魏 清,陳錦文

(陜西省交通規(guī)劃設(shè)計(jì)研究院有限公司,陜西 西安 710000)

0 引言

隨著國(guó)家經(jīng)濟(jì)實(shí)力、科學(xué)技術(shù)的發(fā)展,我國(guó)公路建設(shè)的規(guī)模與日俱增。公路不僅與人們的日常出行息息相關(guān),還對(duì)我國(guó)各地區(qū)的經(jīng)濟(jì)、文化、交流等起到重要的推進(jìn)作用。但是目前的公路勘查技術(shù)還存在各種問題,如對(duì)公路信息獲取不準(zhǔn)確、無法有效排除環(huán)境對(duì)勘查設(shè)備的影響、勘查設(shè)備采集到的信息無法及時(shí)傳輸?shù)接脩羰种性斐尚畔蟮取Ｒ虼?對(duì)公路狀態(tài)的實(shí)時(shí)勘查極其重要。

為了解決公路信息勘測(cè)的問題,國(guó)內(nèi)外的相關(guān)技術(shù)文獻(xiàn)提供了多種方案。文獻(xiàn)[1]通過常規(guī)形式的無人機(jī)攝影進(jìn)行公路勘查。這種方案在正常情況下能夠準(zhǔn)確地對(duì)公路進(jìn)行勘查,但是無法排除強(qiáng)光、云霧等因素的干擾,難以有效應(yīng)對(duì)惡劣天氣下的公路勘查。文獻(xiàn)[2]著重設(shè)計(jì)高速數(shù)據(jù)傳輸通道。雖然這種方案采用無線數(shù)據(jù)傳輸技術(shù)實(shí)現(xiàn)了信息遠(yuǎn)程傳遞,使系統(tǒng)工作效率大幅提高,但是在出現(xiàn)傳輸通道不兼容的問題時(shí)難以保證數(shù)據(jù)信息傳輸?shù)募皶r(shí)性。文獻(xiàn)[3]設(shè)計(jì)了公路勘查數(shù)據(jù)的分析系統(tǒng),應(yīng)用了深度神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)了公路勘查影像數(shù)據(jù)的分類與計(jì)算,并通過全卷積網(wǎng)絡(luò)(fully convolutional network,FCN)對(duì)影像像素進(jìn)行分類,在圖像語(yǔ)義分割中實(shí)現(xiàn)了先進(jìn)的性能。但是這種方案無法實(shí)現(xiàn)多種數(shù)據(jù)信息的同步采集,在處理信息時(shí)易受到外界因素的影響。

針對(duì)上述方案的不足,本文研究了一種基于高分遙感圖像處理技術(shù)的公路勘查方法。該方法的創(chuàng)新點(diǎn)如下。首先,該方法采用基于微波的遙感勘查技術(shù),融合了數(shù)據(jù)圖像處理技術(shù)、數(shù)據(jù)傳輸技術(shù)等,能夠?qū)崿F(xiàn)公路勘查的智能化、數(shù)字化,提高了公路勘查信息的采集與處理能力。其次,該方法設(shè)計(jì)了一套雙行采樣的圖像采集電路,在采集公路信息的過程中能夠有效地抵抗外界數(shù)據(jù)信息的干擾,從而提高公路勘查信息獲取的純潔度。最后,該方法采用了暗通道先驗(yàn)?zāi)Ｐ腿ピ旗F技術(shù),在惡劣天氣下對(duì)公路信息進(jìn)行勘查時(shí)能夠有效排除云霧等不利因素的影響,提高了公路遙感勘查過程中抗天氣影響的能力。

1 基于高分遙感技術(shù)的公路信息勘查系統(tǒng)

基于上述設(shè)計(jì)思路,本文的基于高分遙感圖像處理技術(shù)的公路勘查方法能夠?qū)崿F(xiàn)公路勘查技術(shù)的遠(yuǎn)程無線數(shù)據(jù)通信,有效保證了勘查數(shù)據(jù)信息獲取的及時(shí)性[4]。

基于高分遙感技術(shù)的公路信息勘查系統(tǒng)結(jié)構(gòu)如圖1所示。

圖1 基于高分遙感技術(shù)的公路信息勘查系統(tǒng)結(jié)構(gòu)

由圖1可知,基于高分遙感技術(shù)的公路勘查系統(tǒng)在硬件結(jié)構(gòu)上包括數(shù)據(jù)勘查控制中心、無線數(shù)據(jù)傳遞模塊、數(shù)據(jù)分析模塊等。該系統(tǒng)的整體工作流程如下。首先,由高空設(shè)備(無人機(jī)、雷達(dá)等)通過微波勘查的方式采集公路狀態(tài)信息。然后,這些信息會(huì)通過基于雙行采樣的信息傳輸設(shè)備,在保真的前提下傳輸至太空衛(wèi)星。衛(wèi)星內(nèi)置圖像處理核心,將接收到的公路圖片通過暗通道先驗(yàn)?zāi)Ｐ瓦M(jìn)行去云霧、降噪等處理。接著,處理過的圖片經(jīng)信號(hào)轉(zhuǎn)接裝置傳輸?shù)娇刂浦行??？刂浦行臅?huì)根據(jù)Storm系統(tǒng)(一種分布式實(shí)時(shí)大數(shù)據(jù)處理系統(tǒng))集群的大數(shù)據(jù)庫(kù)及數(shù)據(jù)解析單元對(duì)圖片進(jìn)行分析,由此判斷公路狀態(tài)。最后,控制中心將分析后的數(shù)據(jù)上傳至通信服務(wù)器中供用戶調(diào)用,并保存這些新的數(shù)據(jù)以更新數(shù)據(jù)庫(kù),從而便于后續(xù)調(diào)用[5]。

2 基于雙行采樣的圖像信息采集技術(shù)

在無人機(jī)群組進(jìn)行公路信息采集的過程中,為了保證高分遙感裝置采集到的圖像不受自身電源頻率、外部磁場(chǎng)等因素的干擾而產(chǎn)生圖像噪點(diǎn),并提高圖像數(shù)據(jù)信息的采集能力,雙行采樣電路設(shè)置了雙行采樣模塊。

雙行采樣電路如圖2所示。

圖2 雙行采樣電路圖

由圖2可知,雙行采樣電路由兩個(gè)OP07運(yùn)算放大器通過電阻、電容連接組成。OP07是一種低噪聲、非斬波穩(wěn)零的雙極性運(yùn)算放大集成電路,具有輸入偏置電流信號(hào)低、開環(huán)增益高的特點(diǎn)。雙行采樣模塊的工作通過開關(guān)進(jìn)行控制。S1～S8是開關(guān)。雙行采樣電路的采樣過程為:首先將S4閉合,以使信號(hào)輸入端接地;然后將2號(hào)輸入端口的S1閉合,以實(shí)現(xiàn)復(fù)位信號(hào)的采樣;最后將1號(hào)輸入端口的S2閉合,以實(shí)現(xiàn)對(duì)積分后信息的采樣。在工作過程中:首先,將右側(cè)失調(diào)儲(chǔ)存電路中的S6閉合,以實(shí)行復(fù)位工作;然后,將雙行采樣電路連接運(yùn)放輸入端口以及輸出端口,以形成單位負(fù)反饋電路。在完成采樣任務(wù)以后,系統(tǒng)需試驗(yàn)光信號(hào)減去復(fù)位信號(hào)的任務(wù)。這時(shí),需要將S3閉合以使2號(hào)輸入端接地[6],并將完成采樣任務(wù)后的輸入信號(hào)以及復(fù)位信號(hào)之間的差值輸送到輸出端。在這個(gè)差值進(jìn)行輸送的過程中,閉合S5進(jìn)行接地、閉合S8使電容接入,并斷開復(fù)位S6。由根電荷守恒定律可知,上述差值會(huì)被輸送到運(yùn)放的輸出端。兩個(gè)放大器中間通過R1、R2、C3、C4的配合作用對(duì)電壓、電流進(jìn)行處理,以保證信號(hào)不會(huì)產(chǎn)生失真[7]。

雙行采樣電路實(shí)現(xiàn)數(shù)據(jù)信息采集后,提高了圖像信息的采樣能力,避免了圖像數(shù)據(jù)信息在傳輸過程中產(chǎn)生的數(shù)據(jù)丟失問題。這可以有效避免因采樣誤差帶來的損失,從而保證公路勘查工作的正常、穩(wěn)定進(jìn)行[9]。

3 去云霧技術(shù)及大數(shù)據(jù)分析方案

3.1 暗通道先驗(yàn)?zāi)Ｐ腿ピ旗F技術(shù)

在進(jìn)行公路遙感勘測(cè)的過程中有時(shí)會(huì)遇到云霧天氣,但是云霧不會(huì)完全阻礙勘測(cè)內(nèi)容的信息傳輸。因此,可以通過云霧圖像處理實(shí)現(xiàn)信息恢復(fù)。本文設(shè)計(jì)了暗通道先驗(yàn)?zāi)Ｐ腿ピ旗F技術(shù)。暗通道是大部分無云霧圖像的天空區(qū)域,圖像像素至少含有一個(gè)亮度值特別低的顏色通道。這個(gè)亮度值幾乎為0。暗通道先驗(yàn)?zāi)Ｐ腿ピ旗F技術(shù)不僅能夠提高云霧去除能力,還能夠提高外界數(shù)據(jù)影響因素分析的能力。

暗通道先驗(yàn)?zāi)Ｐ偷臉?gòu)建方法如下。

首先,設(shè)置霧靄形成模型:

I(x)=J(x)t(x)+A[(1-t(x)]

(1)

式中:I(x)為實(shí)際的有霧圖像幀;J(x)為去霧后的原視頻幀;A為全球大氣光成分;t(x)為太陽(yáng)光通過媒介被無人機(jī)采集到的無散射部分(介質(zhì)傳輸率),0≤t(x)≤1。

其次,對(duì)于任意自然場(chǎng)景的無霧圖像的J(x),其暗通道滿足:

(2)

式中:Jdark(x)為無霧圖像在紅綠藍(lán)(red green blue,RGB)三個(gè)顏色通道的暗原色。

在以I(x)為中心的局部鄰域內(nèi),將式(2)代入式(1),可得:

(3)

式中:ω為調(diào)整因子,滿足0<ω<1。

ω越小,則去霧效果越不明顯。

最后,將式(3)代入式(1),可得:

(4)

式中:J′(x)為最后求得的去云霧圖像。

多尺度修正暗通道算法流程如圖3所示。

圖3 多尺度修正暗通道算法流程圖

由無人機(jī)群組勘查到的公路圖像信息中的高頻成分主要包含圖像的輪廓細(xì)節(jié)。本文通過均勻放大的形式來增減圖像被云霧遮掩的輪廓信息。對(duì)圖像信息處理后的高頻部分可以表示為:

Hf=aHi

(5)

式中:Hi為圖像信息中的高頻部分;Hf為對(duì)圖像信息處理后的高頻部分;a為一個(gè)大于1的自然數(shù)。

當(dāng)Hf的取值為0時(shí),被云霧遮掩的輪廓信息被去除;當(dāng)Hf的取值介于0和1之間時(shí),數(shù)據(jù)信息仍舊存在,但是不會(huì)影響整個(gè)圖像數(shù)據(jù)處理過程;當(dāng)Hf的取值大于1時(shí),該值應(yīng)該進(jìn)一步去除。去除時(shí)要對(duì)高頻信息部分進(jìn)行均勻放大,從而提高圖像信息純潔度。

低頻部分的處理為:通過遙感技術(shù)采集到含有云霧的圖像部分主要分布在圖像的低頻部分,因此需要對(duì)低頻部分進(jìn)行暗通道先驗(yàn)處理。暗通道先驗(yàn)處理中可能會(huì)受A選取的方式不同而造成誤差。下面將對(duì)A的取值進(jìn)行修正[10]。

A的計(jì)算方法如下。

①設(shè)置邊緣擴(kuò)展長(zhǎng)度k,將采集到的云霧圖像J以及暗通道Jdark順著邊緣進(jìn)行對(duì)稱的向外延伸。如果圖像的所有通道的原始尺寸都為m×n,那么進(jìn)行邊緣擴(kuò)展后的圖像尺寸就變成了(m+2k)×(n+2k)。

②將尺寸為(2k+1)×(2k+1)的窗口滑塊在擴(kuò)展后的圖像上從左上角滑動(dòng)到右下角。這樣,J以及Jdark就會(huì)被分成許多的補(bǔ)丁塊對(duì)。

③將暗通道先驗(yàn)算法中計(jì)算A的方法應(yīng)用在對(duì)應(yīng)的補(bǔ)丁塊對(duì)中。這樣就可以得到相關(guān)區(qū)域最精確的大氣光的成分值。

④通過平滑濾波算法對(duì)A的值進(jìn)行平滑運(yùn)算。這有利于目視解譯。平滑濾波是低頻增強(qiáng)的空間域?yàn)V波技術(shù),可以消除圖像的噪點(diǎn),使輸出的圖像變得清晰[11-12]。

通過以上步驟就可以得到最終消去云霧的勘查圖像,大幅提升圖像處理能力。

3.2 基于Storm系統(tǒng)的高分遙感圖像分析算法

為了提高Storm系統(tǒng)高分遙感圖像準(zhǔn)確度分析和處理能力、公路勘查信息的計(jì)算和分析能力,本文設(shè)計(jì)了基于Storm的實(shí)時(shí)數(shù)據(jù)分析技術(shù)。Storm有容錯(cuò)高、低延時(shí)、易擴(kuò)展、不易丟失信息等特點(diǎn),廣泛應(yīng)用在數(shù)據(jù)分析、計(jì)算等方面。

為了加快公路勘探數(shù)據(jù)的處理速度、提高準(zhǔn)確率,本文設(shè)計(jì)了數(shù)據(jù)處理規(guī)劃 (data processing planning,DPP)和單工作節(jié)點(diǎn)調(diào)度(single node schedule,SNS)的任務(wù)調(diào)度算法。DPP算法可以使用戶以更大的自由度進(jìn)行數(shù)據(jù)調(diào)度,并且準(zhǔn)確分析所有工作節(jié)點(diǎn)的使用狀況。而SNS算法可以優(yōu)化工作節(jié)點(diǎn)的工作進(jìn)程。

基于Storm系統(tǒng)的數(shù)據(jù)分析流程如圖4所示。

圖4 基于Storm系統(tǒng)的數(shù)據(jù)分析流程圖

3.2.1 DPP算法設(shè)計(jì)

①計(jì)算不同拓?fù)湫畔i(i=1,2,…,t)的所有組件(內(nèi)存、磁盤、網(wǎng)絡(luò)、中央處理器等)Cij(i=1,2,…,t;j=1,2,…,c)。其并發(fā)程度之和為Sumexec。

(6)

②按照需求分別計(jì)算每種類型的組件的權(quán)重:

Weight(Rtype)=

(7)

式中:Rtype為某類型的數(shù)據(jù)資源。

③根據(jù)Ti所需要的工作進(jìn)程數(shù),處理其余的不同工作進(jìn)程數(shù)量。計(jì)算結(jié)果需要向下取整。

Numworker(Rtype)=[Weight(Rtype)×w]

(8)

取整之后,SlotSxy(x=1,2,…,n;y=1,2,…,s)按由高到低的順序進(jìn)行排序。

④將需要的資源為Rtype的任務(wù)程序中的執(zhí)行器Eijk(i=1,2,…,t;j=1,2,…,c;k=1,2,…,e)按照輪流查詢的方法,對(duì)其嚴(yán)格平均并將相應(yīng)資源分配到資源為Rtype的SlotSxy(x=1,2,…,n;y=1,2,…,s)上。

通過以上步驟就可以實(shí)現(xiàn)對(duì)數(shù)據(jù)分析處理進(jìn)程的優(yōu)化。

3.2.2 SNS算法設(shè)計(jì)

①將所有的工作節(jié)點(diǎn)Nx(x=1,2,…,n)分別按照自身可用工作節(jié)點(diǎn)接口的數(shù)量以降序的形式排列,從而形成一個(gè)長(zhǎng)度為n的工作節(jié)點(diǎn)序列。如果i

fslots(Ni)≥fslots(Nj)

(9)

②分別對(duì)Ti(i=1,2,…,t)自身所需要的進(jìn)程數(shù)量按照依次減少的方式排列,就可以形成一個(gè)長(zhǎng)度為t的拓?fù)湫蛄?。如果i

fworkers(Ti)≥fworkers(Tj)

(10)

③從第一個(gè)拓?fù)湫蛄械牡谝粋€(gè)工作項(xiàng)目開始,將第一個(gè)項(xiàng)目配發(fā)給工作節(jié)點(diǎn)序列中的第一個(gè)。這時(shí)可能會(huì)產(chǎn)生以下兩種不同的情況。

第一種情況:如果fworkers(Ti)≤Tslots(Nx),代表配發(fā)成功,就可以將fslots(Nx)的值更新為fslots(Nx)-fslots(Ni),并將所得結(jié)果重新添加到工作節(jié)點(diǎn)序列中進(jìn)行排列。

第二種情況:如果fworkers(Ti)>fslots(Nx),則需要將其配發(fā)給較少的工作節(jié)點(diǎn),將fworkkers(Ti)的值更新為fworkkers(Ti)-fslots(Mx),再重復(fù)對(duì)第一個(gè)項(xiàng)目進(jìn)行配發(fā),并將其配發(fā)給工作節(jié)點(diǎn)序列中接下來的一個(gè)節(jié)點(diǎn)。

通過這種數(shù)據(jù)調(diào)度方法,能夠有效地提升本文方法對(duì)公路高分遙感勘查圖像的數(shù)據(jù)分析能力,從而針對(duì)勘查內(nèi)容完成實(shí)時(shí)大數(shù)據(jù)分析的任務(wù)。

4 試驗(yàn)與分析

為了驗(yàn)證本文方法在云霧去除以及數(shù)據(jù)分析方面的性能,本文進(jìn)行了相關(guān)試驗(yàn)。試驗(yàn)選用Matlab 2019軟件進(jìn)行數(shù)據(jù)信息仿真。分析系統(tǒng)主機(jī)處理器為E5700@3.00 GHz。安裝內(nèi)存為8.00 GB。操作系統(tǒng)為Windows10。驅(qū)動(dòng)器為ST3320410SV ATA Device。顯示適配器為Intel(R) G33/G31 Express。

試驗(yàn)系統(tǒng)框架結(jié)構(gòu)如圖5所示。

圖5 試驗(yàn)系統(tǒng)框架結(jié)構(gòu)

試驗(yàn)在云霧天氣下分別采用文獻(xiàn)[1]～文獻(xiàn)[3]方法與本文方法進(jìn)行對(duì)比,通過分析主機(jī)來模擬衛(wèi)星的圖像處理能力。處理后的圖像數(shù)據(jù)經(jīng)網(wǎng)絡(luò)服務(wù)器傳輸后,以數(shù)據(jù)信息的形式呈現(xiàn)在數(shù)據(jù)終端,供用戶查看公路勘查結(jié)果。為了微觀化分析本文方法的技術(shù)效果,本文通過圖像特征點(diǎn)對(duì)比來判斷處理后圖像的標(biāo)準(zhǔn)率。

(11)

式中:P為標(biāo)準(zhǔn)率;Np為優(yōu)化后的云霧圖像特征點(diǎn)數(shù);No為晴天圖像標(biāo)準(zhǔn)特征點(diǎn)數(shù)。

在試驗(yàn)過程中,本文將多種方法處理后圖像的特征點(diǎn)數(shù)量進(jìn)行對(duì)比,以直觀表示出云霧圖像特征點(diǎn)個(gè)數(shù)與標(biāo)準(zhǔn)圖像的特征點(diǎn)個(gè)數(shù)。幾種方法處理后圖像的特征點(diǎn)數(shù)量對(duì)比如表1所示。

表1 幾種方法處理后圖像的特征點(diǎn)數(shù)量對(duì)比

由表1可知:文獻(xiàn)[1]方法處理后的圖像標(biāo)準(zhǔn)率波動(dòng)過大,表示該方法無法有效地對(duì)云霧圖像進(jìn)行優(yōu)化;文獻(xiàn)[2]方法處理后的圖像標(biāo)準(zhǔn)率最終穩(wěn)定在70%左右;隨著特征點(diǎn)個(gè)數(shù)的增加,本文方法處理后的云霧圖像標(biāo)準(zhǔn)率達(dá)到85%。該結(jié)果表明,本文方法有著良好的去云霧能力,能夠很好地滿足實(shí)際公路勘查的需要。

幾種方法處理相同數(shù)據(jù)量耗時(shí)對(duì)比如表2所示。

表2 幾種方法處理相同數(shù)據(jù)量耗時(shí)對(duì)比

由表2可知各方法處理數(shù)據(jù)能力的強(qiáng)弱。

①文獻(xiàn)[1]和文獻(xiàn)[3]所設(shè)計(jì)的方法處理數(shù)據(jù)所花費(fèi)的時(shí)間隨著數(shù)據(jù)量的增長(zhǎng)而大幅增長(zhǎng)。

②文獻(xiàn)[2]花費(fèi)時(shí)間要比文獻(xiàn)[1]和文獻(xiàn)[3]少得多。

③本文方法在處理相同大小的數(shù)據(jù)量所花費(fèi)的時(shí)間最少。

5 結(jié)論

針對(duì)公路勘查過程中的高分遙感技術(shù)的圖像獲取、分析以及傳輸三個(gè)過程中存在的問題,本文不僅設(shè)計(jì)了雙行信息采樣電路以及信息保真電路來保證公路勘查圖像數(shù)據(jù)信息的準(zhǔn)確性,還設(shè)計(jì)了基于暗通道先驗(yàn)?zāi)Ｐ偷娜ピ旗F技術(shù)以獲得更加準(zhǔn)確的圖像信息。

此外,本文在圖像信息處理技術(shù)的基礎(chǔ)上研究了基于Storm系統(tǒng)的數(shù)據(jù)傳輸算法,實(shí)現(xiàn)了數(shù)據(jù)的高效傳輸以及數(shù)據(jù)分析。實(shí)際試驗(yàn)對(duì)比表明,本文方法在優(yōu)化圖像和去除圖像云霧干擾的能力上優(yōu)于其余幾種方法,并且在處理數(shù)據(jù)的速度上也有很大的優(yōu)勢(shì)。本文方法具有較高的應(yīng)用價(jià)值。