趙毅鑫，許 多，孫 波，姜耀東，張 村，何 祥

(1.中國(guó)礦業(yè)大學(xué)(北京) 共伴生能源精準(zhǔn)開(kāi)采北京市重點(diǎn)實(shí)驗(yàn)室，北京 100083; 2.中國(guó)礦業(yè)大學(xué)(北京) 能源與礦業(yè)學(xué)院，北京 100083; 3.中國(guó)礦業(yè)大學(xué)(北京) 力學(xué)與建筑工程學(xué)院，北京 100083)

我國(guó)西部地區(qū)大多屬于干旱半干旱地區(qū)[1]，長(zhǎng)期處于水資源短缺、土地荒漠化的威脅之下。同時(shí)，西部地區(qū)是我國(guó)主要的產(chǎn)煤地區(qū)，根據(jù)國(guó)家統(tǒng)計(jì)局2019年數(shù)據(jù)，內(nèi)蒙古、山西、陜西和新疆4地的原煤產(chǎn)量占全國(guó)原煤總產(chǎn)量的75%左右。西部礦區(qū)煤炭資源賦存普遍具有埋藏淺、厚度大、基巖薄和松散層厚的特點(diǎn)[2-3]，煤炭開(kāi)采條件優(yōu)越。多數(shù)礦井采用大采高、放頂煤等采煤工藝，具有明顯的高產(chǎn)、高效和高強(qiáng)度開(kāi)采特點(diǎn)，地下開(kāi)采引起的地表沉陷和地裂縫次生災(zāi)害尤為嚴(yán)重[4-7]。地表沉陷和地裂縫不但造成地面房屋開(kāi)裂倒塌，導(dǎo)致經(jīng)濟(jì)損失，甚至誘發(fā)采空區(qū)遺煤自燃及煤田火災(zāi)[8-10]。因此，快速、及時(shí)、準(zhǔn)確獲取地裂縫信息，不僅可對(duì)上覆巖層運(yùn)移規(guī)律分析提供數(shù)據(jù)支撐，而且可為煤礦安全生產(chǎn)和礦區(qū)環(huán)境綜合治理提供支撐。

目前，國(guó)內(nèi)外學(xué)者使用多種方法對(duì)地裂縫進(jìn)行實(shí)地監(jiān)測(cè)研究，如野外調(diào)查、GPS或GNSS等衛(wèi)星定位技術(shù)[11-13]、合成孔徑雷達(dá)干涉測(cè)量技術(shù)(InSAR)[14-15]、激光掃描技術(shù)[13,15-16]和遙感技術(shù)[11,13,17-19]等。雖然野外調(diào)查和GPS衛(wèi)星定位技術(shù)精度較高，但勞動(dòng)強(qiáng)度大，成本較高[20]。InSAR技術(shù)易受時(shí)間失相干、空間失相干等因素的影響，當(dāng)?shù)孛孀冃瘟窟^(guò)大時(shí)易出現(xiàn)相位解纏困難或相位失相關(guān)[13]。激光掃描技術(shù)要求掃描儀與目標(biāo)之間的通視，其掃描范圍受地形條件限制。高精度的掃描儀價(jià)格昂貴，監(jiān)測(cè)成本相對(duì)較高。衛(wèi)星遙感技術(shù)通過(guò)對(duì)地面遙感影像的解譯獲取地裂縫的分布，但其分辨率往往不足以識(shí)別小型裂縫[20]。無(wú)人機(jī)遙感技術(shù)具有分辨率高、機(jī)動(dòng)靈活、效率高、運(yùn)行成本低等顯著優(yōu)勢(shì)[21-22]，但目前在地裂縫識(shí)別方面取得應(yīng)用的多為可見(jiàn)光相機(jī)，易受云霧等天氣因素影響，且不能全天候監(jiān)測(cè)。紅外線的波長(zhǎng)大于可見(jiàn)光，其穿透性較可見(jiàn)光更強(qiáng)，受外部環(huán)境的影響較小[23]。紅外相機(jī)對(duì)具有明顯紅外熱特性的物體和區(qū)域敏感，具有較好的目標(biāo)探測(cè)能力[23-24]。自然界一切溫度高于絕對(duì)零度的物體都能發(fā)射紅外輻射，且物體溫度越高，其紅外輻射強(qiáng)度往往越強(qiáng)。地裂縫處的空氣受地底深處相對(duì)恒溫且潮濕的條件影響，其溫度與地表的溫度之間具有明顯差異，從而可被紅外相機(jī)識(shí)別。BARO等[25]使用無(wú)人機(jī)和紅外熱像儀對(duì)巖石邊坡和懸崖上的開(kāi)放型地表裂隙進(jìn)行了觀測(cè)，但對(duì)煤礦開(kāi)采導(dǎo)致的地裂縫紅外辨識(shí)研究仍鮮有報(bào)道。

無(wú)人機(jī)紅外圖像精準(zhǔn)辨識(shí)需要依靠圖像邊緣檢測(cè)等技術(shù)，該技術(shù)是數(shù)字圖像處理、模式識(shí)別、計(jì)算視覺(jué)的重要基礎(chǔ)。邊緣是圖像最基本的特征，它包含了圖像中目標(biāo)的骨架信息。準(zhǔn)確的邊緣信息為后續(xù)更高層次的目標(biāo)識(shí)別、特征描述等提供依據(jù)。近年來(lái)，圖像的邊緣檢測(cè)技術(shù)已被學(xué)者廣泛應(yīng)用于圖像分割[26-27]、運(yùn)動(dòng)檢測(cè)[28]、人臉識(shí)別[29]和目標(biāo)跟蹤[30]等領(lǐng)域。典型的圖像邊緣檢測(cè)方法主要有Roberts算子[31]、Sobel算子[32]、Prewitt算子[33]、Canny算子[34]、Laplacian算子[35]、拉普拉斯高斯算子(LoG)[36]、基于數(shù)學(xué)形態(tài)學(xué)的邊緣檢測(cè)[37-39]、小波變換和小波包變換的邊緣檢測(cè)法[40-43]、蟻群理論的檢測(cè)方法[44]等。目前，基于邊緣檢測(cè)方法的裂縫檢測(cè)主要應(yīng)用于公路裂縫檢測(cè)及混凝土裂隙檢測(cè)。如ABDEL等[45]采用邊緣檢測(cè)方法識(shí)別和檢測(cè)橋梁的裂隙。OLIVEIRA等[46]提出了一種用于裂縫自動(dòng)檢測(cè)和表征的集成系統(tǒng)，用于檢測(cè)道路路面裂縫。而將邊緣檢測(cè)方法和紅外熱像結(jié)合，應(yīng)用于檢測(cè)采礦誘發(fā)地裂縫的研究仍較少。

筆者使用無(wú)人機(jī)搭載高清紅外相機(jī)對(duì)內(nèi)蒙古自治區(qū)鄂爾多斯市上灣煤礦12401工作面上方地裂縫發(fā)育區(qū)域進(jìn)行針對(duì)性、全天候監(jiān)測(cè)，獲取了12個(gè)不同時(shí)刻紅外圖像數(shù)據(jù)。在前人研究的基礎(chǔ)上，篩選并優(yōu)化了地裂縫提取算法，并對(duì)不同時(shí)刻紅外圖像內(nèi)不同地物類型的溫度信息進(jìn)行統(tǒng)計(jì)和分析，對(duì)不同時(shí)刻地裂縫提取結(jié)果進(jìn)行對(duì)比，旨在找出在特定條件下無(wú)人機(jī)紅外遙感技術(shù)對(duì)煤礦塌陷區(qū)地裂縫識(shí)別的最佳時(shí)間窗口，為煤礦塌陷區(qū)大面積地裂縫無(wú)人機(jī)快速識(shí)別和治理奠定基礎(chǔ)。

1 地裂縫監(jiān)測(cè)試驗(yàn)

1.1 工程背景

通過(guò)無(wú)人機(jī)搭載紅外相機(jī)監(jiān)測(cè)體系對(duì)神東礦區(qū)上灣煤礦12401大采高工作面地裂縫進(jìn)行監(jiān)測(cè)，觀測(cè)區(qū)位置如圖1所示。該煤礦位于內(nèi)蒙古自治區(qū)鄂爾多斯市東部，其地形特征呈西北高、東南低的斜坡?tīng)睢?/p>

上灣煤礦采用大采高長(zhǎng)壁開(kāi)采方法。12401綜采工作面是12煤四盤區(qū)首采面，東側(cè)為尚未圈定的12402綜采工作面;南側(cè)為井田邊界;西側(cè)為規(guī)劃設(shè)計(jì)的12412綜采工作面，尚未開(kāi)始掘進(jìn);北側(cè)為井田邊界，與補(bǔ)連塔井田相鄰。綜采工作面沿傾向布置，走向長(zhǎng)度299.2 m，推進(jìn)長(zhǎng)度5 254.8 m，采高8.8 m，該綜采工作面地面標(biāo)高為1 188～1 300 m，煤層底板標(biāo)高為1 043～1 066 m，12401工作面井上下對(duì)照?qǐng)D及鉆孔柱狀圖如圖1所示。

1.2 監(jiān)測(cè)設(shè)備

為實(shí)現(xiàn)地裂縫可見(jiàn)光及紅外觀測(cè)，采用大疆無(wú)人機(jī)(M600Pro)、高清紅外相機(jī)(Tau2-640R)以及可見(jiàn)光相機(jī)(ZENMUSE Z3)，設(shè)備具體參數(shù)見(jiàn)表1。其中，高清紅外相機(jī)用于采集地表沙子、植被和地裂縫等目標(biāo)的熱輻射信息;Z3可見(jiàn)光相機(jī)則用于采集高分辨率地裂縫圖像，以對(duì)比驗(yàn)證紅外監(jiān)測(cè)地裂縫結(jié)果。

1.3 監(jiān)測(cè)方案

為獲得地裂縫最佳觀測(cè)圖像，采用無(wú)人機(jī)搭載高清紅外相機(jī)在全天不同時(shí)間點(diǎn)(1:00,3:00,5:00,7:00,9:00,11:00,13:00,15:00,17:00,19:00,21:00，23:00，時(shí)間間隔2 h)對(duì)地表某一固定裂縫區(qū)域進(jìn)行12次觀測(cè)，觀測(cè)時(shí)拍攝高度15 m，觀測(cè)季節(jié)為春季。目標(biāo)觀測(cè)區(qū)選擇在工作面推進(jìn)238 m處正上方地表，采用石灰繪制邊界的正方形區(qū)域。該區(qū)域中有一條約3 m長(zhǎng)的主裂縫F1，還有數(shù)條短而不連續(xù)的裂縫。為檢驗(yàn)紅外圖像精度，每次航拍前10 min，人工測(cè)量沙子表面的溫度并取平均值，記錄每次測(cè)量時(shí)風(fēng)速大小。

表1 監(jiān)測(cè)設(shè)備參數(shù)Table 1 Technical parameters of UAV,infrared imager and visible light image

采用無(wú)人機(jī)搭載高精度可見(jiàn)光相機(jī)采集目標(biāo)觀測(cè)區(qū)的可見(jiàn)光圖像作為紅外圖像的參考，采集時(shí)間為7:00 am，如圖2所示(分辨率為0.3 cm/像素)。為核驗(yàn)可見(jiàn)光圖像精度，在同一高度(15 m)對(duì)地表一直徑18 cm的圓形卷尺外殼進(jìn)行可見(jiàn)光圖像采集，結(jié)果如圖3所示(分辨率為0.32 cm/像素)。圖2中裂縫F1最大實(shí)測(cè)寬度為12.5 cm，通過(guò)統(tǒng)計(jì)圖2中裂縫F1最寬處的像素?cái)?shù)目，計(jì)算其最大寬度并與實(shí)測(cè)值進(jìn)行對(duì)比;同時(shí)統(tǒng)計(jì)圖3中卷尺外殼橫向、縱向直徑的像素?cái)?shù)目，得出其計(jì)算長(zhǎng)度與實(shí)際直徑長(zhǎng)度進(jìn)行對(duì)比，以評(píng)價(jià)可見(jiàn)光圖像的精度和可靠性。

2 地裂縫監(jiān)測(cè)結(jié)果及分析

2.1 不同時(shí)間點(diǎn)地裂縫紅外圖像特征

使用專業(yè)軟件ViewSeri2.3.1從12個(gè)不同監(jiān)測(cè)時(shí)刻所采集的圖像序列中，分別選取12個(gè)時(shí)刻的目標(biāo)觀測(cè)區(qū)紅外圖像，使其具有大致相同的方向和分辨率，選取的紅外圖像如圖4所示。圖4中黑色方塊是預(yù)先放置的尺寸參照物，其大小為45 cm×45 cm。根據(jù)圖4中尺寸參照物占據(jù)的像素?cái)?shù)量，計(jì)算出各自的分辨率分別為1.55,1.61,1.50,1.50,1.50,1.55,1.50,1.50,1.61,1.50,1.61,1.50 cm/pixel。

圖2 7:00目標(biāo)觀測(cè)區(qū)的可見(jiàn)光圖像Fig.2 Visible light image of the target observation area at 7:00

圖3 15 m航高下圓形卷尺外殼成像Fig.3 Visible light imaging of a circular tape shell at 15 m height

圖4 不同時(shí)刻觀測(cè)區(qū)紅外圖像Fig.4 Infrared images of the target observation area at different times

從1:00～5:00和19:00～23:00，地裂縫和植物呈亮白色，代表其溫度較高;而沙子呈黑色，代表溫度較低，如圖4(a)～(c)和圖4(j)～(l)所示。圖4(d)～(i)展示了7:00～17:00的觀測(cè)區(qū)地表的紅外圖像，可以看出地裂縫和沙子的顏色和亮度差異性不明顯，即此階段紅外相機(jī)對(duì)地裂縫的識(shí)別效果較差或不能識(shí)別。9:00～15:00期間，地裂縫顏色主要為黑色、暗色，亮度較低，沙子的亮度較高，表現(xiàn)出裂縫溫度低于沙子的特征，如圖4(e)～(h)所示。需要說(shuō)明，觀測(cè)區(qū)域邊界線因使用白石灰圈定，其吸熱能力較低，均呈現(xiàn)低溫特征。

對(duì)比不同時(shí)段采集的紅外圖像發(fā)現(xiàn):3:00～5:00的紅外圖像更清晰，地裂縫信息更完整。而7:00和17:00的紅外圖像監(jiān)測(cè)效果最差，地裂縫圖像色溫非常接近沙子，這使得裂縫很難與周圍物體區(qū)分。因此，在較大溫差下采集圖像，可以獲得較好的地裂縫監(jiān)測(cè)效果。

2.2 地裂縫輻射溫度特征及規(guī)律

通過(guò)不同時(shí)段記錄的地表風(fēng)速和表層沙子溫度計(jì)算紅外圖像沙子溫度的誤差，評(píng)估紅外圖像溫度精度，計(jì)算結(jié)果見(jiàn)表2。

表2 不同時(shí)刻風(fēng)速大小和人工測(cè)量溫度及其與 圖像提取溫度的誤差Table 2 Wind speeds and manual measured temperatures of surface sand and the errors between them and that extracted from infrared images

圖像溫度與人工測(cè)量溫度之間的誤差基本呈現(xiàn)隨風(fēng)速增加而增加的趨勢(shì)。在無(wú)風(fēng)條件下，即5:00和7:00，2者之間誤差較小，絕對(duì)誤差分別為0.14 ℃和0.04 ℃，相對(duì)誤差為1.82%和0.24%，此時(shí)紅外圖像精度較高;低風(fēng)條件下(風(fēng)速≤2.5 m/s)，如1:00 am，絕對(duì)誤差均小于4 ℃，相對(duì)誤差在10%以下，此時(shí)紅外圖像精度可達(dá)1±0.1 ℃;風(fēng)速較大時(shí)，如17:00時(shí)，風(fēng)速為4 m/s，絕對(duì)誤差和相對(duì)誤差均較大，此時(shí)采集紅外圖像精度較差。

除地裂縫外，觀測(cè)區(qū)內(nèi)主要的地物類型為沙子和植被。為消除位置不同造成的輕微溫度差異影響，使用專業(yè)軟件Maxlm DL 5在紅外圖像內(nèi)裂縫F1、沙子和植被處分別隨機(jī)提取30個(gè)樣本像素，計(jì)算這些樣本像素的溫度平均值，并據(jù)此計(jì)算裂縫F1和沙子、植被之間的溫差，計(jì)算結(jié)果見(jiàn)表3。

表3 不同時(shí)刻裂縫F1、沙子和植被的溫度和溫差Table 3 Temperature and temperature differences between F1,sand and vegetation at different time

根據(jù)表3中數(shù)據(jù)，1:00～3:00，裂縫F1、沙子和植被的溫度變化不明顯。而3:00～5:00，裂縫F1、沙子和植被的溫度出現(xiàn)了明顯的下降，均降至1 d內(nèi)最低溫度值，分別為13.26,8.04,10.95 ℃。7:00以后，由于太陽(yáng)升起，溫度相對(duì)前一時(shí)刻有明顯的升高，且隨著太陽(yáng)輻射強(qiáng)度和太陽(yáng)高度角的增加，溫度持續(xù)增加。13:00時(shí)，裂縫F1、沙子和植被的溫度達(dá)到1 d內(nèi)最大值，分別為43.19,51.33和29.15 ℃。13:00過(guò)后，隨著太陽(yáng)高度角和太陽(yáng)輻射的減小，溫度下降。9:00～15:00，裂縫F1的溫度介于植被和沙子。直至19:00以后，3者的溫度高低順序變?yōu)榱芽pF1>植被>沙子，并將持續(xù)至第2天上午。這表明裂縫和植被隨著外界溫度的改變產(chǎn)生的溫度變化小，其抵抗溫度改變的能力均強(qiáng)于沙子。

圖5為不同時(shí)刻裂縫F1和沙子、植被的溫差。1:00～5:00和21:00～23:00，裂縫F1與沙子的溫差在4～6 ℃，裂縫F1與植被的溫差在1～4 ℃。這2個(gè)時(shí)段，裂縫F1與沙子、植被的溫差均為正值。7:00～11:00，裂縫F1與沙子、植被的溫升速率不同，溫差不斷增加。13:00～15:00，裂縫F1降溫慢，而沙子降溫快，溫差不斷減小。 9:00～15:00，裂縫F1與沙子、植被的溫差分別為負(fù)值和正值，變化范圍較大，最值分別為-12.52和14.04 ℃。7:00，裂縫F1的溫度低于沙子、植被，且與沙子、植被的溫差較小，地裂縫識(shí)別相對(duì)較難;而17:00，裂縫F1識(shí)別不出來(lái)，主要是由于其處在裂縫、沙子、植被溫度高低次序交替的時(shí)間拐點(diǎn)，3者之間溫度基本相同，所以7:00,17:00兩個(gè)時(shí)間點(diǎn)采集的紅外圖像難以識(shí)別地裂縫。

圖5 不同時(shí)刻裂縫F1和沙子、植被的溫差Fig.5 Temperature differences between F1,sand and vegetation at different times

1:00～5:00和19:00～23:00，裂縫F1與沙子、植被的溫差小于9:00～15:00，但1:00～5:00和19:00～23:00，紅外圖像總的溫度范圍小于9:00～15:00。因此,1:00～5:00和19:00～23:00，紅外圖像內(nèi)裂縫F1與沙子、植被仍有足夠的對(duì)比度。此外，凌晨和夜晚，裂縫F1溫度最高，亮度最大，為濾除圖像內(nèi)無(wú)關(guān)信息，實(shí)現(xiàn)地裂縫的檢測(cè)提供了便利。

2.3 不同時(shí)間點(diǎn)地裂縫尺寸特征

根據(jù)圖2中裂縫F1最大實(shí)測(cè)寬度和圖3中圓形卷尺外殼橫向、縱向直徑進(jìn)行可見(jiàn)光圖像精度計(jì)算，結(jié)果見(jiàn)表4。

對(duì)圖2中尺寸參照物所占像素?cái)?shù)目進(jìn)行統(tǒng)計(jì)，計(jì)算圖2目標(biāo)觀測(cè)區(qū)可見(jiàn)光圖像的分辨率為0.3 cm/像素。對(duì)裂縫F1區(qū)域橫向像素點(diǎn)數(shù)目進(jìn)行統(tǒng)計(jì)，其最大寬度處像素點(diǎn)數(shù)目為41個(gè)，其計(jì)算值為12.33 cm，同實(shí)際值的誤差為-1.36%;對(duì)圖3中尺寸參照物所占像素?cái)?shù)目進(jìn)行統(tǒng)計(jì)，計(jì)算圖像分辨率為0.32 cm/pixel。卷尺外殼橫向、縱向2條直徑計(jì)算值與實(shí)際值相差均不到5%，平均值約為-1.33%。經(jīng)過(guò)上述計(jì)算結(jié)果，根據(jù)15 m航高下采集的可見(jiàn)光圖像對(duì)裂縫F1的最大寬度和圓形卷尺的直徑進(jìn)行計(jì)算，誤差大小分別為-1.36%和-1.33%，均小于2.00%，與實(shí)際值相差較小。該航高下采集可見(jiàn)光圖像的識(shí)別精度可達(dá)1±0.02 cm，因此可將可見(jiàn)光圖像內(nèi)裂縫F1長(zhǎng)度的計(jì)算值作為真實(shí)長(zhǎng)度作為參考評(píng)價(jià)不同時(shí)刻紅外圖像的識(shí)別效果。

表4 可見(jiàn)光圖像中卷尺計(jì)算直徑及其與實(shí)際直徑的對(duì)比Table 4 Comparison between the calculated diameter of the tape in the visible image and its actual diameter

將裂縫視為多條線段首尾搭接而成，運(yùn)用勾股定理計(jì)算每一段線段的長(zhǎng)度再累加即可得該條裂縫以像素表示的長(zhǎng)度。根據(jù)圖像的分辨率計(jì)算可得裂縫的實(shí)際長(zhǎng)度。

假設(shè)裂縫由n條線段組成，第i條線段占有的像素行數(shù)為ri(ri≥0)，占用的像素列數(shù)為ci(ci≥0)，如圖6所示，則該條線段的長(zhǎng)度li可表示為

(1)

整條裂縫的總長(zhǎng)度L為n條線段長(zhǎng)度的疊加:

(2)

式中，R為紅外圖像的分辨率,cm/pixel。

圖6 圖像中裂縫長(zhǎng)度提取方法示意Fig.6 Schematic diagram of the method for extracting fissure length from an image

按上述方法，對(duì)7:00采集的可見(jiàn)光圖像和12幅不同時(shí)刻采集的紅外圖像中裂縫F1進(jìn)行長(zhǎng)度計(jì)算，結(jié)果見(jiàn)表5。不同時(shí)刻紅外圖像中裂縫F1計(jì)算長(zhǎng)度與7:00可見(jiàn)光圖像的差值如圖7所示。

表5 不同時(shí)刻紅外圖像和7:00獲取的可見(jiàn)光 圖像中裂縫F1的長(zhǎng)度Table 5 Length of F1 in infrared images at different times and the visible image captured at 7:00

圖7 不同時(shí)刻紅外圖像與可見(jiàn)光圖像中裂縫F1長(zhǎng)度之差Fig.7 Differences in the length of F1 in infrared images at different times and visible image

不同時(shí)刻的紅外圖像中，裂縫F1的長(zhǎng)度提取結(jié)果見(jiàn)表5。不同時(shí)刻紅外圖像和可見(jiàn)光圖像中裂縫長(zhǎng)度的差值如圖7所示。夜間采集的紅外圖像提取裂縫F1的長(zhǎng)度相比白天要大，而且差值及誤差相對(duì)較小。其中1:00～5:00，紅外圖像中提取的裂縫F1長(zhǎng)度比其余時(shí)間都要長(zhǎng)，紅外圖像和可見(jiàn)光圖像中裂縫F1長(zhǎng)度差值近似為0或大于0;19:00～23:00，裂縫F1長(zhǎng)度的差值為負(fù)或近似為0。7:00～15:00，該差值始終小于0，除7:00 am外，平均差值約0.2 m;而7:00裂縫F1長(zhǎng)度較小，誤差較大。經(jīng)對(duì)比，凌晨1:00～5:00和23:00，由紅外圖像計(jì)算的裂縫長(zhǎng)度大于其余時(shí)刻;在3:00,5:00和23:00，由紅外圖像計(jì)算的裂縫長(zhǎng)度超過(guò)了由可見(jiàn)光圖像識(shí)別的長(zhǎng)度。然而，由圖4(c)5:00采集的紅外圖像可知，主裂縫F1右側(cè)存在其他的裂縫，但在23:00采集的紅外圖像中觀測(cè)不到。因此，在本研究測(cè)試條件下，使用紅外相機(jī)對(duì)地裂縫進(jìn)行識(shí)別的最佳時(shí)段為3:00～5:00。

3 地裂縫檢測(cè)方法改進(jìn)

3.1 不同邊緣檢測(cè)方法下地裂縫檢測(cè)

采用MATLAB軟件運(yùn)行多種邊緣檢測(cè)方法，對(duì)5:00采集的紅外圖像進(jìn)行裂縫邊緣檢測(cè)，紅外圖像中地裂縫已用紅色方框標(biāo)記，并分別定為Ⅰ組裂縫、Ⅱ組裂縫，如圖8所示。為突出地裂縫重點(diǎn)研究區(qū)域，圖8紅外圖像已被裁剪。選取的邊緣檢測(cè)方法主要有一階微分算子法、二階微分算子法以及作者提出的改進(jìn)邊緣檢測(cè)方法，其中一階邊緣檢測(cè)算子有Roberts算子、Sobel算子、Prewitt算子、Canny算子;二階微分算子有Laplacian算子、LoG算子;其中LoG算子、Canny算子屬于典型的最優(yōu)算子。選取定量評(píng)價(jià)指標(biāo)對(duì)裂縫邊緣檢測(cè)結(jié)果進(jìn)行評(píng)價(jià)，給出一種適用于本研究中裂縫邊緣檢測(cè)的方法。

圖8 5:00采集的紅外圖像Fig.8 Infrared image acquired at 5:00

3.1.1一階微分算子邊緣檢測(cè)

圖9為4種一階微分算子邊緣檢測(cè)方法對(duì)圖8中地裂縫進(jìn)行邊緣檢測(cè)后的結(jié)果，被檢測(cè)出的地裂縫已用紅色方框進(jìn)行標(biāo)記。其中圖9(a)為采用Roberts算子進(jìn)行裂縫檢測(cè)的結(jié)果圖像。圖中Ⅰ組裂縫和Ⅱ組裂縫邊緣均被檢測(cè)出來(lái)，但是邊緣不連續(xù)，且邊緣信息存在丟失情況，未能全部檢測(cè)出來(lái)，特別是Ⅱ組裂縫。由于紅外圖像背景噪聲比較多，裂縫檢測(cè)圖像中產(chǎn)生一些孤立點(diǎn)、偽邊緣。圖9(b)為Sobel算子進(jìn)行裂縫檢測(cè)的結(jié)果圖像，從邊緣檢測(cè)結(jié)果可以看出，裂縫邊緣基本能辨識(shí)。相比Roberts算子，Sobel算子檢測(cè)結(jié)果受噪聲影響較大，檢測(cè)結(jié)果中存在許多偽邊緣。圖9(c)為Prewitt算子進(jìn)行裂縫檢測(cè)的結(jié)果圖像，從檢測(cè)圖像中可以看出，Prewitt算子裂縫檢測(cè)結(jié)果和Sobel算子檢測(cè)結(jié)果相似，真實(shí)邊緣信息能夠保留，但在濾除偽邊緣方面還有所不足，致使邊緣檢測(cè)圖像中出現(xiàn)虛假邊緣表征。圖9(d)為Canny算子對(duì)裂縫檢測(cè)的結(jié)果圖像。從裂縫檢測(cè)結(jié)果可以看出，Canny算子具有較好的降噪能力，能濾除大多數(shù)的虛假邊緣，并且檢測(cè)的圖像邊緣連續(xù)。結(jié)果中檢測(cè)出Ⅰ組裂縫邊緣，Ⅱ組裂縫未被辨識(shí)。

圖9 一階微分算子地裂縫檢測(cè)結(jié)果Fig.9 Results of mining-induced ground fissure detection using first order differential operator

Roberts算子、Sobel算子、Prewitt算子的閾值均是自動(dòng)選取，Canny算子閾值是人工選取。運(yùn)行中發(fā)現(xiàn)，噪聲的抑制和裂縫邊緣檢測(cè)精度是有矛盾的，在本文紅外圖像邊緣檢測(cè)中表現(xiàn)比較突出。如果選擇的閾值過(guò)小，結(jié)果將會(huì)含有大量的偽邊緣，如果選擇閾值過(guò)大，將會(huì)丟失很多重要的邊緣信息。因此，對(duì)于具有復(fù)雜噪聲的圖像，例如本研究中的紅外圖像，一階微分算子邊緣檢測(cè)效果并不理想。

3.1.2二階微分算子邊緣檢測(cè)

圖10為2種典型二階微分算子的邊緣檢測(cè)結(jié)果。圖10(a)為L(zhǎng)aplacian算子對(duì)裂縫檢測(cè)的結(jié)果圖像。不難發(fā)現(xiàn):Ⅰ組裂縫的邊緣能夠保留，Ⅱ組裂縫邊緣丟失嚴(yán)重，且邊緣不連續(xù)。Laplacian算子對(duì)噪聲比較敏感，檢測(cè)出的圖像含有較多的孤立噪聲。而且單獨(dú)使用Laplacian算子進(jìn)行邊緣檢測(cè)常會(huì)產(chǎn)生雙像素寬的邊緣，因此Laplacian算子直接用作紅外圖像邊緣檢測(cè)效果不理想。圖10(b)為L(zhǎng)oG算子對(duì)地裂縫檢測(cè)的結(jié)果圖像。可以看出，2組裂縫邊緣均能夠得到較好保留，但邊緣不連續(xù)。雖然LoG算子比Laplacian算子加入了高斯濾波，但它對(duì)噪聲仍比較敏感，檢測(cè)出來(lái)的圖像含有較多噪聲。但相比于一階邊緣檢測(cè)算子，二階邊緣檢測(cè)算子的裂縫邊緣檢測(cè)結(jié)果更準(zhǔn)確，同樣對(duì)圖像中噪聲也較敏感[47]。

3.1.3改進(jìn)邊緣檢測(cè)算法

基于上述分析，筆者提出了一種改進(jìn)邊緣檢測(cè)算法，將LoG算子、Canny算子及基于數(shù)學(xué)形態(tài)學(xué)的邊緣檢測(cè)方法組合使用，并對(duì)圖8中地裂縫進(jìn)行檢測(cè)，檢測(cè)結(jié)果如圖11所示。

首先，運(yùn)用LoG算子對(duì)融合圖像進(jìn)行初步邊緣檢測(cè)，由于LoG算子進(jìn)行裂縫檢測(cè)過(guò)程與人類視覺(jué)觀察邊緣方法相似，且它是二階邊緣檢測(cè)算子，裂縫邊緣檢測(cè)較準(zhǔn)確，因此利用此優(yōu)點(diǎn)對(duì)裂縫進(jìn)行初始檢測(cè)。為克服LoG算子裂縫邊緣不連續(xù)及其對(duì)噪聲敏感的缺點(diǎn)，利用Canny算子對(duì)初始檢測(cè)的圖像進(jìn)行裂縫再檢測(cè)。Canny算子具有良好的邊緣檢測(cè)性能，其檢測(cè)的圖像邊緣連續(xù)、檢測(cè)精度高而且有更好的抗噪性能。最后，利用數(shù)學(xué)形態(tài)學(xué)的閉運(yùn)算對(duì)上述檢測(cè)后裂縫圖像進(jìn)行后處理。數(shù)學(xué)形態(tài)學(xué)是一種非線性濾波方法，其基本運(yùn)算是腐蝕和膨脹，以及它們的組合開(kāi)、閉運(yùn)算。閉運(yùn)算具有填充物體內(nèi)細(xì)小空洞，連接鄰近物體和平滑邊界的作用。對(duì)裂縫檢測(cè)后的圖像進(jìn)行閉運(yùn)算處理，使其鄰近裂縫邊緣連接起來(lái)，以及填充邊緣之間的裂縫。

圖10 二階微分算子地裂縫檢測(cè)結(jié)果Fig.10 Results of mining-induced ground fissure detection using second order differential operator

圖11 改進(jìn)邊緣檢測(cè)方法地裂縫檢測(cè)結(jié)果Fig.11 Results of mining-induced ground fissure detection using the improved edge detection method

圖11(a)為改進(jìn)邊緣檢測(cè)方法(未進(jìn)行閉運(yùn)算)對(duì)裂縫檢測(cè)的結(jié)果圖像，從邊緣檢測(cè)圖像中可以看出，2組裂縫邊緣信息基本得到保留，且該方法對(duì)噪聲具有良好的抑制作用，偽邊緣濾除方面做的比較好，使得裂縫特征視覺(jué)上較顯著，但局部裂縫不連續(xù)。在圖11(a)基礎(chǔ)上進(jìn)行閉運(yùn)算，得到的結(jié)果圖像如圖11(b)所示。可以明顯看出，裂縫邊緣之間細(xì)小空洞已被填充，鄰近的裂縫邊緣也被連接。因此，針對(duì)本文中紅外圖像，改進(jìn)后邊緣檢測(cè)方法對(duì)裂縫檢測(cè)效果較好。

3.1.4地裂縫檢測(cè)定量評(píng)價(jià)

選擇Pratt 品質(zhì)因數(shù)(PFoM)作為定量評(píng)價(jià)指標(biāo)，對(duì)上述不同邊緣檢測(cè)方法的裂縫檢測(cè)結(jié)果進(jìn)行評(píng)價(jià)。PFoM是由PRATT[48]提出，主要體現(xiàn)邊緣檢測(cè)結(jié)果和真實(shí)邊緣的偏差，其公式為

(3)

其中，II和IA分別為理想邊緣像素?cái)?shù)目和檢測(cè)到的邊緣像素?cái)?shù)目;α為常量，設(shè)為1/9;d(i)為第i個(gè)檢測(cè)到的邊緣像素點(diǎn)到離它最近的真實(shí)邊緣像素點(diǎn)的距離。PFoM值域?yàn)?到1，其越接近1說(shuō)明邊緣檢測(cè)結(jié)果越好。

圖12 不同邊緣檢測(cè)方法的PFoM值柱狀圖Fig.12 Histogram of PFoM for multiple edge detection methods

不同邊緣檢測(cè)方法的PFoM計(jì)算結(jié)果如圖12所示。一階微分算子中，Roberts算子的PFoM得分為0.354，高于Prewitt算子和Sobel算子，這說(shuō)明使用Roberts算子進(jìn)行裂縫檢測(cè)效果優(yōu)于Prewitt算子和Sobel算子。Prewitt算子和Sobel算子的PFoM值基本相等，說(shuō)明Prewitt算子和Sobel算子檢測(cè)裂縫的結(jié)果相似。Canny算子由于其較強(qiáng)邊緣檢測(cè)能力，其PFoM值高于其他一階邊緣檢測(cè)算子。Laplacian算子、LoG算子邊緣檢測(cè)方法的PFoM分?jǐn)?shù)都比較小，說(shuō)明二階微分算子檢測(cè)得到的結(jié)果不佳，不適宜直接用作邊緣檢測(cè)。文中作者所提的改進(jìn)邊緣檢測(cè)算法的PFoM值為0.571，明顯大于其他邊緣檢測(cè)方法的PFoM值，說(shuō)明該方法優(yōu)于其他邊緣檢測(cè)方法，具有良好的裂縫檢測(cè)效果，適宜用于提取本文中紅外圖像中的地裂縫。

3.2 不同時(shí)間點(diǎn)的地裂縫檢測(cè)

采用改進(jìn)邊緣檢測(cè)方法，對(duì)2.1節(jié)所述不同時(shí)刻采集的12幅紅外圖像(圖4)進(jìn)行地裂縫邊緣檢測(cè)(圖13)，對(duì)比分析不同時(shí)刻裂縫的邊緣檢測(cè)結(jié)果，進(jìn)一步評(píng)價(jià)改進(jìn)邊緣檢測(cè)方法適用性以及對(duì)比不同時(shí)刻紅外圖像中地裂縫辨識(shí)的難易程度。

由圖13可知，除7:00,13:00,15:00及17:00四個(gè)時(shí)刻外，其他時(shí)間點(diǎn)采集的紅外圖像中的地裂縫均能檢測(cè)到，并且抑制噪聲能力較強(qiáng)，使地裂縫更突出，易被直觀辨識(shí)，該結(jié)果證明改進(jìn)邊緣檢測(cè)方法對(duì)紅外圖像中地裂縫邊緣檢測(cè)效果較好。

圖13 不同時(shí)間點(diǎn)采集紅外圖像中地裂縫檢測(cè)結(jié)果Fig.13 Results of ground fissure detection in infrared images at different time points

通過(guò)對(duì)比不同時(shí)間點(diǎn)邊緣檢測(cè)結(jié)果可知，19:00,21:00,23:00,1:00,3:00,5:00，裂縫更易被檢測(cè)，圖像中噪聲較少;其中尤以3:00,5:00時(shí)，地裂縫檢測(cè)效果最好，該時(shí)間段識(shí)別的裂縫邊緣最多;而夜間其他時(shí)間段的裂縫檢測(cè)結(jié)果中，裂縫邊緣相對(duì)較少，部分地裂縫丟失。該結(jié)果說(shuō)明夜間裂縫溫度高于沙子、植被的溫度，且溫差相對(duì)較大，對(duì)比度較好，更易被識(shí)別。對(duì)9:00,11:00,13:00以及15:00采集的紅外圖像進(jìn)行裂縫檢測(cè)，Ⅰ組裂縫基本被檢測(cè)到，但存在裂縫長(zhǎng)度及數(shù)量丟失等情況;其中9:00,11:00時(shí)，Ⅰ組裂縫檢測(cè)效果相對(duì)其他白天時(shí)間段的邊緣檢測(cè)結(jié)果較好，其次13:00,15:00時(shí)的圖像中裂縫檢測(cè)結(jié)果中噪聲較多，主要為植被的邊緣，說(shuō)明此時(shí)間段植被溫度最低，與Ⅰ組裂縫及沙子的溫差較大，植被較突出。而7:00,17:00時(shí)裂縫檢測(cè)結(jié)果中，2組裂縫基本檢測(cè)不出來(lái)，說(shuō)明此時(shí)段裂縫溫度接近地表沙子溫度，溫差較小，對(duì)比度較差，難于識(shí)別。

結(jié)合表3不同時(shí)刻裂縫F1、沙子和植被的溫度和溫差分析可知，裂縫邊緣檢測(cè)效果較好的時(shí)間段，裂縫F1、沙子和植被之間存在以下規(guī)律:① 裂縫的溫度應(yīng)高于沙子和植被的溫度;② 裂縫、沙子和植被之間應(yīng)存在一定溫差;③ 裂縫與地表沙子的溫差決定裂縫能否被識(shí)別，裂縫與植被的溫差則影響檢測(cè)結(jié)果中噪聲、偽邊緣的多少。

4 結(jié) 論

(1)經(jīng)對(duì)神東礦區(qū)上灣礦一地裂縫區(qū)域采取無(wú)人機(jī)搭載紅外相機(jī)進(jìn)行全天候監(jiān)測(cè)，實(shí)驗(yàn)證明無(wú)人機(jī)紅外遙感技術(shù)可有效監(jiān)測(cè)采礦誘發(fā)的地裂縫，且更高效、成本更低。夜間采集的紅外圖像中地裂縫更易被識(shí)別，特別是3:00～5:00，地裂縫的識(shí)別效果最佳。

(2)1:00～5:00和21:00～23:00，裂縫F1、沙子及植被的溫度處于較低值，裂縫F1的溫度高于沙子及植被，其與沙子的溫差約為4 ℃、與植被的溫差在1～4 ℃;9:00～15:00，裂縫F1、沙子及植被的溫度處于較高值，裂縫F1的溫度介于植被和沙子，裂縫F1與沙子、植被的溫差分別為負(fù)值和正值，變化范圍較大，其值分別為-12.52，14.04 ℃。其中7:00～11:00，裂縫F1與沙子、植被的溫差不斷增加，13:00～15:00，裂縫F1與沙子、植被的溫差不斷下降。而7:00,17:00，裂縫F1與沙子的溫差較小，地裂縫不易被識(shí)別。

(3)采用PFoM評(píng)價(jià)指標(biāo)對(duì)一階微分算子、二階微分算子以及改進(jìn)邊緣檢測(cè)方法的地裂縫檢測(cè)結(jié)果進(jìn)行評(píng)價(jià)，改進(jìn)邊緣檢測(cè)算法的PFoM值為0.571，明顯高于其他邊緣檢測(cè)方法，對(duì)紅外圖像中地裂縫具有良好的檢測(cè)效果。

(4)綜合分析不同時(shí)刻紅外圖像中地裂縫邊緣檢測(cè)結(jié)果和不同時(shí)刻裂縫F1、沙子和植被的溫度和溫差可知，裂縫邊緣檢測(cè)效果較好的時(shí)間段，裂縫、沙子和植被之間存在以下規(guī)律:① 裂縫的溫度應(yīng)高于沙子和植被的溫度;② 裂縫、沙子和植被之間應(yīng)存在一定溫差;③ 裂縫與地表沙子的溫差決定裂縫能否被識(shí)別，裂縫與植被的溫差則影響檢測(cè)結(jié)果中噪聲、偽邊緣的多少。