论文部分内容阅读
图像法水位测量通过图像处理技术检测水位线,实现水位信息的自动获取。然而,由于现场环境光照条件复杂、清水倒影、成像分辨率低和视角倾斜的影响,水尺表面字符和刻度线的识别相当不可靠。为提高复杂光照条件下水位值的精度,本文设计了一种基于灰度拉伸的水位线检测方法。首先,构造一种新的结合卷积神经网络(CNN)和残差的去噪模型,在去除水尺图片噪声的同时能够较好地保持水尺的细节。然后,通过灰度直方图统计水面、背景、水尺部分的灰度值并进行分析,确定灰度拉伸的范围,明确水尺与水体部分的分界线来定位水位线。