29] 否則，k'N(t) =k2N(t);
[0030] 由于曲率值較大的輪廓點通常反映了目標的顯著特征，根據(jù)k'U)將輪廓中所有 輪廓點劃分為特征點或非特征點，設定可變權值Τκ，通過判斷目標輪廓特征多少，自適應的 決定Τκ，
[0031 ]當 | k7 N(t) | <TK*max | k7 N(t) | 時，特征函數(shù) f(t) =0
[0032] 否則，特征函數(shù)f(t) = l;
[0033] 分類后所得到的特征點和非特征點的分布并不連續(xù)，無法選取濾波器對其進行有 效的輪廓平滑。為了得到較好的輪廓平滑效果，有必要對同類型的輪廓點進行合并處理。
[0034] 合并模塊：用于剔除由于噪聲干擾產(chǎn)生的偽特征點，以及對無法形成連續(xù)區(qū)域的 特征點和非特征點進行合并操作，從而得到有效的特征區(qū)域與非特征區(qū)域:選定一個起始 點〇,輪廓起始點向兩側(cè)延伸合并相鄰的點，以該起始點類型作為該區(qū)域預設類型，向兩側(cè) 延伸各SXy〇時停止，其中S為預設的最小長度，在此實施例中，S=17
為〇點處的實時曲率修正系數(shù)，代表〇點的曲率半徑，^'1代表由上述窗函數(shù)得到的〇 點的平均曲率半徑，實時曲率修正系數(shù)用于根據(jù)不同點的曲率不同，自動修正延伸長度， 曲率大的地方需要的長度小些，曲率小的地方需要的長度大些，這樣能有效減小合并后的 失真現(xiàn)象;分別計算兩側(cè)區(qū)域內(nèi)相異點的個數(shù)Ν+1和Ν-1，若相異點的個數(shù)小于設定的該類 型相異點最小個數(shù)，則該區(qū)域與預設類型相同，否則，與預設類型相反;再以兩個停止點〇 +1 和點0-1作為起始點重新開始計算，向外側(cè)延伸時停止，其中 代表點〇+1和點Ο-i處的實時曲率修正系數(shù)，〇 +1兩側(cè)區(qū)域內(nèi)相異點個數(shù)為Ν+2,0^兩側(cè)區(qū)域內(nèi) 相異點個數(shù)為Ν-2,根據(jù)上述判定條件，依次確定各段輪廓類型，長度不足S的部分根據(jù)其與S 的比例計算相異點個數(shù)，計入相應的特征區(qū)域;對相鄰的同類型區(qū)域進行合并，得到連續(xù)的 特征區(qū)域和非特征區(qū)域。
[0035]濾波模塊:乘性噪聲由于和圖像信號是相關的，隨圖像信號的變化而變化，采用維 納濾波來進行一級濾除，此時圖像信息還包含有殘余乘性噪音，通過F濾波器F(x，y)=qX exp(_(x2+y 2)/P2進行二級濾除，其中q是將函數(shù)歸一化的系數(shù)，即：JJqXexp(-(x2+y 2)/P2) dxdy = l，β為圖像模板參數(shù)；
[0036]乘性噪聲濾除后，含噪目標輪廓的弧長參數(shù)化方程表示為6〃(丨）'=6(〇+見(〇;假 設加性噪聲為高斯白噪聲:XN(t) ' = X(t)+gi(t，〇2)，yN(t) ' =y(t)+g2(t，〇2)，其中xN(t) ' 和 yN(t)'分別表示去除乘性噪聲后含噪輪廓上各點坐標，gl(t，〇 2)和g2(t，〇2)分別是均值為 零、方差為σ 2的高斯白噪聲，用于模擬含噪目標輪廓中的加性噪聲；
[0037] 采用函數(shù)k(t，a)=|e_g對含噪輪廓進行平滑，命名為Κ濾波器，經(jīng)過輪廓點分 σν2π 類和區(qū)域劃分，含噪輪廓GN(t)'表示為不同類型輪廓分段的組合AW'ufW + SArCt), 其中:Gf (t)表示包含特征區(qū)域的輪廓分段，GfF (t)表示包含非特征區(qū)域的輪廓分段，根據(jù) 輪廓特征分布選取K濾波器的參數(shù)，同時考慮全局特征和局部特征因素，在特征區(qū)域，為了 保留細節(jié)信息，令在非特征區(qū)域，關注抑制噪聲的效果，令 _σ > maX(a'，X _σ.〇.)，其中為先驗估算得到的全局方差，σ!為所選特征區(qū)域的先驗估算 方差，σ〇為所選非特征區(qū)域的先驗估算方差，為所選特征區(qū)域的平均實時曲率修正系數(shù)， Po為所選非特征區(qū)域的平均實時曲率修正系數(shù);為了達到較好的平滑效果，選取每種類型 區(qū)域最小長度S的一半作為K濾波器85%置信區(qū)間的長度，從而根據(jù)兩類區(qū)域的長度自適應 不同參數(shù)的K濾波器。
[0038] 在此實施例中，S = 17，閾值h = 0.24，窗函數(shù)寬度D e {7，9}，對噪聲強度I e {10dB，20dB}的含噪圖像有較好的平滑效果，隧道地質(zhì)監(jiān)控裝置通過目標輪廓識別目標，識 別過程中能有效濾除目標輪廓噪聲，對隧道地質(zhì)做出準確識別，極大提高了隧道作業(yè)安全 性。
[0039] 實施例2:-種能夠自主作業(yè)的隧道地質(zhì)監(jiān)控裝置，包括普通隧道地質(zhì)監(jiān)控裝置和 安裝在隧道地質(zhì)監(jiān)控裝置上的目標識別裝置，該隧道地質(zhì)監(jiān)控裝置具有很強的環(huán)境適應能 力，目標識別裝置能夠根據(jù)目標輪廓對目標進行識別，其特征是，包括建模模塊、分段模塊、 合并模塊和濾波模塊；
[0040] 建模模塊，用于建立目標輪廓的參數(shù)化方程:對于給定的目標輪廓G(t)，其弧長參 數(shù)化方程表示為G(t) = (x(t)，y(t))，其中x(t)和y(t)分別表示輪廓點的坐標，t表示輪廓 曲線方程的參數(shù)，且te[0，i];
[0041] 含噪輪廓的弧長參數(shù)化方程表示為AWOiGUHNKO+NVOGU)，其中加性噪 聲部分Ni(t)=Ni(xi(t)，yi(t))，乘性噪聲部分N2(t)=N2(X2(t)，y2(t));
[0042] 分段模塊，用于對輪廓的分段：目標輪廓G(t)和含噪輪廓GN(t)所對應的曲率分別 為k(t)和k N(t);由于受到噪聲的影響，含噪輪廓GN(t)上部分特征點的曲率值kN(t)不能準 確表示輪廓信息，為了得到準確的曲率，選寬度為De {10，12}的窗函數(shù)W(n)，對曲率kN(t) 進行鄰域平均，得到平均曲率kiN(t)，同時對窗口內(nèi)的曲率值排序，選定中值曲率k 2N(t)，將 平均曲率k1N⑴和中值曲率k2N⑴差的絕對值與選定的閾值1^ = 0.24進行比較，根據(jù)比較結 果決定含噪輪廓曲率k'UhBP:
[0043] 當 | kiN(t)_k2N(t) | >Τι時，k' N(t) =kiN(t)
[0044] 否則，V N(t) =k2N(t);
[0045] 由于曲率值較大的輪廓點通常反映了目標的顯著特征，根據(jù)k'U)將輪廓中所有 輪廓點劃分為特征點或非特征點，設定可變權值Τκ，通過判斷目標輪廓特征多少，自適應的 決定Τκ，
[0046] 當 | k7 N(t) | <TK*max | k7 N(t) | 時，特征函數(shù) f(t) =0
[0047] 否則，特征函數(shù)f(t) = l;
[0048] 分類后所得到的特征點和非特征點的分布并不連續(xù)，無法選取濾波器對其進行有 效的輪廓平滑。為了得到較好的輪廓平滑效果，有必要對同類型的輪廓點進行合并處理。
[0049] 合并模塊：用于剔除由于噪聲干擾產(chǎn)生的偽特征點，以及對無法形成連續(xù)區(qū)域的 特征點和非特征點進行合并操作，從而得到有效的特征區(qū)域與非特征區(qū)域:選定一個起始 點〇,輪廓起始點向兩側(cè)延伸合并相鄰的點，以該起始點類型作為該區(qū)域預設類型，向兩側(cè) 延伸各SXy〇時停止，其中S為預設的最小長度，在此實施例中S= 19:
為〇點處的實時曲率修正系數(shù)，^i代表〇點的曲率半徑，^^代表由上述窗函數(shù)得到的〇 點的平均曲率半徑，實時曲率修正系數(shù)用于根據(jù)不同點的曲率不同，自動修正延伸長度， 曲率大的地方需要的長度小些，曲率小的地方需要的長度大些，這樣能有效減小合并后的 失真現(xiàn)象;分別計算兩側(cè)區(qū)域內(nèi)相異點的個數(shù)Ν+1和Ν-1，若相異點的個數(shù)小于設定的該類 型相異點最小個數(shù)，則該區(qū)域與預設類型相同，否則，與預設類型相反;再以兩個停止點〇 +1 和點0-1作為起始點重新開始計算，向外側(cè)延伸時停止，其中 代表點〇+1和點0-i處的實時曲率修正系數(shù)，〇 +1兩側(cè)區(qū)域內(nèi)相異點個數(shù)為Ν+2,0^兩側(cè)區(qū)域內(nèi) 相異點個數(shù)為Ν-2,根據(jù)上述判定條件，依次確定各段輪廓類型，長度不足S的部分根據(jù)其與S 的比例計算相異點個數(shù)，計入相應的特征區(qū)域;對相鄰的同類型區(qū)域進行合并，得到連續(xù)的 特征區(qū)域和非特征區(qū)域。
[0050]濾波模塊:乘性噪聲由于和圖像信號是相關的，隨圖像信號的變化而變化，采用維 納濾波來進行一級濾除，此時圖像信息還包含有殘余乘性噪音，通過F濾波器F(x，y)=qX exp(_(x2+y 2)/P2進行二級濾除，其中q是將函數(shù)歸一化的系數(shù)，即：JJqXexp(-(x2+y 2)/P2) dxdy = l，β為圖像模板參數(shù)；
[0051]乘性噪聲濾除后，含噪目標輪廓的弧長參數(shù)化方程表示為GNUViGUHNKt);假 設加性噪聲為高斯白噪聲:XN(t) ' = X(t)+gi(t，〇2)，yN(t) ' =y(t)+g2(t，〇2)，其中xN(t) ' 和 yN(t)'分別表示去除乘性噪聲后含噪輪廓上各點坐標，gl(t，〇