(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210678454.9 (22)申请日 2022.06.16 (71)申请人 昆明理工大 学 地址 650500 云南省昆明市呈贡区景明南 路727号 申请人 云南卫士盾科技有限公司 (72)发明人 郑万波　朱榕　董锦晓　吴燕清　 冉啟华　李磊　王耀　叶瑞显　 (74)专利代理 机构 昆明隆合知识产权代理事务 所(普通合伙) 53220 专利代理师 何娇 (51)Int.Cl. G06V 10/44(2022.01) G06V 10/30(2022.01) G01B 11/16(2006.01) (54)发明名称 一种应用 于中小型水库大坝监测的小波光 流估计与图像相关变形识别方法 (57)摘要 本发明提供了一种应用于中小型水库大坝 监测的小波光流估计与图像相关变形识别方法， 属多源运动图像识别领域； 本发明首先采用 Daubechies小波滤波器进行图像噪声处理。 其次 应用光流估计方法构建出反映图像中形变区域 变化的情况的光流场。 再次采用数字散斑图像相 关方法， 构建同样能反映监测区域变形情况位移 场。 最后将光流场与位移场进行加权计算， 得到 一个更加精确的位移场用于反映水库大坝的形 变和位移情况。 本发明主要应用于对中小型水库 大坝地表水平、 垂直变形进行识别， 能为大坝的 稳定性评价、 防洪 防汛及预测预报提供依据， 还 能针对实施的工程进行监测， 如大坝位移情况和 抗滑桩的结构变形等， 实现对大坝存在的不安全 状况的预测。 权利要求书3页 说明书12页 附图2页 CN 115063599 A 2022.09.16 CN 115063599 A 1.一种应用于中小型水库 大坝监测的小波光流估计与图像相关变形识别方法， 其特征 在于： 所述方法包括： 采用Daubec hies小波滤波器进行图像噪声处 理， 去除对图像识别造成影响的信号； 其次， 应用光 流估计方法构建能够反映图像中运动区域 位移变化的情况的光 流场； 再次， 采用数字散斑图像相关方法， 从两帧图像之间的相关性角度 出发， 构建一个同样 能反映监测区域 运动变化情况位移场； 最后， 将由光流估计得到光流场与图像相关方法构建的位移场进行加权计算， 得到一 个更加精确的位移场用于反映水库大坝的位移和形变情况。 2.根据权利要求1所述的应用于中小型水库 大坝监测的小波光流估计与图像相关变形 识别方法， 其特征在于： 所述应用光流估计方法构建能够反 映图像中运动区域位移变化的 情况的光 流场具体包括： 在亮度恒常基础上构建相邻两帧图像的光流方程； 并将构建的光流方程映射到小波 域， 得到原光流基本方程的弱形式； 之后将其转化为包含多个方程的线性方程组并通过最 小二乘法进行求解， 在求解的过程中通过在粗尺度计算光流的一个估值； 然后再各尺度层 的求精过程中使用运动补偿技术， 逐步提高光流估计的精度， 得到反映运动区域位移的光 流特征向量场， 对每一个 像素点进行相同操作即可 得到一个光 流场。 3.根据权利要求1所述的应用于中小型水库 大坝监测的小波光流估计与图像相关变形 识别方法， 其特征在于： 所述采用数字散斑图像相关方法， 从两帧图像之 间的相关性角度出 发， 构建一个同样能反 映监测区域运动变化情况位移场包括： 选取两 帧图像中的对应特征 点进行相关系 数计算； 并使用有限元方法获取特征点的位移值； 然后通过变形前后的位置 坐标值确定特 征点的位移向量， 对所有像素点重复计算 位移向量构成整帧图像的位移场。 4.根据权利要求1所述的应用于中小型水库 大坝监测的小波光流估计与图像相关变形 识别方法， 其特 征在于： 所述方法的具体步骤如下： Step1、 采用Daubechies小波滤波器进行图像噪声处理： 在使用光流估计和图像相关方 法处理图像 之前， 需要对图形进 行噪声处理， Daubechies小波函数由尺度函数φ(t)加权而 成， 表示为： 其中， k的初值 为2‑(2N‑1)， N＝2， 4， 6. ..， N值不同， 权重gk的值也不同； Step2、 应用光 流估计方法构建能够反映图像中共运动区域 位移变化的情况的光 流场： Step2.1、 在一幅图像上， 设灰度值为I(x,y)， 加上时间t的函数为I(x,y,t)， 给出经典 的基于亮度恒常理论的光 流估计算法的基本公式为： E＝ ∫ ∫[(Ixux+Ixvy+It)2+a(|Δu|2+|Δv|2)]dxdy       (2) 其中， (ux,vy)是光流项I(x,y,t)的速度矢量， Ix,Iy,It为I(x,y,t)关于x,y,t的偏导数， a是平滑权重系数， 根据亮度恒 常假设， (ux,vy)被设定为在一个范围内是恒定不变的， 因此 光流方程被定义 为： ΔI(x,y,t)＝ΔI(x+u,y+v,t),|Δu |2+|Δv|2＝0      (3) Step2.2、 将构建的光 流方程映射到小 波域， 得到原光 流基本方程的弱形式； Step2.3、 将构建的小波光流方程转化为包含N个方程的线性方程组并通过最小二乘法权　利　要　求　书 1/3 页 2 CN 115063599 A 2进行求解； Step2.4、 基于能量的光流估计向量的计算和光流场的确定； 小波光流估计算法首先将 光流方程改写为： 其中， λ为平滑权重系数， IxIy代表的是空间域偏导数， IxIt、 IyIt是时空域的 部分偏导数， 时间变量t是 可变帧率 参数； Step2.5、 通过光流振幅(Vx(t‑σ ),Vy(t‑σ ))自适应的决定参数n， 在计算运动帧率的近 似乘积时， 光流振幅通过前一 帧t‑σ 来估计， 计算乘积时帧区间nσ， 通过运动目标的速度进 行自适应的调整， (ux,vy)在任意的像素位置有不同的值， 通过将小波估计应用到光流估计 算法中， 光 流方程最终改写成： 其中， am,n,bm,n,cm,n,dm,n,em,n,fm,n为待定系数； 由式(5)计算出光 流特征向量(ux,vy)， 由此得到反映目标位移变化情况的光 流场； Step3、 采用数字散斑图像相关方法， 从两帧图像之间的相关性角度出发， 构建一个 同 样能反映监测区域 运动变化情况位移场； Step3.1首先， 从参考图像中以待测点p(xi,yi)为中心， 取一个大小为(2N+1) ×(2N+1) 的子图像作为参考子集， 记作f(x,y)， 同时从变形后图像中以相应像素点为中心选取一个 大小为(2M+1) ×(2M+1)的搜索子集； 在搜索子集中， 以每个像素为中心取与参考子集同样 大小的子集， 称为变形子集， 用r(x',y')表示； 然后， 将参考子集与搜索子集中的每一个变 形子集代入相关函数进 行相关计算， 得到相关系数分布图， 在相关系数分布图中， 最大或最 小相关系数 极值点的位置对应着目标子集的位置， 而目标子集的中心点p'(xi',yi')和参考 子集的中心点坐 标之差即为待测点p(xi,yi)的位移矢 量d， 同理对前后帧散斑图像中的每 一 个像素点进行计算， 即得到图像的位移场； 相关系数是判断参考子集f(x,y)和变形子集r(x',y')匹配程度的函数， 归一化协方差 相关函数通过两图像相关窗口 的挥动均方差来实现协方差函数的归一 化， 公式为：权　利　要　求　书 2/3 页 3 CN 115063599 A 3