基于高分遙感圖像處理技術的公路勘查方法研究

魏 清,陳錦文

(陜西省交通規劃設計研究院有限公司,陜西 西安 710000)

0 引言

隨著國家經濟實力、科學技術的發展,我國公路建設的規模與日俱增。公路不僅與人們的日常出行息息相關,還對我國各地區的經濟、文化、交流等起到重要的推進作用。但是目前的公路勘查技術還存在各種問題,如對公路信息獲取不準確、無法有效排除環境對勘查設備的影響、勘查設備采集到的信息無法及時傳輸到用戶手中造成信息滯后等。因此,對公路狀態的實時勘查極其重要。

為了解決公路信息勘測的問題,國內外的相關技術文獻提供了多種方案。文獻[1]通過常規形式的無人機攝影進行公路勘查。這種方案在正常情況下能夠準確地對公路進行勘查,但是無法排除強光、云霧等因素的干擾,難以有效應對惡劣天氣下的公路勘查。文獻[2]著重設計高速數據傳輸通道。雖然這種方案采用無線數據傳輸技術實現了信息遠程傳遞,使系統工作效率大幅提高,但是在出現傳輸通道不兼容的問題時難以保證數據信息傳輸的及時性。文獻[3]設計了公路勘查數據的分析系統,應用了深度神經網絡實現了公路勘查影像數據的分類與計算,并通過全卷積網絡(fully convolutional network,FCN)對影像像素進行分類,在圖像語義分割中實現了先進的性能。但是這種方案無法實現多種數據信息的同步采集,在處理信息時易受到外界因素的影響。

針對上述方案的不足,本文研究了一種基于高分遙感圖像處理技術的公路勘查方法。該方法的創新點如下。首先,該方法采用基于微波的遙感勘查技術,融合了數據圖像處理技術、數據傳輸技術等,能夠實現公路勘查的智能化、數字化,提高了公路勘查信息的采集與處理能力。其次,該方法設計了一套雙行采樣的圖像采集電路,在采集公路信息的過程中能夠有效地抵抗外界數據信息的干擾,從而提高公路勘查信息獲取的純潔度。最后,該方法采用了暗通道先驗模型去云霧技術,在惡劣天氣下對公路信息進行勘查時能夠有效排除云霧等不利因素的影響,提高了公路遙感勘查過程中抗天氣影響的能力。

1 基于高分遙感技術的公路信息勘查系統

基于上述設計思路,本文的基于高分遙感圖像處理技術的公路勘查方法能夠實現公路勘查技術的遠程無線數據通信,有效保證了勘查數據信息獲取的及時性[4]。

基于高分遙感技術的公路信息勘查系統結構如圖1所示。

圖1 基于高分遙感技術的公路信息勘查系統結構

由圖1可知,基于高分遙感技術的公路勘查系統在硬件結構上包括數據勘查控制中心、無線數據傳遞模塊、數據分析模塊等。該系統的整體工作流程如下。首先,由高空設備(無人機、雷達等)通過微波勘查的方式采集公路狀態信息。然后,這些信息會通過基于雙行采樣的信息傳輸設備,在保真的前提下傳輸至太空衛星。衛星內置圖像處理核心,將接收到的公路圖片通過暗通道先驗模型進行去云霧、降噪等處理。接著,處理過的圖片經信號轉接裝置傳輸到控制中心。控制中心會根據Storm系統(一種分布式實時大數據處理系統)集群的大數據庫及數據解析單元對圖片進行分析,由此判斷公路狀態。最后,控制中心將分析后的數據上傳至通信服務器中供用戶調用,并保存這些新的數據以更新數據庫,從而便于后續調用[5]。

2 基于雙行采樣的圖像信息采集技術

在無人機群組進行公路信息采集的過程中,為了保證高分遙感裝置采集到的圖像不受自身電源頻率、外部磁場等因素的干擾而產生圖像噪點,并提高圖像數據信息的采集能力,雙行采樣電路設置了雙行采樣模塊。

雙行采樣電路如圖2所示。

圖2 雙行采樣電路圖

由圖2可知,雙行采樣電路由兩個OP07運算放大器通過電阻、電容連接組成。OP07是一種低噪聲、非斬波穩零的雙極性運算放大集成電路,具有輸入偏置電流信號低、開環增益高的特點。雙行采樣模塊的工作通過開關進行控制。S1～S8是開關。雙行采樣電路的采樣過程為:首先將S4閉合,以使信號輸入端接地;然后將2號輸入端口的S1閉合,以實現復位信號的采樣;最后將1號輸入端口的S2閉合,以實現對積分后信息的采樣。在工作過程中:首先,將右側失調儲存電路中的S6閉合,以實行復位工作;然后,將雙行采樣電路連接運放輸入端口以及輸出端口,以形成單位負反饋電路。在完成采樣任務以后,系統需試驗光信號減去復位信號的任務。這時,需要將S3閉合以使2號輸入端接地[6],并將完成采樣任務后的輸入信號以及復位信號之間的差值輸送到輸出端。在這個差值進行輸送的過程中,閉合S5進行接地、閉合S8使電容接入,并斷開復位S6。由根電荷守恒定律可知,上述差值會被輸送到運放的輸出端。兩個放大器中間通過R1、R2、C3、C4的配合作用對電壓、電流進行處理,以保證信號不會產生失真[7]。

雙行采樣電路實現數據信息采集后,提高了圖像信息的采樣能力,避免了圖像數據信息在傳輸過程中產生的數據丟失問題。這可以有效避免因采樣誤差帶來的損失,從而保證公路勘查工作的正常、穩定進行[9]。

3 去云霧技術及大數據分析方案

3.1 暗通道先驗模型去云霧技術

在進行公路遙感勘測的過程中有時會遇到云霧天氣,但是云霧不會完全阻礙勘測內容的信息傳輸。因此,可以通過云霧圖像處理實現信息恢復。本文設計了暗通道先驗模型去云霧技術。暗通道是大部分無云霧圖像的天空區域,圖像像素至少含有一個亮度值特別低的顏色通道。這個亮度值幾乎為0。暗通道先驗模型去云霧技術不僅能夠提高云霧去除能力,還能夠提高外界數據影響因素分析的能力。

暗通道先驗模型的構建方法如下。

首先,設置霧靄形成模型:

I(x)=J(x)t(x)+A[(1-t(x)]

(1)

式中:I(x)為實際的有霧圖像幀;J(x)為去霧后的原視頻幀;A為全球大氣光成分;t(x)為太陽光通過媒介被無人機采集到的無散射部分(介質傳輸率),0≤t(x)≤1。

其次,對于任意自然場景的無霧圖像的J(x),其暗通道滿足:

(2)

式中:Jdark(x)為無霧圖像在紅綠藍(red green blue,RGB)三個顏色通道的暗原色。

在以I(x)為中心的局部鄰域內,將式(2)代入式(1),可得:

(3)

式中:ω為調整因子,滿足0<ω<1。

ω越小,則去霧效果越不明顯。

最后,將式(3)代入式(1),可得:

(4)

式中:J′(x)為最后求得的去云霧圖像。

多尺度修正暗通道算法流程如圖3所示。

圖3 多尺度修正暗通道算法流程圖

由無人機群組勘查到的公路圖像信息中的高頻成分主要包含圖像的輪廓細節。本文通過均勻放大的形式來增減圖像被云霧遮掩的輪廓信息。對圖像信息處理后的高頻部分可以表示為:

Hf=aHi

(5)

式中:Hi為圖像信息中的高頻部分;Hf為對圖像信息處理后的高頻部分;a為一個大于1的自然數。

當Hf的取值為0時,被云霧遮掩的輪廓信息被去除;當Hf的取值介于0和1之間時,數據信息仍舊存在,但是不會影響整個圖像數據處理過程;當Hf的取值大于1時,該值應該進一步去除。去除時要對高頻信息部分進行均勻放大,從而提高圖像信息純潔度。

低頻部分的處理為:通過遙感技術采集到含有云霧的圖像部分主要分布在圖像的低頻部分,因此需要對低頻部分進行暗通道先驗處理。暗通道先驗處理中可能會受A選取的方式不同而造成誤差。下面將對A的取值進行修正[10]。

A的計算方法如下。

①設置邊緣擴展長度k,將采集到的云霧圖像J以及暗通道Jdark順著邊緣進行對稱的向外延伸。如果圖像的所有通道的原始尺寸都為m×n,那么進行邊緣擴展后的圖像尺寸就變成了(m+2k)×(n+2k)。

②將尺寸為(2k+1)×(2k+1)的窗口滑塊在擴展后的圖像上從左上角滑動到右下角。這樣,J以及Jdark就會被分成許多的補丁塊對。

③將暗通道先驗算法中計算A的方法應用在對應的補丁塊對中。這樣就可以得到相關區域最精確的大氣光的成分值。

④通過平滑濾波算法對A的值進行平滑運算。這有利于目視解譯。平滑濾波是低頻增強的空間域濾波技術,可以消除圖像的噪點,使輸出的圖像變得清晰[11-12]。

通過以上步驟就可以得到最終消去云霧的勘查圖像,大幅提升圖像處理能力。

3.2 基于Storm系統的高分遙感圖像分析算法

為了提高Storm系統高分遙感圖像準確度分析和處理能力、公路勘查信息的計算和分析能力,本文設計了基于Storm的實時數據分析技術。Storm有容錯高、低延時、易擴展、不易丟失信息等特點,廣泛應用在數據分析、計算等方面。

為了加快公路勘探數據的處理速度、提高準確率,本文設計了數據處理規劃 (data processing planning,DPP)和單工作節點調度(single node schedule,SNS)的任務調度算法。DPP算法可以使用戶以更大的自由度進行數據調度,并且準確分析所有工作節點的使用狀況。而SNS算法可以優化工作節點的工作進程。

基于Storm系統的數據分析流程如圖4所示。

圖4 基于Storm系統的數據分析流程圖

3.2.1 DPP算法設計

①計算不同拓撲信息Ti(i=1,2,…,t)的所有組件(內存、磁盤、網絡、中央處理器等)Cij(i=1,2,…,t;j=1,2,…,c)。其并發程度之和為Sumexec。

(6)

②按照需求分別計算每種類型的組件的權重:

Weight(Rtype)=

(7)

式中:Rtype為某類型的數據資源。

③根據Ti所需要的工作進程數,處理其余的不同工作進程數量。計算結果需要向下取整。

Numworker(Rtype)=[Weight(Rtype)×w]

(8)

取整之后,SlotSxy(x=1,2,…,n;y=1,2,…,s)按由高到低的順序進行排序。

④將需要的資源為Rtype的任務程序中的執行器Eijk(i=1,2,…,t;j=1,2,…,c;k=1,2,…,e)按照輪流查詢的方法,對其嚴格平均并將相應資源分配到資源為Rtype的SlotSxy(x=1,2,…,n;y=1,2,…,s)上。

通過以上步驟就可以實現對數據分析處理進程的優化。

3.2.2 SNS算法設計

①將所有的工作節點Nx(x=1,2,…,n)分別按照自身可用工作節點接口的數量以降序的形式排列,從而形成一個長度為n的工作節點序列。如果i

fslots(Ni)≥fslots(Nj)

(9)

②分別對Ti(i=1,2,…,t)自身所需要的進程數量按照依次減少的方式排列,就可以形成一個長度為t的拓撲序列。如果i

fworkers(Ti)≥fworkers(Tj)

(10)

③從第一個拓撲序列的第一個工作項目開始,將第一個項目配發給工作節點序列中的第一個。這時可能會產生以下兩種不同的情況。

第一種情況:如果fworkers(Ti)≤Tslots(Nx),代表配發成功,就可以將fslots(Nx)的值更新為fslots(Nx)-fslots(Ni),并將所得結果重新添加到工作節點序列中進行排列。

第二種情況:如果fworkers(Ti)>fslots(Nx),則需要將其配發給較少的工作節點,將fworkkers(Ti)的值更新為fworkkers(Ti)-fslots(Mx),再重復對第一個項目進行配發,并將其配發給工作節點序列中接下來的一個節點。

通過這種數據調度方法,能夠有效地提升本文方法對公路高分遙感勘查圖像的數據分析能力,從而針對勘查內容完成實時大數據分析的任務。

4 試驗與分析

為了驗證本文方法在云霧去除以及數據分析方面的性能,本文進行了相關試驗。試驗選用Matlab 2019軟件進行數據信息仿真。分析系統主機處理器為E5700@3.00 GHz。安裝內存為8.00 GB。操作系統為Windows10。驅動器為ST3320410SV ATA Device。顯示適配器為Intel(R) G33/G31 Express。

試驗系統框架結構如圖5所示。

圖5 試驗系統框架結構

試驗在云霧天氣下分別采用文獻[1]～文獻[3]方法與本文方法進行對比,通過分析主機來模擬衛星的圖像處理能力。處理后的圖像數據經網絡服務器傳輸后,以數據信息的形式呈現在數據終端,供用戶查看公路勘查結果。為了微觀化分析本文方法的技術效果,本文通過圖像特征點對比來判斷處理后圖像的標準率。

(11)

式中:P為標準率;Np為優化后的云霧圖像特征點數;No為晴天圖像標準特征點數。

在試驗過程中,本文將多種方法處理后圖像的特征點數量進行對比,以直觀表示出云霧圖像特征點個數與標準圖像的特征點個數。幾種方法處理后圖像的特征點數量對比如表1所示。

表1 幾種方法處理后圖像的特征點數量對比

由表1可知:文獻[1]方法處理后的圖像標準率波動過大,表示該方法無法有效地對云霧圖像進行優化;文獻[2]方法處理后的圖像標準率最終穩定在70%左右;隨著特征點個數的增加,本文方法處理后的云霧圖像標準率達到85%。該結果表明,本文方法有著良好的去云霧能力,能夠很好地滿足實際公路勘查的需要。

幾種方法處理相同數據量耗時對比如表2所示。

表2 幾種方法處理相同數據量耗時對比

由表2可知各方法處理數據能力的強弱。

①文獻[1]和文獻[3]所設計的方法處理數據所花費的時間隨著數據量的增長而大幅增長。

②文獻[2]花費時間要比文獻[1]和文獻[3]少得多。

③本文方法在處理相同大小的數據量所花費的時間最少。

5 結論

針對公路勘查過程中的高分遙感技術的圖像獲取、分析以及傳輸三個過程中存在的問題,本文不僅設計了雙行信息采樣電路以及信息保真電路來保證公路勘查圖像數據信息的準確性,還設計了基于暗通道先驗模型的去云霧技術以獲得更加準確的圖像信息。

此外,本文在圖像信息處理技術的基礎上研究了基于Storm系統的數據傳輸算法,實現了數據的高效傳輸以及數據分析。實際試驗對比表明,本文方法在優化圖像和去除圖像云霧干擾的能力上優于其余幾種方法,并且在處理數據的速度上也有很大的優勢。本文方法具有較高的應用價值。