CN111999307A - 多尺度信息融合的水下构筑物表面损毁探测方法 - Google Patents

多尺度信息融合的水下构筑物表面损毁探测方法 Download PDF

Info

Publication number
CN111999307A
CN111999307A CN202010804613.6A CN202010804613A CN111999307A CN 111999307 A CN111999307 A CN 111999307A CN 202010804613 A CN202010804613 A CN 202010804613A CN 111999307 A CN111999307 A CN 111999307A
Authority
CN
China
Prior art keywords
edge
surface damage
underwater structure
sliding window
point
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
Application number
CN202010804613.6A
Other languages
English (en)
Other versions
CN111999307B (zh
Inventor
陈哲
沈光泽
刘成栋
蒋德富
王慧斌
张凯
王鑫
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hohai University HHU
Nanjing Hydraulic Research Institute of National Energy Administration Ministry of Transport Ministry of Water Resources
Original Assignee
Hohai University HHU
Nanjing Hydraulic Research Institute of National Energy Administration Ministry of Transport Ministry of Water Resources
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hohai University HHU, Nanjing Hydraulic Research Institute of National Energy Administration Ministry of Transport Ministry of Water Resources filed Critical Hohai University HHU
Priority to CN202010804613.6A priority Critical patent/CN111999307B/zh
Publication of CN111999307A publication Critical patent/CN111999307A/zh
Application granted granted Critical
Publication of CN111999307B publication Critical patent/CN111999307B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined

Landscapes

  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明公开了一种基于红色信道滑动窗的边缘特征提取方法及多尺度信息融合的水下构筑物表面损毁探测方法；通过计算邻域空间中的最大、最小值间的差能够减少散射光噪声所造成的边缘模糊的影响，准确检测出损毁边缘的位置。针对水下构筑物表面损毁的特性，获取水下构筑物表面损毁的边缘和区域两种尺度下的特征信息，通过建立统一的损失函数实现上述边缘和区域特征的融合，能够有效地克服江河湖库、近海和港口等浑浊水体中的光学衰减，实现水下构筑物表面损毁探测的准确性。

Description

多尺度信息融合的水下构筑物表面损毁探测方法
技术领域
本发明属于水利工程领域的水下构筑物表面损毁探测方法，具体涉及一种基于红色信道的损毁目标边缘特征提取方法，同时还涉及一种多尺度信息融合的水下构筑物表面损毁探测方法。
背景技术
水下构筑物(例如水库大坝、港口码头、跨江跨海桥梁工程等)深水表面损毁等工程病害是威胁工程安全服役、引起或酿成重大事故的主要隐患。特别是水库大坝深水表面显露的诸如裂缝、孔洞、凹坑、冲蚀、渗漏、及结构缝形变等始发性损毁，趋势性恶化会极为快速，触发整个坝体险情。
深水表面缺陷/损毁及向内部延伸程度是水库大坝安全服役和运行健康诊断的关键要素，直接关系到水工程失事风险防控的成败。
在早期的电法勘探、弹性波测试、射线探伤、探地雷达等探测方法基础上，近年来采用光学成像手段，因施测作业便捷、感测信息丰富及利于后端分析处理和可视化，正在成为水下构筑物深水(常指30m以下深度)表面损毁检测的主流技术。然而，在水工阻水-壅水效应作用、大坝局部水域非恒定流及多相流涌动频发、底泥的搅动剧烈、水体高浑浊等复杂多变的深水环境下，声呐、或光学成像技术的应用面临声场/光场与水、力、质量(密度、组份)多场多相耦合等综合复杂性，致使探测信号可能被噪声“淹没”，所成图像严重劣化，使得深水表面损毁目标检出率低和虚警率高。剖析其原因，现有的成像技术应用于水下探测存在“看不清、测不准”实质性困难。
发明内容
发明目的：针对江河湖库、近海海域浑浊环境中水下构筑物表面损毁，提出了一种基于红色信道的损毁目标边缘特征提取方法，同时还提出一种多尺度信息融合的表面损毁探测方法。
技术方案：一种基于红色信道的损毁目标边缘特征提取方法，包括如下内容：
(1)输入水下构筑物表面损毁场景的红色信道信息；
(2)提取水下构筑物场景中红色信道信息，建立滑动窗，以单像素为步长，滑动扫描整个构筑物表面；
(3)计算每个滑动窗区域内红色信道反射强度最大值与最小值的差：
Figure BDA0002627095590000021
其中，xc为滑动窗的中心点，Ω(xc)为以xc为中心点的滑动窗，y为该滑动窗区域中的点，Ir(y)为y点上红色信道强度值；xc遍历扫描窗滑动整个水下构筑物图景，gxc的强度超过阈值的点对应于表面损毁的边缘。
一种多尺度信息融合的水下构筑物表面损毁探测方法，包括如下内容：
(1)基于红色信道滑动窗进行边缘检测，提取表面损毁目标的边缘特征；
(2)基于蓝色信道全局对比度进行区域检测，提取表面损毁目标的区域特征；
(3)构建边缘-区域损失函数，对所述边缘特征和区域特征进行融合，实现水下构筑物表面损毁探测。
具体的，所述基于红色信道滑动窗进行边缘检测的步骤如下：
提取水下构筑物场景中红色信道信息，建立滑动窗，以单像素为步长，滑动扫描整个构筑物表面；计算每个滑动窗区域内红色信道反射强度最大值与最小值的差：
Figure BDA0002627095590000022
其中，xc为滑动窗的中心点，Ω(xc)为以xc为中心点的滑动窗，y为该滑动窗区域中的点，Ir(y)为y点上红色信道强度值；xc遍历扫描窗滑动整个水下构筑物图景，gxc的强度超过阈值的点对应于表面损毁的边缘。
进一步的，所述基于蓝色信道全局对比度进行区域检测的步骤如下：
提取水下构筑物场景中蓝色信道信息，计算蓝色信道信息的全局对比度：
Figure BDA0002627095590000023
其中，c(z)为z点处蓝色信道全局特征，Ib(z)为z点处蓝色信道光学信息，Ib(k)为k点处蓝色信道，Ib为水下构筑物场景蓝色信道信息。
进一步的，步骤(3)具体包括如下内容：
(3.1)构建边缘-区域损失函数的外部能量项：
Figure BDA0002627095590000031
其中，Eout为外部能量项，
Figure BDA0002627095590000037
为基于红色信道滑动窗的边缘特征项，
Figure BDA0002627095590000038
为基于蓝色信道全局对比度的区域特征项，
Figure BDA00026270955900000311
是零水平集函数，g为边缘特征，S为全局对比度特征，λ为边缘项的权重，α1、α2为区域项权重，δ(φ)为冲击函数，
Figure BDA0002627095590000039
为零水平集的梯度，s1和s2分别是水平集函数演化曲线内外的全局对比度特征的平均强度值，
Figure BDA0002627095590000032
Figure BDA0002627095590000033
其中，ν,ω为构筑物表面的位置坐标。
其次，构建边缘-区域损失函数的正则项：
Figure BDA0002627095590000034
其中，ε为正则项权重；
最终，边缘-区域损失函数建模为：
E＝Eout+Ereg
Figure BDA0002627095590000035
对上述边缘-区域损失函数进行收敛，得到表面损毁的探测结果。具体的，通过求解极小化
Figure BDA0002627095590000036
采用梯度下降算法求解得到最优化的零水平集
Figure BDA00026270955900000310
，即为表面损毁的探测结果。
为保证零水平集的正则性，构建基于边缘-区域的损失函数的正则项：
Figure BDA0002627095590000041
其中，ε为正则项权重。
最终，基于边缘-区域的损失函数建模为：
E＝Eout+Ereg
Figure BDA0002627095590000042
对水下构筑物表面损毁探测过程转化为求解极小化
Figure BDA0002627095590000043
采用梯度下降算法求解，得到最优化的零水平集
Figure BDA0002627095590000044
为表面损毁的探测结果。
和现有技术相比，本发明的有益效果是：1、基于红色信道滑动窗的边缘特征提取方法，能够减少散射光噪声所造成的边缘模糊的影响，准确检测出损毁边缘的位置。2、能够针对水下构筑物表面损毁的特性，获取水下构筑物表面损毁的边缘和区域两种尺度下的特征信息，通过两种特征的融合，能够有效地克服江河湖库、近海和港口等浑浊水体中的光学衰减，实现水下构筑物表面损毁探测的准确性。
附图说明
图1是本发明的流程示意图。
具体实施方式
在高浑浊流动水体中，成像光线面临较强的衰减性，尤其在波长较长的红色波段其衰减程度随着距离的增加尤为显著，在极短的距离内能显示出较明显的反射强度差异。水下构筑物表面损毁与构筑物表面有着明显的距离差异，这种差异能够造成红色信道的反射强度差，为损毁的有效探测提供了一种有价值的线索。利用这种线索，本发明提出了一种基于红色信道的损毁目标边缘特征提取方法，同时还提出一种边缘-区域多尺度特征融合的水下构筑物表面损毁探测方法。
下面结合附图和具体实施例，对本发明的技术方案作详细说明。
实施例1：
由于水下构筑物损毁与构筑物表面间具有距离差异，这种差异在红色信道信息上表征明显，形成强度差异。然而由于水下光散射的存在，邻域中的点会形成较强的叠加干扰。此时若采用常用的边缘计算方法如梯度计算和高斯核计算难以准确发现边缘位置。为此，本发明通过计算邻域空间中的最大、最小值间的差能够减少散射光噪声所造成的边缘模糊的影响，准确检测出损毁边缘的位置。
一种基于红色信道的损毁目标边缘特征提取方法，具体步骤如下：
步骤1.1、输入水下构筑物表面损毁场景的红色信道信息。
步骤1.2、提取水下构筑物场景中红色信道信息，建立滑动窗(典型窗口大小3×3)，以单像素为步长，滑动扫描整个构筑物表面。计算每个滑动窗区域内红色信道反射强度最大值与最小值的差：
Figure BDA0002627095590000051
其中，xc为滑动窗的中心点，Ω(xc)为以xc为中心点的滑动窗，y为该滑动窗区域中的点，Ir(y)为y点上红色信道强度值。xc遍历扫描窗滑动整个水下构筑物图景，
Figure BDA0002627095590000053
的强度超过阈值的点对应于表面损毁的边缘。
实施例2：
如图1所示，一种基于边缘-区域多尺度特征融合的水下构筑物表面损毁探测方法，包括以下内容：
步骤1、基于红色信道滑动窗进行边缘检测，提取表面损毁目标的边缘特征。具体内容如下：
步骤1.1、输入水下构筑物表面损毁场景的红色信道信息。
步骤1.2、提取水下构筑物场景中红色信道信息，建立滑动窗(典型窗口大小3×3)，以单像素为步长，滑动扫描整个构筑物表面。计算每个滑动窗区域内红色信道反射强度最大值与最小值的差：
Figure BDA0002627095590000052
其中，xc为滑动窗的中心点，Ω(xc)为以xc为中心点的滑动窗，y为该滑动窗区域中的点，Ir(y)为y点上红色信道强度值。xc遍历扫描窗滑动整个水下构筑物图景，gxc的强度超过阈值的点对应于表面损毁的边缘。
步骤2、基于蓝色信道全局对比度进行区域检测，提取表面损毁目标的区域特征。具体步骤如下：
提取水下构筑物场景中蓝色信道信息，计算蓝色信道信息的全局对比度：
Figure BDA0002627095590000061
其中，c(z)为z点处蓝色信道全局特征，Ib(z)为z点处蓝色信道光学信息，Ib(k)为k点处蓝色信道，Ib为水下构筑物场景蓝色信道信息。
步骤3、构建边缘-区域损失函数，对所述边缘特征和区域特征进行融合，实现水下构筑物表面损毁探测。具体步骤如下：
步骤3.1、构建边缘-区域损失函数的外部能量项：
Figure BDA0002627095590000062
其中，Eout为外部能量项，
Figure BDA0002627095590000063
为基于红色信道滑动窗的边缘特征项，
Figure BDA0002627095590000064
为基于蓝色信道全局对比度的区域特征项，
Figure BDA0002627095590000068
是零水平集函数，g为边缘特征，S为全局对比度特征，λ为边缘项的权重，α1、α2为区域项权重，δ(φ)为冲击函数，
Figure BDA0002627095590000069
为零水平集的梯度，s1和s2分别是水平集函数演化曲线内外的全局对比度特征的平均强度值，
Figure BDA0002627095590000065
Figure BDA0002627095590000066
其中，ν,ω为构筑物表面的位置坐标。
为保证零水平集的正则性，构建基于边缘-区域的损失函数的正则项：
Figure BDA0002627095590000067
其中，ε为正则项权重。
最终，基于边缘-区域的损失函数建模为：
Figure BDA0002627095590000071
步骤3.2、采用梯度下降算法求解极小化
Figure BDA0002627095590000072
得到最优化的零水平集
Figure BDA0002627095590000073
为表面损毁的探测结果。

Claims (6)

1.一种基于红色信道的损毁目标边缘特征提取方法，其特征在于，包括如下内容：
(1)输入水下构筑物表面损毁场景的红色信道信息；
(2)提取水下构筑物场景中红色信道信息，建立滑动窗，以单像素为步长，滑动扫描整个构筑物表面；
(3)计算每个滑动窗区域内红色信道反射强度最大值与最小值的差：
Figure FDA0002627095580000011
其中，xc为滑动窗的中心点，Ω(xc)为以xc为中心点的滑动窗，y为该滑动窗区域中的点，Ir(y)为y点上红色信道强度值；xc遍历扫描窗滑动整个水下构筑物图景，gxc的强度超过阈值的点对应于表面损毁的边缘。
2.一种多尺度信息融合的水下构筑物表面损毁探测方法，其特征在于，包括如下内容：
(1)基于红色信道滑动窗进行边缘检测，提取表面损毁目标的边缘特征；
(2)基于蓝色信道全局对比度进行区域检测，提取表面损毁目标的区域特征；
(3)构建边缘-区域损失函数，对所述边缘特征和区域特征进行融合，实现水下构筑物表面损毁探测。
3.根据权利要求2所述的一种多尺度信息融合的水下构筑物表面损毁探测方法，其特征在于，步骤(1)包括如下内容：
提取水下构筑物场景中红色信道信息，建立滑动窗，以单像素为步长，滑动扫描整个构筑物表面；计算每个滑动窗区域内红色信道反射强度最大值与最小值的差：
Figure FDA0002627095580000012
其中，xc为滑动窗的中心点，Ω(xc)为以xc为中心点的滑动窗，y为该滑动窗区域中的点，Ir(y)为y点上红色信道强度值；xc遍历扫描窗滑动整个水下构筑物图景，
Figure FDA0002627095580000013
的强度超过阈值的点对应于表面损毁的边缘。
4.根据权利要求2所述的一种多尺度信息融合的水下构筑物表面损毁探测方法，其特征在于，步骤(2)包括如下内容：
提取水下构筑物场景中蓝色信道信息，计算蓝色信道信息的全局对比度：
Figure FDA0002627095580000021
其中，c(z)为z点处蓝色信道全局特征，Ib(z)为z点处蓝色信道光学信息，Ib(k)为k点处蓝色信道，Ib为水下构筑物场景蓝色信道信息。
5.根据权利要求2所述的一种多尺度信息融合的水下构筑物表面损毁探测方法，其特征在于，步骤(3)具体包括如下内容：
(3.1)构建边缘-区域损失函数的外部能量项：
Figure FDA0002627095580000022
其中，Eout为外部能量项，
Figure FDA0002627095580000023
为基于红色信道滑动窗的边缘特征项，
Figure FDA0002627095580000024
为基于蓝色信道全局对比度的区域特征项，
Figure FDA0002627095580000025
是零水平集函数，g为边缘特征，S为全局对比度特征，λ为边缘项的权重，α1、α2为区域项权重，δ(φ)为冲击函数，
Figure FDA0002627095580000026
为零水平集的梯度，s1和s2分别是水平集函数演化曲线内外的全局对比度特征的平均强度值，
Figure FDA0002627095580000027
Figure FDA0002627095580000028
其中，(ν,ω)为构筑物表面的位置坐标。
(3.2)构建边缘-区域损失函数的正则项：
Figure FDA0002627095580000029
其中，ε为正则项权重；
(3.3)边缘-区域损失函数建模为：
Figure FDA0002627095580000031
对上述边缘-区域损失函数进行收敛，得到表面损毁的探测结果。
6.根据权利要求5所述的一种多尺度信息融合的水下构筑物表面损毁探测方法，其特征在于，步骤(3.3)中，求解极小化
Figure FDA0002627095580000032
采用梯度下降算法求解得到最优化的零水平集
Figure FDA0002627095580000033
即为表面损毁的探测结果。
CN202010804613.6A 2020-08-11 2020-08-11 多尺度信息融合的水下构筑物表面损毁探测方法 Active CN111999307B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010804613.6A CN111999307B (zh) 2020-08-11 2020-08-11 多尺度信息融合的水下构筑物表面损毁探测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010804613.6A CN111999307B (zh) 2020-08-11 2020-08-11 多尺度信息融合的水下构筑物表面损毁探测方法

Publications (2)

Publication Number Publication Date
CN111999307A true CN111999307A (zh) 2020-11-27
CN111999307B CN111999307B (zh) 2021-08-17

Family

ID=73464066

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010804613.6A Active CN111999307B (zh) 2020-08-11 2020-08-11 多尺度信息融合的水下构筑物表面损毁探测方法

Country Status (1)

Country Link
CN (1) CN111999307B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106296597A (zh) * 2016-07-25 2017-01-04 天津大学 一种基于最优化颜色修正和回归模型的水下图像复原方法
CN106485681A (zh) * 2016-10-18 2017-03-08 河海大学常州校区 基于颜色校正和红通道先验的水下彩色图像复原方法
CN108564543A (zh) * 2018-04-11 2018-09-21 长春理工大学 一种基于电磁理论的水下图像色彩补偿方法
CN108596843A (zh) * 2018-04-10 2018-09-28 山东大学 一种基于亮通道的水下图像色彩恢复算法
CN110231625A (zh) * 2019-06-24 2019-09-13 南京邮电大学 一种基于多尺度融合的综合孔径成像方法
CN111833258A (zh) * 2019-04-19 2020-10-27 中国科学院沈阳自动化研究所 一种基于双透射率水下成像模型的图像颜色校正方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106296597A (zh) * 2016-07-25 2017-01-04 天津大学 一种基于最优化颜色修正和回归模型的水下图像复原方法
CN106485681A (zh) * 2016-10-18 2017-03-08 河海大学常州校区 基于颜色校正和红通道先验的水下彩色图像复原方法
CN108596843A (zh) * 2018-04-10 2018-09-28 山东大学 一种基于亮通道的水下图像色彩恢复算法
CN108564543A (zh) * 2018-04-11 2018-09-21 长春理工大学 一种基于电磁理论的水下图像色彩补偿方法
CN111833258A (zh) * 2019-04-19 2020-10-27 中国科学院沈阳自动化研究所 一种基于双透射率水下成像模型的图像颜色校正方法
CN110231625A (zh) * 2019-06-24 2019-09-13 南京邮电大学 一种基于多尺度融合的综合孔径成像方法

Also Published As

Publication number Publication date
CN111999307B (zh) 2021-08-17

Similar Documents

Publication Publication Date Title
Luo et al. GPR imaging criteria
Wang et al. A comparison of waveform processing algorithms for single-wavelength LiDAR bathymetry
CN108387896B (zh) 一种基于探地雷达回波数据的自动汇聚成像方法
Asjad et al. A new approach for salt dome detection using a 3D multidirectional edge detector
Jiao et al. Identifying concrete structure defects in GPR image
Blenkinsopp et al. Wave runup and overwash on a prototype-scale sand barrier
CN109035224A (zh) 一种基于多波束点云的海底管道检测与三维重建方法
CN109239719B (zh) 一种融合多帧信息的多波束前视声呐障碍区域提取方法
CN105389814A (zh) 一种用于气密性试验的气泡检测方法
CN108229433B (zh) 一种基于直线段检测和形状特征的靠岸舰船检测方法
JPS61107181A (ja) 物体探査装置及び探査方法
Hernández et al. Water elevation measurements using binary image analysis for 2D hydrodynamic experiments
Saleh et al. Seabed sub-bottom sediment classification using parametric sub-bottom profiler
Conevski et al. Laboratory investigation of apparent bedload velocity measured by ADCPs under different transport conditions
CN102107723A (zh) 侧扫声纳测量船舶吨位的方法
Makarov et al. A study of the gas seep Istok in the Selenga shoal using active acoustic, passive acoustic and optical methods
Conevski et al. Towards an evaluation of bedload transport characteristics by using Doppler and backscatter outputs from ADCPs
Hauet et al. Digital mapping of riverine waterway hydrodynamic and geomorphic features
Rivest et al. Marker-controlled segmentation: an application to electrical borehole imaging
CN111999307B (zh) 多尺度信息融合的水下构筑物表面损毁探测方法
Du et al. Ultrasonic measurement on the thickness of oil slick using the remotely operated vehicle (ROV) as a platform
CN117784082A (zh) 基于偏振成像探测的水体衰减系数反演方法、系统及介质
CN116519717A (zh) 一种千米级深水坝体结构探伤系统及方法
CN116523822A (zh) 一种基于侧扫声呐的海缆检测识别方法
Rüssmeier et al. Ocean surface water currents by large-scale particle image velocimetry technique

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