數字影像分析技術在海灘環境監測的應用

胡亞麗,李晶珩,閻子衿,于新生

(1.中國海洋大學 海洋地球科學學院,海底科學與探測技術教育部重點實驗室,山東 青島 266100;2.Australia National University,Canberra,Australia)

海灘是濱海地區重要的海岸防護屏障和旅游資源,自 20世紀起,隨著社會旅游條件的成熟,濱海旅游在世界沿海國家得到了快速發展。在美國,海灘旅游已成為旅游者的首選,對其國民經濟發展起到了重要的作用[1]。據統計,我國沿海地區及海島近年來接待的旅游人次以每年 20%～30%的速度遞增,而沙灘浴場則成為海濱旅游的核心。我國有著32 000 km的海岸線,其中沙灘浴場約為 1 400 km,但是由于人類活動影響,加之風暴潮等自然過程,導致濱海沙灘面臨著污染嚴重、沙灘坡度變陡、總體面積縮小等諸多現象,使得海灘旅游資源萎縮,對濱海沙灘旅游業的發展造成了極大影響。因此健全海灘環境監管體系、保護濱海沙灘質量已成為我國沿海地區面臨的重要任務之一。海灘評價與保護的首要任務是獲取詳細的濱海沙灘變化資料,譬如海灘形態變化、海岸動力要素信息、岸線變化、海灘環境與生態等。

傳統的海灘人工現場監測方法需要人工進行長期的(天或周)現場目測,導致資料誤差較大;雖然借助于差分全球定位系統(DGPS)可以高精度測量岸線變化,但是該方法需要耗費大量的人力資源和時間進行野外操作,動態連續性較差,在空間尺度上具有一定的局限性。衛星遙感具有覆蓋面積大、空間定位精度高、重復性好等優勢,為大尺度監測海岸提供了有效的技術支撐。但是衛星遙感技術的時空分辨率較低,空間分辨率通常為米級,時間分辨率以天為單位,不能滿足高時空分辨率的應用需求[2]。20世紀90年代美國將數字成像系統(ARGUS)首次用于海岸遙感監測取得了良好的成果[3],隨后在其他國家得到了進一步的應用推廣,譬如新西蘭的 Cam-Era項目[4],歐洲的COASTVIEW項目[5-6]等。另外還有一些監控系統也已建立。例如: Kosta System[7],Erdman Video System[8],Sirena[9],Horus[8]等的監測方法。由 5臺攝像機組成的視頻監測系統,可以提供180°的視場圖像,其覆蓋距離可達5 km海岸區域[10-11],其空間分辨率可以達到厘米級,并且可以記錄海灘動態及形態變化信息,獲取秒、小時乃至年的海岸影像資料,結合當前的高速因特網數據傳輸技術,可以將影像觀測資料傳輸到實驗室進行實時處理,因此具有成本低、適應性強、時空分辨率高、提取參數多等優點。

目前報道的基于近岸視頻應用主要圍繞著海岸動力[12]、海灘地貌變化[13]、岸線變化[14]等信息的獲取,對海灘環境變化的監測與應用報道有限。本文首次針對青島近年來滸苔暴發對浴場海灘環境帶來的不利影響,將近岸視頻技術用于夏季滸苔覆蓋海灘引起的青島市石老人海灘環境變化的監測。夏季暴發的滸苔,在波浪潮汐的作用下覆蓋在海灘上,不但侵占了海灘的面積,減少了游客的活動空間,同時滸苔在海灘上腐爛發出的氣味降低了海灘的環境質量[15],而且,在清理滸苔時也帶走了大量的海沙,影響了海灘的品質。本文利用數字圖像處理方法對2011年夏季滸苔對覆蓋海灘面積的時空變化實施定量分析,以其為評估滸苔對浴場海灘的影響提供決策依據。

1 觀測區域及攝像監測系統

觀測區域選擇青島市石老人浴場西南走向的海灘,該海灘為青島市東部集度假、觀光旅游、海上運動、沙灘運動、娛樂休閑為一體的綜合性旅游度假海灘之一。青島市石老人浴場沙灘坡度平緩灘面較寬,寬度平均為200 m,該區域的平均高潮高為3.8 m,平均低潮高為1.1 m,在浴場的西邊有一個水道通向海區。視頻相機架設在石老人海灘附近的一座公寓樓里,高度約 64 m,所觀測區域的海灘總面積約為75 000 m2,攝像系統的位置為北緯 36°05′,東經120°27′。

根據光學鏡頭的性能及相機的工作環境性能要求,我們選擇了 UNIC Phocus1821型號的高清智能工業相機,配以 8～80 mm的變焦鏡頭,所用相機及采集系統如圖1所示。

圖1 攝像機及采集系統Fig.1 Nearshore camera and image acquisition system

采用圖像自動采集工作模式,每天采集 5次圖像,每次采集10 min,采集速率為10幀/s,設置的采集時間為每天的 06: 00～06: 10、09: 00～09: 10、12: 00～12: 10、15: 00～15: 10、18: 00～18: 10,每天采集的30 000幀圖像存在圖像采集系統的硬盤中。此外,在觀測區域選擇了15個地面控制點(GCPs),分別用手持全球定位系統(GPS)對這些地面控制點的坐標位置進行定位測量,用于圖像處理過程中的圖像坐標與大地坐標的幾何糾正。

2 近岸影像處理方法

基于 Matlab工具,所開發的影像處理流程如圖2所示,首先對 10 min內連續采集的單幀序列圖像進行平均處理,以去除隨機變化的“噪聲”干擾,提高海岸線、沙丘及沙壩的邊緣的對比度[16],如圖 3所示,平均圖像給出了明顯的干濕界線、破碎波帶范圍等特征,為后續處理奠定了基礎。利用地面控制點,采用式(1)的共線方程將確定攝像機的相關參數(f,α,β,γ,xc,yc,zc)[17],其中 f為攝像機的焦距,α,β,γ為攝像機在空間坐標X,Y,Z的3個正旋轉方向(笛卡兒坐標系的右手定則),(xc,yc,zc)為攝像機的位置。確定上述參數后,可以直接把圖像的像素(u,v)轉換到大地坐標(xc,yc,zc)中,即將圖像坐標系統中(u,v)的位置的像素灰度值放在新的大地坐標系統中的(x,y)中(當所觀測區域為一個無強烈高低起伏的區域時,高度值z可假設為一常數值)。

滸苔目標的分割采用了Bouman &Liu提出的基于貪心(EM)的高斯自回歸方法對目標建模[18],傳統的聚類方法如基于劃分和層次的聚類方法需要一些先驗知識來確定初始參數,如果用戶對數據集缺少先驗知識會對聚類結果產生很大影響,此外這些方法在處理大數據集時效率不高。而高斯混合模型結構和參數是依靠自動學習,而不需要先驗知識。與傳統的k-means和k-medoids聚類方法相比,高斯混合模型(Gaussian mixture model ,GMM)不僅把每個數據點分配到其中某一個聚類中,并且 GMM 還給出了這些數據點被分配到每個聚類的概率[19]。基于高斯混合模型(GMM)的聚類方法采用的是多個單高斯分布的線性組合,如式(2)所示是由三個高斯密度函數組合表示的高斯混合密度函數。其中a1,a2,a3表示各個高斯密度函數的加權系數。

圖2 影像處理流程圖Fig.2 Image processing flow chart

圖3 圖像類型Fig.3 Types of images

在基于高斯混合模型的聚類方法中,每個目標對象都是由多個高斯密度函數線性組合表示的,這里每個高斯密度函數都代表該對象的一個子類,為了更好地進行聚類,有必要進行每個對象子類個數的判定。這里我們采用最大期望值(expectationmaximization,EM)算法和MDL(Rissanen's minimum description length )準則相結合的方法進行最適合分類數據集的聚類個數的估計[20]。首先將圖片信息轉化為 ASCII格式數據信息,對每個像素點對應數據進行最大后驗(Maximum a posteriori MAP)估計分析,計算像素歸屬各個 GMM 的概率,然后根據其歸屬概率值進行目標的分割處理,通過對聚類的滸苔區域進行統計計算即可獲得覆蓋在海灘上的滸苔所占有的面積。視頻影像的幾何糾正和分割處理效果如圖 4所示,可以將海水及海岸的目標物進行有效的分割。

圖4 影像的幾何糾正及分割結果Fig.4 Geometric correction of images and segmentation result

3 2011年青島石老人海灘滸苔的時空變化

如圖 5所示,圖 5a為滸苔暴發的初期,滸苔覆蓋海灘的面積較少,游客集中在海灘的干濕交界處活動。從圖5b中以看到有大量的機動車輛在沙灘上清理滸苔,以改善海灘環境。圖 5c的監測記錄顯示游客逐漸增多,但是由于滸苔侵占沙灘的干濕交界處,游客只能在沒有滸苔的沙灘上活動。圖5d表示由于受臺風“梅花”的影響,大量滸苔被運送并覆蓋在海灘上,對海灘的環境起到了不良影響,游客明顯減少。圖 5e的圖像表示此時沿海仍受臺風影響,灘面被大量滸苔覆蓋,海灘上游客極少。圖5f中,隨著8月中旬溫度的升高,滸苔處于消亡期,滸苔對海灘的影響明顯減少,海灘上游客量相對增加。由此可見,滸苔對青島石老人海灘的作用間接地影響了海灘旅游業的發展。

圖6是利用EM算法的高斯混合模型進行夏季監測滸苔所覆蓋海灘面積分析的結果對比。分析結果顯示在2011年滸苔影響石老人海灘的起始時間在2011年7月11日,最初其面積有3 000 m2,隨著波浪潮汐和海流的作用成條帶狀分布在干濕分界線地帶,對到海灘游泳的游客有一定的影響。這段期間滸苔侵占海灘的面積基本保持恒定,成間歇狀態,如果及時處理海灘上的滸苔,可以有效的維護海灘的可利用性。到 7月下旬至 8月中旬期間,在氣溫及風暴的作用下,滸苔侵占海灘的面積有所擴大,在 7月26日監測得到的滸苔覆蓋海灘面積可達27 000 m2,占整個監測區域面積的36%。2011年夏季臺風的來臨,大面積海灘再次被滸苔覆蓋,該時期滸苔侵占海灘面積大概有12 000 m2。不同時間段的監測資料顯示,雖然經過人工及時清理,但是仍然有約1 500 m2的海灘被滸苔覆蓋。8月中旬后,隨著溫度的升高,滸苔難以繁殖生存,這段期間滸苔對海灘的影響逐漸降低。

圖5 2011年青島石老人海灘上的滸苔時空變化示例影像Fig.5 Space-time changes of the sample images of Enteromorpha in Shilaoren beach of Qingdao in 2011

圖6 滸苔覆蓋海灘的時空變化Fig.6 Spatial and temporal variations of Enteromorpha covering the beach

4 總結

本文首次提出利用近岸影像監測方法對滸苔對海灘環境影響的連續監測,驗證了基于近岸影像方法在海灘環境時空變化監測有效性和實用性。所采用的基于 EM 算法實現高斯混合模型進行滸苔覆蓋面積的分析方法,依靠自動學習,而不需要先驗知識,可以快速自動地計算滸苔所覆蓋海灘的面積,為自動處理海量監測影像提供了新的方向。

通過對2011年青島市石老人海灘的連續實時監測與分析結果表明,青島石老人滸苔對海灘的影響主要在7月份至8月中旬期間,隨著8月中旬溫度的升高,滸苔逐漸消亡;風暴對滸苔向海灘的輸送具有重大影響,覆蓋在海灘上的滸苔對海灘游客有著較大的影響,減少了游客在海灘的活動區域,因此,及時地采取防范措施,避免滸苔在海灘的堆積,對浴場海灘的環境及旅游業的發展都具有重要意義。由于光學影像受氣候影響較大,因此將多種監測技術如近地面視頻監測遙感、衛星遙感、航拍遙感等相結合,對提高監測資料的準確性是今后發展的方向。

[1]Houston J R.The economic value of beaches-A 2008 update[J].Shore &Beach,2008,76(3): 22-26.

[2]Racknell A P.Remote sensing techniques in estuaries and coastal zones—an update[J].International Journal of Remote Sensing,1999,19(3): 485–496.

[3]Holman R A,Stanley J.The history and technical capabilities of Argus[J].Coastal Engineering.2007,54(6–7): 477–491.

[4]Bryan K,Hume T,Payne G.The Cam-Era final report[OL].[2013-04-05].http: //www.niwa.co.nz/ourservices/online-services/cam-era.

[5]Davidson M,Koningsveld M V,Rawson J,et al.The Coastview project: Developing video—derived Coastal State Indicators in support of coastal zone management[J].Coastal Engineering,2007,54: 463-475.

[6]Koningsveld M V,Davidson M,Huntley D,et al.A critical review of the CoastView project: Recent and future developments in coastal management video systems[J].Coastal Engineering,2007,54: 567-576.

[7]Archetti R,Schiaffino C F,Ferrari M,et al.Video system for coastal monitoring.Pranzini E,Wetzel L.Beach Erosion Monitoring.Firenze: Nuova Grafica Fiorentina Press,2008: 101–109.

[8]Brignone M,Schiaffino C F,Isla F I,et al.A system for beach video-monitoring: Beachkeeper plus[J].Computer&Geosciences,2012,49: 53-61.

[9]Nieto M A,Garau B,Balle S,et al.An open source low cost video-based coastal monitoring system[J].Earth Surface Processes and Land-forms,2010,35 (14): 1712–1719.

[10]Lippmann T C,Holman R A.Quantification of sand bar morphology: A video technique based on wave dissipation[J].Journal of Geophysical Research,1989,94: 995–1011.

[11]Holman R A,Stanley J.The history and technical capabilities of Argus[J].Coastal Engineering,2007,54: 477-491.

[12]Chickadel C C,Holman R A,Freilich M H.An optical technique for the measurement of longshore currents[J].Journal of Geophysical Research.2003,108 (11): 33-64.

[13]Holland K T,Puleo J A,Kooney T N.Quantification of swash flows using video-based particle image velocimetry[J].Coastal Engineering,2001,44: 65-77.

[14]Plant N G,Aarninkhof S J J,Turner I L,et al.The performance of shoreline detection models applied to video imagery[ J].Coastal Research,2007,22(3): 657-670.

[15]王超,喬洪金,潘光華,等.青島奧帆基地海域漂浮滸苔光合生理特點研究[J].海洋科學,2008,32(8): 13-15.

[16]Rafael M C,Calliari L J,Holland K T,et al.Short-term sandbar variability based on video imagery: Comparison between Time–Average and Time–Variance techniques[J].Marine Geology,2011,289: 122-134.

[17]Holland K T,Holman R A,Lippman T C,et al.Practical use of video imagery in nearshore oceanographic field studies[J].IEEE Journal of Ocean Engineering,1997,22(1): 81-92.

[18]Bouman C,Liu B.Multiple resolution segmentation of textured images[J].IEEE Trans on Pattern Anal and Mach Intell,1991,13(2): 99-113.

[19]蘭志剛,靳衛衛,朱明亮,等.基于高斯混合模型的海冰圖像非監督聚類分割研究[J].海洋科學,2011,35(11): 97-100.

[20]Grünwald P D.The Minimum Description Length Principle[M].United States : The MIT Press,2007: 7-570.