CN104484577B - 一种基于山脊能量校正的山地中带状地下目标的探测方法 - Google Patents
一种基于山脊能量校正的山地中带状地下目标的探测方法 Download PDFInfo
- Publication number
- CN104484577B CN104484577B CN201410851352.8A CN201410851352A CN104484577B CN 104484577 B CN104484577 B CN 104484577B CN 201410851352 A CN201410851352 A CN 201410851352A CN 104484577 B CN104484577 B CN 104484577B
- Authority
- CN
- China
- Prior art keywords
- ridge
- ridge line
- banding
- point
- longitude
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 51
- 238000012937 correction Methods 0.000 title claims abstract description 31
- 238000000034 method Methods 0.000 claims abstract description 40
- 238000007781 pre-processing Methods 0.000 claims abstract description 11
- 230000001629 suppression Effects 0.000 claims abstract description 11
- 239000011159 matrix material Substances 0.000 claims description 39
- 238000005070 sampling Methods 0.000 claims description 33
- 238000009826 distribution Methods 0.000 claims description 8
- 238000012360 testing method Methods 0.000 claims description 6
- 238000013519 translation Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000004069 differentiation Effects 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 3
- 240000007594 Oryza sativa Species 0.000 claims description 2
- 235000007164 Oryza sativa Nutrition 0.000 claims description 2
- 210000001367 artery Anatomy 0.000 claims description 2
- 235000009566 rice Nutrition 0.000 claims description 2
- 238000005096 rolling process Methods 0.000 claims description 2
- 210000003462 vein Anatomy 0.000 claims description 2
- 239000000284 extract Substances 0.000 claims 2
- 238000004080 punching Methods 0.000 claims 1
- 238000004458 analytical method Methods 0.000 abstract description 10
- 230000000694 effects Effects 0.000 abstract description 9
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000003909 pattern recognition Methods 0.000 abstract description 2
- 230000002159 abnormal effect Effects 0.000 abstract 3
- 230000004807 localization Effects 0.000 abstract 1
- 238000004422 calculation algorithm Methods 0.000 description 19
- 239000011435 rock Substances 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000004088 simulation Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 241001408627 Agriopis marginaria Species 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011981 development test Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000003331 infrared imaging Methods 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000008961 swelling Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V9/00—Prospecting or detecting by methods not provided for in groups G01V1/00 - G01V8/00
- G01V9/005—Prospecting or detecting by methods not provided for in groups G01V1/00 - G01V8/00 by thermal methods, e.g. after generation of heat by chemical reactions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/194—Terrestrial scenes using hyperspectral data, i.e. more or other wavelengths than RGB
Abstract
本发明公开了一种通过检测山地环境中山脊位置并进行能量校正来提高对山地环境中带状地下目标的探测、识别、定位方法。该方法属于模式识别、遥感技术、地形分析的交叉领域。带状地下目标的热场与山体的热场不同能产生能量异常，而山脊的热岛效应也会造成山体能量异常，但该异常本质上与带状地下目标的能量异常模式不同，所以本发明意在通过消除地形中的山脊所产生的热体效应对带状地下目标表现出的微弱能量异常模式的影响，达到降低山地环境中带状地下目标的探测识别虚警率的效果。本发明包括获取地形数字高程信息步骤，数字高程信息去噪预处理步骤，山脊线检测步骤，山脊位置能量校正步骤和带状地下目标探测步骤。
Description
技术领域
本发明属于模式识别、遥感技术、地形分析的交叉领域，具体涉及一种基于山脊能量校正的山地中带状地下目标的探测方法，该方法通过地形分析定位山脊位置并对山脊能量进行校正从而提高山地环境中地下目标的识别正确率同时降低虚警率。
背景技术
山地环境中普遍存在着大量的带状目标，如自然环境中存在的地下河流、人工修建的地下石油运输管道、穿山的铁路与公路隧道等。地下河流既是重要水资源又是在山地中进行建筑施工时必须避绕开的，所以如何准确探测、定位出地下河流的位置对我们的可持续发展与现代化进程都有着重大意义。公路隧道与铁路隧道可以穿过山体不仅大大缩短的道路的长度节省了人们在旅途中话费的时间，也降低了修建盘山公路、铁路所需要大量人力、物力，并且对于汽车来说，隧道的安全性远远大于盘山公路的安全性。但是一旦这些山地环境中的人工地下建筑出现故障，就面临着勘察位置难度大的问题。所以能够准确的探测、定位这些地下带状目标的位置对人们的交通、生活的方方面面都有巨大的影响。因此，有必要开展以较低虚警率和较高识别率来探测定位山地环境中带状地下目标的研究。
当然，最普通和直接的对隧道设施探测的方法是接触式人工探测，但是，这种方法十分费时且需要大量人力物力。虽然，红外成像作为带状地下目标探测新技术被提出应用于浅层地下管线的探测，但是还未见国内外探测较深埋深的带状地下目标探测的报道。
土壤和岩石吸收太阳光的能量产生热量发出红外辐射被热红外传感器探测。山体热场主要分为稳定部分与可变部分，可变部分即为受日照影响温度变化剧烈的浅层山体，稳定部分包括浅层山体以下的山体部分与埋藏在其中的地下目标。太阳每日对山体可变部分循环加热，山体内部稳定部分与可变部分热交换以及地下目标自身产热与稳定部分热交换最终导致山体温度与埋藏目标的可探测的温差，这是探测地下目标的物理基础。
带状地下目标的温度与能量与周围的山体介质有一定不同，经过热传递与扩散最终在山体呈现出脉冲模式。但是由于山脊的热岛效应使得山脊位置的能量场也比较符合脉冲模式，对山地中带状地下目标的探测造成干扰。
发明内容
针对利用脉冲模式探测山地环境中带状地下目标方法总是受到山脊热岛效应的而影响伴有较高的虚警率的缺陷，本发明提供了一种通过山脊线检测算法确定山脊位置，并对山脊能量进行校正，再利用校正后的能量图像进行带状地下目标的探测、定位，由此解决了山地环境中山脊造成的高虚警问题。本发明的基于山脊能量校正的山地中带状目标的探测方法主要包括下述步骤：
(1)获取地形数字高程信息步骤，包括下述子步骤：
(1.1)确定数字高程信息覆盖范围的经纬度步骤：
土壤和空气环境在一定范围内是同质的。首先我们就应该确定到底获得多大范围内的地形的数值高程信息，并且确定该探测范围的位置，即经纬度信息。由于下面的步骤中还要确定每一个点的经纬度信息，所以我们最好确定一个标准的矩形区域，而这里只要确定矩形四个顶点的经纬度信息，分别标记为Pt1(longti1,lati1)、Pt2(longti2,lati2)、Pt3(longti3,lati3)、Pt4(longti4,lati4)。
(1.2)计算范围内经纬度矩阵的步骤：
经纬度矩阵的分辨率必须和能量(红外)图像的分辨率相同，只有这样最后获取的地形数值高程信息才可以和能量(红外)图像对应起来，从而实现通过地形数字高程信息检测山脊位置并最终找到对应能量(红外)图上的位置。
(1.2.1)计算地形范围的宽度、高度步骤：
根据(1.1)中确定的矩形四个顶点的经纬度利用Google Earth提供的测距工具计算出矩形覆盖范围的宽度、高度标记为width、height单位为米，并计算出经纬度的范围
(1.2.2)计算经纬度矩阵的步骤：
按照采样间隔step米,每次距离step米采样一次，分别计算出纵向、横向的采样点的数目，即：height/step，width/step，并计算出经纬度矩阵每相邻两个采样点的经度步长long_step和纬度步长lati_step，从而计算出经纬度矩阵中每一个采样点的经纬度。
(1.3)利用Google Earth计算海拔矩阵的步骤：
Google Earth提供了编程接口，使得我们可以将(1.2.2)中经纬度矩阵作为输入利用Google Earth得到每一个采样点的海拔数据，并根据该海拔数据生成地形数字高程信息矩阵输出。
(2)数字高程信息去噪预处理步骤，包括下述子步骤：
由于(1.3)中获得的数字高程信息矩阵会带有一定的噪声，该噪声可能来自于不准确的高程数据或者是Google Earth在拼接时产生的整块的偏高与偏低。整块的偏高偏低是不影响山脊线的检测的，所以针对个别不准确噪声，我们采用均值滤波方法对原始地形数字高程信息进行去噪预处理。即取一定局部范围内，如一个k*k的邻域内高程信息的均值作为输出。这样就可以消除呈随机分布的噪声的影响，因为：设一个邻域内第i个采样点的真实高程值为hi，他的噪声误差为Δhi，最终的观测值为hi+Δhi，取一个邻域内像素的均值作为输出的过程如下：
即由于噪声是随机分布的，所以多个采样点的平均噪声为0，这样就可以得到逼近真实情况的高程图。
(3)山脊线检测步骤，包括下述子步骤：
(3.1)水平方向山脊线的检测步骤：
水平方向的山脊线即x方向的山脊线：沿着x方向遍历，将每一个采样点的高程值与y方向一定范围内(如5个采样点即50米范围内)的采样点的高程值比较，如果该采样点在y方向是极大值，就认为该点为水平方向的山脊线的候选点，所述一定范围可以预先设定。
(3.2)垂直方向山脊线的检测步骤：
垂直方向的山脊线即y方向的山脊线：沿着y方向遍历，将每一个采样点的高程值与x方向一定范围内(如5个采样点即50米范围内)的采样点的高程值比较，如果该采样点在x方向是极大值，就认为该点为垂直方向的山脊线的候选点，所述一定范围可以预先设定。
(3.3)提取连续的山脊线步骤：
正常的山脊线点应该有一定的连续性而不应该是孤立的，但是按照(3.1)、(3.2)步骤提取出的山脊线的候选点有可能是不连续的孤立点，所以我们应该对每一个山脊线候选点进行连续性判别。判别准则如下：如果该候选山脊线点的t*t邻域内山脊线候选点的总数大于th_num，则该山脊线候选点为最终的山脊线点；否则，判断该孤立的山脊线候选点为非山脊线点，其中t为预设值。由此就可以得到最后的连续山脊线标记图。
(4)山脊位置能量校正步骤，包括下述子步骤：
(4.1)山脊位置能量分布特征分析步骤：
山脊位置普遍存在山体效应：主要指隆起地块的热力效力。山体创造其周围的气候，在任给定的海拔高度上，隆起地块的表面积越大，山体对其本身和周围环境的影响也就越大。山体作为突起的热岛，太阳辐射被吸收并转换成长波热能，其温度远高于相同海拔自由大气的温度。
另一方面，从传热学角度分析：热量总是沿着最容易传导的方向进行传播。而山体中的岩石的热导率为1.2～2.1W/(m·℃)，而相比之下山体表面接触的外界空气的热导率为0.024W/(m·℃)，所以，山体内部的热量遇到空气时，由于其导热率远远小于岩石之间的热导率，热量大部分沿着岩石传导并在山脊处汇集，产生了山脊处热量明显偏高的能量分布特征。
(4.2)山脊位置能量校正步骤：
根据(4.1)中阐述的山脊位置能量分布特征，对山脊位置的能量进行校正，校正的具体方法为：山脊线位置采样点的能量用山脊线位置两侧的采样点的能量的均值代替。通过校正山脊位置能量，可以有效的减少探测识别虚警。
(5)带状地下目标探测步骤，包括下述子步骤：
(5.1)设置遍历探测带状地下目标所用参数步骤：
对带状地下目标可能存在的山地区域的红外图像进行遍历，探测脉冲模式存在的位置，从而实现带状地下目标的定位的同时探测出虚警的位置。在遍历探测开始前有以下参数需要进行设置：
采样段大小以及对比段距中心段的间隔：假设下方有带状地下目标的山地地表的采样段的长度与宽度各为l和w个像素；那么，带状地下目标两旁山地地表采样段也采用同样大小。两旁山地地表采样段中心距离带状地下目标上方采样段中心的距离为s个像素，其中l、w、s为预设值。
搜索的方向：通过查阅资料可以大致估计出该地区带状地下目标的走向，按照估计出的走向度数设置遍历搜索的中心首尾坐标P0(x0,y0),P1(x1,y1)，这两点的连线只要可以通过该区域中点附近的位置即可，因为这样方便向两边平移遍历搜索。
每次延展的距离：每搜索一组假设下方存在带状地下目标的山地地表图像与两边对比的山地地表图像就向两边平移距离d再继续新的一组的搜索。直到到达图像的边界，搜索自动停止。
脉冲阈值：每一段中间假设下方存在带状地下目标的山地地表图像采样段的灰度均值与两边对比的山地地表图像采样段的灰度均值的差的绝对值，均大于该脉冲阈值th的时候，该处的脉冲才算作有效脉冲；若两个差值中任意一个小于脉冲阈值该处的脉冲就是因为信号微弱而被认为无效。
(5.2)遍历探测结果的输出步骤：
由(5.1)中确定的遍历搜索的中心首尾坐标P0(x0,y0),P1(x1,y1)，开始使采样段从点P0(x0,y0)逐像素滚动到点P1(x1,y1)，且每次滚动一个像素后，再左右各平移r个像素，寻找其中中间段与左右两边对比段差值最大的位置，并测试该位置的脉冲是否为有效脉冲，若为有效脉冲，则效脉冲数目增加一。接着计算P0,P1向两边平移每次延展的距离之后的坐标P0’,P1’，在P0’,P1’之间按照P0,P1之间同样的采样方法进行统计，并并计数有效脉冲数目。有效脉冲数目占总数目最大的一组两端坐标P0,P1确定的位置为带状地下目标位置，结果中其余脉冲出现的位置即为虚警位置。
本发明的技术效果体现在：经过研究试验发现山地环境中带状地下目标探测的虚警多出现在山脊位置，经过山体温度场仿真也真实了山脊效应的存在。所以，我们提出通过检测山脊位置并校正山脊位置的能量来降低虚警的基于山脊能量校正的山地中带状地下目标的探测方法，试验结果表明该方法确实能够明显降低山地中带状地下目标探测出现在山脊位置的虚警，使得探测结果更加准确，且该方法实现简单、计算量较小、所需参数较少。
附图说明
图1是本发明基于山脊能量校正的山地中带状地下目标的探测方法的流程示意图；
图2是本发明实施例中地形数字高程信息覆盖范围示意图；
图3是本发明实施例中获得地形数字高程信息图；
图4是本发明实施例中地形数字高程信息图去噪预处理结果图；
图5是本发明实施例中山脊线初检测算法流程图；
图6是本发明实施例中山脊线初检测结果图；
图7是本发明实施例中连续山脊线提取算法流程图；
图8是本发明实施例中连续山脊线提取结果图；
图9是本发明实施例中无带状地下目标的山体温度场仿真结果图；
图10是本发明实施例中山脊能量校正算法流程图；
图11是本发明实施例中仿真得到的原始红外图；
图12是本发明实施例中山脊位置在仿真红外图上的标记结果；
图13是本发明实施例中山脊能量校正结果图；
图14是本发明实施例中山脊能量校正前检测虚警标记图；
图15是本发明实施例中山脊能量校正后检测虚警标记图。
具体实施方式
本发明中用于说明基于山脊能量校正的山地环境中的带状地下目标探测识别方法的带状地下目标是一条山地环境中的隧道，其所在地区的能量图是我们根据海拔信息与表面材质的红外辐射特征仿真得到的红外图像。在应用本发明的算法做检测的时候，可以利用真实的热红外图像代替本发明中提到的能量图会得到一样的效果。
本发明首次提出利用红外成像技术与多元信息探测山地中带状地下目标的方法，旨在解决通过检测山脊的位置对山脊处的能量进行校正从而山地中带状地下目标探测虚警高的难题。
山脊位置的检测属于地形分析的领域，即利用地形高程数据中含有的地形信息自动提取山脊线的位置。从三维高程数据中提取山脊线的方法从原理上可以分为局部算法和整体算法。局部算法是分析组成数字高程网格的纵横断面，找出断面上的高程极大值点作为山脊线上的候选点，然后再根据一定的规则对已经得到的候选点进行筛选、排序得到所需要的山脊线，典型算法如：断面分析法；整体算法是模拟地形表面自然流水的状态，找出分水线。然而局部算法不能够估计地形的整体变化规律，在确定山脊线的时候很难区分地形噪音，这样会在其所提取的山脊线的候选点上有大量的噪音，为后续山脊线的判别带来不便，甚至会产生错误和使得后续算法无法进行。整体算法有较强的抗噪音能力，但是其计算量大，且随数字高程网格的增加成平方关系增长。
由于本发明的重点是通过检测山脊位置对山脊位置的能量进行校正从而达到降低探测带状地下目标的虚警率、提高识别率的目的。本发明提出了一个计算量小、计算速度快的山脊检测方法，并在此基础上阐述了山脊能量校正的方法，从而达到了利用脉冲模式准确探测、定位带状地下目标的目的。
本发明提供了一种基于山脊能量校正的山地环境中的带状地下目标探测方法，如图1所示，包括如下五个主要步骤：(1)获取地形数字高程信息步骤；(2)数字高程信息去噪预处理步骤；(3)山脊线检测步骤；(4)山脊位置能量校正步骤；(5)带状地下目标探测步骤来具体阐述其算法的执行过程：
(1)获取地形数字高程信息步骤，包括下述子步骤：
(1.1)确定数字高程信息覆盖范围的经纬度步骤：
上述作为说明示例的隧道的长度为3000米，为了能够覆盖整个带状地下目标还要考虑到利用Google Earth获取地形数字高程信息的复杂度与选定的区域的面积成正比，我们最终确定了待探测区域的大小，经过进一步查阅资料我们确定了其位置。
待探测区域具体的位置，即：待探测区域四个顶点P1，P2、P3、P4的经纬度信息如下：
Pt1(116.150049,40.296833)、Pt2(116.0292983,40.356959)、
Pt3(116.194775,40.260787)、Pt4(115.970548,40.311917)；四个顶点所标定的具体方法如图2所示。
(1.2)计算范围内经纬度矩阵的步骤：
本发明说明示例所使用的能量(红外)图像是根据红外辐射特征仿真得到的，其分辨率为10米。而经纬度矩阵的分辨率必须和能量(红外)图像的分辨率相同，所以这里及纬度矩阵的采样间隔step为10米。
(1.2.1)计算待探测地形范围的宽度、高度步骤：
根据(1.1)中确定的矩形四个顶点Pt1，Pt2、Pt3、Pt4的经纬度利用Google Earth提供的测距工具得到矩形覆盖范围的宽度width＝3800米、高度height＝4000米。
(1.2.2)计算经纬度矩阵的步骤：
按照采样间隔,每次距离10米采样一次，分别计算出纵向(纬度方向)采样点的数目：
lati_num＝height/step＝4000/10＝400；
横向(经度方向)的采样点的数目：
long_num＝width/step＝3800/10＝380。
并计算出经度范围
long_region
＝longti2-longti4
＝116.0292983-115.970548
＝0.0587503
和纬度范围
lati_region
＝lati2-lati4
＝40.356959-40.311917
＝0.045042。
经纬度矩阵每相邻两个采样点的经度步长
long_step
＝long_region/long_num
＝0.0587503/380
＝0.0001546
和纬度步长
lati_step
＝lati_region/lati_num
＝0.045042/400
＝0.000112605
那么，经纬度矩阵locate的第i行第j列的采样点的经度为
locate(i,j)_longti＝longti4+long_step*j；
经纬度矩阵第i行第j列的采样点的纬度为
locate(i,j)_lati＝lati4+lati_step*(lati_num-i)
则经纬度矩阵第i行第j列的采样点的经纬度为
locate(i,j)(locate(i,j)_longti，locate(i,j)_lati)。
(1.3)利用Google Earth计算海拔矩阵的步骤：
Google Earth提供了编程接口，将(1.2.2)中经纬度矩阵locate中每一个采样点的坐标按行排列为一个向量，即locate的第i+1行放在第i行的后面一次排列成一个向量作为输入。Google Earth会自动依次读取每一个采样点的经纬度数据，并返回每一个采样点对应的海拔数据。我们只需要将返回的海拔数据向量重新按照每行long_num个采样点，共lati_num行输出为一个矩阵，该矩阵即为地形数字高程信息。将本实例中的地形数字高程信息展示如图3所示。
(2)数字高程信息去噪预处理步骤，包括下述子步骤：
我们将获得的地形数字高程信息因为(1.3)中获得的数字高程信息矩阵会带有一定的噪声，如图2中黑色矩形框所标注的地方，这些噪声可能来自于不准确的高程数据。所以针对这些噪声，采用均值滤波方法对原始地形数字高程信息进行去噪预处理。即遍历全图，每一个采样点的值由取一定局部范围内，如一个s*s的邻域内高程信息的均值代替。如此可以消除呈随机分布的噪声的影响。
去噪预处理算法的解释：设一个邻域内第i个采样点的真实高程值为hi，他的噪声误差为Δhi，最终的观测值为hi+Δhi，取一个邻域内像素的均值作为输出的过程如下：
即由于噪声是随机分布的，所以多个采样点的平均噪声为0，这样就可以得到逼近真实情况的高程图。因为本实例中取n＝9，即s＝3。
数字高程信息去噪预处理得到的结果如图4所示，黑色框所在区域的噪声被消除了。
(3)山脊线检测步骤，包括下述子步骤：
山脊线初检测算法的整体流程图如图5所示，具体分为水平方向山脊线检测(3.1)和垂直方向的山脊线检测(3.2)两个子步骤。山脊线初检测以后还要进行连续山脊线的去除(3.3)。
(3.1)水平方向山脊线的检测步骤：
沿着水平方向一行行遍历地形数字高程矩阵，将每一个采样点的高程值H(x,y)与y方向一定范围内(如5个采样点即50米范围内)的采样点的高程值比较，如果该采样点在y方向是极大值，即
H(x,y)>H(x,y-5),
H(x,y)>H(x,y-4),
H(x,y)>H(x,y-3),
H(x,y)>H(x,y-2),
H(x,y)>H(x,y-1)，
H(x,y)>H(x,y+1)，
H(x,y)>H(x,y+2)，
H(x,y)>H(x,y+3)，
H(x,y)>H(x,y+4)，
H(x,y)>H(x,y+5)，
八个不等式同时成立，就认为该点为水平方向的山脊线的候选点，并在山脊候选点标记矩阵lable中设该点lable(x,y)＝1，否则设该点lable(x,y)＝0为非山脊线候选点。
(3.2)垂直方向山脊线的检测步骤：
沿着垂直方向一列列遍历，将每一个采样点的高程值与x方向一定范围内(如5个采样点即50米范围内)的采样点的高程值比较，如果该采样点在x方向是极大值，即
H(x,y)>H(x-1,y),
H(x,y)>H(x-2,y)，
H(x,y)>H(x-3,y)，
H(x,y)>H(x-4,y)，
H(x,y)>H(x-5,y),
H(x,y)>H(x+1,y)，
H(x,y)>H(x+2,y)，
H(x,y)>H(x+3,y)，
H(x,y)>H(x+4,y)，
H(x,y)>H(x+5,y)，
八个不等式同时成立，就认为该点为垂直方向的山脊线的候选点，并在山脊候选点标记矩阵lable中设该点lable(x,y)＝1，否则设该点lable(x,y)＝0为非山脊线候选点。
经过(3.1)(3.2)标记在地形数字高程信息图上的山脊线初检测结果如图6所示。
(3.3)提取连续的山脊线步骤：
由于按照(3.1)、(3.2)步骤提取出的山脊线的候选点有出现虚警的情况，所以提出了连续山脊线提取算法，其算法流程图如图7所示。逐一对山脊线初检测结果中的山脊线候选点判断是否是不连续的孤立点或者一定区域内(如：t*t的邻域内)山脊线候选点数目小于一定阈值th_num，如果是，就判断该山脊线候选点为非山脊线点，防止产生虚警。
本实例中设t＝7，th_num＝10，即：如果该候选山脊线点的7*7邻域内山脊线候选点的总数大于10，则认为该山脊线候选点为山脊线点；否则，认为该山脊线候选点为非山脊线点。标记在地形数字高程信息图上的连续山脊线提取结果如图8所示。
(4)山脊位置能量校正步骤，包括下述子步骤：
(4.1)山脊位置能量分布特征分析步骤：
山脊位置普遍存在山体效应：山脊位置的温度相对山腰的温度较高。这里引用针对无带状地下目标的山体温度场仿真结果加以证明，如图9所示。可以看出山体中心的山脊位置的温度高于两边山腰处的温度。
该现象也可以从传热学角度分析：资料显示，山体中的岩石的热导率为1.2～2.1W/(m·℃)，山体表面接触的外界空气的热导率为0.024W/(m·℃)；热量总是沿着最容易传导的方向进行传播，所以山体内部的热量遇到空气时，由于其导热率远远小于岩石之间的热导率，热量大部分沿着岩石传导并在山脊处汇集，形成了山脊处温度较高的现象。
(4.2)山脊位置能量校正步骤：
采取最邻近插值法对山脊线处的能量进行校正，其算法流程图如图10所示，主要分为以下2步：
1、遍历找出山脊线点；
2、对每一个山脊线点lable(x,y)找出其四邻域内的非山脊线点，即：lable(x-1,y)、lable(x+1,y)、lable(x,y-1)、lable(x,y+1)中值为0的点；
3、求该山脊线点lable(x,y)四邻域内的非山脊线点对应的能量的均值；
4、将该山脊线点的能量用四邻域内非山脊线点对应的能量均值代替，并最终得到山脊能量校正后的结果。未进行能量校正的仿真红外图像(能量图像)如图11所示。将检测到山脊线位置结果标记在该仿真红外图像上如图12所示。山脊线位置能量校正后的红外仿真图像如图13所示。比较图11与图13，多处的偏亮区域有明显的降低，达到了山脊位置能量校正的目的。在步骤(5)中带状地下目标探测识别过程中出现在这些位置的虚警会有所降低。
(5)带状地下目标探测步骤，包括下述子步骤：
(5.1)设置遍历探测带状地下目标所用参数步骤：
采样段长度l＝25与宽度w＝3；
两旁山地地表采样段中心距离隧道上方采样段中心的距离s＝3个像素；
搜索的方向及遍历搜索的中心首尾坐标P0(10,27),P1(283,171)，搜索方向为大致为120°；
每次延展的距离d＝13；
左右平移探测的距离r＝3；
脉冲阈值th＝3。
(5.2)遍历探测结果的输出步骤：
利用(5.1)中设置的探测带状地下目标所用参数，对上面矫正前后的红外仿真图进行探测得到的虚警标记如图14和图15所示，虚警率从24.7％降低到21％。图12中方框标记出来的山脊位置，在山脊能量校正后的图14中对比未进行山脊能量校正的图3虚警有所减少。
Claims (11)
1.一种基于山脊能量校正的山地中带状地下目标的探测方法，其特征在于，所述方法包括如下步骤：
(1)获取地形数字高程信息，包括下述子步骤：
(1.1)确定数字高程信息覆盖范围的经纬度；
(1.2)根据上述经纬度计算数字高程信息覆盖范围内经纬度矩阵；
(1.3)根据上述经纬度矩阵计算经纬度矩阵中每个点的海拔，得到数字高程信息矩阵；
(2)对步骤(1)获得的数字高程信息矩阵进行去噪预处理；
(3)对去噪预处理后的数字高程信息矩阵进行山脊线检测步骤；包括下述子步骤：
(3.1)沿水平方向检测山脊线；
(3.2)沿垂直方向检测山脊线；
(3.3)根据上述水平方向检测的山脊线和垂直方向检测的山脊线，提取连续的山脊线；
(4)山脊位置能量校正步骤；根据山脊位置能量分布特征对山脊位置能量进行校正；
(5)在数字高程信息矩阵中进行带状地下目标探测的步骤；包括下述子步骤：
(5.1)设置遍历探测带状地下目标所用参数；
(5.2)根据上述参数对数字高程信息矩阵进行遍历探测，并将探测的带状地下目标位置输出。
2.如权利要求1所述的方法，其特征在于，
所述步骤(1.1)中，先确定一个标准的矩形区域，再确定矩形四个顶点的经纬度信息；
所述步骤(1.2)具体包括：
(1.2.1)计算地形范围的宽度、高度步骤：
根据步骤(1.1)中确定的矩形四个顶点的经纬度，利用Google Earth提供的测距工具计算出矩形覆盖范围的宽度、高度，分别标记为width、height，单位为米，并计算出经纬度的范围；
(1.2.2)计算经纬度矩阵的步骤：
按照采样间隔step米,每次距离step米采样一次，分别计算出纵向、横向的采样点的数目，即：height/step，width/step，并计算出经纬度矩阵每相邻两个采样点的经度步长long_step和纬度步长lati_step，从而计算出经纬度矩阵中每一个采样点的经纬度。
3.如权利要求2所述的方法，其特征在于，所述步骤(1.3)具体包括：
将(1.2.2)中经纬度矩阵作为输入利用Google Earth得到每一个采样点的海拔数据，并根据该海拔数据生成地形数字高程信息矩阵输出。
4.如权利要求1至3任一项所述的方法，其特征在于，所述步骤(2)具体为：采用均值滤波方法对上述数字高程信息矩阵进行去噪预处理。
5.如权利要求1至3任一项所述的方法，其特征在于，所述步骤(3.1)具体为：
沿着x方向遍历，将每一个采样点的高程值与y方向预设范围内的采样点的高程值比较，如果该采样点在y方向是极大值，则该点为水平方向的山脊线候选点。
6.如权利要求1至3任一项所述的方法，其特征在于，所述步骤(3.2)具体为：
沿着y方向遍历，将每一个采样点的高程值与x方向预设范围内的采样点的高程值比较，如果该采样点在x方向是极大值，则该点为垂直方向的山脊线候选点。
7.如权利要求5所述的方法，其特征在于，所述步骤(3.2)具体为：
沿着y方向遍历，将每一个采样点的高程值与x方向预设范围内的采样点的高程值比较，如果该采样点在x方向是极大值，则该点为垂直方向的山脊线候选点。
8.如权利要求7所述的方法，其特征在于，所述步骤(3.3)具体为：
对步骤(3.1)、(3.2)提取出的每一个山脊线候选点进行连续性判别，判别准则如下：如果该候选山脊线点的t*t邻域内有不同的山脊线候选点，则该山脊线候选点为最终的山脊线点；否则，判断孤立的山脊线候选点为非山脊线点，最终得到连续山脊线标记图，其中t为预设值。
9.如权利要求1至3任一项所述的方法，其特征在于，所述步骤(4)具体为：对山脊位置的能量进行校正，校正的具体方法为：山脊线位置采样点的能量用山脊线位置两侧的采样点的能量的均值代替。
10.如权利要求1至3任一项所述的方法，其特征在于，所述步骤(5.1)中设置的参数具体为：
采样段大小以及对比段距中心段的间隔：设下方有带状地下目标的山地地表的采样段的长度与宽度各为z个像素；带状地下目标两旁山地地表采样段的长度与宽度也各为z个像素；两旁山地地表采样段中心距离带状地下目标上方采样段中心的距离为s个像素，其中，z、s为预设值；
搜索的方向：通过查阅资料估计出该山地地表带状地下目标的走向，按照估计出的走向度数设置遍历搜索的中心首尾坐标P0(x0,y0),P1(x1,y1)，这两点的连线通过该山地地表中点附近的位置；
每次延展的距离：每搜索一组假设下方存在带状地下目标的山地地表图像与两边对比的山地地表图像，就向两边平移距离d，再继续新的一组的搜索，直到到达图像的边界，搜索自动停止；
脉冲阈值：每一段山地地表图像采样段，假设该采样段中间存在带状地下目标，该采样段的灰度均值与两边对比的山地地表图像采样段的灰度均值的差的绝对值，均大于该脉冲阈值的时候，该处的脉冲才算作有效脉冲；若两个差值中任意一个小于脉冲阈值，该处的脉冲就是因为信号微弱而被认为无效。
11.如权利要求10所述的方法，其特征在于，所述步骤(5.2)具体为：
由(5.1)中确定的遍历搜索的中心首尾坐标P0(x0,y0),P1(x1,y1)，开始使采样段从点P0(x0,y0)逐像素滚动到点P1(x1,y1)，且每次滚动一个像素后，再左右各平移r个像素，r为预设值，寻找其中中间段与左右两边对比段差值最大的位置，并测试该位置的脉冲是否为有效脉冲，若为有效脉冲，则有效脉冲数目增加一；接着计算P0,P1向两边平移每次延展的距离之后的坐标P0’,P1’，在P0’,P1’之间按照P0,P1之间同样的采样方法进行统计，并计数有效脉冲数目；有效脉冲数目占总数目最大的一组两端坐标P0,P1确定的位置为带状地下目标位置，结果中其余脉冲出现的位置即为虚警位置。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410851352.8A CN104484577B (zh) | 2014-12-30 | 2014-12-30 | 一种基于山脊能量校正的山地中带状地下目标的探测方法 |
| PCT/CN2015/072680 WO2016106958A1 (zh) | 2014-12-30 | 2015-02-10 | 一种基于山脊能量校正的山地中带状地下目标的探测方法 |
| US15/114,651 US9625611B2 (en) | 2014-12-30 | 2015-02-10 | Method for detecting zonal underground target in mountain land based on ridge heat radiation correction |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410851352.8A CN104484577B (zh) | 2014-12-30 | 2014-12-30 | 一种基于山脊能量校正的山地中带状地下目标的探测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104484577A CN104484577A (zh) | 2015-04-01 |
| CN104484577B true CN104484577B (zh) | 2017-06-16 |
Family
ID=52759118
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410851352.8A Active CN104484577B (zh) | 2014-12-30 | 2014-12-30 | 一种基于山脊能量校正的山地中带状地下目标的探测方法 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US9625611B2 (zh) |
| CN (1) | CN104484577B (zh) |
| WO (1) | WO2016106958A1 (zh) |
Families Citing this family (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104501959B (zh) * | 2014-12-30 | 2016-08-17 | 华中科技大学 | 一种红外图谱关联智能探测方法及装置 |
| CN105426881B (zh) * | 2015-12-24 | 2017-04-12 | 华中科技大学 | 山体背景热场模型约束的地下热源昼间遥感探测定位方法 |
| CN105654477B (zh) * | 2015-12-25 | 2017-11-28 | 华中科技大学 | 一种条带状地下目标的探测定位方法 |
| CN107092803B (zh) * | 2017-05-12 | 2020-07-07 | 长安大学 | 一种基于三维线激光技术的道路积水区识别方法 |
| CN108182724B (zh) * | 2017-12-19 | 2021-08-24 | 深圳先进技术研究院 | 一种高精度城市热岛检测方法、设备及存储设备 |
| CN109033032B (zh) * | 2018-07-06 | 2023-10-10 | 北京兴农丰华科技有限公司 | 基于农机轨迹和地块格网化计算农机有效作业面积的方法 |
| CN110532986A (zh) * | 2019-09-04 | 2019-12-03 | 云南电网有限责任公司带电作业分公司 | 基于modis遥感影像的山火检测算法、系统及其存储介质 |
| CN110927816B (zh) * | 2019-12-11 | 2021-08-24 | 中国地质科学院岩溶地质研究所 | 一种岩溶地下河系统的探测方法 |
| CN111784725B (zh) * | 2020-06-29 | 2023-06-20 | 易思维（杭州）科技有限公司 | 光条中心提取方法 |
| CN112082655B (zh) * | 2020-08-12 | 2022-08-12 | 华北电力大学 | 一种基于横向剪切干涉信号测量体温的方法 |
| CN113268085B (zh) * | 2021-07-16 | 2021-11-09 | 成都纵横大鹏无人机科技有限公司 | 一种航线规划方法、装置及机载激光雷达的飞行设备 |
| CN113533695A (zh) * | 2021-07-26 | 2021-10-22 | 山东省农业机械科学研究院 | 一种农田墒情数据估计方法及系统 |
| CN113592032B (zh) * | 2021-08-18 | 2023-04-18 | 电子科技大学 | 一种基于物理模型约束的红外成像虚警源分类方法 |
| CN114384585A (zh) * | 2021-12-30 | 2022-04-22 | 西北核技术研究所 | 基于相对位置及最小埋深的山地地下爆炸绝对定位方法 |
| CN115953297B (zh) * | 2022-12-27 | 2023-12-22 | 二十一世纪空间技术应用股份有限公司 | 一种遥感图像超分辨率重建和增强方法及装置 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103744124A (zh) * | 2013-12-31 | 2014-04-23 | 华中科技大学 | 一种平面地形中地下管状设施红外成像探测定位方法 |
| CN103884431A (zh) * | 2013-12-31 | 2014-06-25 | 华中科技大学 | 平面地表环境中地下建筑的红外成像探测定位方法 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5086396A (en) * | 1989-02-02 | 1992-02-04 | Honeywell Inc. | Apparatus and method for an aircraft navigation system having improved mission management and survivability capabilities |
| US7164883B2 (en) * | 2001-02-14 | 2007-01-16 | Motorola. Inc. | Method and system for modeling and managing terrain, buildings, and infrastructure |
| CN102214410B (zh) * | 2002-11-05 | 2014-01-01 | 亚洲航测株式会社 | 倾斜红色化立体图像制作装置 |
| CN102567702A (zh) | 2010-12-08 | 2012-07-11 | 中国科学院地理科学与资源研究所 | 一种基于嫦娥dem数据的自动识别山谷和山脊线的方法 |
| JP6120687B2 (ja) * | 2012-06-14 | 2017-04-26 | アジア航測株式会社 | ラスター画像立体化処理装置及びラスター画像立体化方法並びにラスター画像立体化プログラム |
| CN103148842B (zh) * | 2013-02-04 | 2014-11-05 | 国家海洋局第二海洋研究所 | 一种基于遥感图像特征的浅海沙波区多波束测深地形重构方法 |
| CN103177258B (zh) * | 2013-03-29 | 2016-08-17 | 河南理工大学 | 一种根据矢量等高线数据自动提取地性线的方法 |
| CN103745191B (zh) | 2013-11-15 | 2017-03-22 | 中国科学院遥感与数字地球研究所 | 一种基于地形分析的黄土地区塬梁峁自动识别方法 |
-
2014
- 2014-12-30 CN CN201410851352.8A patent/CN104484577B/zh active Active
-
2015
- 2015-02-10 US US15/114,651 patent/US9625611B2/en active Active
- 2015-02-10 WO PCT/CN2015/072680 patent/WO2016106958A1/zh active Application Filing
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103744124A (zh) * | 2013-12-31 | 2014-04-23 | 华中科技大学 | 一种平面地形中地下管状设施红外成像探测定位方法 |
| CN103884431A (zh) * | 2013-12-31 | 2014-06-25 | 华中科技大学 | 平面地表环境中地下建筑的红外成像探测定位方法 |
Non-Patent Citations (5)
| Title |
|---|
| 《地下管线探测数据处理及可视化技术研究》;孙伟;《中国博士学位论文全文数据库 信息科技辑》;20130615(第06期);全文 * |
| 《城市地下管线探测与地下管线信息系统设计-以四川省南充市区为例》;姚伟;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20130315(第03期);全文 * |
| 《基于Geodatabase城市综合地下管线管理系统的研究与实践》;朱顺痣;《中国博士学位论文全文数据库 信息科技辑》;20080715(第07期);全文 * |
| 《大相岭深埋特长隧道综合物探研究》;宋光润 等;《西南公路》;20110930(第3期);全文 * |
| 《山脊线与山谷线的计算机自动检测》;余生晨 等;《中国图象图形学报》;19990831;第4卷(第8期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104484577A (zh) | 2015-04-01 |
| WO2016106958A1 (zh) | 2016-07-07 |
| US20160356920A1 (en) | 2016-12-08 |
| US9625611B2 (en) | 2017-04-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104484577B (zh) | 一种基于山脊能量校正的山地中带状地下目标的探测方法 | |
| CN101566692B (zh) | 利用卫星遥感数据中的云影信息检测云高的方法 | |
| Demirkesen et al. | Coastal flood risk analysis using Landsat-7 ETM+ imagery and SRTM DEM: A case study of Izmir, Turkey | |
| Kääb et al. | Surface kinematics of periglacial sorted circles using structure-from-motion technology | |
| Ordonez-Etxeberria et al. | A systematic search of sudden pressure drops on Gale crater during two Martian years derived from MSL/REMS data | |
| CN110427857A (zh) | 一种基于遥感数据融合的输电线路地质灾害分析方法 | |
| Topouzelis et al. | Detection and classification of mesoscale atmospheric phenomena above sea in SAR imagery | |
| CN105426881B (zh) | 山体背景热场模型约束的地下热源昼间遥感探测定位方法 | |
| Saepuloh et al. | Interpretation of ground surface changes prior to the 2010 large eruption of Merapi volcano using ALOS/PALSAR, ASTER TIR and gas emission data | |
| CN109829423A (zh) | 一种结冰湖泊红外成像检测方法 | |
| CN109635713A (zh) | 高原山地阴影区冰川识别方法 | |
| CN107689051A (zh) | 一种基于变化因子的多时相sar影像变化检测方法 | |
| Bonnaventure et al. | Permafrost probability modeling above and below treeline, Yukon, Canada | |
| Zhou et al. | Automatic recognition of earth rock embankment leakage based on UAV passive infrared thermography and deep learning | |
| Xu et al. | Monitoring coal seam fires in Xinjiang using comprehensive thermal infrared and time series InSAR detection | |
| Su et al. | Detect and identify earth rock embankment leakage based on UAV visible and infrared images | |
| CN105654477A (zh) | 一种条带状地下目标的探测定位方法 | |
| RU2428722C2 (ru) | Способ дистанционной диагностики магистральных трубопроводов | |
| Yu et al. | Coal fire identification and state assessment by integrating multitemporal thermal infrared and InSAR remote sensing data: A case study of Midong District, Urumqi, China | |
| CN112166688B (zh) | 基于小卫星的沙漠与沙漠化土地监测方法 | |
| CN107797152A (zh) | 一种盐湖卤水探测方法 | |
| Pisani et al. | Candidate cave entrances in a planetary analogue evaporite karst (Cordillera de la Sal, Chile): A remote sensing approach and ground-truth reconnaissance | |
| Ni et al. | Integrating WorldView-2 imagery and terrestrial LiDAR point clouds to extract dyke swarm geometry: implications for magma emplacement mechanisms | |
| Al Kuwari et al. | Optimal satellite sensor selection utilized to monitor the impact of urban sprawl on the thermal environment in doha city, Qatar | |
| Yue et al. | The extraction of water information based on SPOT5 image using object-oriented method |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant |