基于相似度判定准则的边坡微变形监测方法及监测系统的利记博彩app
【技术领域】
[0001] 本发明属于微变监测技术领域，尤其是涉及一种基于相似度判定准则的边坡微变 形监测方法及监测系统。
【背景技术】
[0002] 边坡表面微变形的监测及实时报警至关重要，如露天煤矿边坡表面微变形进行监 测的微变监测及实时报警关乎到矿工生命安全的大事。实际对边坡表面微变形进行监测 时，主要是对因沉降产生的岩体裂变进行监测。目前，用于检测边坡表面微变形的仪器或方 法有：全站仪、收敛仪、光纤传感技术等，上述检测技术各具优势，但也均不同程度地存在缺 陷和不足，如：采用光纤传感技术进行边坡微变形检测时，将光纤植入到边坡内部是非常困 难的，而且检测的灵敏性需根据边坡属性进行建模分析；采用全站仪与收敛仪进行边坡微 变形检测时，测量前做大量工作，包括设置观测点，架设棱镜设备等，并且在测量过程中每 次只能对一个观测点的三维数据进行采集，需要逐点采集边坡表面到仪器的距离，对一面 不平整的边坡数据采集时工作量较大，需花费很长时间，而且很难做到实时、智能监测。
[0003] 近年来，图像处理技术与3D重建技术取得了快速发展。在图像处理领域，经验模 态分解（EMD)方法是一种具有自适应时频分辨能力的信号分析方法，而二维经验模态分解 (BEMD)方法是经验模态分解（EMD)方法的进一步推广且其是一种不依懒于基函数的数据 驱动的自适应方法，近几年二维经验模态分解（BEMD)方法也广泛用于图像多尺度分析。
[0004] 由于光学测量方法具有非接触、精度高等优点，因此其被广泛应用于三维测量领 域。在三维测量领域，动态、实时的三维测量是研究的难点。目前，被广泛应用的光学三维测 量方法有结构光投影法、立体视觉法、激光扫描法、激光干涉法、飞行时间法等。其中，激光 扫描法由于耗时较长，一般难以用于动态物体扫描；激光干涉法和共聚焦法对环境要求苛 亥IJ，设备复杂昂贵，一般用于特定行业的精密测量；而适用于动态实时监测的3D测量方法， 主要有ToF、全息成像法、结构光法和立体视觉法几类。
[0005] 针对现有边坡微变形监测方法存在的缺陷和不足，如能将3D重建方法与图像处 理方法相结合，应用于边坡微变形监测，便能有效解决现有边坡微变形监测方法及对应的 监测设备存在的监测难度大、费工费时、不能实现实时监测、监测效果较差等问题。另外，现 有边坡微变形监测方法及对应的监测设备还存在监测结果不准确的缺陷，如边坡上一块岩 石因松动而掉落时，因此时边坡表面并未出现微变形，若此时进行报警则很有可能产生虚 警。
[0006] 综上，现如今缺少一种设计合理、实现方便且使用效果好的基于相似度判定准则 的边坡微变形监测方法及监测系统，能对边坡微变形进行简便、实时、准确监测。
【发明内容】
[0007] 本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于相似 度判定准则的边坡微变形监测方法，其方法步骤简单、设计合理且实现方便、使用效果好， 能对边坡微变形进行简便、实时、准确监测。
[0008] 为解决上述技术问题，本发明采用的技术方案是：一种基于相似度判定准则的边 坡微变形监测方法，其特征在于该方法包括以下步骤：
[0009] 步骤一、图像采集及同步上传：采用图像采集设备且按照预先设定的采样频率f， 对监测区域的边坡表面图像进行采集，并将各采样时刻所采集的边坡表面图像同步传送至 图像处理设备；
[0010] 所述监测区域为边坡坡面上需进行微变形监测的区域，所监测区域划分为K个待 分析区域，K个所述待分析区域均为正方形且其大小均相同；其中，K为正整数且K多2 ;所 述边坡表面图像由K个区域图像组成，K个所述区域图像分别为K个所述待分析区域的图 像；
[0011] 所述图像采集设备的采样时刻，记作th，th= t i+Oi-1) X Δ t;其中，h为正整数且 h=l、2、3、···，&为所述图像采集设备的初始采样时刻，At为所述图像采集设备前后相 邻两次采样的时间间隔且A t = Ι/f ;
[0012] 步骤二、图像接收及同步处理：所述图像处理设备接收到图像采集设备各采样时 刻所采集的边坡表面图像后，对所接收的边坡表面图像同步进行处理，过程如下：
[0013] 步骤201、初始采样时刻采集的边坡表面图像处理：采用图像处理设备对初始采 样时刻图像采集设备采集的边坡表面图像进行处理，包括以下步骤：
[0014] 步骤2011、边坡表面图像存储：对当前接收到的边坡表面图像进行存储，并对该 边坡表面图像的采样时刻h进行记录；
[0015] 步骤2012、高程信息获取：调用图像处理模块对步骤2011中接收的边坡表面图像 进行处理，获得所述边坡表面图像上各像素点的高程数据，且所获得的所述边坡表面图像 上各像素点的高程数据为h时刻所述监测区域的高程信息；
[0016] 所述监测区域的高程信息包括K个所述待分析区域的高程信息，每个所述待分析 区域的高程信息均包括该待分析区域的区域图像上各像素点的高程数据；
[0017] h时刻所述监测区域的高程信息包括t i时刻K个所述待分析区域的高程信息；其 中，h时刻编号为k的待分析区域的高程信息，记作XkU1) ;k为所述待分析区域的编号，k 为正整数且k = 1、2、"·、Κ ;
[0018] 步骤2013、高程信息存储：对步骤2012中所获得的h时刻K个所述待分析区域的 尚程?目息，进行同步存储；
[0019] 步骤2014、相似度计算：根据公式 （1)，计算 得出心时刻所述监测区域的图像相似度乂111^1)，其中\2~上 1)￡(〇，1];式（1)中，知匕） 为h时刻编号为k的待分析区域的高程平均值；
[0020] 步骤202、下一个采样时刻采集的边坡表面图像处理：采用图像处理设备对下一 个采样时刻图像采集设备采集的边坡表面图像进行处理，包括以下步骤：
[0021] 步骤2021、边坡表面图像存储：对当前接收到的边坡表面图像进行存储，并对该 边坡表面图像的采样时间tD进行记录；其中，D为正整数且D多2 ;
[0022] 步骤2022、高程信息获取：按照步骤2012中所述的方法，获取tD时刻所述监测区 域的高程信息；
[0023] tD时刻所述监测区域的高程信息包括t D时刻K个所述待分析区域的高程信息；其 中，tD时刻编号为k的待分析区域的高程信息，记作Xk(tD);
[0024] 步骤2023、高程信息存储：对步骤2022中所获得的tD时刻K个所述待分析区域的 尚程?目息，进行同步存储；
[0025] 步骤2024、相似度计算：根据公式-
（2)，计 算得出tD时刻所述监测区域的图像相似度XaK(tD)，其中Xu K(tD) e (〇，1];式⑵中，Xk (tD)为tD时亥丨J编号为k的待分析区域的高程平均值；
[0026] 步骤203、微变形发生判断：将步骤2024中计算得出的tD时刻所述监测区域的 图像相似度X^K(tD)，分别与tD时刻之前各时刻所述监测区域的图像相似度进行比较：当 \rK(tD)与tD时刻之前各时刻所述监测区域的图像相似度之间的差值均不大于ε时，说 明从h时刻至t D时刻所述监测区域未发生微变形，之后返回步骤202,对下一个采样时刻 采集的边坡表面图像进行处理；否则，说明tD时刻所述监测区域发生微变形，所述图像处理 设备控制报警单元进行报警，并对发生微变形的tD时刻进行记录；
[0027] 其中，ε为预先设定的微变形报警阈值且ε =0.01~0.1。
[0028] 上述基于相似度判定准则的边坡微变形监测方法，其特征是：步骤2012和步骤 2022中进行高程信息获取时，调用图像处理模块且均按照三频彩色条纹投影三维测量方 法，获取所述边坡表面图像上各像素点的高程数据；步骤一中所采集的边坡表面图像为所 述监测区域的变形彩色条纹图；
[0029] 步骤一中进行图像采集及同步上传之前，先采用图像处理设备生成彩色条纹图， 该彩色条纹图的RGB三个颜色通道分别由低、中和高三种载频的正弦条纹生成；之后，再将 所述彩色条纹图经数字投影仪的RGB三个彩色通道同时投影至所述监测区域上；然后，采 用图像摄取设备拍摄所述监测区域的变形彩色条纹图；
[0030] 步骤2012和步骤2022中进行高程信息获取时，过程如下：
[0031] 步骤i、背景消减及颜色解耦：将图像采集设备采集的变形彩色条纹图中含高频 条纹的颜色通道与含中频条纹的颜色通道相减，得到高、低频复合的条纹图，再用二维经验 模式分解BEMD进行分解，分离高、中载频分量；同理，将所述变形彩色条纹图中含中、低频 率分量的颜色通道相减，得到中、低频复合的条纹图，再用二维经验模式分解BEMD分解得 到中、低载频分量；
[0032] 步骤ii、相位解调：用二维短时傅立叶变换解调，得到的高、中和低各载频分量包 裹相位；
[0033] 步骤iii、相位展开：用变精度去包裹算法按低、中和高载频分量依次完成包裹相 位展开，得到高频载频项的展开相位，由此展开相位恢复所述监测区域的高度。
[0034] 上述基于相似度判定准则的边坡微变形监测方法，其特征是：步骤203中所述图 像处理设备控制报警单元进行报警后，调用高程信息比较模块，对从h时刻至t D时刻K个 所述待分析分析区域的高程平均值分别进行比较，并根据比较结果，得出tD时刻发生微变 形的待分析区域；之后，所述图像处理设备输出tD时刻发生微变形的待分析区域的编号；
[0035] 其中，从h时刻至tD时刻K个所述待分析区域的高程平均值的比较方法均相同； 对从h时刻至t D时刻任一个待分析区域的高程平均值进行比较时，将t D时刻该待分析区 域的高程平均值分别与ti时刻至tD i时刻中各时刻该待分析区域的高程平均值进行差值比 较。
[0036] 上述基于相似度判定准则的边坡微变形监测方法，其特征是：步骤203中所述图 像处理设备控制报警单元进行报警之前，所述图像处理设备还需调用伪变形判断模块，对 tD时刻所述监测区域发生的微变形是否为伪变形进行判断，过程如下：
[0037] 步骤I、连续监测：按照步骤2021至步骤2024中所述的方法，对tD+1时刻至t D+E时 刻图像采集设备采集的边坡表面图像进行处理，并计算出各时刻所述监测区域的图像相似 度Xli2〃K(tF);其中，F为正整数且F= D+1~D+E;其中，tD+E-tD+1= ΔΤ，ΔΤ为预先设定的 连续监测时间；E为正整数且:
[0038] 步骤II、伪变形判断：将tD+1时刻至t D+E时刻中各时刻所述监测区域的图像相似 度XuK (tF)，分别与tD时刻之前各时刻所述监测区域的图像相似度X (th)进行比较：当 \rK(tF)与tD时刻之前各时刻所述监测区域的图像相似度X^ K(th)之间的差值均大于ε 时，说明tD时刻所述监