本发明涉及边坡监测领域，具体涉及一种生态景观边坡监测系统。
背景技术：
：现有的边坡监测技术主要是通过获取边坡上的测试点处的位移、土压力等参数来分析边坡状态的，而缺乏对边坡图像信息的获取。因此，监测人员无法直观地观察边坡的实际状态。此外，在对边坡状态进行分析时，监测人员也无法结合边坡图像信息来综合确定边坡的实际状态。仅凭所述位移、土压力等参数来判断边坡状态，结果往往不够全面和准确。技术实现要素：为解决上述问题，本发明旨在提供一种生态景观边坡监测系统。本发明的目的采用以下技术方案来实现：一种生态景观边坡监测系统，包括传感器获取子系统、GPS定位子系统、监控子系统，所述传感器获取子系统用于通过传感器获取生态景观边坡的检测点处的相关信息，所述相关信息包括检测点的位移、土压力和边坡图像；所述GPS定位子系统用于在传感器获取子系统获取相关信息时对检测点进行定位；所述监控子系统与传感器获取子系统连接，用于对所述相关信息进行处理并显示处理后的相关信息和相应的检测点位置。本发明的有益效果为：可以利用摄像装置获取具体位置的边坡的图像信息，并将该图像信息提供至监控装置，从而可以使得监测人员能够通过该监控装置来更加直观地了解边坡的实际状态。附图说明利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。图1是本发明的结构连接示意图；图2是本发明图像处理装置的结构连接示意图。附图标记：传感器获取子系统1、GPS定位子系统2、监控子系统3、图像处理装置4、图像收集模块11、预处理模块12、融合模块13、图像打分模块14。具体实施方式结合以下实施例对本发明作进一步描述。参见图1、图2，本实施例的一种生态景观边坡监测系统，包括传感器获取子系统1、GPS定位子系统2、监控子系统3，所述传感器获取子系统1用于通过传感器获取生态景观边坡的检测点处的相关信息，所述相关信息包括检测点的位移、土压力和边坡图像；所述GPS定位子系统2用于在传感器获取子系统1获取相关信息时对检测点进行定位；所述监控子系统3与传感器获取子系统1连接，用于对所述相关信息进行处理并显示处理后的相关信息和相应的检测点位置。优选的，所述传感器获取子系统1包括位移传感器、土压力传感器和摄像装置，所述位移传感器布置于边坡上的检测点处，用于检测并发送所述检测点处的位移；所述土压力传感器布置于边坡上的检测点处，用于检测并发送所述检测点处的土压力；所述摄像装置与所述边坡相对，用于获取并发送所述边坡的图像。优选的，所述监控子系统3包括用于处理所述图像的图像处理装置4。本发明上述实施例可以利用摄像装置获取具体位置的边坡的图像信息，并将该图像信息提供至监控装置，从而可以使得监测人员能够通过该监控装置来更加直观地了解边坡的实际状态。优选的，所述图像处理装置4包括图像收集模块11、预处理模块12、融合模块13和图像打分模块14；所述图像收集模块11用于采集关于目标的源可见光图像和源红外图像；所述预处理模块12对聚焦不同的源可见光图像和源红外图像进行图像配准；所述融合模块13用于融合配准后的图像；所述图像打分模块14用于评价融合后的图像，选择评价合格的图像作为最终的图像。本优选实施例设计了图像处理装置4的模块架构，从而实现边坡图像处理的功能。优选的，所述图像收集模块11在采集时淘汰低质量的图像，其建立图像质量评价函数采用了主观评价和客观评价相结合的方式：式中，δ1、δ2、δ3为各种评价因素所占比重，δ1<δ2<δ3且δ1+δ2+δ3＝1，Fi为第i次通过主观评价而给予图像的分数，Zi为第i次通过客观评价而给予图像的分数，χ表示图像的峰值信噪比，N为进行主观评价的次数，M为进行客观评价的次数。本优选实施例引入图像质量评价函数，能够剔除质量差的图像，提高后期处理效率。优选的，所述预处理模块12包括：(1)线段特征子模块：以源红外图像作为参考图像，源可见光图像作为待配准图像，检测源可见光图像的线段特征作为配准的依据；(2)投影变换子模块：采用投影变换对源可见光图像中的线段特征实施变换，变换参数构成的矢量为(3)度量子模块：采用基于方向一致性的度量准则构建度量函数，度量源红外图像线段特征和变换后的源可见光图像线段特征的相似性，如果满足预设要求，则返回参数若不满足要求，则转入参数更新模块；(4)遗传计算子模块：采用遗传算法对进行更新。本优选实施例在融合前对图像进行配准，极大的提高了融合效率，提高了边坡图像的处理效果。优选的，所述融合模块13包括HSV变换子模块、分量获取子模块、融合子模块、二代Curvelet逆变换模块和HSV逆变换模块；所述HSV变换子模块用于对预处理后的源可见光图像进行HSV变换并提取色调分量H、饱和度分量S和明度分量V；所述分量获取子模块用于将预处理后的源红外图像和明度分量V分别作二代Curvelet变换，以得到各自在(x,y)位置的低频分量和高频分量，在此设源红外图像对应的低频分量为Ly(x,y)、高频分量为My(x,y)；明度分量V对应的低频分量为LV(x,y)，高频分量为MV(x,y)；所述融合子模块包括低频分量融合单元和高频分量融合单元，其中低频分量融合单元用于对所述低频分量Ly(x,y)、LV(x,y)进行融合，高频分量融合单元用于对高频分量My(x,y)、MV(x,y)进行融合；所述二代Curvelet逆变换模块用于对融合后的低频分量LyV(x,y)和融合后的高频分量MyV(x,y)进行二代Curvelet逆变换，以获得新的明度分量VΩ；所述HSV逆变换模块，用于对H、S、VΩ三个分量做HSV逆变换，最终得到融合图像Ω。优选的，所述低频分量融合单元对所述低频分量Ly(x,y)、LV(x,y)进行融合后生成的低频分量LyV(x,y)为：a、若Ly(x,y)＝0或LV(x,y)＝0时：LyV(x,y)＝Ly(x,y)+LV(x,y)；b、若Ly(x,y)≠0或LV(x,y)≠0时：所述高频分量融合单元对高频分量My(x,y)、MV(x,y)进行融合时，引入匹配测度因子：其中，F＝1,...ψ，F表示二代Curvelet变换的分解级数，ψ为二代Curvelet变换的最大分解级；F＝1,...ψ-1时，为计算的源可见光图像的像素点信息质量均值，为源红外图像的像素点信息质量均值；F＝ψ时，为源可见光图像中高频子带与低频子带的方向对比度，为源红外图像中高频子带与低频子带的方向对比度；表示源可见光图像在最高分辨率λ下、α方向上、3×3窗口内的区域信号强度；表示源红外图像在最高分辨率λ下、α方向上、3×3窗口内的区域信号强度；若Pj(x,y)≤T，则融合后的高频分量MyV(x,y)的选取公式为：若Pj(x,y)>T，则融合后的高频分量MyV(x,y)的选取公式为：a、时：b、时：其中，T为设定的阈值。本优选实施例结合低频分量融合单元和高频分量融合单元，对高频分量和低频分量采用不同的融合公式进行融合，更具有针对性，能够较好地描述图像中的目标特征信息；引入加权因子来计算融合后的高频分量，能够较好地保留源图像中的有用信息；引入匹配测度因子来计算融合后的高频分量，充分提取了源红外图像的热目标特征信息与源可见光图像丰富的背景特征信息，融合图像细节清晰、边缘平滑，具有更佳的融合性能和视觉效果。发明人采用本实施例进行了一系列测试，以下是进行测试得到的实验数据：边坡情况清晰度检出率错误率边坡检测点位移——0％边坡检测点土压力——0％落石：直径10cm100％100％—落石：直径5cm100％100％—落石：直径1cm98％99％—裸露山体缺口100％100％—植物绿化带破损：直径5cm100％100％—植物绿化带破损：直径1cm97％98％—优选的，所述图像打分模块14包括：(1)第一评价单元：采用第一评估因子P1对融合效果进行评估：PX1＝(R1-I0)(R1-V0)其中，R1为融合后图像的辨识率，I0为融合前源红外图像的辨识率，V0为融合前源可见光图像的辨识率；当PX1>0，判定融合效果合格；(2)第二评价单元：采用第二评估因子P2对融合速度进行评估：PS2＝(T1-I1)(T1-V1)其中，T1为融合后图像的辨识时间，I1为融合前源红外图像的辨识时间，V1为融合前源可见光图像的辨识时间；若PS2<0，则融合速度合格。本优选实施例能够切实提高边坡图像处理的实用性。结合上述实施例，对生态景观边坡的图像的融合效果相对提高了28％，融合速度相对提高了9％。最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。当前第1页1 2 3