CN108459019A - 滑坡坡体碎石含量检测方法及智能移动终端 - Google Patents
滑坡坡体碎石含量检测方法及智能移动终端 Download PDFInfo
- Publication number
- CN108459019A CN108459019A CN201711278629.2A CN201711278629A CN108459019A CN 108459019 A CN108459019 A CN 108459019A CN 201711278629 A CN201711278629 A CN 201711278629A CN 108459019 A CN108459019 A CN 108459019A
- Authority
- CN
- China
- Prior art keywords
- subgraph
- slopes
- image
- landslide
- value
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N2021/8405—Application to two-phase or mixed materials, e.g. gas dissolved in liquids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30184—Infrastructure
Abstract
本发明涉及滑坡监测技术领域,公开了一种滑坡坡体碎石含量检测方法及智能移动终端。本发明提供的滑坡坡体碎石含量检测方法及智能移动终端,利用滑坡坡体图像即可得到滑坡坡体碎石含量,因此,通过该方法只需要获得滑坡坡体照片,即可检测滑坡坡体碎石含量,操作简单,效率高。另外,该方法利用颜色检测滑坡坡体碎石含量,提高了检测结果的准确性。
Description
技术领域
本发明涉及滑坡监测技术领域,具体涉及一种滑坡坡体碎石含量检测方法及智能移动终端。
背景技术
在开展野外滑坡调查时,对于坡体是土石混合物的情况,需要检测土石混合物中碎石的含量。传动的方法是利用现场工作人员的经验进行评估,这种方式准确性很低,评估结果通常和实际情况差距较大。在现场进行筛分试验能够较准确的得到土石混合物中碎石的含量,但是筛分试验需要用到筛分机等大型设备,在恶劣地质条件下,这些大型设备运输困难。同时,筛分试验耗时较长。
发明内容
本发明的第一个目的在于提供一种滑坡坡体碎石含量检测方法,其能够简易、快速地检测土石混合物中碎石的含量,且检测结果准确性高。
本发明的第二个目的在于提供一种智能移动终端,其能够简易、快速地检测土石混合物中碎石的含量,且检测结果准确性高。
本发明的第三个目的在于提供一种具有处理器可执行的非易失的程序代码的计算机可读介质,其中存储的程序代码使处理器执行上述的滑坡坡体碎石含量检测方法。
本发明的实施例通过以下技术方案实现:
一种滑坡坡体碎石含量检测方法,包括如下步骤:获取滑坡坡体图像;将所述滑坡坡体图像均匀分割为多个子图像;针对多个岩石样本图像构成的岩石样本图像集合,分别获取各个所述岩石样本图像的平均颜色值;针对多个所述子图像,分别计算各个所述子图像的平均颜色值;将各个所述子图像的平均颜色值分别与各个所述岩石样本图像的平均颜色值进行逐一对比,每个所述子图像均对应得到多个对比值;当所述子图像对应的所有所述对比值均大于或等于预设阈值时,该子图像为土壤子图像,将该子图像标记为土壤;当所述子图像对应的所有所述对比值中至少一个所述对比值小于预设阈值时,该子图像为岩石子图像,选取所述岩石子图像对应的所述对比值中最小的所述对比值,确定选取的所述对比值对应的所述岩石样本图像,将该子图像标记为该岩石样本图像对应的岩石种类;根据各个所述子图像的标记,计算滑坡坡体碎石含量。
进一步的,针对多个岩石样本图像,分别获取各个所述岩石样本图像的平均颜色值,具体包括:提取所述岩石样本图像中所有像素点的RGB值,根据该岩石样本图像中所有像素点的RGB值计算平均RGB值,该平均RGB值为该岩石样本图像的平均颜色值;重复上述步骤,得到各个所述岩石样本图像的平均颜色值。
进一步的,针对多个所述子图像,分别计算各个所述子图像的平均颜色值,具体包括:提取所述子图像中所有像素点的RGB值,根据该子图像中所有像素点的RGB值计算平均RGB值,该平均RGB值为该子图像的平均颜色值;重复上述步骤,得到各个所述子图像的平均颜色值。
进一步的,将所述子图像的平均颜色值与各个所述岩石样本图像的平均颜色值进行逐一对比,得到多个对比值,具体包括:将所述子图像的平均颜色值减去所述岩石样本图像的平均颜色值,得到平均颜色差值,对所述平均颜色差值取绝对值,即得到所述对比值;重复上述步骤,将各个所述子图像的平均颜色值分别与各个所述岩石样本图像的平均颜色值进行逐一对比,每个子图像均对应得到多个对比值。
进一步的,根据各个所述子图像的标记,计算滑坡坡体碎石含量,具体包括:将各个所述岩石子图像对应的岩石种类的密度值相加,得到第一计算值;将各个所述土壤子图像对应的土壤的密度相加,得到第二计算值;滑坡坡体碎石含量=第一计算值/(第一计算值+第二计算值)。
进一步的,获取滑坡坡体图像,具体包括:提取滑坡坡体照片中所有像素点的RGB值,根据所有像素点的RGB值,移除与预设植被颜色对应的像素点,得到所述滑坡坡体图像。
进一步的,所述滑坡坡体碎石含量检测方法还包括:选取所述滑坡坡体图像中的部分区域,将选取的区域作为所述岩石样本图像加入所述岩石样本图像集合。
进一步的,获取滑坡坡体图像,具体包括:对所述滑坡坡体照片进行降噪处理,得到所述滑坡坡体图像。
一种智能移动终端,包括:存储器;处理器;以及滑坡坡体碎石含量检测装置,所述滑坡坡体碎石含量检测安装于所述存储器中并包括一个或多个由所述处理器执行的软件功能模块,所述滑坡坡体碎石含量检测装置包括:图像获取模块,用于获取滑坡坡体图像;图像分割模块,用于将所述滑坡坡体图像均匀分割为多个子图像;第一计算模块,用于针对多个岩石样本图像构成的岩石样本图像集合,分别获取各个所述岩石样本图像的平均颜色值;第二计算模块,用于针对多个所述子图像,分别计算各个所述子图像的平均颜色值;对比模块,将各个所述子图像的平均颜色值分别与各个所述岩石样本图像的平均颜色值进行逐一对比,每个所述子图像均对应得到多个对比值;标记模块,当所述子图像对应的所有所述对比值均大于或等于预设阈值时,该子图像为土壤子图像,将该子图像标记为土壤;当所述子图像对应的所有所述对比值中至少一个所述对比值小于预设阈值时,该子图像为岩石子图像,选取所述岩石子图像对应的所述对比值中最小的所述对比值,确定选取的所述对比值对应的所述岩石样本图像,将该子图像标记为该岩石样本图像对应的岩石种类;第三计算模块,用于根据各个所述子图像的标记,计算滑坡坡体碎石含量。
一种具有处理器可执行的非易失的程序代码的计算机可读介质,其中的程序代码使处理器执行上述任意一种滑坡坡体碎石含量检测方法。
本发明的技术方案至少具有以下有益效果:
本发明的实施例提供的滑坡坡体碎石含量检测方法,利用滑坡坡体图像即可得到滑坡坡体碎石含量,因此,通过该方法只需要获得滑坡坡体照片,即可检测滑坡坡体碎石含量,操作简单,效率高。另外,该方法利用颜色检测滑坡坡体碎石含量,提高了检测结果的准确性。
本发明的实施例提供的智能移动终端,利用滑坡坡体图像即可得到滑坡坡体碎石含量,因此,通过该智能移动终端只需要获得滑坡坡体照片,即可检测滑坡坡体碎石含量,操作简单,效率高。另外,该智能移动终端利用颜色检测滑坡坡体碎石含量,提高了检测结果的准确性。
本发明的实施例提供的具有处理器可执行的非易失的程序代码的计算机可读介质,由于其中的程序代码使处理器执行上述的滑坡坡体碎石含量检测方法,因此利用该计算机可读介质能够简单高效地检测滑坡坡体碎石含量,且检测结果准确性高。
附图说明
为了更清楚的说明本发明实施例的技术方案,下面对实施例中需要使用的附图作简单介绍。应当理解,以下附图仅示出了本发明的某些实施方式,不应被看作是对本发明范围的限制。对于本领域技术人员而言,在不付出创造性劳动的情况下,能够根据这些附图获得其他附图。
图1为本发明实施例1提供的滑坡坡体碎石含量检测方法的流程示意框图;
图2为本发明实施例1提供的滑坡坡体碎石含量检测方法的步骤S101的子步骤流程示意框图;
图3为本发明实施例1提供的滑坡坡体碎石含量检测方法的步骤S107的子步骤流程示意框图;
图4为本发明实施例1提供的另一种滑坡坡体碎石含量检测方法的流程示意框图;
图5为本发明实施例2提供的智能移动终端的结构示意框图。
图中:010-智能移动终端;100-存储器;200-处理器;300-滑坡坡体碎石含量检测装置;310-图像获取模块;320-图像分割模块;330-第一计算模块;340-第二计算模块;350-对比模块;360-标记模块;370-第三计算模块;380-选取模块。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图,对本发明实施例中的技术方案进行清楚、完整的描述。显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。
因此,以下对本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的部分实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征和技术方案可以相互组合。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
在本发明的描述中,需要说明的是,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
实施例1:
图1为本实施例提供的滑坡坡体碎石含量检测方法的流程示意框图。请参照图1,滑坡坡体碎石含量检测方法包括以下步骤:
步骤S101,获取滑坡坡体图像。
滑坡坡体图像可以直接采用滑坡坡体照片。在本实施例中,对滑坡坡体照片进行处理后,得到获取滑坡坡体图像。具体的,请参照图2,在本实施例中,步骤S101还可以包括以下子步骤:
S1011,对滑坡坡体照片进行降噪处理。
通过对滑坡坡体照片进行降噪处理,能够去除滑坡坡体照片中的噪点,降低噪点对检测结果的干扰,提高检测结果的准确性。
S1012,提取滑坡坡体照片中所有像素点的RGB值,根据所有像素点的RGB值,移除与预设植被颜色对应的像素点,得到滑坡坡体图像。
滑坡坡体照片具备M个像素点,提取滑坡坡体照片中所有像素点的RGB值,各个像素点的RGB值如下:(R坡,1,G坡,1,B坡,1)……(R坡,M,G坡,M,B坡,M)。具备L个预设植被颜色,预设植被颜色与植被的颜色对应,这些预设植被颜色同样以RGB值表示,各个预设植被颜色的RGB值如下:(R植,1,G植,1,B植,1)……(R植,L,G植,L,B植,L)。将滑坡坡体照片中各个像素点的RGB值分别与L个预设植被颜色逐一对比,当滑坡坡体照片中的像素点的RGB值等于任意一个预设植被颜色的RGB值时,将该像素点移除,从而得到坡坡体图像。像素点的RGB值等于预设植被颜色的RGB值指的是,像素点的RGB值与预设植被颜色的RGB值的R、G和B均相等,例如当R坡,1=R植,1、G坡,1=G植,1且B坡,1=B植,1时,即表示(R坡,1,G坡,1,B坡,1)=(R植,1,G植,1,B植,1)。通过移除与预设植被颜色对应的像素点,能够滑坡坡体照片中的植被对检测结果造成影响,提高检测结果的准确性。
步骤S102,将滑坡坡体图像均匀分割为多个子图像。
将滑坡坡体图像均匀分割为P个子图像,分别为子图像1、子图像2、子图像3……子图像P。每个子图像的面积均相同。
步骤S103,针对多个岩石样本图像构成的岩石样本图像集合,分别获取各个岩石样本图像的平均颜色值。
在本实施例中,步骤S101具体包括,提取岩石样本图像中所有像素点的RGB值,根据该岩石样本图像中所有像素点的RGB值计算平均RGB值,该平均RGB值为该岩石样本图像的平均颜色值;重复上述步骤,得到各个岩石样本图像的平均颜色值。
具体的,岩石样本图像集合中包括X个岩石样本图像,分别为岩石样本图像1、岩石样本图像2、岩石样本图像3……岩石样本图像X。每个岩石样本图像均为一特定种类岩石的图像,例如岩石样本图像1为花岗岩的图像、岩石样本图像2为页岩的图像、岩石样本图像3为玄武岩的图像等。下面以岩石样本图像1为例,说明如何获得岩石样本图像的平均颜色值。
岩石样本图像1具备N个像素点,提取每个像素点的RGB值。RGB值表示为(R,G,B),其中R表示红色的亮度、G表示绿色的亮度,B表示蓝色的亮度。R、G和B的取值均在0-255之间,取值越大即代表亮度越大。红色、绿色和蓝色按照不同的比例混合,即得到不同的颜色。各个像素点的RGB值如下:(R样1,1,G样1,1,B样1,1)……(R样1,N,G样1,N,B样1,N)。岩石样本图像1的平均颜色值表示为(R样1,avg,G样1,avg,B样1,avg)。其中:
R样1,avg=(R样1,1+……+R样1,N)/N;
G样1,avg=(G样1,1+……+G样1,N)/N;
B样1,avg=(B样1,1+……+B样1,N)/N。
通过上述方式,即可获得每个岩石样本图像的平均颜色值。各个岩石样本图像的平均颜色值分别表示为(R样1,avg,G样1,avg,B样1,avg)……(R样X,avg,G样X,avg,B样X,avg)。
步骤S104,针对多个子图像,分别计算各个子图像的平均颜色值。
下面以子图像1为例,说明如何获得子图像的平均颜色值。
子图像1具备Q个像素点,提取每个像素点的RGB值。各个像素点的RGB值如下:(R子1,1,G子1,1,B子1,1)……(R子1,Q,G子1,Q,B子1,Q)。子图像1的平均颜色值表示为(R子1,avg,G子1,avg,B子1,avg)。其中:
R子1,avg=(R子1,1+……+R子1,Q)/Q;
G子1,avg=(G子1,1+……+G子1,Q)/Q;
B子1,avg=(B子1,1+……+B子1,Q)/Q。
通过上述方式,即可获得每个子图像的平均颜色值。各个子图像的平均颜色值分别表示为(R子1,avg,G子1,avg,B子1,avg)……(R样X,avg,G样X,avg,B样X,avg)。
步骤S105,将各个子图像的平均颜色值分别与各个岩石样本图像的平均颜色值进行逐一对比,每个子图像均对应得到多个对比值。
具体的,在本实施例中,将子图像的平均颜色值减去岩石样本图像的平均颜色值,得到平均颜色差值,对平均颜色差值取绝对值,即得到对比值。重复上述步骤,将各个子图像的平均颜色值分别与各个岩石样本图像的平均颜色值进行逐一对比,每个子图像均对应得到多个对比值。
下面以子图像1为例,具体说明如何获得子图像的对比值。
由于具备N个岩石样本图像,因此子图像1具备N个对比值。各个对比值如下:(R对比1,1,G对比1,1,B对比1,1)……(R对比1,N,G对比1,N,B对比1,N)。其中,R对比1,1=|R子1,avg-R样1,avg|,G对比1,1=|G子1,avg-G样1,avg|,B对比1,1=|B子1,avg-B样1,avg|。以此类推,即可得到子图像1对应的N个对比值。
针对其余子图像重复上述计算步骤,即可得到每个子图像对应的N个对比值。
步骤S106,当子图像对应的所有对比值均大于预设阈值时,该子图像为土壤子图像,将该子图像标记为土壤;当子图像对应的所有对比值中至少一个对比值小于预设阈值时,该子图像为岩石子图像,选取岩石子图像对应的对比值中最小的对比值,确定选取的对比值对应的岩石样本图像,将该子图像标记为该岩石样本图像对应的岩石种类。
预设阈值表示为(A,B,C),其中A、B和C均为整数。在本实施例中,A、B和C均为5。当对比值的R>A、G>A且B>A时,该对比值大于预设阈值。当对比值的R<A、G<A且B<A时,该对比值小于预设阈值。当对比值的R=A、G=A且B=A时,该对比值等于预设阈值。当对比值的R>A、G<A且B<A,或者R>A、G<A且B>A,或者R>A、G>A且B<A,或者R<A、G>A且B>A,或者R<A、G<A且B>A,或者R<A、G>A且B<A时,如果(R+G+B)>(A+B+C),则表示该对比值大于预设阈值,如果(R+G+B)<(A+B+C),则表示该对比值小于预设阈值。如果(R+G+B)=(A+B+C),则表示该对比值等于预设阈值。当多个对比值均小于预设阈值时,其中R、G和B的和最小的对比值为最小的对比值。
下面以子图像1和子图像2为例进行说明。
子图像1的所有对比值均大于或等于预设阈值,此时子图像1为土壤子图像,将子图像1标记为土壤。
子图像2的部分对比值小于预设阈值,子图像2为岩石子图像。选取小于预设阈值的对比值中最小的对比值,确定选取的最小的对比值对应的岩石样本图像,将该子图像标记为该岩石样本图像对应的岩石种类。例如,当子图像2的对比值中,(R对比2,1,G对比2,1,B对比2,1)为最小的对比值,该对比值对应于岩石样本图像1,岩石样本图像1为花岗岩的图像,因此,将子图像2标记为花岗岩。
步骤S107,根据各个子图像的标记,计算滑坡坡体碎石含量。
具体的,请参照图3,在本实施例中,步骤S107还可以包括以下子步骤:
步骤S1071,将各个岩石子图像对应的岩石种类的密度值相加,得到第一计算值;
步骤S1072,将各个土壤子图像对应的土壤的密度相加,得到第二计算值;
步骤S1073,滑坡坡体碎石含量=第一计算值/(第一计算值+第二计算值)。
如此,即完成了对滑坡坡体碎石含量的测量。通过本实施例提供的滑坡坡体碎石含量检测方法,利用滑坡坡体图像即可得到滑坡坡体碎石含量,因此,通过该方法只需要获得滑坡坡体照片,即可检测滑坡坡体碎石含量,操作简单,效率高。另外,该方法利用颜色检测滑坡坡体碎石含量,提高了检测结果的准确性。
请参照图4,可选的,在步骤S101之后,还可以包括步骤S101a。步骤S101a,选取滑坡坡体图像中的部分区域,将选取的区域作为岩石样本图像加入岩石样本图像集合。
当用户发现滑坡坡体图像中,存在岩石样本图像集合中不包含的岩石种类时,用户可以选取滑坡坡体图像中含有该种类岩石的区域,并将选取的区域作为岩石样本图像加入岩石样本图像集合,参与到后续的计算中,这样能够提高检测结果的准确性。
下面,通过几组对比试验来说明本实施例提供的滑坡坡体碎石含量检测方法的准确性。
对比试验1:
获取重量为6000kg,密度为1500kg/m3的土壤;获取重量为1000kg,密度为2810kg/m3的花岗岩碎石。将土壤和花岗岩碎石混合均匀得到土石混合物,将土石混合物均匀铺设在10m*10m的地面上。已知土石混合物中碎石的含量为(1000kg/7000kg)*100%=14.28%。
利用本实施例提供的滑坡坡体碎石含量检测方法进行检测,得到的碎石含量为15.23%。
对比试验2:
获取重量为6000kg,密度为1500kg/m3的土壤;获取重量为1000kg,密度为2810kg/m3的花岗岩碎石;获取重量为1200kg,密度为2620kg/m3的页岩碎石;获取重量为500kg,密度为3100kg/m3的玄武岩碎石。将土壤、花岗岩碎石、页岩碎石和玄武岩碎石混合均匀得到土石混合物,将土石混合物均匀铺设在10m*10m的地面上。已知土石混合物中碎石的含量为(2700kg/8700kg)*100%=31.03%。
利用本实施例提供的滑坡坡体碎石含量检测方法进行检测,得到的碎石含量为30.78%。
从以上两个对比试验可以看出,本实施例提供的滑坡坡体碎石含量检测方法准确性高。
实施例2:
图5为本实施例提供的智能移动终端010的结构示意框图。本实施例提供的智能移动终端010可以是智能手机、平板电脑或笔记本电脑等。请参照图5,智能移动终端010包括机体(图未示出),存储器100、处理器200以及滑坡坡体碎石含量检测装置300。
存储器100和处理器200均安装于机体上。存储器100和处理器200相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。滑坡坡体碎石含量检测装置300包括至少一个可以软件或固件(firmware)的形式存储于存储器100中或固化在服务器的操作系统(operatingsystem,OS)中的软件功能模块。处理器200用于执行存储器200中存储的可执行模块,例如滑坡坡体碎石含量检测装置300所包括的软件功能模块及计算机程序等。
其中,存储器100可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-OnlyMemory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。其中,存储器100用于存储程序,处理器100在接收到执行指令后,执行存储器100存储的程序。
滑坡坡体碎石含量检测装置300包括图像获取模块310、图像分割模块320、第一计算模块330、第二计算模块340、对比模块350、标记模块360和第三计算模块370。
图像获取模块310用于执行实施例1中提供的滑坡坡体碎石含量检测方法的步骤S101。
图像分割模块320用于执行实施例1中提供的滑坡坡体碎石含量检测方法的步骤S102。
第一计算模块330用于执行实施例1中提供的滑坡坡体碎石含量检测方法的步骤S103。
第二计算模块340用于执行实施例1中提供的滑坡坡体碎石含量检测方法的步骤S104。
对比模块350用于执行实施例1中提供的滑坡坡体碎石含量检测方法的步骤S105。
标记模块360用于执行实施例1中提供的滑坡坡体碎石含量检测方法的步骤S106。
第三计算模块370用于执行实施例1中提供的滑坡坡体碎石含量检测方法的步骤S107。
可选的,滑坡坡体碎石含量检测装置300还可以包括选取模块380,选取模块380用于执行实施例1中提供的滑坡坡体碎石含量检测方法的步骤S100a。
本的实施例提供的智能移动终端010,利用滑坡坡体图像即可得到滑坡坡体碎石含量,因此,通过该智能移动终端010只需要获得滑坡坡体照片,即可检测滑坡坡体碎石含量,操作简单,效率高。另外,该智能移动终端利用颜色检测滑坡坡体碎石含量,提高了检测结果的准确性。
实施例3:
本实施例提供一种具有处理器可执行的非易失的程序代码的计算机可读介质,其中的程序代码使处理器执行实施例1中记载的滑坡坡体碎石含量检测方法。该计算机可读介质可以是U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本实施例提供的具有处理器可执行的非易失的程序代码的计算机可读介质,由于其中的程序代码使处理器执行上述的滑坡坡体碎石含量检测方法,因此利用该计算机可读介质能够简单高效地检测滑坡坡体碎石含量,且检测结果准确性高。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
显然,本发明的上述实施例仅仅是为了清楚说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (10)
1.一种滑坡坡体碎石含量检测方法,其特征在于,包括如下步骤:
获取滑坡坡体图像;
将所述滑坡坡体图像均匀分割为多个子图像;
针对多个岩石样本图像构成的岩石样本图像集合,分别获取各个所述岩石样本图像的平均颜色值;
针对多个所述子图像,分别计算各个所述子图像的平均颜色值;
将各个所述子图像的平均颜色值分别与各个所述岩石样本图像的平均颜色值进行逐一对比,每个所述子图像均对应得到多个对比值;
当所述子图像对应的所有所述对比值均大于或等于预设阈值时,该子图像为土壤子图像,将该子图像标记为土壤;当所述子图像对应的所有所述对比值中至少一个所述对比值小于预设阈值时,该子图像为岩石子图像,选取所述岩石子图像对应的所述对比值中最小的所述对比值,确定选取的所述对比值对应的所述岩石样本图像,将该子图像标记为该岩石样本图像对应的岩石种类;
根据各个所述子图像的标记,计算滑坡坡体碎石含量。
2.根据权利要求1所述的滑坡坡体碎石含量检测方法,其特征在于,针对多个岩石样本图像,分别获取各个所述岩石样本图像的平均颜色值,具体包括:
提取所述岩石样本图像中所有像素点的RGB值,根据该岩石样本图像中所有像素点的RGB值计算平均RGB值,该平均RGB值为该岩石样本图像的平均颜色值;
重复上述步骤,得到各个所述岩石样本图像的平均颜色值。
3.根据权利要求1所述的滑坡坡体碎石含量检测方法,其特征在于,针对多个所述子图像,分别计算各个所述子图像的平均颜色值,具体包括:
提取所述子图像中所有像素点的RGB值,根据该子图像中所有像素点的RGB值计算平均RGB值,该平均RGB值为该子图像的平均颜色值;
重复上述步骤,得到各个所述子图像的平均颜色值。
4.根据权利要求1所述的滑坡坡体碎石含量检测方法,其特征在于,将所述子图像的平均颜色值与各个所述岩石样本图像的平均颜色值进行逐一对比,得到多个对比值,具体包括:
将所述子图像的平均颜色值减去所述岩石样本图像的平均颜色值,得到平均颜色差值,对所述平均颜色差值取绝对值,即得到所述对比值;
重复上述步骤,将各个所述子图像的平均颜色值分别与各个所述岩石样本图像的平均颜色值进行逐一对比,每个子图像均对应得到多个对比值。
5.根据权利要求1所述的滑坡坡体碎石含量检测方法,其特征在于,根据各个所述子图像的标记,计算滑坡坡体碎石含量,具体包括:
将各个所述岩石子图像对应的岩石种类的密度值相加,得到第一计算值;
将各个所述土壤子图像对应的土壤的密度相加,得到第二计算值;
滑坡坡体碎石含量=第一计算值/(第一计算值+第二计算值)。
6.根据权利要求1所述的滑坡坡体碎石含量检测方法,其特征在于,获取滑坡坡体图像,具体包括:
提取滑坡坡体照片中所有像素点的RGB值,根据所有像素点的RGB值,移除与预设植被颜色对应的像素点,得到所述滑坡坡体图像。
7.根据权利要求1所述的滑坡坡体碎石含量检测方法,其特征在于,所述滑坡坡体碎石含量检测方法还包括:
选取所述滑坡坡体图像中的部分区域,将选取的区域作为所述岩石样本图像加入所述岩石样本图像集合。
8.根据权利要求1所述的滑坡坡体碎石含量检测方法,其特征在于,获取滑坡坡体图像,具体包括:
对所述滑坡坡体照片进行降噪处理,得到所述滑坡坡体图像。
9.一种智能移动终端,其特征在于,包括:
存储器;
处理器;以及
滑坡坡体碎石含量检测装置,所述滑坡坡体碎石含量检测安装于所述存储器中并包括一个或多个由所述处理器执行的软件功能模块,所述滑坡坡体碎石含量检测装置包括:
图像获取模块,用于获取滑坡坡体图像;
图像分割模块,用于将所述滑坡坡体图像均匀分割为多个子图像;
第一计算模块,用于针对多个岩石样本图像构成的岩石样本图像集合,分别获取各个所述岩石样本图像的平均颜色值;
第二计算模块,用于针对多个所述子图像,分别计算各个所述子图像的平均颜色值;
对比模块,将各个所述子图像的平均颜色值分别与各个所述岩石样本图像的平均颜色值进行逐一对比,每个所述子图像均对应得到多个对比值;
标记模块,当所述子图像对应的所有所述对比值均大于或等于预设阈值时,该子图像为土壤子图像,将该子图像标记为土壤;当所述子图像对应的所有所述对比值中至少一个所述对比值小于预设阈值时,该子图像为岩石子图像,选取所述岩石子图像对应的所述对比值中最小的所述对比值,确定选取的所述对比值对应的所述岩石样本图像,将该子图像标记为该岩石样本图像对应的岩石种类;
第三计算模块,用于根据各个所述子图像的标记,计算滑坡坡体碎石含量。
10.一种具有处理器可执行的非易失的程序代码的计算机可读介质,其特征在于:所述程序代码使所述处理器执行权利要求1-8中任意一项所述的滑坡坡体碎石含量检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711278629.2A CN108459019B (zh) | 2017-12-06 | 2017-12-06 | 滑坡坡体碎石含量检测方法及智能移动终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711278629.2A CN108459019B (zh) | 2017-12-06 | 2017-12-06 | 滑坡坡体碎石含量检测方法及智能移动终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108459019A true CN108459019A (zh) | 2018-08-28 |
CN108459019B CN108459019B (zh) | 2021-03-23 |
Family
ID=63220461
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711278629.2A Active CN108459019B (zh) | 2017-12-06 | 2017-12-06 | 滑坡坡体碎石含量检测方法及智能移动终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108459019B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110146534A (zh) * | 2019-06-03 | 2019-08-20 | 中国石油大学(华东) | 砂岩酸岩反应效果可视化定量评价方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7164493B1 (en) * | 1998-11-06 | 2007-01-16 | Canon Kabushiki Kaisha | Image processing method, system and apparatus, and storage medium |
CN101153850A (zh) * | 2006-09-30 | 2008-04-02 | 长安大学 | 一种沥青混合料的检测方法及系统 |
CN101398392A (zh) * | 2007-09-26 | 2009-04-01 | 中国科学院自动化研究所 | 一种基于hsi颜色空间的棉花杂质高速实时检测方法 |
CN105513039A (zh) * | 2015-07-10 | 2016-04-20 | 中国电力科学研究院 | 一种带电绝缘子串覆冰桥接度智能图像分析方法 |
CN105513045A (zh) * | 2015-11-20 | 2016-04-20 | 小米科技有限责任公司 | 图像的处理方法、装置及终端 |
CN105910996A (zh) * | 2016-04-07 | 2016-08-31 | 昆明理工大学 | 一种利用rgb颜色模型确定多相流混合时间的方法 |
CN106404682A (zh) * | 2016-12-01 | 2017-02-15 | 北京林业大学 | 一种土壤颜色识别方法 |
-
2017
- 2017-12-06 CN CN201711278629.2A patent/CN108459019B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7164493B1 (en) * | 1998-11-06 | 2007-01-16 | Canon Kabushiki Kaisha | Image processing method, system and apparatus, and storage medium |
CN101153850A (zh) * | 2006-09-30 | 2008-04-02 | 长安大学 | 一种沥青混合料的检测方法及系统 |
CN101398392A (zh) * | 2007-09-26 | 2009-04-01 | 中国科学院自动化研究所 | 一种基于hsi颜色空间的棉花杂质高速实时检测方法 |
CN105513039A (zh) * | 2015-07-10 | 2016-04-20 | 中国电力科学研究院 | 一种带电绝缘子串覆冰桥接度智能图像分析方法 |
CN105513045A (zh) * | 2015-11-20 | 2016-04-20 | 小米科技有限责任公司 | 图像的处理方法、装置及终端 |
CN105910996A (zh) * | 2016-04-07 | 2016-08-31 | 昆明理工大学 | 一种利用rgb颜色模型确定多相流混合时间的方法 |
CN106404682A (zh) * | 2016-12-01 | 2017-02-15 | 北京林业大学 | 一种土壤颜色识别方法 |
Non-Patent Citations (1)
Title |
---|
程雅星 等: "图像处理技术在堆积体块石含量统计中的应用", 《2017年山区第四纪环境与城镇建设学术研讨会论文集》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110146534A (zh) * | 2019-06-03 | 2019-08-20 | 中国石油大学(华东) | 砂岩酸岩反应效果可视化定量评价方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108459019B (zh) | 2021-03-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110598784B (zh) | 基于机器学习的建筑垃圾分类方法及装置 | |
CN105869175A (zh) | 一种图像分割方法及系统 | |
CN105283902A (zh) | 图像处理装置、图像处理方法、以及图像处理程序 | |
CN110032916A (zh) | 一种检测目标物体的方法和装置 | |
KR101582601B1 (ko) | 액티비티 문자열 분석에 의한 안드로이드 악성코드 검출 방법 | |
CN104408185A (zh) | 网页热力图的链接点击量展示方法及装置 | |
CN104754327B (zh) | 一种检测及消除高光谱图像坏点的方法 | |
CN106484990B (zh) | 一种发动机试验数据三维瀑布图重建、显示及分析方法 | |
CN108318534B (zh) | 岩心约束的电成像测井图像处理方法和装置 | |
CN107909569A (zh) | 一种花屏检测方法、花屏检测装置及电子设备 | |
Vogt | User guide of guidos toolbox | |
CN113255590A (zh) | 一种缺陷检测模型训练方法、缺陷检测方法、装置及系统 | |
CN111223079A (zh) | 输电线路检测方法和装置、存储介质及电子装置 | |
CN117011250A (zh) | 缺陷检测方法、装置及存储介质 | |
CN108459019A (zh) | 滑坡坡体碎石含量检测方法及智能移动终端 | |
Vogt | Quantifying landscape fragmentation | |
CN106951811A (zh) | 一种图像处理方法及终端 | |
CN105350963B (zh) | 一种基于相关性度量学习的煤岩识别方法 | |
CN104851114B (zh) | 一种实现图像局部变色的方法及终端 | |
CN106529542A (zh) | 示功图识别方法和装置 | |
CN108764136A (zh) | 一种在高分辨率遥感影像中识别建筑物的方法 | |
CN114494680A (zh) | 积水检测方法、装置、设备及存储介质 | |
CN105635750A (zh) | 频道识别方法及装置 | |
CN113807410A (zh) | 图像识别方法、装置以及电子设备 | |
TWI697795B (zh) | 資料擷取方法及其系統 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |