技术摘要：
本发明公开一种黄河冰坝影像特征识别方法,包括：步骤S1、获取黄河冰坝样本影像，并对所获取的黄河冰坝样本影像进行预处理；步骤S2、基于决策理论的最小距离构建模式分类器，用于黄河冰坝影像特征识别，并基于步骤S1中预处理后的黄河冰坝样本影像计算模式向量样本，通过  全部
背景技术：
冰情监测是防凌决策、水资源优化调度、水工程运行管理的关键环节。鉴于冰情监 测的重要性，各个国家都先后开展了冰情的分析与监测工作，采取了各种各样监测方法。目 前，世界上主要的冰情观测方法大体包括目测、仪器观测、遥感观测、核技术观测。 目测是传统的冰情监测方法，它是根据冰情观测规范规定，完全依靠观测人员的 眼睛和经验进行观测。目测方法所能观测的内容比较广泛，但由于观测个体的不同，观测数 据常存在差异，很难对观测结果进行定量化。现代科技对数据质量要求越来越高，因此目测 已经无法满足冰情监测的要求。 仪器观测是利用经纬仪、水准仪、照相机等简单测具，由观测人员手动操作，读取 冰情数据的基本观测方法。虽然尚不能完全实现自动化测量，且视野范围有限，但所获得的 数据准确客观，能取得连续的精度较高的资料，因而得到广泛的应用。 遥感观测是依靠飞机、卫星上携带的监测设备对冰情进行观测。通过光学摄影或 红外线扫描等手段实现大范围冰情观测，以对图像、反射等声、光、电信号的处理反演出冰 情数据，获得水温及冰的形状、范围等资料。 核技术观测是应用核射线性质，通过穿透介质的不同反应和检验低浓度同位素的 能力，进而测得冰的密度和冰速。 目前，我国的冰情监测领域主要以遥感观测方法作为数据采集手段，但冰坝影像 具有复杂多变的目标背景，难以利用先验知识进行阈值信息的确定，且冰坝种类繁多、形状 复杂，黄河水含沙量大，单纯靠边缘信息或灰度信息难以提取到完整的冰坝目标，容易造成 过分割或误分割。因此，目前亟需一种鲁棒性强、实时有效的黄河冰坝影像特征识别方法， 以实现对冰坝的准确识别。
技术实现要素：
本发明的目的是提供一种黄河冰坝影像特征识别方法，以解决现有技术存在的问 题，能够有效提高黄河冰坝影像模式识别的鲁棒性、稳定性和实时性。 为实现上述目的，本发明提供了如下方案：本发明提供一种黄河冰坝影像特征识 别方法，包括如下步骤： 步骤S1、获取黄河冰坝样本影像，并对所获取的黄河冰坝样本影像进行预处理； 步骤S2、基于决策理论的最小距离构建模式分类器，用于黄河冰坝影像特征识别， 并基于步骤S1中预处理后的黄河冰坝样本影像计算模式向量样本，通过模式向量样本对所 构建的模式分类器进行训练； 步骤S3、基于训练好的模式分类器对待测黄河冰坝影像进行模式初识别，并对模 式初识别结果进行误识别模式消除，得到待测黄河冰坝影像特征识别结果。 4 CN 111611910 A 说　明　书 2/7 页 优选地，所述步骤S1中对所获取的黄河冰坝样本影像进行预处理包括：消噪、增 强、灰度变换。 优选地，所述步骤S2中，基于决策理论的最小距离构建模式分类器具体包括如下 步骤： 对于黄河冰坝影像的W个模式类，通过计算W个决策函数d(z)完成分类器的构建， 其中Z表示黄河冰坝影像中的一个n维模式向量；若di(z)＞dj(z)，j∈[1,W]，i∈[1,W]，且j ≠i，则Z属于第i个模式类wi；模式类wj由均值向量mj和协方差矩阵Cj表征，如式1和式2所 示： 其中，Nj表示来自模式类wj的训练模式向量样本的个数； 基于模式向量样本与模式类的马氏距离完成黄河冰坝影像的模式识别，马氏距离 Dj(z)如式3所示： 决策函数dj(z)表示为：dj(z)＝1/Dj(z)。 优选地，步骤S2中，模式向量样本为四维模式向量，模式向量的计算方法包括如下 步骤： 令(x,y)表示黄河冰坝影像中某点的坐标，Sxy表示中心在(x,y)的k×k邻域，则对 应于(x,y)点处的模式向量zxy如式4所示： zxy＝(R，G，B，V)Sxy   4 其中，R、G、B分别表示邻域Sxy中红、绿、蓝色彩分量的均值，V表示邻域Sxy中的灰度 值均方差。 优选地，黄河冰坝影像的模式类包括冰坝模式和其他模式两种。 优选地，步骤S3基于训练好的模式分类器对待测黄河冰坝影像进行模式初识别， 并对模式初识别结果进行误识别模式消除，具体包括如下步骤： 步骤S31、根据步骤S1对待测黄河冰坝影像进行预处理，将预处理后的待测黄河冰 坝影像进行邻域划分，并基于邻域计算模式向量，获得待测模式向量样本； 步骤S32、将待测模式向量样本输入训练好的模式分类器，对黄河冰坝影像进行模 式初识别； 步骤S33、基于形态学开运算对黄河冰坝影像的模式初识别结果进行误识别模式 消除，得到待测黄河冰坝影像的特征识别结果。 本发明公开了以下技术效果： 本发明基于决策理论的最小马氏距离构建合理的模式识别模型，通过模式向量样 本统计算法获取模式向量样本，综合考虑了模式向量样本的代表性、抗干扰能力、计算效率 以及分类器的相容性，并对模式分类问题进行简化，基于形态学开运算进行误识别模式消 除，从而有效保证了黄河冰坝影像模式识别的鲁棒性、稳定性和实时性，且适应性强，满足 5 CN 111611910 A 说　明　书 3/7 页 了凌情遥感监测的实时性和局部河段精细监测的要求。 附图说明 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所 需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施 例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图 获得其他的附图。 图1为本发明黄河冰坝影像特征识别方法流程图； 图2为本发明模式分类器训练流程图； 图3为本发明实施例训练图像及所选取的感兴趣区域； 图4为本发明基于训练好的黄河冰坝影像特征识别模型对黄河冰坝影像进行特征 识别的流程图； 图5为本发明实施例对两张航拍黄河冰坝影像的冰坝模式识别结果，其中，图5(a) 为第一张航拍影像，5(b)为第一张航拍影像的冰坝模式识别结果，5(c)为第一张航拍影像 的冰坝模式初识别结果，5(d)为第一张航拍影像的冰坝模式误识别消除结果；图5(e)为第 二张航拍影像，5(f)为第二张航拍影像的冰坝模式识别结果，5(g)为第二张航拍影像的冰 坝模式初识别结果，5(h)为第二张航拍影像的冰坝模式误识别消除结果； 图6为本发明实施例对三张室内场景影像的冰坝模式识别结果，其中图6(a)为第 一张室内场景影像，6(b)为第一张室内场景的冰坝模式识别结果；图6(c)为第二张室内场 景影像，6(d)为第二张室内场景的冰坝模式识别结果；图6(e)为第三张室内场景影像，6(f) 为第三张室内场景的冰坝模式识别结果； 图7为本发明实施例对两张室外场景影像的冰坝模式识别结果，其中图7(a)为第 一张室外场景影像，7(b)为第一张室外场景的冰坝模式识别结果；图7(c)为第二张室外场 景影像，7(d)为第二张室外场景的冰坝模式识别结果。