一种基于声呐图像处理的水下施工控制事件自动获取方法与流程
本发明属于声呐技术和数字图像处理领域；具体涉及一种基于声呐图像处理的水下施工控制事件自动获取方法。
背景技术：
沉排护岸工程是常用的河床治理措施，其施工要素是：在岸上将压重块均匀的固定于排布上，将布好压重块的排布整体放置于沉排区域的水底，以此方法达到保护河床底质的目的。在实际作业中，为了保证河床被排布完整的覆盖，需要将多块排布铺放于指定的水底区域，两块排布间留下重叠区域(称为搭接区域)，测量搭接区域宽度的意义在于考察排布的铺放是否符合工程要求，对沉排施工进行实时指导并对已完工区域进行质量评估。
解决这一问题曾使用过的方案有：(1)水下电视人工检测；(2)声呐技术，目前在实际工程中多使用高分辨率声呐设备对施工区域进行成像探测，操作员从声呐显控界面上手动选取两个排布的边界并进而获得排布搭接区域的宽度。这种方法完全依赖于人工操作，受操作员技术与经验的影响大，而且现场环境、作业时间的长短、操作员个人的工作状态等均会对判读结果产生影响。
技术实现要素：
本发明提供一种测量准确性高、稳定性好、便于对声呐数据进行自动快速处理、同步得到排布的搭接宽度的一种基于声呐图像处理的水下施工控制事件自动获取方法。
本发明通过以下技术方案实现：
一种基于声呐图像处理的水下施工控制事件自动获取方法，所述方法包括以下步骤：
步骤1：将三维点云投影到xoy平面，经离散化得到初始图像；
步骤2：对初始图像进行canny算子边缘提取及hough变换直线检测，特征直线一将初始图像分为上、下两部分；
步骤3：下半部分图像依次进行：非线性滤波，图像孔洞填充，形态学开运算；
步骤4：上半部分图像依次进行：非线性滤波，形态学闭运算，图像孔洞填充；
步骤5：对经过预处理的上、下部分图像进行canny算子边缘提取及hough变换直线检测；
步骤6：从若干边缘直线中筛选出特征直线二、特征直线三；
步骤7：进行图像坐标系到实际物理坐标系的转换，根据特征直线一、特征直线二和特征直线三之间的关系，求出排布的搭接宽度。
所述步骤2中，canny算子的要素有：
a(x,y)＝a(x,y)*h(x,y)二维高斯滤波
其中h(x,y)为二维高斯核，gx,gy为a(x,y)的偏导数，m(x,y)为像素(x,y)的梯度幅值，θ(x,y)为像素(x,y)的梯度方向，p1,p2为沿θ(x,y)梯度正/反方向上与像素(x,y)相邻的像素，t1,t2为高、低阈值；
hough变换表达式如下：
其中(ρ,θ)为直线的极坐标，(xi,yi)为直角坐标系下位于直线上的点。
所述步骤3中先进行基于密度和距离因素的非线性滤波，使区域内部及边缘完整；表达式如下：
其中a(x,y)为(x,y)处像素的灰度，a(x+i,y+j)为像素(x,y)的邻域像素灰度，m为邻域内灰度值为1的像素数量，n为邻域内像素总数，δ为密度阈值，di为邻域内灰度值为1的像素到目标像素的距离，ρ为距离阈值；
继续进行图像孔洞填充以及形态学开/闭处理；
使用标记像素的方法找出图像中的孔洞，对孔洞内像素的灰度取反，达到填充图像孔洞的目的，其表达式如下：
其中a(x,y)为(x,y)处像素的灰度，
形态学开/闭处理的表达式如下：
其中θ为形态学腐蚀，
所述步骤5中，首先使用canny算子进行边缘提取，再对提取出的图像边缘使用hough变换进行直线检测。
本发明的有益效果是：
1.本发明无需人工作业，避免了因人工操作不当对测量结果产生的不良影响。
2.本发明实时性好，使用声呐对沉排施工区域进行探测的同时对声呐数据进行自动快速处理，同步得到排布的搭接宽度，更便于对排布铺放的状况进行监控。
3.本发明测量准确性和稳定性高，可以适应多种作业环境。
附图说明
附图1是本发明的实现步骤图。
附图2是本发明三维声呐数据源。
附图3是本发明xoy平面投影图像。
附图4是本发明特征直线一提取结果。
附图5是本发明对投影图像的下半部分进行预处理的结果。
附图6是本发明特征直线二提取结果。
附图7是本发明对投影图像的上半部分进行预处理的结果。
附图8是本发明特征直线三提取结果。
附图9是本发明三条特征直线在全局图像中的分布及搭接宽度的计算示意。
具体实施方式
下面将结合本发明实施例中的附图对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做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。
如图1所示，一种基于声呐图像处理的水下施工控制事件自动获取方法，所述方法包括以下步骤：
步骤1：声呐探测沉排区域得到的三维数据如图2所示，将三维数据投影到xoy平面，离散化形成二维图像，如图3所示；
步骤2：对初始图像进行canny算子边缘提取及hough变换直线检测，以特征直线一将初始图像分为上、下两部分；
步骤3：下半部分图像依次进行：非线性滤波，图像孔洞填充，形态学开运算；
步骤4：上半部分图像依次进行：非线性滤波，形态学闭运算，图像孔洞填充；
步骤3和步骤4中采用一种基于密度和距离因素的非线性滤波方法，该方法相较于传统的非线性滤波，使用两种因素抑制图像边缘的扩张，达到了图像趋于完整且边缘不产生严重变形的目的；
步骤5：对经过预处理的上、下部分图像进行canny算子边缘提取及hough变换直线检测；
步骤6：从若干边缘直线中筛选出特征直线二、特征直线三；
步骤7：进行图像坐标系到物理实际坐标系的转换，根据特征直线一、特征直线二和特征直线三间的关系，求出排布的搭接宽度。
所述步骤2中，canny算子的要素有：
a(x,y)＝a(x,y)*h(x,y)二维高斯滤波
其中h(x,y)为二维高斯核，gx,gy为a(x,y)的偏导数，m(x,y)为像素(x,y)的梯度幅值，θ(x,y)为像素(x,y)的梯度方向，p1,p2为沿θ(x,y)梯度正/反方向上与像素(x,y)相邻的像素，t1,t2为高、低阈值；
利用hough变换检测特征直线1；hough变换表达式如下：
其中(ρ,θ)为直线的极坐标，(xi,yi)为直角坐标系下位于直线上的点。
特征直线一的筛选方法是：通过比较直线的斜率筛选出与x轴近乎平行的若干条边缘直线，检测这些直线的中点分布，选取中点y值最大的直线为特征直线一，并以特征直线一为界，将二维图像划分为上、下两部分，如图4所示，分别进行处理。
所述步骤3中先进行基于密度和距离因素的非线性滤波，使区域内部及边缘完整，设m为邻域内灰度值为1的像素数量，n为邻域内像素总数，则m/n为邻域内灰度值为1的像素的占比；表达式如下：
其中a(x,y)为(x,y)处像素的灰度，a(x+i,y+j)为像素(x,y)的邻域像素灰度，m为邻域内灰度值为1的像素数量，n为邻域内像素总数，δ为密度阈值，di为邻域内灰度值为1的像素到目标像素的距离，ρ为距离阈值；即若密度足够大且最小距离足够小，则(x,y)处像素的灰度值取决于邻域内灰度最大值；否则保持不变。步骤3非线性滤波的处理结果为如图5(b)所示；
继续进行图像孔洞填充以及形态学开/闭处理；
使用标记像素的方法找出图像中的孔洞，对孔洞内像素的灰度取反，达到填充图像孔洞的目的，其表达式如下：
其中a(x,y)为(x,y)处像素的灰度，
所有灰度为0的像素为待标记像素，使用8连通模型进行标记，将处于同一孔洞内的所有像素标记为同一个标签。将孔洞内被标记像素的数量与设定的阈值p比较，若孔洞内被标记像素的数量小于p，则对孔洞内被标记像素的灰度取反；若孔洞内被标记像素的数量不小于p，则孔洞保持不变，
以此方法达到填充图像孔洞的目的；形态学开运算表达式如下：
其中θ为形态学腐蚀，
图像孔洞填充、开运算处理结果分别如图5(c)和图5(d)。
所述步骤4中，首先按照与步骤3相同的方法对上半部分图像进行非线性滤波，处理结果如图7(b)所示；
继续进行形态学闭运算和孔洞填充。
形态学闭运算表达式如下：
其中θ为形态学腐蚀，
闭运算、图像孔洞填充处理结果分别如图7(c)和图7(d)。
所述步骤5中，首先使用canny算子进行边缘提取(详细算法见步骤2，其中二维高斯核中
所述步骤6中，根据沉排工程的先验知识，对上、下部分图像的边缘直线进行筛选。其中特征直线二是下排布的边缘直线，通过比较斜率，选择下半部分图像中最接近于垂直x轴的边缘直线为特征直线二，如图6所示；特征直线三是上排布的边缘，由于遮挡声呐信号形成探测盲区，因此特征直线三经过声呐原点，以此从上半部分图像的边缘直线中筛选出特征直线三，如图8。
所述步骤7中，如图9，计算特征直线一，二的交点a到特征直线一，三的交点b的距离即是排布的搭接宽度。以点a为例，设在图像投影坐标系下，点a的像素坐标为a(x),a(y)，物理空间的原点o的像素坐标为(x,y)，x/y轴上单位像素对应的实际物理尺寸分别为dx,dy，u(a),v(a)为点a的物理空间坐标，按照以下公式可以实现点a像素坐标到物理坐标的转换：
同理求出交点b的物理坐标，进而可以求出a和b的距离即为搭接宽度。
- 还没有人留言评论。精彩留言会获得点赞！