基于数字图像处理的边坡落石识别算法研究

《基于数字图像处理的边坡落石识别算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于数字图像处理的边坡落石识别算法研究　　摘要：边坡安全问题影响巨大，不但关乎着人们的财产生命以及交通安全，而且还涉及国家经济利益。该文采用图像识别技术来分析摄取的数字图像，该技术可以测量与监测数字图像当中的具体目标，并测量目标的位移，相比较以往的位移检测技术而言，该技术拥有安全可靠、使用成本低、快速等特点。　　关键词：图像处理边坡落石移动识别　　中图分类号：P642文献标识码：A文章编号：1674-098X（2017）03（b）-0088-02　　在一些地区，受当地地质构造不稳定的影响，常常在边坡等位置由于地质的改变而引发垮塌、山体滑坡等自然灾害，对人们的出行安全

2、以及财产生命安全造成了极大影响，因而有关部门亟需提高对潜在安全隐患的边坡监测力度，在尽可能早的时间内检测出危险，避免人员和生命财产的损失。有关部门在加大对地质自然灾害治理投入的同时，加大监测地质自然灾害同样有非常重要的意义。然而当前在边坡安全检测领域内缺少有效的技术和检测工具，现有的技术无法迎合目前的现实要求。以往的检测技术都必须给定一个固定的并且已知三维坐标与数字图像当中坐标的参照物，与该技术相区别的是，该文所阐述的方法不用事先提供这些坐标信息，而是利用获取到的图像当中对应点的相关信息，进而通过数字图像来检测边坡的岩石崩落，这种方法拥有鲁棒性好、计算简单等特点。　

3、　1现有边坡监测技术分析　　目前收集岩石崩落数据信息的技术主要有以下4种：人工观测测量方法、数字图像、边坡雷达、GPS技术测量。　　（1）传统的人工观测测量法，这种方法需要预先在边坡的表面选取观测的目标，之后由测量人员用专业的测量仪器来测量目标的位移信息。将观测墩建于边坡的表面，用专门的光学测量仪器测量边坡表面的绝对位移，其中的基点从测控网中获得。显然，工作效率过低是这种传统的测量方法最大的缺点，不适应目前环境的需求。　　（2）GPS测量技术，这种方法的原理是首先将GPS固定天线设置在边坡各个监测点，同时在边坡以外的某个稳定的地区安装GPS接收机，之后接收至少3?w

4、卫星的坐标数据，接收机的坐标位置就可以通过三点坐标的三维空间定位的原理来求得，然而GPS监测点需要定时向卫星发送数据，这种监测设备造价高昂并且设备维护的费用同样较高，而且这种设备的组织也比较复杂。　　（3）边坡雷达，这种方法可以顺着边坡的表面同时不需要和边坡产生任何形式的接触，进行持续的、精度在毫米级的精确测量。由此可以实时监测边坡并且可以及时预测潜在的滑坡事故，但是这种方法的缺点是其阈值较大，往往需要当边坡产生超过60m2的崩落时才会发出警报，显然这种方法对于坡度较大的边坡并不合适，而且边坡雷达的造价较高，无法大范围推广。　　（4）数字图像测量方法，这种方法会自动

5、采样观测目标的数据信息，同时自动识别与测量采样得到的数字图像，通过设备的计算之后判断何时发出报警。采用数字图像测量方法可以监测那些人员无法到达的地势较陡的危险边坡，不仅需要的工作量比较小，而且能够及时获得所需数据。　　采用数字图像技术来监测边坡位移，设备可以在任何时候调用拍得的数字图像，并且可以完全保证边坡崩滑体在速变、剧变时期的精度需求，可以为人员提供最大可能的安全保障，而且操作不复杂，该文将采用数字图像测量技术来监测边坡位移。　　2基于数字图像处理技术的边坡落石识别算法　　2.1图像预处理算法　　拍摄的边坡数字图像中往往存在噪声比较多，图像中实体特征不清晰等原因

6、，并且由于气流、光学系统失真、相对运动以及图像在进行传输过程中受到噪声污染等影响，因此需要预先将获取的边坡图像进行处理，从而增强源图像，以便在后期利用过程中获得目标特征，具体需要做的工作是消除源图像中的噪声，同时提高目标在源图像中的能量，也就是在图像中凸显检测目标在图像中的主要特点，以便在后期处理时设备能够明显地将检测目标的边缘分割并且提取出来，即使这种技术不能消除图像中的所有噪声，但是经过预处理的图像还是能够将检测目标的各类特征提取出来。　　图像预处理技术主要包含图像滤波、变换、恢复、平滑以及增强等处理数字图像的功能模块，常采用图像压缩、图像平滑、图像去噪、图像灰

7、度化以及图像二值化等方法，这些方法在具体应用时则是根据图像识别系统的需求。　　2.2移动落石发现算法　　图像二维空间和现实三维空间之间的相互对应关系可以采用图像处理算法来确定，该文采用的是Hi3515算法，用来记录边坡的位移情况，Hi3515算法将宏块作为最小的单位来为设备提供移动监测的功能，能够计算图像中确定的宏块在一定时间间隔内的运动向量以及亮度的变化。这种方法的原理是在连续的2个或者3个连续的相邻帧间，利用以像素的时间差分和阈值的具体变化来获取数字图像当中的运动范围，而时间差分运动检测方法能够很好的和动态环境相适应。具体的流程如图1所示。　　首先，算法获取