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