一种基于K均值聚类分析的图像落石体积测定方法

技术领域

本发明涉及数字图像处理技术领域，具体来说，涉及一种基于K均值聚类分析的图像落石体积测定方法。

背景技术

山体滑坡预警系统目前都采用监测仪器进行监测，传统的用于山体滑坡监测的方法大概有如下几种：常规大地测量法；液体静力水准测量、重力测量法；地下水位监测法；电测法、地下钻孔倾斜等。尽管这些方法都在山体滑坡预警方面起到了积极作用，但它们具有一些弊端，如受地形影响，不能连续观测，自动化程度不高，人力投入过大，数据不能实时处理等。

采用基于数字图像处理技术的监测方法则可以消除上述部分弊端，如无接触式测量，智能化程度高，成本低，可以实时预警等。在以落石作为预警信息的视频监测系统中，监测落石有无的同时，常常希望给出落石的具体测量参数，如体积。不同数量和不同大小的落石表征了不同程度的预警，甚至极小的落石可能只是虚警。因此，监测落石的同时，给出相应的体积测量参数意义及其重要。

基于图像处理算法的体积计算技术都是使用多个相机从不同角度拍摄，增大了成本，且实现困难；而基于单相机的技术则大部分是预先建立待测目标参数的模型库，然后通过不同算法进行匹配和拟合，不适用于落石的监测。

针对相关技术中的问题，目前尚未提出有效的解决方案。

发明内容

针对相关技术中的问题，本发明提出一种基于K均值聚类分析的图像落石体积测定方法，其基于落石在运动过程中随机滚动的考虑，利用不同图像序列的面积和名义高度参数建立落石目标不同姿态下体积数据的集合，并采用K 均值聚类算法对集合进行分簇，数量最大的簇即为真实体积的随机分布，由此估算出落石的体积。

本发明的技术方案是这样实现的：

一种基于K均值聚类分析的图像落石体积测定方法，包括：

通过预先搭建的视频采集系统采集落石视频图像，并对采集的落石视频图像的每帧图像进行落石检测，确定每帧检测后的落石二值图像；

根据确定出的每帧落石二值图像，确定所述每帧落石二值图像所对应的面积和名义高度；

根据所述面积和名义高度，计算落石目标的体积，并根据K均值聚类分析算法，对落石目标的体积集合进行聚类；

对聚类后的若干簇的元数数据进行统计，并根据统计结果，确定出数目最多的簇，并根据该簇，估算落石目标的体积，其中，估算的方法为取簇中所有元数的均值。

进一步的，上述基于K均值聚类分析的图像落石体积测定方法还包括：

在通过预先搭建的视频采集系统采集落石视频图像之前，对所述视频采集系统进行相机标定。

进一步的，在通过预先搭建的视频采集系统采集落石视频图像之前，对所述视频采集系统进行相机标定包括：

将预先配置的两标志物置于山体上，促使两标志物连线位于视场水平方向，并测定两标志物的实际距离；

更换两标志物的实际位置，促使两标志物连线位于视场垂直方向，并测定两标志物的实际距离；

根据上述水平方向上的实际距离和垂直方向上得实际距离，确定视频采集系统中，每像素所表示的实际长度，并根据该实际长度对视频采集系统进行相机标定。

进一步的，所述落石检测的方法包括基于背景差分法和目标特征检测算法。

进一步的，根据确定出的每帧落石二值图像，确定所述每帧落石二值图像所对应的面积包括：

对单个落石目标进行像素的遍历，其中，像素的数据即为当前帧落石的面积。

进一步的，根据确定出的每帧落石二值图像，确定所述每帧落石二值图像所对应的名义高度包括：

根据确定出的每帧落石二值图像，计算落石目标图像的惯性矩；

根据所述落石目标图像的惯性矩，确定落石目标图像的长轴值和短轴值；

根据所述长轴值和所述短轴值，确定所述长轴值和所述短轴值的均值，并将该均值作为所述名义高度。

本发明的有益效果：本发明以数字图像处理技术和模式识别技术为基础，采用单相机、无接触式测量技术，利用不同图像序列的面积和名义高度参数建立落石目标不同姿态下体积数据的集合，并采用K均值聚类算法对集合进行分簇最终估算落石的体积。该算法无需提前建立待测目标参数的模型库，图像处理算法简单高效。

具体实施方式

下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。

根据本发明的实施例，提供了一种基于K均值聚类分析的图像落石体积测定方法，包括通过预先搭建的视频采集系统采集落石视频图像，并对采集的落石视频图像的每帧图像进行落石检测，确定每帧检测后的落石二值图像；根据确定出的每帧落石二值图像，确定所述每帧落石二值图像所对应的面积和名义高度；根据所述面积和名义高度，计算落石目标的体积，并根据K均值聚类分析算法，对落石目标的体积集合进行聚类；对聚类后的若干簇的元数数据进行统计，并根据统计结果，确定出数目最多的簇，并根据该簇，估算落石目标的体积，其中，估算的方法为取簇中所有元数的均值。

进一步的，上述基于K均值聚类分析的图像落石体积测定方法还包括：在通过预先搭建的视频采集系统采集落石视频图像之前，对所述视频采集系统 进行相机标定。

进一步的，在通过预先搭建的视频采集系统采集落石视频图像之前，对所述视频采集系统进行相机标定包括：将预先配置的两标志物置于山体上，促使两标志物连线位于视场水平方向，并测定两标志物的实际距离；更换两标志物的实际位置，促使两标志物连线位于视场垂直方向，并测定两标志物的实际距离；根据上述水平方向上的实际距离和垂直方向上得实际距离，确定视频采集系统中，每像素所表示的实际长度，并根据该实际长度对视频采集系统进行相机标定。

进一步的，所述落石检测的方法包括基于背景差分法和目标特征检测算法。

进一步的，根据确定出的每帧落石二值图像，确定所述每帧落石二值图像所对应的面积包括：对单个落石目标进行像素的遍历，其中，像素的数据即为当前帧落石的面积。

进一步的，根据确定出的每帧落石二值图像，确定所述每帧落石二值图像所对应的名义高度包括：根据确定出的每帧落石二值图像，计算落石目标图像的惯性矩；根据所述落石目标图像的惯性矩，确定落石目标图像的长轴值和短轴值；根据所述长轴值和所述短轴值，确定所述长轴值和所述短轴值的均值，并将该均值作为所述名义高度。

为了方便理解本发明的上述技术方案，以下通过具体工作原理和工作方式，对本发明的上述技术方案进行详细说明。

第一步  相机标定

搭建视频采集系统，将两标志物置于山体上，且两标志物连线位于视场水平方向，测定两标志物的实际距离L_w，视频图像上两标志物的质心坐标分别为(x₁，y₁)和(x₂，y₂)；更换两标志物的位置，使之连线位于视场垂直方向，测定两标志物的实际距离为L_h，视频图像上两标志物的质心分别为(x₁’，y₁’)和(x₂’，y₂’)；则视频图像中，每像素表示的实际长度d表示为：

$d=\frac{L_w/\sqrt{{(x_1-x_2)}^2+{(y_1-y_2)}^2}+L_h/\sqrt{{({x_1}^{\prime }-{x_2}^{\prime })}^2+{({y_1}^{\prime }-{y_2}^{\prime })}^2}}{2}$

第二步  图像处理及落石检测

采用图像处理技术对每帧图像进行预处理及落石检测。落石检测采用基于背景差分法技术与目标特征技术相结合的算法实现，每帧检测后的落石二值图像为f(i，j)；

第三步  落石目标参数计算

对每帧落石二值图像f(i，j)进行面积s及名义高度h的计算。

对单个落石目标进行像素的遍历，像素的数目即为当帧落石的面积s。

名义高度h为一虚拟值，其定义为落石的体积V与其图像投影面积s的比值，在本发明中，当帧的名义高度对应落石某一投影面积，用长轴D_max和短轴D_min的均值表示。首先计算落石目标图像的惯性矩M：

$M=\underset{(i,j)}{\Sigma }[{(i-C_x)}^2+{(j-C_y)}^2]$

式中，i和j分别表示落石目标在图像上的横坐标和纵坐标；∑表示求和操作符号；C_x和C_y分别表示落石目标图像的重心横坐标和纵坐标，用下式表示，

$C_x=\frac{\mathrm{\Sigma i}}{s}$

$C_y=\frac{\mathrm{\Sigma j}}{s}$

长轴D_max和短轴D_min用如下式表示：

$D_{\max }=2\sqrt{(2M+\sqrt{{4M}^2-s^4/{\pi }^2})/s}$

$D_{\min }=2\sqrt{(2M+\sqrt{{4M}^2-s^4/{\pi }^2})/s}$

当帧的名义高度则可以近似表示为

$h=\frac{D_{\max }+D_{\min }}{2}$

第四步  落石目标体积计算

当同一落石目标参数计算满足20帧后，可以计算其体积。20帧面积和名义高度存储集合为{s₁，s₂，s₃...s₂₀}和{h₁，h₂，h₃...h₂₀}。目标体积集合V表示为：

{s₁h₂，s₁h₃...s₁h₂₀，s₂h₁，s₂h₃...s₂₀h₁，s₂₀h₁₉}，

体积集合数量为380。

采用K均值算法对目标体积集合进行聚类，k取值为3，具体为

将s₁h₂，s₂h₁，s₃h₁作为簇初始化中心点，计算集合每个体积元素点与中心 点的距离，将体积元素点分类到与中心最近的簇中；

重新计算每个簇的质心，并将质心作为中心点，重复a步骤；

重复步骤a和b，直至两次中心点的误差小于固定值ε；

对3个簇的元素数目进行统计，数目最多的簇表示为：

{v₁，v₂，v₃...v_m} 

其中m表示元素数量。以此簇进行体积的估算，估算方法为取簇中所有元素的均值，结果v_g表示如下：

$V_g=\underset{j=0}{\overset{j=m}{\Sigma }}\left(V_j\right)/m$

式中，j表示簇中元素的序列号。将结果变换成实际大小V_r

V_r＝V_g×d³

至此，实现了基于K均值聚类分析的图像落石体积测定方法。

综上所述，借助于本发明的上述技术方案，通过以数字图像处理技术和模式识别技术为基础，采用单相机、无接触式测量技术，利用不同图像序列的面积和名义高度参数建立落石目标不同姿态下体积数据的集合，并采用K均值聚类算法对集合进行分簇最终估算落石的体积。该算法无需提前建立待测目标参数的模型库，图像处理算法简单高效。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。