基于可量测影像的井壁病害面积精确提取

董乐超 刘如飞 田茂义 侯海龙

(1.山东科技大学测绘科学与工程学院，山东 青岛 266590；2.青岛秀山移动测量有限公司，山东 青岛 266590)

基于可量测影像的井壁病害面积精确提取

董乐超1刘如飞1田茂义1侯海龙2

(1.山东科技大学测绘科学与工程学院，山东 青岛 266590；2.青岛秀山移动测量有限公司，山东 青岛 266590)

竖井井筒病害巡检是矿井安全监测的重要内容，高精度的病害面积提取为评估病害等级、研究病害发育等提供了有力的数据支撑。利用竖井井筒病害巡检系统对井壁原始影像进行拼接配准，可以得到带有空间坐标位置的粗精度井壁拼接图像。在此基础上，对这些影像利用竖井井壁罐梁分布特征取特征点并结合Givens变换求解纠正多项式进行分块空间纠正，得到高精度配准图像，最后通过计算机图形区域生长算法，提取病害图形得出高精度的病害面积数据，满足了实际应用的需要。

图像纠正 可量测影像 病害面积提取 图形自动识别

1 引言

竖井井筒的井壁巡检是矿井安全生产作业的重要保障，定期巡检可以排查出竖井井壁存在的各种井壁病害及安全隐患，保障矿井工作人员的人身安全。当前国内井筒巡检的工作方式有两种，一种是传统人工巡检方式进行井壁的巡检，另一种是利用井筒病害巡检系统进行自动化巡检。我们以井筒病害巡检系统的巡检影像数据为基础数据，研究如何利用可量测的井壁影像提取出高精度的病害面积数据，进而帮助井筒工作人员对病害进行定性定量的评估。

利用井壁影像进行病害面积的提取，需要解决两个技术难题，一个是对井壁原始影像的影像拼接，另一个是对拼接影像的配准纠正。本文研究如何对已拼接完成并进行了粗对准的井壁影像进行高精度的影像纠正。当前国内外对影像纠正方法的研究处于相对成熟的阶段，影像纠正涉及到的算法有Kriging插值法、最近差值法、双线性插值法、三次卷积插值法、Gauss变换、Givens变换、Householder变换、仿射变换[1]等。黄世存通过对比各纠正矩阵优劣得出Givens变换在1到5次多项式模型中都比较稳定[2]，张虹凌介绍了数字影像分块纠正的基本原理及方法[3]。郭金运通过对聚酯薄膜和纸质地形图与航摄数字影像将放射变换和相似变换进行对比分析，得出放射变换在地图数字化坐标换算中优于相似变换[4]。我们结合竖井井壁的实际情况，对比分析了各个纠正矩阵及方法的优劣，最终采用Givens算法结合基于罐梁特征点的竖井影像分块纠正方法，对竖井井壁影像进行高精度纠正。在纠正影像的基础上，进行计算机图形自动提取和面积自动计算，得到了基于影像的高精度病害面积数据。

本文详细介绍了竖井井壁病害获取高精度面积数据的作业流程，介绍了利用Givens算法和井壁罐梁特征点进行影像分块纠正的技术原理，并与传统作业方式进行了全面的试验对比分析。

2 问题分析

对已拼接的井壁影像进行影像纠正，不可避免的涉及到特征点的选取问题，在影像纠正的理论方法中，特征点的数量及分布状态直接影响影像最后的纠正精度。但对于几百米深的竖井井壁，病害位置具有随机性，人工获取病害实际位置需要极大的人力付出，因此通过人工获取大量病害特征点实际位置来解决井壁影像的纠正问题不能满足实际工程的需要。通过对国内竖井井壁结构的调研分析，我们发现井壁罐梁的分布均匀规律，且其位置随时间变化极小，在井壁影像中唯一具有一般规律性，可以作为特征点的取点对象。结合影像分部纠正的原理，利用Givens算法可实现对竖井井壁拼接影像的高精度纠正，从而可以获取高精度的病害面积数据。

3 井壁影像高精度面积提取技术

为了实现高精度井壁病害面积数据的提取，对巡检系统采集的原始影像处理流程如图1所示。

3.1 特征点选取

3.1.1 数据预处理

为得到完整拼接影像，以竖井分区牌限定区间深度范围及原始照片范围，并对分区采用基于外部参数的拼接方法。基本原理是已知竖井的深度、区间范围、采集的原始影像张数、巡检仪器下降速度、相机帧数等参数，根据巡检仪器下降的速度，采用速度模型计算出区间内每张影像对应的深度，然后对选取每个分区对应的影像进行图像拼接，并以区间深度对已拼接好的影像进行空间配准。

这样的操作方法的优点是能快速的对原始影像进行拼接配准处理，且区间端点处的空间位置相对准确。速度模型较适合匀速段区间，对于巡检系统加速及减速段难以精确模拟。非匀速巡检导致区间内部分区域的照片数量增多或减少，对拼接影像区间中间部分造成了压缩或延伸，使得拼接影像中间部分的空间位置精度相对偏低。因此，经过上述步骤我们可以得到精度偏低的可量测的分区井壁影像数据。

3.1.2 罐梁特征点选取

罐梁是矿井竖井结构中非常重要的组成部分，是竖井的肋骨。在竖井井壁中，罐梁辨识度较高、数量较多、且分布位置均匀，在竖井建设中以罐梁为井壁区间的分界，且其位置均为已知，并且分界罐梁装有标示牌。因此以罐梁为拼接图像中特征点选取的对象非常合适。在y轴方向上特征点选取区间多个不同的冠梁特征点，x轴方向上可选取同一冠梁与罐道的交叉节点。罐梁特征点及罐梁罐道交叉节点选取如图2所示：

3.2 竖井影像分块纠正

3.2.1 Givens变换

Givens变换基本形式：

变换矩阵为n×n矩阵，其中c=cosθ，s=sinθ，θ是一个实数。通过Givens变换可求解纠正模型拟合多项式系数，其实质为利用Givens变换求解最小二乘问题。设A∈Rn×m，用Givens变换将其进行QR分解，求得纠正多项式系数算法如下：

(1)输入矩阵A、i、k、c、s，j：=1；

a:=aij,b:=akj;aij:=ca+sb,akj:=-sa+cb；

(3)若j

3.2.2 影像分块纠正

以拼接图像30米为一个区间对井壁影像进行分块纠正。因巡检系统巷道为井筒电梯航道，行进方向为垂直y轴方向，工业相机摆放位置及角度固定。X轴方向由于相机的摆放位置和角度导致拍摄图片在x轴方向上存在压缩和延伸。在y轴方向上，30米区间粗配准完成了对区间端点处及其间所有相片的图片融合及配准，但由于巡检系统的移动速度不固定，相机拍摄帧数固定的因素，导致区间内部单位距离内所拍摄的相片数量不同，因此在粗配准图像拼接时会出现图一所示的状况，即图像内部区域y轴方向存在压缩或延伸。因此对井壁巡检系统影像纠正问题来说，x轴纠正多项式只与x坐标有关、y轴方向的纠正多项式只与y坐标有关，在纠正多项式构建中可利用此特性简化。竖井影像分块纠正的步骤如下：

(1)以30米为区间对粗拼接影像进行分块划分；

(2)在待纠正分区内取罐梁特征点实际位置点坐标(x,y)与特征点图像坐标(x0,y0)构建x轴和y轴的拟合多项式；

(3)利用Givens变换解最小二乘，求得拟合多项式系数；

(4)对分区图像利用纠正多项式换算坐标完成纠正；

(5)对其它分区重复上述(2)、(3)、(4)步骤。

单区间纠正效果如图3示：

3.3 面积提取

对井壁影像进行高精度配准之后，要对病害进行提取。利用系统交互界面获取井壁影像病害区域某点的像素值，通过区域生长算法获取病害图形边界，并创建病害矢量要素，实现对病害区域图形的自动识别。

病害矢量要素创建成功之后，可以利用积分计算病害图形的面积。获取的病害面积精度高，满足了实际需要。

4 实验对比分析

利用纠正后的高精度井壁影像进行病害面积提取，将获得的面积数据与人工测量传统方法进行对比分析。因区域生长算法提取的病害图形多为不规则图形，如图4所示，人工测量计算难以获取准确病害面积数据，因此我们以病害图形的外接矩形面积作为比较对象，以20处采集病害数据进行对比分析，结果如表1、表2所示。

由表1可以看出，利用高精度的影像纠正方法提取病害面积速度比传统人工井下测量速度提高了20倍，外接矩形面积精度达到了97%，满足了实际巡检作业的安全评估需求。

由表2可以看出，人工测量外接矩形面积与可测量影像外接矩形面积的数据吻合度在97%以上，利用可测量影像进行病害面积提取与人工井下测量获取的数据吻合度较高。因此，基于可量测影像进行病害面积的高精度提取技术相比传统人工测量具有：提取速度快、挖掘数据准、图形绘制精确、结果精度高等优点，满足了实际工程的需要。

面积提取方法单病害数据采集平均用时病害遗漏个数病害外接矩形面积精度人工井下测量10min299%影像纠正提取0.5min097%

表2 人工测量与自动提取病害区域外接矩形面积比较表

5 结束语

随着现代井筒病害巡检系统的发展，利用现代化的影像处理手段快速准确的获取井壁病害的高精度面积数据的方式将会逐渐取代传统人工井下测量方法。以影像的拼接、井壁罐梁特征点求纠正多项式、分块纠正、计算机图形识别和面积自动提取为技术路线的完整解决方案可以顺利的解决基于井壁影像进行病害面积的精确提取问题，基本满足实际工程的需要。但竖井影像纠正及高精度面积提取技术仍处于初步研究阶段，该技术路线仍存在一些问题：例如要进行分块的高精度影像纠正，罐梁特征点提取需要尽可能的多，并且需要准确的获取到区间各个罐梁的实际准确位置，对竖井的基本数据要求较高。

[1] 张租勋,张剑清. 数字摄影测量[M]. 湖北武汉:武汉测绘科技大学出版社, 1996.

[2] 黄世存, 章文毅, 何国金, 等.几种不同矩阵算法的遥感图形几何纠正效果比较[J]. 国土资源遥感, 2005,(3):18-23.

[3] 张虹凌.数字图像纠正的原理和方法[J]. 测绘与空间地理信息,2014,37(3):127-130.

[4] 郭金运,朱明法,徐泮林. 地图数据几何纠正时仿射变换与相似变换的对比分析[J]. 测绘通报,2001(4):23-27.

Shaft Disease Area Accurate Extraction Based on Scalable Image

DONG le-chao1LIU Ru-fei1TIAN Mao-yi1HOU Hai-long2

(1. College of Geomatics, Shandong University of Science and Technology, Qingdao Shandong 266590,China;2. Qingdao Xiushan Mobile Surveying Co.,Ltd., Qingdao Shandong 266590,China;)

Vertical Shaft disease inspection is an important part of mine safety monitoring and accurate disease area extraction provides a powerful data support for assessing disease levels, disease research and development.Vertical Shaft Measuring Diseases System splices and locates the borehole original image , to obtain a crude wall mosaic image with spatial precision coordinate position.We use the crown shaft wall beam distribution to take the feature point and Givens transformation solving polynomial correct and block space correct to get the precious image registration.At last, we get highly accurate disease area data by region growing algorithm, which meets the needs of practical applications.

image rectification；scalable image；disease area extraction ；graphics automatic identification

2016-06-16

P231.1

B

1007-3000(2016)06-4