剖面边缘检测在民航台站地质监测中的应用

摘要：民用通信导航监视台站受复杂地形影响，往往需要建设在山顶位置，而山体往往复杂多变，极易出现山体坍塌或地质形变，因此对台站地形做实时监测很有必要。通过获取山体的相关数据并采用基于横向剖面的边缘检测算法，能够较为直观的检测出山体形变的位置和形变量，获取较好的地质形变信息，达到实时检测的目的。给出的检测方法操作简单实用，可为民航对台站监测研究提供思路和借鉴。

关鍵词：横向剖面;边缘检测;民航;台站;地形监测;三维数字高程

中图分类号：TP18 文献标识码：A

文章编号：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

贵州地区山地较多，而民航用于为飞机提供服务的通信导航监视台站往往需要建设在山顶上，而复杂的地质条件往往会对台站造成不利的影响，因此进行定期的监测研究十分必要。基于横向剖面的边缘检测研究在山体滑波监测、地震地质灾害、城市地表沉降等方面均有着广泛的应用。

1形变研究数据的获取和处理

研究对象为某一山体数据，该数据其实不难获取，可通过网络下载方式获得，相关下载网站通过百度有很多。下载后需要进行后期的处理才能得到真正的边缘检测图和三维数字高程图。处理软件为DORIS软件，全称为DelftObject-orien-tedRadar Interferometric、Software，是荷兰Delft大学Kampes等人使用C++语言编写的完全免费软件，源代码开放，方便研究者开发使用研究地表三维地形及地表形变。本文主要基于该软件的形变干涉图像生成模块，将前面下载的数据进行处理得到干涉图像以便于边缘检测研究。具体数据获取和处理方法不在本次研究范围，故不再赘述。

2剖面边缘检测与修正

剖面边缘检测研究最初起源于欧美，并且在我国有了一定的应用，这种方法被广泛应用于火山、地震的监测预报中。剖面边缘检测主要包括纵向和横向两种研究方式，本次采用横向边缘检测加以研究[1]。那么如何得到剖面呢，首先通过DORIS软件处理下载的数据得到相位解缠图像和三维数字高程模型（DEM）图像，得到反映地表信息的三维数据图像。图1（a）为贵州南部某区山体的俯视图，选取其为研究对象来分析山体形变;（b）图为其生成的三维数字高程图像，即反映实际地形高度细节信息的三维立体仿真图像。

有了三维DEM图像，为何还要进行横向边缘检测呢？主要是因为一旦发生山体形变，DEM图像不便于利用肉眼定位形变位置，故而需要进行检测处理，提取形变边缘。为了深入研究，将图1作为对象开展剖面边缘检测，其中该山体高度为90m，底部直径为200m，得到三维数字高程图像后，利用边缘检测算法[2]可以得出0至90m上每10m间隔检测一次的横向剖面的山体边缘（3D效果图），如图2所示。

形变前后得到的横向剖面边缘检测图像如图3所示，其中（a）图为形变发生前的横向剖面检测图像，而（c）图是形变后的横向剖面检测图像，两幅图像的共同之处是图像中心部分区域发生了漏检现象，这是由于图像像素原因得出的检测不清晰、不明显的情况。边缘其实已经全部检测出来了，只是未全部显示出来。需要进行后期修正，将图像转换为灰度图像并且将图像中灰度值不为零的区域（白色区域）进行灰度值赋满（灰度值为0），这样可以清晰显示所有区域。形变前后边缘检测图像的修正图像对应图3的（b）图和（d）图。

3形变目标边缘检测对比分析

因图像边缘较为复杂，形变位置可能较多，加上边缘位移形变量级可能从米级位移跨度到毫米级微小位移，肉眼无法较好察觉，于是需要进行形变目标的提取，形变目标边缘检测还需考虑到检测的精度和效率的问题[3][4]。

从形变前后两幅图像中提取边缘位置，并把整幅图像的位置数据存入矩阵，方便進行误差判定，这是在进行特征位置提取之前需要进行的重要一步。得到两幅形变前后的边缘检测图像一定会有误差，通过判定该误差是否为发生形变后期可忽略的程度，然后再考虑相关位置处的形变。具体操作时通过没定阈值△S（此值无穷小），但实际操作时量级可以从毫米级到米级进行没定。假如得到的误差值大于此阈值，那么前面一系列检测失效，需要改变原有检测算法重新检测。误差判定理论原理图如图4所示。图中坐标中心为（x0，y0），在形变前检测到的条纹边缘上任取一点（x1，y1），然后与坐标中心点做直线与形变后检测到的条纹边缘交于一点（x2，y2）。那么（x1，y1）与（x2，y2）之间的距离为S，那么对整幅图像中所有的S取平均值得到S0。那么判定S0与给定阈值△S的大小即可，详见公式1：

进行特征位置提取，在对两幅图像中的相同像素进行标记时需要忽略上述误差，当S0小于阈值△S时，将相同位置的像素值赋值为255（白色），对于不同的像素区域且S0远大于前面提到的阈值△S时，则进行位置标记，并把形变前后不同的位置存取进图像中，最后进行位置特征提取，分离出形变前后的特征，具体操作参照公式2进行。其检测算法流程图如图5所示。

公式2中I2（x，y）存取的是形变位置，图像大小和原始的形变前后边缘检测图像I（x，y）与I1（x，y）一致。M与N则是用来存储提取出的特征的坐标值。

进行形变目标变化检测[5][6]前先进行误差判定，没定形变误差值△S为0.01m，将形变前后的横向剖面图分别进行图像位置存取并代人公式2，结果为0.0015m，其值小于△S，满足条件，形变前后所得检测图像可以进行形变提取分析。形变位置前后检测结果如图6所示，其中（a）和（b）分别为形变前后的横向剖面边缘检测图像，而（c）图为经形变目标检测算法检测，定位到的三处形变位置[7][8]。

（a）形变前的山体横向剖面边缘检测图像

（b）形变后的山体横向剖面边缘检测图像

（c）经形变目标检测定位到的几处形变边缘

（a）分离出的形变前的边缘

（b）分离出的形变后的边缘

根据图6（c）图，还不清楚到底山体是因为内部发生凸起还是凹陷引起的形变。因此我们将其进行分离，如图7所示，其中（a）图为分离得到的形变位置处的原始边缘图像，而（b）图为分离得到的形变位置处的形变后的边缘图像。该山体在形变前后共发生三处形变，两次山体凹陷和一次山体凸起，其中凹陷表明山体发生过向内挤压变形或已经发生过山体滑坡，凸起说明山体结构松动，需要引起足够重视。针对民航台站，则需要重点关注地质变化对台站设备造成的冲击和影响，必要的话需要紧急对地基进行加固处理。

4结束语

形变剖面边缘检测研究对于预报和防治山体滑坡、泥石流等地质灾害具有重要而现实的意义，同时针对民航台站实时监测也提供了研究依据，本文只是给出了研究的一种理论方法，当然还有很多方法可以用来研究山体地质形变。需要指出的是本文的形变研究用到了他人的算法，算法的好坏有待于进一步研究落实，同时本章给出的形变结果仅是定性的检测出山体的形变边缘，形变量未定量给出，这也可以作为下一步研究的重点。

参考文献：

[1]翁木云，何明一.图像综合特征及其在图像检测与匹配中的应用[J].中国图象图形学报，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]张坤华，王敬儒，张启衡.多特征复合的角点提取算法[J].中国图象图形学报，2002（4）：124.

[4]万兴兵，周凤星，张志坚.基于STM32的山体地质形变实时监测系统[J]自动化与仪表，2014，29（8）：29-32.

[5]沃斯潘诺夫.开采油气田时山体形变作用的计算[J].内陆地震，1995，9（3）：303-311.

[6]李超.三维激光扫描技术在山体形变监测中的应用[J].测绘通报，2012（11）：98-99.

[7]白春鸿，程钢，梁文旭，等.山体滑坡地表形变监测及稳定性分析[J].河南城建学院学报，2013，22（2）：24-27，43.

[8]付宏平.CPS技术在山体滑坡变形监测中的应用[J].山西建筑，2008，34（24）：351-352.

【通联编辑：唐一东】

收稿日期：2020-03-02

作者简介：邱涛（1986-），男，山东费县人，硕士，工程师，主要研究方向：通信导航监视。