YFC1505204
2022-03-30(万方平台首次上网日期,不代表论文的发表时间)
共12页
81-92