CN105654477A - 一种条带状地下目标的探测定位方法 - Google Patents
一种条带状地下目标的探测定位方法 Download PDFInfo
- Publication number
- CN105654477A CN105654477A CN201510998761.5A CN201510998761A CN105654477A CN 105654477 A CN105654477 A CN 105654477A CN 201510998761 A CN201510998761 A CN 201510998761A CN 105654477 A CN105654477 A CN 105654477A
- Authority
- CN
- China
- Prior art keywords
- massif
- remote sensing
- infrared remote
- background
- target place
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30184—Infrastructure
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种条带状地下目标的探测定位方法,包括(1)建立条带状地下目标所在的仿真山体背景热辐射场;(2)将所述仿真山体背景热辐射场与目标所在山体红外遥感图进行线性映射,得到山体背景热辐射模型;(3)利用步骤(2)得到的山体背景热辐射模型,从目标所在山体红外遥感图中滤除仿真山体背景热辐射场,得到条带状地下目标信息场。本发明解决了现有技术中只针对浅层目标探测定位和条带状地下目标探测识别率低的问题,在条带状地下目标经过山体和环境热辐射干扰后形成畸变的极弱信号中,滤除山体背景信息场,得到条带状地下目标。通过执行本发明中的方法,克服了多时相红外图获取的困难,显著提高了条带状地下目标探测识别的准确性。
Description
技术领域
本发明属于热物理学、自然地理、模式识别、遥感与信息处理的交叉领域,更具体地,涉及一种条带状地下目标的探测定位的方法。
背景技术
条带状地下目标是一种条带状的立体目标,包括人防工事、地下河流、地下隧道、自然地下洞库等等。山体中的隧道在民用中有着举足轻重的地位,尤其是公路隧道与铁路隧道可以穿过山体,不仅大大缩短的道路的长度节省了人们在旅途中花费的时间,也降低了修建盘山公路、铁路所需要大量人力、物力,并且对于汽车来说,隧道的安全性远远大于盘山公路的安全性。地下河流、自然地下洞窟的探测、发现能更好的保护自然资源。因此,有必要开展山地环境中条带状地下目标探测、定位的研究。
常规遥感探测仅实现地表上或水面上的条件对象,也有用于只受到空气介质衰减的浅层目标信号探测过程;然而多重介质较深层遥感探测面临着目标信号受到空气、固体、水体介质的多重衰减过程和介质本身的特性以及空气、固体、水体介质的多重畸变过程。最终信号变得十分微弱,用现有的常规方法根本无法探测到。条带状地下目标埋深通常有几十米上百米甚至几百米,其信号经过岩石土壤介质调制表现出来,属于深层的地下目标。
目前,国内外对条带状地下目标山地条带状设施探测的方法大都是实地人工探测,缺乏遥感探测的有效手段,这种方法十分费时且需要大量的人力。部分使用红外成像的条带状地下目标探测技术,但大都是直接在红外图上进行人工判读,简单的地表干扰的滤除,缺乏模型,不能获得深度信息。国外利用机载中波和长波红外线扫传感器探测浅层地下目标(如古墓)的研究,但是未见利用遥感图像进行山地条件下的深度条带状地下目标(如人防工事、地下河流、地下隧道、自然地下洞库等)的相关报道。相应地,本领域亟需寻找一种适用于山体背景热辐射模型约束下对条带状地下目标进行探测定位的方法。
发明内容
针对现有技术的以上缺陷或不足,本发明提出了一种条带状地下目标探测定位的方法,克服了多时相红外图获取困难的问题,解决了现有的只针对浅层目标探测定位和条带状地下目标探测识别率低的问题。利用模拟仿真软件和热辐射理论基础建立山体背景热辐射模型,在上述模型约束下对红外遥感图像进行背景滤波处理,在视觉上就是逐次揭开地层,使条带状地下目标的辐射场逐步透明化。
为实现上述目的,本发明提出了一种条带状地下目标探测定位的方法,其特征在于,所述方法具体包括以下步骤:1、一种条带状地下目标的探测定位方法,其特征在于,所述方法包括以下步骤:
(1)建立条带状地下目标所在的仿真山体背景热辐射场;
(2)将所述仿真山体背景热辐射场与目标所在山体红外遥感图进行线性映射,得到山体背景热辐射模型;
(3)利用步骤(2)得到的山体背景热辐射模型,从目标所在山体红外遥感图中滤除仿真山体背景热辐射场,得到条带状地下目标信息场。
作为进一步优选的,所述步骤(1)具体包括:
(1.1)获取条带状地下目标所在山体的海拔高度数据信息;
(1.2)根据步骤(1.1)的海拔高度数据信息,提取构建山体的点的(x,y,z)三维坐标,构建山体仿真模型;
(1.3)对步骤(1.2)构建的山体模型进行有限元***格划分;
(1.4)对上述划分后的山体模型进行载荷边界条件的设置,根据山体的热传导率K和山体-空气的热对流率Φ设置热传递的参数,求解估计得到山体的温度场分布,进而,对山体的温度场分布进行灰度图映射和温度分辨率调整,得到仿真山体背景热辐射场。
作为进一步优选的,所述步骤(2)具体包括:
(2.1)对目标所在山体红外遥感图进行聚类分析,在每一类中依次进行仿真山体背景热辐射场与目标所在山体红外遥感图的线性映射;
(2.2)利用聚类分析后的目标所在山体红外遥感图每一类的灰度值对所述仿真山体背景热辐射场进行线性映射校正处理,得到山体背景热辐射模型。
作为进一步优选的,所述对目标所在山体红外遥感图进行聚类分析,具体包括:
(2.1.1)选取目标所在山体红外遥感图的每个像素的(x,y,g)作为一个样本,其中(x,y)表示像素的行列坐标,g表示像素灰度值;
(2.1.2)计算所有样本的距离比;
其中,第i个样本bi的距离比s为样本的个数,d()表示两个样本的距离,i≠j,j≠u;
(2.1.3)选择距离比Vi最小的样本bi作为第一个类心m1,并置类的序号q=1;
(2.1.4)对p=1,2,...,q类,将bi,i=1,2,...,s分配到离它最近的类,并更新类心Np是第p类的样本数,bpi表示第p类中第i个样本;
(2.1.5)置q=q+1,若q大于k,则算法中止;否则继续下一步;其中k表示将所述目标所在山体红外遥感图总的类别划分数目;
(2.1.6)选择使最小的点bi作为下一个类心mq的最佳初始中心点,转入(2.1.4)。
作为进一步优选的,所述山体背景热辐射模型O具体为:
其中,Oh为目标所在山体红外遥感图中每一类的最高亮度灰度值,Ol为目标所在山体红外遥感图中每一类的最低亮度灰度值,I为仿真山体背景热辐射场的灰度值,Il为仿真山体背景热辐射场对应每一类所在区域的最低亮度灰度值,Ih为仿真山体背景热辐射场对应每一类所在区域的最高亮度灰度值。
作为进一步优选的,所述步骤(3)具体包括:
(3.1)通过累积灰度直方图统计后,初步滤除目标所在山体红外遥感图的强干扰背景;
(3.2)利用步骤(2)得到的山体背景热辐射模型,进一步滤除目标所在山体红外遥感图的山体背景信息场,得到条带状地下目标信息场T(x,y,z,t)。
作为进一步优选的,所述步骤(3.1)具体包括:
首先,估计目标所在山体红外遥感图中像素离散灰度级rk的概率密度函数Pr(rk),有下式成立:
其中,r为像素灰度级,nk为目标所在山体红外遥感图中出现rk灰度的像素数,n为目标所在山体红外遥感图中像素数总数,l为像素离散灰度级的总数目;
进一步地,依次累计灰度直方图,将满足下式的rk找出后并滤除,从而完成目标所在山体红外遥感图强干扰背景的初步滤除:
Pr(r>rk)≤P
其中,P%为强干扰背景在目标所在山体红外遥感图中所占面积比。
作为进一步优选的,所述条带状地下目标信息场T(x,y,z,t)具体为:
T(x,y,z,t)≈BT(x,y,z,t)-k*O
其中,BT(x,y,z,t)为某时刻t目标位置(x,y,z)的目标所在山体红外遥感图,O为山体背景热辐射模型,k为背景辐射场的可调系数。
总体而言,按照本发明点的以上技术方案与现有技术相比,主要具备以下的技术优点:
1、本发明申请提出了一种条带状地下目标探测定位的方法,解决了现有的只针对浅层目标探测定位和条带状地下目标探测识别率低的问题,在拍摄的红外遥感图指导下进行灰度映射,使得仿真热辐射模型最大程度接近真实的山体背景热辐射,最后对目标所在山体红外遥感图像进行背景滤波处理,确定条带状地下目标的位置;
2、此外,本发明克服了多时相红外图获取困难的问题,通过执行本发明中的方法,在视觉上逐次揭开地层,使条带状地下目标的辐射场逐步透明化,本发明能够在确保有效条带状地下目标定位的同时,最大可能的提高了条带状地下目标探测定位的准确性;
3、按照本发明提出的方法,并未存在过多的计算复杂度,便于操控,,因而具有一定的可实施性及实用推广价值。
附图说明
图1为本发明流程示意图;
图2为德胜口隧道所在山体红外遥感图;
图3(a)为德胜口隧道所在山体三维海拔数据图
图3(b)为德胜口隧道所在山体等高线示意图;
图3(c)为德胜口隧道所在山体仿真图;
图3(d)为德胜口隧道所在山体网格划分图;
图4为德胜口隧道所在山体仿真山体背景热辐射场;
图5为含有德胜口隧道的红外遥感图按照仿真模型进行抠图;
图6为德胜口隧道所在红外遥感图聚类标记图;
图7为是分类对山体仿真热辐射模型映射校正结果图;
图8为隧道路线左右各400m的红外带;
图9为真实红外带进行分类滤波处理的结果;
图10为部分隧道路径的标记图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
如图1所示,本发明提出一种条带状地下目标的探测定位的方法,具体步骤如下:
(1)条带状地下目标所在山体的仿真山体背景热辐射场建立。本实验建立有山体模型和条带状目标模型,通过热物理学可知,山体的温度相对恒定,条带状地下目标的温度高于或低于山体的相对恒定温度。山体辐射场是一个相对稳定量,可以建立模型得到这个稳定量。首先通过***得到条带状地下目标所在山体的海拔高度数据,利用等高线对海拔高度数据进行抽象分层,初步构建山体模型,利用仿真软件和等高数据构建整个山体模型,并对其划分网格、设置边界条件、求解,得到仿真山体背景热辐射场。
(2)目标所在山体红外遥感图指导下的仿真山体背景热辐射场映射。(1)中得到的仿真山体背景热辐射场为8位红外图,在16位目标所在山体红外遥感图指导下,山体背景热辐射8位到16位线性映射,使得映射后得到的山体背景热辐射模型最大程度接近真实的山体背景热辐射场。
(3)利用映射后得到的山体背景热辐射模型进行背景滤波。目标所在山体红外遥感图相当于条带状地下目标信息场和山体背景信息场的叠加,(2)中得到映射后得到的山体背景热辐射模型,从目标所在山体红外遥感图中滤除山体背景信息场,得到条带状地下目标信息场,达到检测识别条带状地下目标的目的。
优选地,步骤(1)涉及到利用仿真软件对条带状地下目标所在山体进行仿真建模,具体包括:
(1.1)条带状地下目标所在的山体的高程数据获取
计算出条带状地下目标出入口的经纬度,得到所要获取高程数据的区域,编写软件从***上下载,得到山体的海拔高度数据信息。
(1.2)山体模型的建立
ANSYS几何山体模型的构建是以点、线、面和体来构成的,根据上述的海拔信息,提取构建山体的点的(x,y,z)三维坐标,点是构建几何模型的基础几何,山体的创建是由关键点生成闭合的曲线,闭合的曲线生成平面,然后由闭合的曲面围成几何山体。而几何山体就构成了整个山体模型。
(1.3)山体模型的有限元网格划分步骤
ANSYS有限元网格划分是进行数值模拟分析至关重要的一步,由于山体的模型并不是规则的,因此进行***格划分,可以自由的在面上自动生成三角形或者是四面体网格,在体上自动生成四面体网格,同时人工进行智能尺寸的控制。
(1.4)山体模型边界条件设置和求解步骤
对上述网格划分后的山体进行载荷边界条件的设置,利用山体热传导和山体-空气热对流的基本热传递物理基础,根据山体的热传导率K和山体-空气的热对流率Φ设置热传递的参数,经过Ansys的求解计算得到山体的温度场分布,最后对山体的温度场分布进行灰度图的映射和温度分辨率的调整,最终得到仿真山体背景热辐射场。
优选地,步骤(2)涉及到仿真山体背景热辐射场从8位到16位线性映射。仿真山体背景热辐射场(8bit图像)与目标所在山体红外遥感图的热辐射场(16bit图像)需要进行映射处理,在模型的热辐射场和真实山体的热辐射场分布变化大致相同的情况下,保证模型热辐射场更加接近真实山体的热辐射场。具体包括:
(2.1)目标所在山体红外遥感图对干扰模式的判别
由于条带状地下目标所在的真实山体背景比较复杂,与仿真山体背景热辐射场相比,真实山体背景的热辐射场即目标所在山体红外遥感图受到诸多外界因素的影响,比如阴影区域、山体上的植被、裸露的岩石等因素的影响,整体从仿真山体背景热辐射场(8bit图像)到山体真实背景的热辐射场即目标所在山体红外遥感图(16bit图像)映射会存在较大误差,因此需要对目标所在山体红外遥感图进行聚类分析,在每一类中以目标所在山体红外遥感图为指导,对仿真山体背景热辐射场进行映射,具体过程如下:
目标所在山体红外遥感图的每一类在空间上相对较近,在灰度值上大致相同,因此,可以选取(x,y,g)作为特征向量对其进行聚类,其中(x,y)表示像素的行列坐标,g表示像素的灰度值。采用的聚类算法如下:
(2.1.1)选取目标所在山体红外遥感图的每个像素的(x,y,g)作为一个样本,其中(x,y)表示像素的行列坐标,g表示像素灰度值;
(2.1.1)选取目标所在山体红外遥感图的每个像素的(x,y,g)作为一个样本,其中(x,y)表示像素的行列坐标,g表示像素灰度值;
(2.1.2)计算所有样本的距离比;
其中,第i个样本bi的距离比s为样本的个数,d()表示两个样本的距离,i≠j,j≠u;
(2.1.3)选择距离比Vi最小的样本bi作为第一个类心m1,并置类的序号q=1;
(2.1.4)对p=1,2,...,q类,将bi,i=1,2,...,s分配到离它最近的类,并更新类心Np是第p类的样本数,bpi表示第p类中第i个样本;
(2.1.5)置q=q+1,若q大于k,则算法中止;否则继续下一步;其中k表示将所述目标所在山体红外遥感图总的类别划分数目;
(2.1.6)选择使最小的点bi作为下一个类心mq的最佳初始中心点,转入(2.1.4)。
(2.2)仿真山体背景热辐射场灰度范围和目标所在山体红外遥感图分布范围的匹配校正
仿真山体背景热辐射场的灰度值根据(2.1)中得到的每一类的灰度最大值和灰度最小值进行线性映射校正处理。所述山体背景热辐射模型O具体为:
其中,Oh为目标所在山体红外遥感图中每一类的最高亮度灰度值,Ol为目标所在山体红外遥感图中每一类的最低亮度灰度值,I为仿真山体背景热辐射场的灰度值,Il为仿真山体背景热辐射场对应每一类所在区域的最低亮度灰度值,Ih为仿真山体背景热辐射场对应每一类所在区域的最高亮度灰度值。
优选地,步骤(3)涉及到利用山体背景热辐射模型,在条带状地下目标和山体背景叠加产生的信息场中,滤除山体背景信息场,得到条带状地下目标经地层调制后的模糊信息场。具体包括:
(3.1)去除目标所在山体红外遥感图的强干扰
观察目标所在山体红外遥感图,可以发现灰度值分布在较高部分的背景区域为强干扰背景。由于目标所在山体红外遥感图受到诸多外界因素的影响,比如阴影区域、山体上的植被、裸露的岩石等,因此需要进行区域约束处理,通过直方图统计,进行阈值处理,剔除外界因素的干扰,具体过程如下:
首先,估计目标所在山体红外遥感图中像素离散灰度级rk的概率密度函数Pr(rk),有下式成立:
其中,r为像素灰度级,nk为目标所在山体红外遥感图中出现rk灰度的像素数,n为目标所在山体红外遥感图中像素数总数,l为像素离散灰度级的总数目;
进一步地,依次累计灰度直方图,将满足下式的rk(即为需要滤除的强干扰背景区域)找出后并滤除,从而完成目标所在山体红外遥感图强干扰背景的初步滤除:
Pr(r>rk)≤P
其中,P%为强干扰背景在目标所在山体红外遥感图中所占面积比。
(3.2)目标所在山体红外遥感图背景滤波透明化步骤。
利用得到的山体背景热辐射模型作为目标所在山体红外遥感图的背景,由于山体中的目标热辐射符合热传导的数学模型,假设在某时刻t0目标位置(x0,y0,z0)的热辐射曲面为BT(x,y,z,t),即目标所在山体红外遥感图,具体为:
BT(x,y,z,t)=O+T(x,y,z,t)*Rb(x,y,z,t)+A(x,y,z,t)+δ(x,y,z,t)
其中,O为多重介质体辐射场,即山体背景热辐射模型,T(x,y,z,t)*Rb(x,y,z,t)为被多重介质体畸变了的条带状地下目标信息场,δ(x,y,z,t)为水体/地体与空气接触面散失的辐射量,A(x,y,z,t)为大气环境畸变影响。
由于条带状地下目标信息场的影响主要由B(x,y,z,t)产生,因此有如下公式:
T(x,y,z,t)*Rb(x,y,z,t)≈BT(x,y,z,t)-k*O
其中T(x,y,z,t)*Rb(x,y,z,t)为被多重介质体畸变了的条带状地下目标信息场,BT(x,y,z,t)为目标所在山体红外遥感图,O为山体背景热辐射模型,k为背景辐射场的可调系数。
进而可得,初步可探测到的条带状地下目标信息场为:T(x,y,z,t)≈BT(x,y,z,t)-k*O。
从而最后得到目标所在山体红外遥感图背景滤波后透明化的图像,即为定位探测的条带状地下目标信息场。
进一步地,本发明以获取的德胜口隧道所在山体红外遥感图为例,对本发明方法进行说明,具体如下:
(1)隧道所在山体的背景热辐射场建立,包括以下子步骤:
(1.1)隧道所在的山体的高程数据获取
如图2所示,为德胜口隧道所在的区域红外图,定位隧道出入口的经纬度信息,编写软件,从***下载相应区域的海拔数据,图中框框内为一块比较完整的山体,我们选取该区域的海拔数据,得到等高数据,进行山体建模。
(1.2)山体模型的建立步骤
(1.2.1)通过分析德胜口隧道所在地势,在隧道分布范围内,可分为一块凹下去的地和一块凸起来的山包。我们选取凸起来的山包进行建模,山包长约1650m,宽约1400m,占条带状地下目标约2/3(德胜口隧道长约2700m),其三维海拔数据图如图3(a)所示。
(1.2.2)ANSYS几何山体模型的构建是以点、线、面和体来构成的,点(坐标)是构建几何模型的基础。所以根据上述的海拔信息,几何山体的创建是有关键点生成闭合的曲线,闭合的曲线生成平面,然后由闭合的曲面围成几何山体。而几何山体就构成了整个山体模型,如图3(b)和图3(c)所示。
(1.2)山体模型的有限元网格划分步骤
Anasy有限元网格划分是进行数值模拟分析至关重要的一步,由于山体的模型并不是规则的,因此进行***格划分,可以自由的在面上自动生成三角形或者是四面体网格,在体上自动生成四面体网格,同时人工进行智能尺寸的控制。本实例采用二次四面体单元(92号单元),保证计算计算精度,如图3(d)所示。
(1.3)山体模型边界条件设置和求解步骤
对上述网格划分后的山体进行载荷边界条件的设置,利用山体热传导和山体-空气热对流的基本热传递物理基础,根据山体的热传导率K和山体-空气的热对流率Φ设置热传递的参数,经过Ansys的求解计算得到山体的温度场分布,最后对山体的温度场分布进行灰度图的映射和温度分辨率的调整,最终得到仿真山体背景热辐射场。本实例中,K=3.49Kg/m3,Φ=3W/(m^2.C),山地底面温度15摄氏度,空气温度25摄氏度,求解结果如图4所示。
(2)目标所在山体红外遥感图指导下的山体仿真背景热辐射映射
在(1)中得到的仿真山体背景热辐射场为8位红外图,在16位目标所在山体红外遥感图指导下,仿真山体背景热辐射场8位到16位线性映射,使得山体背景热辐射模型最大程度接近真实的山体背景热辐射场。
(2.1)目标所在山体红外遥感图对干扰模式的判别
将图2中含有德胜口隧道的红外遥感图按照仿真模型进行抠图,如图5,是目标所在山体红外遥感图按照仿真模型抠图。再对目标所在山体红外遥感图进行聚类分析,这里一共将目标所在山体红外遥感图分10类,如图6,是德胜口隧道所在目标所在山体红外遥感图聚类标记图,不同类别用不同的灰度值进行标记。
(2.2)山体模型热辐射灰度范围和遥感图分布范围的匹配校正
如图7,是分类对山体仿真热辐射模型映射校正结果图。
(3)利用映射后的山体背景热辐射模型进行背景滤波步骤
含有隧道的红外遥感图相当于隧道信息场和山体背景信息场的叠加,(2)中得到映射后的山体背景热辐射模型,为山体背景信息场,从红外遥感图中滤除山体背景信息场,得到隧道目标的信息场,达到检测识别隧道目标的目的。
(3.1)去除遥感红外图的强干扰
观察红外遥感图,可以发现灰度值分布在较高部分的背景区域为强干扰背景。由于真实山体背景的热辐射受到诸多外界因素的影响,比如阴影区域、山体上的植被、裸露的岩石等,因此需要进行区域约束处理,通过直方图统计,进行阈值处理,剔除外界因素的干扰,具体包括:
首先,估计目标所在山体红外遥感图中像素离散灰度级rk的概率密度函数Pr(rk),有下式成立:
其中,r为像素灰度级,nk为目标所在山体红外遥感图中出现rk灰度的像素数,n为目标所在山体红外遥感图中像素数总数,l为像素离散灰度级的总数目;
已知难以滤除的外界因素影响即强干扰占整幅图像中所占面积比为P%,则有下式:
Pr(r>rk)≤P
依次累计灰度直方图,找到相应的rk,为需要进一步滤除的背景区域,可以初步滤除强干扰背景。
(3.2)目标所在山体红外遥感图背景滤波透明化步骤。
这里对每一类分别进行滤波处理,k取ki(i=1,2,...,15)。通过德胜口隧道的出入口坐标的先验知识,可以得到隧道的大致分布范围,取条隧道左右各400m的区域进行滤波,如图8,是隧道路线左右各400m的红外带,即为图5中两条线标记的区域。如图9,是对红外遥感图进行分类滤波处理的结果,图10为隧道路径的标记图。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种条带状地下目标的探测定位方法,其特征在于,所述方法包括以下步骤:
(1)建立条带状地下目标所在的仿真山体背景热辐射场;
(2)将所述仿真山体背景热辐射场与目标所在山体红外遥感图进行线性映射,得到山体背景热辐射模型;
(3)利用步骤(2)得到的山体背景热辐射模型,从目标所在山体红外遥感图中滤除仿真山体背景热辐射场,得到条带状地下目标信息场。
2.如权利要求1所述的方法,其特征在于,所述步骤(1)具体包括:
(1.1)获取条带状地下目标所在山体的海拔高度数据信息;
(1.2)根据步骤(1.1)的海拔高度数据信息,提取构建山体的点的(x,y,z)三维坐标,构建山体仿真模型;
(1.3)对步骤(1.2)构建的山体模型进行有限元***格划分;
(1.4)对上述划分后的山体模型进行载荷边界条件的设置,根据山体的热传导率K和山体-空气的热对流率Φ设置热传递的参数,求解估计得到山体的温度场分布,进而,对山体的温度场分布进行灰度图映射和温度分辨率调整,得到仿真山体背景热辐射场。
3.如权利要求1或2所述的方法,其特征在于,所述步骤(2)具体包括:
(2.1)对目标所在山体红外遥感图进行聚类分析,在每一类中依次进行仿真山体背景热辐射场与目标所在山体红外遥感图的线性映射;
(2.2)利用聚类分析后的目标所在山体红外遥感图每一类的灰度值对所述仿真山体背景热辐射场进行线性映射校正处理,得到山体背景热辐射模型。
4.如权利要求3所述的方法,其特征在于,所述对目标所在山体红外遥感图进行聚类分析,具体包括:
(2.1.1)选取目标所在山体红外遥感图的每个像素的(x,y,g)作为一个样本,其中(x,y)表示像素的行列坐标,g表示像素灰度值;
(2.1.2)计算所有样本的距离比;
其中,第i个样本bi的距离比s为样本的个数,d()表示两个样本的距离,i≠j,j≠u;
(2.1.3)选择距离比Vi最小的样本bi作为第一个类心m1,并置类的序号q=1;
(2.1.4)对p=1,2,...,q类,将bi,i=1,2,...,s分配到离它最近的类,并更新类心p=1,2,...,q,Np是第p类的样本数,bpi表示第p类中第i个样本;
(2.1.5)置q=q+1,若q大于k,则算法中止;否则继续下一步;其中k表示将所述目标所在山体红外遥感图总的类别划分数目;
(2.1.6)选择使最小的点bi作为下一个类心mq的最佳初始中心点,转入(2.1.4)。
5.如权利要求3所述的方法,其特征在于,所述山体背景热辐射模型O具体为:
其中,Oh为目标所在山体红外遥感图中每一类的最高亮度灰度值,Ol为目标所在山体红外遥感图中每一类的最低亮度灰度值,I为仿真山体背景热辐射场的灰度值,Il为仿真山体背景热辐射场对应每一类所在区域的最低亮度灰度值,Ih为仿真山体背景热辐射场对应每一类所在区域的最高亮度灰度值。
6.如权利要求1或2所述的方法,其特征在于,所述步骤(3)具体包括:
(3.1)通过累积灰度直方图统计后,初步滤除目标所在山体红外遥感图的强干扰背景;
(3.2)利用步骤(2)得到的山体背景热辐射模型,进一步滤除目标所在山体红外遥感图的山体背景信息场,得到条带状地下目标信息场T(x,y,z,t)。
7.如权利要求6所述的方法,其特征在于,所述步骤(3.1)具体包括:
首先,估计目标所在山体红外遥感图中像素离散灰度级rk的概率密度函数Pr(rk),有下式成立:
k=0,1,2...l-1
其中,r为像素灰度级,nk为目标所在山体红外遥感图中出现rk灰度的像素数,n为目标所在山体红外遥感图中像素数总数,l为像素离散灰度级的总数目;
进一步地,依次累计灰度直方图,将满足下式的rk找出后并滤除,从而完成目标所在山体红外遥感图强干扰背景的初步滤除:
Pr(r>rk)≤P
其中,P%为强干扰背景在目标所在山体红外遥感图中所占面积比。
8.如权利要求6所述的方法,其特征在于,所述条带状地下目标信息场T(x,y,z,t)具体为:
T(x,y,z,t)≈BT(x,y,z,t)-k*O
其中,BT(x,y,z,t)为某时刻t目标位置(x,y,z)的目标所在山体红外遥感图,O为山体背景热辐射模型,k为背景辐射场的可调系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510998761.5A CN105654477B (zh) | 2015-12-25 | 2015-12-25 | 一种条带状地下目标的探测定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510998761.5A CN105654477B (zh) | 2015-12-25 | 2015-12-25 | 一种条带状地下目标的探测定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105654477A true CN105654477A (zh) | 2016-06-08 |
CN105654477B CN105654477B (zh) | 2017-11-28 |
Family
ID=56477979
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510998761.5A Active CN105654477B (zh) | 2015-12-25 | 2015-12-25 | 一种条带状地下目标的探测定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105654477B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108053411A (zh) * | 2017-12-21 | 2018-05-18 | 华中科技大学 | 一种边界热交换约束下的江底隧道遥感探测定位方法 |
CN108090955A (zh) * | 2017-11-09 | 2018-05-29 | 珠海金山网络游戏科技有限公司 | 一种虚拟场景模拟真实山体模型的***和方法 |
CN108305257A (zh) * | 2017-12-27 | 2018-07-20 | 华中科技大学 | 一种背景热辐射约束下的海底隧道遥感探测定位方法 |
CN111798407A (zh) * | 2020-05-15 | 2020-10-20 | 国网浙江省电力有限公司嘉兴供电公司 | 一种基于神经网络模型的带电设备故障诊断方法 |
CN114112069A (zh) * | 2022-01-27 | 2022-03-01 | 华中科技大学 | 地质约束的城市深埋条带通道红外成像探测方法及*** |
CN114330074A (zh) * | 2021-12-31 | 2022-04-12 | 华中科技大学 | 一种山体条带状地下隧道反演探测定位方法及装置 |
CN114330074B (zh) * | 2021-12-31 | 2024-06-21 | 华中科技大学 | 一种山体条带状地下隧道反演探测定位方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104484577A (zh) * | 2014-12-30 | 2015-04-01 | 华中科技大学 | 一种基于山脊能量校正的山地中带状地下目标的探测方法 |
CN104536009A (zh) * | 2014-12-30 | 2015-04-22 | 华中科技大学 | 一种激光红外复合的地面建筑物识别及导航方法 |
-
2015
- 2015-12-25 CN CN201510998761.5A patent/CN105654477B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104484577A (zh) * | 2014-12-30 | 2015-04-01 | 华中科技大学 | 一种基于山脊能量校正的山地中带状地下目标的探测方法 |
CN104536009A (zh) * | 2014-12-30 | 2015-04-22 | 华中科技大学 | 一种激光红外复合的地面建筑物识别及导航方法 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108090955A (zh) * | 2017-11-09 | 2018-05-29 | 珠海金山网络游戏科技有限公司 | 一种虚拟场景模拟真实山体模型的***和方法 |
CN108053411A (zh) * | 2017-12-21 | 2018-05-18 | 华中科技大学 | 一种边界热交换约束下的江底隧道遥感探测定位方法 |
CN108053411B (zh) * | 2017-12-21 | 2020-05-19 | 华中科技大学 | 一种边界热交换约束下的江底隧道遥感探测定位方法 |
CN108305257A (zh) * | 2017-12-27 | 2018-07-20 | 华中科技大学 | 一种背景热辐射约束下的海底隧道遥感探测定位方法 |
CN111798407A (zh) * | 2020-05-15 | 2020-10-20 | 国网浙江省电力有限公司嘉兴供电公司 | 一种基于神经网络模型的带电设备故障诊断方法 |
CN111798407B (zh) * | 2020-05-15 | 2024-05-21 | 国网浙江省电力有限公司嘉兴供电公司 | 一种基于神经网络模型的带电设备故障诊断方法 |
CN114330074A (zh) * | 2021-12-31 | 2022-04-12 | 华中科技大学 | 一种山体条带状地下隧道反演探测定位方法及装置 |
CN114330074B (zh) * | 2021-12-31 | 2024-06-21 | 华中科技大学 | 一种山体条带状地下隧道反演探测定位方法及装置 |
CN114112069A (zh) * | 2022-01-27 | 2022-03-01 | 华中科技大学 | 地质约束的城市深埋条带通道红外成像探测方法及*** |
CN114112069B (zh) * | 2022-01-27 | 2022-04-26 | 华中科技大学 | 地质约束的城市深埋条带通道红外成像探测方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN105654477B (zh) | 2017-11-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104484577B (zh) | 一种基于山脊能量校正的山地中带状地下目标的探测方法 | |
CN105654477A (zh) | 一种条带状地下目标的探测定位方法 | |
CN104637073B (zh) | 一种基于太阳照射阴影补偿的带状地下结构探测方法 | |
CN105426881B (zh) | 山体背景热场模型约束的地下热源昼间遥感探测定位方法 | |
Jiao et al. | Evaluation of four sky view factor algorithms using digital surface and elevation model data | |
CN105893590B (zh) | 一种用于数字地形分析建模知识案例化自动处理方法 | |
Machireddy | Delineation of groundwater potential zones in South East part of Anantapur District using remote sensing and GIS applications | |
Clark | Small unmanned aerial systems comparative analysis for the application to coastal erosion monitoring | |
Badapalli et al. | Assessment of aeolian desertification near Vedavathi river channel in Central part of Andhra Pradesh: remote sensing approach | |
CN103743488B (zh) | 遥感卫星地球临边背景特性的红外成像仿真方法 | |
Shaw-Faulkner et al. | Delineation and classification of karst depressions using LiDAR: fort hood military installation, Texas | |
Arrofi et al. | Delineating reservoir area using geologic remote sensing analysis, Jizan (Saudi Arabia): Implications for geothermal exploration | |
CN110111376B (zh) | 一种采煤沉陷水域面积计算方法 | |
Sun et al. | Deep learning for check dam area extraction with optical images and digital elevation model: A case study in the hilly and gully regions of the Loess Plateau, China | |
Vasconcelos et al. | Analysis of spatial–temporal patterns of water table change as a tool for conjunctive water management in the Upper Central Plain of the Chao Phraya River Basin, Thailand | |
CN114112069B (zh) | 地质约束的城市深埋条带通道红外成像探测方法及*** | |
Gokdemir et al. | A framework for assessing tunnel drainage-induced impact on terrestrial vegetation | |
He et al. | An integrated use of topography with RSI in gully mapping, Shandong Peninsula, China | |
Elimy et al. | Land Use/Land Cover Change Detection Analysis for Eastern Nile Delta Fringes, Egypt | |
CN108053411A (zh) | 一种边界热交换约束下的江底隧道遥感探测定位方法 | |
Wang et al. | Quantitative Attribution Analysis of the Spatial Differentiation of Gully Erosion in the Black Soil Region of Northeast China | |
Anyadiegwu et al. | Assessment of flood hazard in Owerri West, Imo State, Nigeria using Analytical Hierarchical Process and Index Based Approach | |
Razak et al. | The development of a site suitability map for RBF location using remote sensing and GIS techniques | |
Karmakar et al. | Land Use/Land Cover Change and Environmental Impact Analysis of Ramgarh-Naudiha Region in Uttar Pradesh, India through Geospatial Technology | |
Liu et al. | Identification of Terrace Boundaries from DEMs Using Multidirectional Hill-Shading |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |