剖面邊緣檢測在民航臺站地質監測中的應用

摘要：民用通信導航監視臺站受復雜地形影響，往往需要建設在山頂位置，而山體往往復雜多變，極易出現山體坍塌或地質形變，因此對臺站地形做實時監測很有必要。通過獲取山體的相關數據并采用基于橫向剖面的邊緣檢測算法，能夠較為直觀的檢測出山體形變的位置和形變量，獲取較好的地質形變信息，達到實時檢測的目的。給出的檢測方法操作簡單實用，可為民航對臺站監測研究提供思路和借鑒。

關鍵詞：橫向剖面;邊緣檢測;民航;臺站;地形監測;三維數字高程

中圖分類號：TP18 文獻標識碼：A

文章編號：1009-3044（2020）20-0218-03

Application of Profile Edge Detection in Geological Monitoring of Civil Aviation Statiom

Qiu Tao

（Civil Aviation Guizhou Atc Sub-Bureau . Guiyang 550012 ， China ）

Abstract ： Influened by complex terrain. civil communication navigation and monitoring stations often need to be built at the top ofthe mountain， while the mountain is often complex and changeable. which is prone to collapse or geological deformation， so it isnecessary to conduct real-time monitoring of the station terrain. By acquiring the related data of mountain and adopting the edgedetection algorithm based on the transverse section， the position and shape variahles of mountain deformation can be detected intui-tively， and the better geological deformation information can be obtained， so as to achieve the purpose of real-time detection. Thedetection method is simple and practical， which can provide ideas and reference for the civil aviation to the station monitoring re-search.

Key words ： transverse section ; edge detection ; civil aviation ; station ; terrain monitoring ; 3D digital elevation

貴州地區山地較多，而民航用于為飛機提供服務的通信導航監視臺站往往需要建設在山頂上，而復雜的地質條件往往會對臺站造成不利的影響，因此進行定期的監測研究十分必要。基于橫向剖面的邊緣檢測研究在山體滑波監測、地震地質災害、城市地表沉降等方面均有著廣泛的應用。

1形變研究數據的獲取和處理

研究對象為某一山體數據，該數據其實不難獲取，可通過網絡下載方式獲得，相關下載網站通過百度有很多。下載后需要進行后期的處理才能得到真正的邊緣檢測圖和三維數字高程圖。處理軟件為DORIS軟件，全稱為DelftObject-orien-tedRadar Interferometric、Software，是荷蘭Delft大學Kampes等人使用C++語言編寫的完全免費軟件，源代碼開放，方便研究者開發使用研究地表三維地形及地表形變。本文主要基于該軟件的形變干涉圖像生成模塊，將前面下載的數據進行處理得到干涉圖像以便于邊緣檢測研究。具體數據獲取和處理方法不在本次研究范圍，故不再贅述。

2剖面邊緣檢測與修正

剖面邊緣檢測研究最初起源于歐美，并且在我國有了一定的應用，這種方法被廣泛應用于火山、地震的監測預報中。剖面邊緣檢測主要包括縱向和橫向兩種研究方式，本次采用橫向邊緣檢測加以研究[1]。那么如何得到剖面呢，首先通過DORIS軟件處理下載的數據得到相位解纏圖像和三維數字高程模型（DEM）圖像，得到反映地表信息的三維數據圖像。圖1（a）為貴州南部某區山體的俯視圖，選取其為研究對象來分析山體形變;（b）圖為其生成的三維數字高程圖像，即反映實際地形高度細節信息的三維立體仿真圖像。

有了三維DEM圖像，為何還要進行橫向邊緣檢測呢？主要是因為一旦發生山體形變，DEM圖像不便于利用肉眼定位形變位置，故而需要進行檢測處理，提取形變邊緣。為了深入研究，將圖1作為對象開展剖面邊緣檢測，其中該山體高度為90m，底部直徑為200m，得到三維數字高程圖像后，利用邊緣檢測算法[2]可以得出0至90m上每10m間隔檢測一次的橫向剖面的山體邊緣（3D效果圖），如圖2所示。

形變前后得到的橫向剖面邊緣檢測圖像如圖3所示，其中（a）圖為形變發生前的橫向剖面檢測圖像，而（c）圖是形變后的橫向剖面檢測圖像，兩幅圖像的共同之處是圖像中心部分區域發生了漏檢現象，這是由于圖像像素原因得出的檢測不清晰、不明顯的情況。邊緣其實已經全部檢測出來了，只是未全部顯示出來。需要進行后期修正，將圖像轉換為灰度圖像并且將圖像中灰度值不為零的區域（白色區域）進行灰度值賦滿（灰度值為0），這樣可以清晰顯示所有區域。形變前后邊緣檢測圖像的修正圖像對應圖3的（b）圖和（d）圖。

3形變目標邊緣檢測對比分析

因圖像邊緣較為復雜，形變位置可能較多，加上邊緣位移形變量級可能從米級位移跨度到毫米級微小位移，肉眼無法較好察覺，于是需要進行形變目標的提取，形變目標邊緣檢測還需考慮到檢測的精度和效率的問題[3][4]。

從形變前后兩幅圖像中提取邊緣位置，并把整幅圖像的位置數據存入矩陣，方便進行誤差判定，這是在進行特征位置提取之前需要進行的重要一步。得到兩幅形變前后的邊緣檢測圖像一定會有誤差，通過判定該誤差是否為發生形變后期可忽略的程度，然后再考慮相關位置處的形變。具體操作時通過沒定閾值△S（此值無窮小），但實際操作時量級可以從毫米級到米級進行沒定。假如得到的誤差值大于此閾值，那么前面一系列檢測失效，需要改變原有檢測算法重新檢測。誤差判定理論原理圖如圖4所示。圖中坐標中心為（x0，y0），在形變前檢測到的條紋邊緣上任取一點（x1，y1），然后與坐標中心點做直線與形變后檢測到的條紋邊緣交于一點（x2，y2）。那么（x1，y1）與（x2，y2）之間的距離為S，那么對整幅圖像中所有的S取平均值得到S0。那么判定S0與給定閾值△S的大小即可，詳見公式1：

進行特征位置提取，在對兩幅圖像中的相同像素進行標記時需要忽略上述誤差，當S0小于閾值△S時，將相同位置的像素值賦值為255（白色），對于不同的像素區域且S0遠大于前面提到的閾值△S時，則進行位置標記，并把形變前后不同的位置存取進圖像中，最后進行位置特征提取，分離出形變前后的特征，具體操作參照公式2進行。其檢測算法流程圖如圖5所示。

公式2中I2（x，y）存取的是形變位置，圖像大小和原始的形變前后邊緣檢測圖像I（x，y）與I1（x，y）一致。M與N則是用來存儲提取出的特征的坐標值。

進行形變目標變化檢測[5][6]前先進行誤差判定，沒定形變誤差值△S為0.01m，將形變前后的橫向剖面圖分別進行圖像位置存取并代人公式2，結果為0.0015m，其值小于△S，滿足條件，形變前后所得檢測圖像可以進行形變提取分析。形變位置前后檢測結果如圖6所示，其中（a）和（b）分別為形變前后的橫向剖面邊緣檢測圖像，而（c）圖為經形變目標檢測算法檢測，定位到的三處形變位置[7][8]。

（a）形變前的山體橫向剖面邊緣檢測圖像

（b）形變后的山體橫向剖面邊緣檢測圖像

（c）經形變目標檢測定位到的幾處形變邊緣

（a）分離出的形變前的邊緣

（b）分離出的形變后的邊緣

根據圖6（c）圖，還不清楚到底山體是因為內部發生凸起還是凹陷引起的形變。因此我們將其進行分離，如圖7所示，其中（a）圖為分離得到的形變位置處的原始邊緣圖像，而（b）圖為分離得到的形變位置處的形變后的邊緣圖像。該山體在形變前后共發生三處形變，兩次山體凹陷和一次山體凸起，其中凹陷表明山體發生過向內擠壓變形或已經發生過山體滑坡，凸起說明山體結構松動，需要引起足夠重視。針對民航臺站，則需要重點關注地質變化對臺站設備造成的沖擊和影響，必要的話需要緊急對地基進行加固處理。

4結束語

形變剖面邊緣檢測研究對于預報和防治山體滑坡、泥石流等地質災害具有重要而現實的意義，同時針對民航臺站實時監測也提供了研究依據，本文只是給出了研究的一種理論方法，當然還有很多方法可以用來研究山體地質形變。需要指出的是本文的形變研究用到了他人的算法，算法的好壞有待于進一步研究落實，同時本章給出的形變結果僅是定性的檢測出山體的形變邊緣，形變量未定量給出，這也可以作為下一步研究的重點。

參考文獻：

[1]翁木云，何明一.圖像綜合特征及其在圖像檢測與匹配中的應用[J].中國圖象圖形學報，2007，12（1）：121-126.

[2] SMITH SM， BRADY JM. SUSAN——a new approach to low lev-el image processing [J].Joumal of Computer Vision， 1997， 23（1）：45-78.

[3]張坤華，王敬儒，張啟衡.多特征復合的角點提取算法[J].中國圖象圖形學報，2002（4）：124.

[4]萬興兵，周鳳星，張志堅.基于STM32的山體地質形變實時監測系統[J]自動化與儀表，2014，29（8）：29-32.

[5]沃斯潘諾夫.開采油氣田時山體形變作用的計算[J].內陸地震，1995，9（3）：303-311.

[6]李超.三維激光掃描技術在山體形變監測中的應用[J].測繪通報，2012（11）：98-99.

[7]白春鴻，程鋼，梁文旭，等.山體滑坡地表形變監測及穩定性分析[J].河南城建學院學報，2013，22（2）：24-27，43.

[8]付宏平.CPS技術在山體滑坡變形監測中的應用[J].山西建筑，2008，34（24）：351-352.

【通聯編輯：唐一東】

收稿日期：2020-03-02

作者簡介：邱濤（1986-），男，山東費縣人，碩士，工程師，主要研究方向：通信導航監視。