基于图像对比技术的边坡滑动监测预警方法及预警模型

1.本发明设计的技术领域为：边坡滑动通常表征为隐患体位置发生偏移，从而会导致监测 电阻率图像产生变化，监测图像的变化必然引起图像质心位置出现变化。基于此，本发明实 现了判断边坡电阻率监测图像质心位置偏移的算法，该方法适用于对比监测区域边坡隐患体 的位置是否发生偏移，通过预先设定阈值判断不同时间段监测图像质心位置变化是否超出警 戒范围，对超标值进行实时预警，可有效保障边坡周边人员生命财产安全。


背景技术：

2.边坡滑动属常见的地质灾害类型，具有突发性、隐蔽性和难以防范等特点，每年都会给 国内外人民的生命财产带来巨大损失，因此如何对边坡进行滑动性监测就成为广大科技工作 者重点研究的问题。周军、张存勇等针对水工建筑物边坡失稳滑塌监测缺乏有效方法的问题 开展了深入研究，分别基于图像建模和声纹识别技术实现边坡滑动监测，但在图像获取和识 别特征提取方面还存在缺陷；刘柳、kannaujiya分别基于高密度电阻率和层析成像技术对边 坡的稳定隐患进行检测，建立了边坡稳定的预警体系，但均未考虑电阻率的其它影响因素， 可视化程度不高；刘卫南提出基于点云密度特征的滑坡位移监测方法，将离散的三维点云转 化为二维的密度图像，利用粒子图像测速技术分析位移前后两幅点云密度图像的相关性，处 理数据量大，效率不高；何君毅、张末、杨钢等分别将航摄测量图像、近景摄影图像和标志 成像等技术手段用于边坡滑动监测，但无法准确获得滑动边坡内部隐患体发育状况，未能从 根本上解决滑坡隐蔽性强的问题；贺志杰通过分析数字图像相关方法在边坡现场监测中存在 的困境，在气候、环境和物理等外界因素的影响后，提出了一种适用于现场的边坡活动性监 测的数字取得了良好的应用效果。与此同时，在图像处理技术和系统设计集成等方面，科研 工作者也做了大量研究。樊伟通过五种经典去噪方法对矿山边坡监测图像进行了去噪研究， 为后续边坡形变的实时计算等监测图像处理提供了有效的数据基础；wang、valentin、elmouttie 等国外学者通过室内外实验研究，分别提出了基于形态学图像分析的区域滑坡单元提取算法、 数字图像边坡失稳信息提取算法和变形材料特征图像分析算法，并将各自算法分别应用到边 坡监测图像处理中，有效提高了图像处理精度；王迪、刘宇分别针对边坡滑塌、泥石流、地 面塌陷、地面沉降、地裂缝等地质灾害信息，提出了监测智能预警系统，较好地反映了灾害 信息监测参数的实时值及其变化趋势，为防灾减灾和预测预报提供了依据，但系统在信息优 化和降噪除噪方面未进行全面考虑。
3.鉴于此，本发明在文献研究及工程实际的基础上提出基于电阻率图像对比技术的边坡滑 动监测技术，及期望通过电阻率图像实现边坡隐患体发育过程的可视化，同时依托预先设定 偏移阈值实现边坡滑动实时预警，为边坡滑动诊断提供依据。


技术实现要素：

4.为了解决上述背景中提及的技术不足，提供一种基于图像对比技术的边坡滑动监测预警 方法及预警模型。
5.本发明解决其技术问题所采用的技术方案为：
6.基于图像对比技术的边坡滑动监测预警方法，其特征在于，包括如下步骤：
7.步骤一、图像预处理，将获得的某一方向上电阻率二维剖面图或者三维同一位置切片图 进行筛选标注；
8.步骤二、对预处理后的图像进行图像二值化处理，处理后的图像采用黑白两色进行显示， 大津算法手动选取阈值：
9.假设采集获取的电阻率图像的灰度区间为[1，l]，灰度值为i的像素数量为ni，则图像 总像素数可表示为各灰度值对应的概率为
[0010]
假设某一灰度值k可将图像像素按灰度值大小分成两组，即：c0＝{1
……
k}和c1＝{k +1
……
l}，两组像素产生的概率分布如下：
[0011][0012][0013]
式中：p0，p1分别表示c0、c1两组像素的概率分布；
[0014]
两组像素的平均值如下：
[0015][0016][0017]
式中：ω0，ω1分别表示c0、c1两组像素概率分布的平均值；
[0018]
令整幅图像的像素概率分布平均值表示为则类间方差σ2(k)定义如下：
[0019]
σ2(k)＝p0·
σ
02
(k)+p1·
σ
12
(k)
[0020]
即：σ2(k)＝p0·
(ω
0-ω)2+p1·
(ω
1-ω)2[0021]
从[1，l]之间不断选取并尝试不同的阈值k，使σ2(k)达到最大值的k即为所最终选 定的二值化阈值；两色间的界限值即二值化阈值；
[0022]
步骤三、对二值化处理后的图像进行腐蚀操作，经过腐蚀操作的目的是去掉图像中干扰 较大的噪点以及坐标系，利用opencv图像轮廓检测函数提取图像质心计算区域；
[0023]
s1、形态学腐蚀处理
[0024]
图像腐蚀后，将二值化后图像的坐标和基本噪声去掉，再利用opencv中轮廓检测函数， 检测计算出质心计算中所涉及的区域图像，其轮廓检测后提取区域图像；
[0025]
s2、图像灰度化处理
[0026]
在质心求取计算过程中将rgb图像采取感官权值比重法进行灰度化处理，公式为：
[0027]
gray＝0.11b+0.59g+0.3r
[0028]
式中：b、g、r分别代表蓝、绿、红三个颜色通道；
[0029]
s3、处理后图像质心计算
[0030]
设质点系由n个质点组成，它们的质量分别是m1,m2…mn
，用r1,r2,
…rn
分别表示质点系中 各质点相对于某一固定点o的矢径，用ro表示质心的矢径，则有：
[0031][0032][0033]
二维离散图像中，f(x，y)≥0，p+q阶矩m
pq
和中心矩μ
pq
定义为：
[0034][0035][0036]
式中ic，jc为质心坐标，且有：
[0037]
ic＝∑m
ix
/m
00
[0038]
jc＝∑m
iy
/m
00
[0039]
式中，∑m
ix x方向上i阶矩之和，∑m
iy y方向上i阶矩之和，m
00
为第0阶矩，腐 蚀处理后图像的质心即为第0和第1阶矩的比值，求取对比图像中每幅图像的质心，进行图 像质心标注；
[0040]
其中，图像色彩空间转换及分离，先进行色彩空间转换，将rgb图像转换为hsv色彩 空间图像，再将转换后的图像进行色彩分离，提取h通道颜色信息；
[0041]
步骤四、图像质心求取及质心点位置偏移图像；
[0042]
步骤五、将图像质心移动距离与试验所得不同边坡材料推剪破坏过程中力、位移及电阻 率响应特征曲线中距离指标进行对比，对超出的图像予以报警。
[0043]
在步骤一前还包括采集图像步骤，该步骤中，通过以下措施获取满足对比要求的图像：
[0044]
1、固定电极距位置及接地条件，电极均采用固定位置预埋，将采集仪器自带电极接口与 预埋电极接口进行连接，接口处采用绝缘处理；
[0045]
2、同一位置图像尺寸相同，在成像过程中采取坐标控制法，将图像大小固定于坐标框架 中，保证同一位置前后对比图像尺寸完全一致；
[0046]
3、图像色素统一，预先给成像施加相同的控制条件，设定电阻率图像色素变化间隔的最 大值max＝5ω.m；
[0047]
4、电阻率图像采集方式相同，要求电阻率测量装置前后统一。
[0048]
在步骤一中，阈值k为233，边坡隐患体图像可变换为像素值大于233为255，小于233 为0，得到黑白两种效果图。
[0049]
基于上述方法的算法模型试验，采用自建模型实验方法进行，模型ⅰ隐患体和模型
ⅱ
隐 患体位于不同坐标点，两模型搭载条件相同，采用温纳形式进行视电阻率成像，形成两幅监 测图像，其中，图像中，横坐标代表测线的水平位置，纵坐标代表高程；
[0050]
对两幅监测图像进行二值化处理；
[0051]
对二值化处理后的图像进行腐蚀操作除去图像中干扰较大的噪点以及坐标系，腐蚀处理；
[0052]
对图像进行色彩空间转换及分离；
[0053]
对转换分离后可对图像进行质心求取；
[0054]
对两幅监测图像处理后获得的黑白图像进行分析，得出是否需要预警的结论。
[0055]
本发明至少在以下方向具有积极的效果：
[0056]
(1)本发明针对现有滑坡隐患电阻率检测存在的弊端，提出了基于图像质心运动位移 滑坡隐患体监测方法。该方法可将不同时刻监测电阻率云数据转化为二维电阻率图像，并利 用图像质心预警算法对不同时刻同一位置的电阻率图像进行处理，通过质心求取模型获得不 同时刻滑坡隐患体监测图像的质心。
[0057]
(2)提出了电极处理和图像像素处理的相关方法，保障了表征对比图像电阻率变化的 因素仅限于边坡体自身的孔隙率、含水率、材料组分等，排除其他影响因素对电阻率成像精 度干扰。
[0058]
(3)针对传统电阻率检测过程中频次低、效率慢的弊端，利用图像质心算法处理电阻 率图像时，不但自动化程度高，还可在一定程度上实现同一位置不同时刻的精确对比，准确 获得滑坡隐患体的位移，监测更具针对性。
[0059]
综上所述，通过电阻率图像实现边坡隐患体发育过程的可视化的研究，降低运算数据量， 提高计算机运行速度，快速得到相关对比结果，可以实现边坡滑动实时预警，为边坡滑动诊 断提供快速的诊断依据，对于防灾具有积极意义。
[0060]
在具体实施方式中，将结合具体工程应用实例，对本发明创造的贡献做进一步地的阐述， 以便于本领域的技术人员充分理解本发明的本质。
附图说明
[0061]
图1电阻率监测图像(二值化处理前)。
[0062]
图2电阻率监测图像(二值化处理后)。
[0063]
图3腐蚀操作处理示意图。
[0064]
图4轮廓检测后的区域图像。
[0065]
图5对应处理前轮廓检测区域图。
[0066]
图6质心检测法图像转换分离结果示意图。
[0067]
图7图像质心显示图。
[0068]
图8同一位置时刻图一像质心对比图。
[0069]
图9同一位置时刻图二像质心对比图。
[0070]
图10同一位置时刻图三像质心对比图。
[0071]
图11同一位置时刻图四像质心对比图。
[0072]
图12模型ⅰ成像结果。
[0073]
图13模型ⅱ成像结果。
[0074]
图14模型ⅰ图像二值化处理图。
[0075]
图15模型ⅱ图像二值化处理图。
[0076]
图16模型ⅰ图像腐蚀处理图。
[0077]
图17模型ⅱ图像腐蚀处理图。
[0078]
图18模型ⅰ图像色彩空间分离图。
[0079]
图19模型ⅱ图像色彩空间分离图。
[0080]
图20模型ⅰ图像质心求取结果图。
[0081]
图21模型ⅱ图像质心求取结果图。
[0082]
图22边坡开挖形式。
[0083]
图23测线1质心位置图。
[0084]
图24测线2质心位置图。
[0085]
图25测线3质心位置图。
具体实施方式
[0086]
基于图像对比技术的边坡滑动监测预警技术。
[0087]
采集图像，对比图像要求：众所周知，电阻率成像数据在采集过程中受电极位置、接地 条件、设备参数等影响显著，而数据的采集质量直接决定电阻率成像质量。同时，不同成像 工具也会产生不同像素对比度及边缘条件，这些影响因素都会为后续的图像处理、边缘提取 及对比计算带来困难。
[0088]
根据图像的显现形式，图像包括彩色图像(也称真彩图像)、灰度图像和二值图像(也称 二值化图像)。本实施例主要针对不同时刻电阻数据采集系统采集到的边坡滑动监测电阻率图 像进行对比识别诊断，由于求解算法中图像的质量、大小、边缘等诸多因素直接影响运算结 果，因此获得高质量的电阻率图像是进行图像对比的首要条件，科研人员努力获得高质量的 电阻率图像。
[0089]
本实施例即采用该发明方法通过以下措施步骤获取满足对比要求的高质量图像。
[0090]
1、固定电极距位置及接地条件。由于电极接地条件的不同会对后续采集数据带来影响， 为了达到统一条件下的数据采集，实际操作中所有电极均采用固定位置预埋，将采集仪器自 带电极接口与预埋电极接口进行连接，接口处采用绝缘处理，以此避免电极扰动带来的位置 不定和接地条件不一致的问题。
[0091]
2、同一位置图像尺寸相同。为使图像对比运算实现一一对应，要求前后对比的两张图像 尺寸必须完全一致，因此在成像过程中采取坐标控制法，将图像大小固定于坐标框架中，以 此保证同一位置前后对比图像尺寸完全一致。
[0092]
3、图像色素统一。由于图像对比最终归为色素对比，因此为保证图像色素的一致性，需 预先给成像施加相同的控制条件，设定电阻率图像色素变化间隔的最大值max＝5ω.m，以此 达到各图像像素变化率稳定在可控区间。
[0093]
4、电阻率图像采集方式相同。边坡监测电阻率成像过程中，不同采集布置方式所成图像 的差异性较大，因此为达到对比图像前后一致的效果，要求电阻率测量装置前后统一。
[0094]
通过以上措施，实现了表征对比图像电阻率变化的因素仅限于边坡体自身的孔隙
率、含 水率、材料组分等，排除其他影响因素的成像干扰。`
[0095]
边坡监测图像质心移动预警及其实现
[0096]
s1、图像二值化处理
[0097]
图像的二值化处理就是将图像上的点的灰度值变为0或255，即将整个图像呈现出明显 的黑白两种效果。将由0至255共计256个亮度等级的灰度图像通过适当的阈值选取而获得 的仍然可以反映图像整体和局部特征的二值化图像。
[0098]
对于阈值的选择也有着不同的算法。对于边坡隐患体电阻率截面图而言，由于它们之间 有相同的大小和背景，所以本发明采取大津算法手动选取阈值，以便实现更准确预警。
[0099]
假设采集获取的电阻率图像的灰度区间为[1，l]，灰度值为i的像素数量为ni，则图像 总像素数可表示为各灰度值对应的概率为
[0100]
假设某一灰度值k可将图像像素按灰度值大小分成两组，即：c0＝{1
……
k}和c1＝{k +1
……
l}，两组像素产生的概率分布如下：
[0101][0102][0103]
式中：p0，p1分别表示c0、c1两组像素的概率分布。
[0104]
两组像素的平均值如下：
[0105][0106][0107]
式中：ω0，ω1分别表示c0、c1两组像素概率分布的平均值。
[0108]
令整幅图像的像素概率分布平均值表示为则类间方差σ2(k)定义如下：
[0109]
σ2(k)＝p0·
σ
02
(k)+p1·
σ
12
(k) (11)
[0110]
即：σ2(k)＝p0·
(ω
0-ω)2+p1·
(ω
1-ω)
2 (5)
[0111]
从[1，l]之间不断选取并尝试不同的阈值k，使σ2(k)达到最大值的k即为所最终选 定的二值化阈值。
[0112]
算法实施过程中，经过206次对比调试，结果显示阈值选择在233时取得的效果最佳， 据此，边坡隐患体图像可变换为像素值大于233为255，小于233为0，由此可取得黑白两种 效果图。处理前原图及效果图如图1和图2所示。
[0113]
s2、形态学腐蚀处理
[0114]
数字图像处理中的形态学处理是指将数字形态学作为工具从图像中提取对于表达和描绘 区域形状有用处的图像分量，比如边界、骨架以及凸壳，还包括用于预处理或后
处理的形态 学过滤、细化和修剪等。图像形态学处理中我们感兴趣的主要是二值图像。由于在处理二值 图像的操作过程中要用到形态学-腐蚀操作，所以在此简单介绍腐蚀操作基本原理。
[0115]
如图3，左边是被处理的图象x(二值图象，我们针对的是黑点)，中间是结构元素b，那 个标有origin的点是中心点，即当前处理元素的位置。腐蚀的方法是，拿b的中心点和x上 的点一个一个地对比，如果b上的所有点都在x的范围内，则该点保留，否则将该点去掉； 右边是腐蚀后的结果。可以看出，它仍在原来x的范围内，且比x包含的点要少，就象x被 腐蚀掉了一层。
[0116]
由上述原理将图2图进行图像腐蚀后，可将二值化后图像的坐标和基本噪声去掉，再利 用opencv中轮廓检测函数，检测计算出质心计算中所涉及的区域图像，其轮廓检测后提取的 区域图像和对应原图分别如图4和图5所示。
[0117]
s3、图像灰度化处理。
[0118]
为降低彩色图像的运算工作量，提升运算效率，在质心求取计算过程中可将rgb图像采 取感官权值比重法进行灰度化处理。
[0119]
gray＝0.11b+0.59g+0.3r
ꢀꢀꢀ
(6)
[0120]
式中：b、g、r分别代表蓝(blue)、绿(green)、红(red)三个颜色通道。
[0121]
经感官权值比重法灰度化处理的图像从处理效果上看更符合人们的直观感受，且图像处 理满足简单快速的目的，灰度化处理图像显示如图6所示。
[0122]
s4、处理后图像质心计算
[0123]
图像质心为图像质量中心的简称。质点系的质心是质点系质量分布的平均位置。设质点 系由n个质点组成，它们的质量分别是m1,m2…mn
。若用r1,r2,
…rn
分别表示质点系中各质点相 对于某一固定点o的矢径，用ro表示质心的矢径，则有：
[0124][0125][0126]
而对于一幅二维离散图像而言，f(x，y)≥0。p+q阶矩m
pq
和中心矩μ
pq
定义为：
[0127][0128][0129]
式(10)中ic，jc为质心坐标，且有：
[0130]
ic＝∑m
ix
/m
00
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(11)
[0131]
jc＝∑m
iy
/m
00
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(12)
[0132]
式(11)式(12)中，∑m
ix x方向上i阶矩之和，∑m
iy y方向上i阶矩之和，m
00
为 第0阶矩，则腐蚀处理后图像的质心即为第0和第1阶矩的比值，由此即可求取对比图像中 每幅图像的质心，并可进行图像质心标注，如图7所示图像中质心为黑色矩形右下角顶点。
[0133]
步骤三、电阻率图像质心检测预警及其实现
[0134]
基于电阻率二维剖面图的预处理技术及图像质心的求取算法，可将处理后每幅图像的色 素质心予以表示，通过同一位置图像的质心比较可知其移动方向及移动距离，将其移动距离 与试验模型破坏时所得距离进行比较即可实现预警。具体实施过程如下：
[0135]
s1、图像预处理。首先将任意获得的某一方向上电阻率二维剖面图或者三维同一位置切 片图进行筛选标注，为后续图像处理做准备。
[0136]
s2、对预处理后的图像进行图像二值化处理。处理后的图像采用黑白两色进行显示，两 色间的界限值即二值化阈值采用大津算法求出。
[0137]
s3、对二值化处理后的图像进行腐蚀操作。经过腐蚀操作的目的是去掉图像中干扰较大 的噪点以及坐标系。利用opencv图像轮廓检测函数提取图像质心计算区域。
[0138]
s4、图像色彩空间转换及分离。利用上述预处理后的图像，先进行色彩空间转换，将rgb 图像转换为hsv色彩空间图像，再将转换后的图像进行色彩分离，提取h通道颜色信息，增 加图像处理运算效率。
[0139]
s5、图像质心求取及质心点位置偏移图像。综合以上，由式(1)-(6)取前后同一位置 不同图像的质心图，并将其还原为色彩图，位置信息严格做到一一对应，结果如图8至图11 所示，由图可明显看出四种不同时刻下图像质心点位置向左下方偏移。
[0140]
s6、将图像质心移动距离与试验所得不同边坡材料推剪破坏过程中力、位移及电阻率响 应特征曲线中距离指标进行对比，对超出的图像予以报警。
[0141]
基于上述方法的算法模型试验应用
[0142]
验证采取自建模型实验方法进行，模型ⅰ隐患体位于(250，50)，大小为5cm渗漏通道， 模型ⅱ隐患体位于(250，10)，大小为5cm渗漏通道，两模型其余搭载条件完全相同，采用 温纳形式进行视电阻率成像如图12和图13所示，其中横坐标代表测线的水平位置，纵坐标 代表高程。
[0143]
1、对上述两幅监测图像进行二值化处理，处理结果如图14和图15所示。
[0144]
2、对二值化处理后的图像进行腐蚀操作除去图像中干扰较大的噪点以及坐标系，腐蚀处 理后作用效果如图16和图17所示。
[0145]
3、对图像进行色彩空间转换及分离，结果见图18和图19。
[0146]
4、采用式(1)-(6)对上述转换分离后可对图像进行质心求取，求取结果如图20和图 21所示。
[0147]
由监测结果分析可知，模型ⅰ图像质心位于(257，38)，模型ⅱ图像质心位于(257，18)， 模拟实验说明异常区域质心发生偏移有可能是异常区域范围扩大，也有可能是发生位置滑动， 无论哪种情况均需预警。
[0148]
五、算法模型现场应用
[0149]
某边坡工程所属地区地貌多为山地丘陵，属于土石混合体边坡，开挖类型为阶梯型，现 场边坡开挖形式如图22所示。
[0150]
监测现场采用某品牌wgmd-9超级高密度电法仪，数据采集中使用直径6mm的线缆进 行电极连接，其中供电线线间电阻rab10ω/100m，测量线线间电阻rmn10ω/100m，测量 温度18℃
‑‑
23℃，湿度约73％，风力最大4级。测量中采用了10
×
10m的均匀电极网格，供 电和测量电极布设在梯级开挖的坡脚处涵盖整个边坡开挖断面，现场自上而下布设三条测线 (测线1、测线2、测线3)，采用同线四极梯度方式测量，供电电压288v。数据计算处理 时采用
局部坐标系，x沿测线方向指向东，y垂直测线指向北。山下测线4的y坐标为40 (预留山下增加测线位置40m)，往北上山测线的y坐标依次为40.01、51.31、60.20，山顶 最北测线首点x坐标为0，即西北角的坐标为(0，65.16)，高程使用的是国家高程84坐标 系。
[0151]
采用图像质心滑动对比监测技术监测现场土石边坡滑动，将不同时间段不同测线高密度 电阻率法监测数据进行成像并进行图像对比，按本发明质心求取方法对三条测线2017.12.2和 2018.5.9两组图像进行滑动对比，对比结果如图23/24/25所示，其中a图像对应的日期为 2017.12.2，a图像对应的日期为2018.5.9。
[0152]
根据图23/24/25，结果表明：
[0153]
测线1(a)图像质心位于(223，64.6)，(b)图像质心位于(223，64.7)；
[0154]
测线2(a)图像质心位于(224，60.1)，(b)图像质心位于(224，59.7)；
[0155]
测线3(a)图像质心位于(219，64.7)，(b)图像质心位于(219，64.9)；
[0156]
通过该对比验证结果均表明三级土石边坡均为达到滑动阈值，边坡稳定。
[0157]
该应用进一步地表明了本发明创造的应用价值。
[0158]
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，凡在本发明的精神与原 则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：
1.基于图像对比技术的边坡滑动监测预警方法，其特征在于，包括如下步骤：步骤一、图像预处理，将获得的某一方向上电阻率二维剖面图或者三维同一位置切片图进行筛选标注；步骤二、对预处理后的图像进行图像二值化处理，处理后的图像采用黑白两色进行显示，大津算法手动选取显示为黑白两色的阈值：假设采集获取的电阻率图像的灰度区间为[1，l]，灰度值为i的像素数量为n
i
，则图像总像素数可表示为各灰度值对应的概率为假设某一灰度值k可将图像像素按灰度值大小分成两组，即：c0＝{1
……
k}和c1＝{k+1
……
l}，两组像素产生的概率分布如下：l}，两组像素产生的概率分布如下：式中：p0，p1分别表示c0、c1两组像素的概率分布；两组像素的平均值如下：两组像素的平均值如下：式中：ω0，ω1分别表示c0、c1两组像素概率分布的平均值；令整幅图像的像素概率分布平均值表示为则类间方差σ2(k)定义如下：σ2(k)＝p0·
σ
02
(k)+p1·
σ
12
(k)即：σ2(k)＝p0·
(ω
0-ω)2+p1·
(ω
1-ω)2从[1，l]之间不断选取并尝试不同的阈值k，使σ2(k)达到最大值的k即为所最终选定的二值化阈值；步骤三、对二值化处理后的二值图像进行腐蚀操作，先腐蚀去掉图像中干扰较大的噪点以及坐标系，再利用opencv图像轮廓检测函数提取图像质心计算区域；具体包括s1、形态学腐蚀处理图像腐蚀后，将二值化后图像的坐标和基本干扰噪声去掉，再利用opencv中轮廓检测函数，检测计算出质心计算中所涉及的区域图像，其为轮廓检测后提取区域图像；s2、图像灰度化处理在质心求取计算过程中将rgb图像采取感官权值比重法进行灰度化处理，将图像色彩空间转换及分离，先进行色彩空间转换，将rgb图像转换为hsv色彩空间图像，再将转换后的图像进行色彩分离，提取h通道颜色信息；公式为：
gray＝0.11b+0.59g+0.3r式中：b、g、r分别代表蓝、绿、红三个颜色通道；s3、处理后图像质心计算设质点系由n个质点组成，它们的质量分别是m1,m2…
m
n
，用r1,r2,
…
r
n
分别表示质点系中各质点相对于某一固定点o的矢径，用r
o
表示质心的矢径，则有：表示质心的矢径，则有：二维离散图像中，f(x，y)≥0，p+q阶矩m
pq
和中心矩μ
pq
定义为：定义为：式中i
c
，j
c
为质心坐标，且有：i
c
＝∑m
ix
/m
00
j
c
＝∑m
iy
/m
00
式中，∑m
ix
表示x方向上i阶矩之和，∑m
iy
代表y方向上i阶矩之和，m
00
为第0阶矩，腐蚀处理后图像的质心即为第0和第1阶矩的比值，求取对比图像中每幅图像的质心，进行图像质心标注；步骤四、图像质心求取，获得质心点位置偏移图像；步骤五、将图像质心移动距离与试验所得不同边坡材料推剪破坏过程中力、位移及电阻率响应特征曲线中距离指标进行对比，对超出的图像予以报警。2.基于图像对比技术的边坡滑动监测预警模型，其特征在于，首先自建模型ⅰ和模型ⅱ，模型ⅰ隐患体和模型ⅱ隐患体位于不同坐标点，两模型搭载条件相同，采用温纳形式进行视电阻率成像，形成两幅监测图像，其中，图像中，横坐标代表测线的水平位置，纵坐标代表高程；对两幅监测图像进行二值化处理；对二值化处理后的图像进行腐蚀操作除去图像中干扰较大的噪点以及坐标系，腐蚀处理；对图像进行色彩空间转换及分离；对转换分离后可对图像进行质心求取；对两幅监测图像处理后获得的黑白图像进行分析，得出是否需要预警的结论。

技术总结
一种基于图像对比技术的边坡滑动监测预警方法及预警模型。首先自建模型Ⅰ和模型Ⅱ，模型Ⅰ隐患体和模型Ⅱ隐患体位于不同坐标点，两模型搭载条件相同，采用温纳形式进行视电阻率成像，形成两幅监测图像，对两幅监测图像进行二值化处理；对二值化处理后的图像进行腐蚀操作除去图像中干扰较大的噪点以及坐标系，腐蚀处理；对图像进行色彩空间转换及分离；对转换分离后可对图像进行质心求取；对两幅监测图像处理后获得的黑白图像进行分析，得出是否需要预警的结论。该方法可将不同时刻监测电阻率云数据转化为二维电阻率图像，并利用图像质心预警算法对不同时刻同一位置的电阻率图像进行处理，通过质心求取模型获得不同时刻滑坡隐患体监测图像的质心。体监测图像的质心。体监测图像的质心。


技术研发人员：王日升 蒋雪妮 杨晓松 高涛 范海文 董思远 闫显亮
受保护的技术使用者：山东交通学院
技术研发日：2022.06.16
技术公布日：2022/11/1