基于无人机红外遥感和边缘检测技术的采动地裂缝辨识.pdf

第4 6 卷第2 期 2 0 2 1 年2 月 煤炭学报 J O U R N A LO FC H I N AC O A LS O C I E T Y V 0 1 ．4 6N o ．2 F e b ．2 0 2 l 量≯蓦 x i 美蓦※≥羞营‘；．基_ ； _ 誊i ； _ 誊。彗二j - 薹薰黍蘩豢| | 攀{ 壤黎攀| | 鬻i _ _ ※搿※※．．尊Ⅲ≯■※※。※疆，※．。。；尊羹羹_ 基于无人机红外遥感和边缘检测技术的 采动地裂缝辨识 赵毅鑫1 ’2 ，许多1 ’3 ，孙波1 ’2 ，姜耀东1 ⋯，张村1 ’2 ，何祥1 ’2 1 ．中国矿业大学 北京 共伴生能源精准开采北京市重点实验室，北京1 0 0 0 8 3 ；2 ．中国矿业大学 北京 能源与矿业学院，北京l 0 0 0 8 3 ；3 ．中 国矿业大学 北京 力学与建筑工程学院，北京1 0 0 0 8 3 摘要西部矿区煤层赋存条件好，开采强度高，上覆岩层破坏严重，易诱发采空塌陷和地裂缝等灾 害，造成地表生态损伤，甚至诱发遗煤自燃，威胁煤矿安全生产。为快速、及时、准确地识别地裂缝， 提出了基于无人机红外遥感及图像边缘检测技术的地裂缝识别方法。以神东矿区上湾煤矿1 2 4 0 1 工作面为工程背景，对工作面上方地裂缝发育观测区域进行全天候监测，获取了不同时刻的红外图 像，并对不同时刻红外图像中裂缝、沙子、植被的温度信息以及裂缝长度进行了统计和分析。运用 多种边缘检测方法及提出的改进边缘检测算法，对采集的典型红外图像进行地裂缝检测，评价了不 同边缘检测方法的裂缝检测效果。对比分析了不同时刻地裂缝检测结果，给出了针对研究条件下 无人机红外遥感技术识别地裂缝的最佳时间窗口。研究结果表明基于无人机搭载红外相机及边 缘检测技术可有效识别采矿导致的地裂缝；夜间相比于白天，地裂缝更易被识别，特别是3 o o 一5 0 0 ，地裂缝的识别效果最佳。提出的改进边缘检测算法的P r a t t 品质因数 P F o M 值为0 ．5 7 1 ，检测 性能优于文中其他边缘检测方法；1 0 0 ～5 0 0 和1 9 o o ～2 3 0 0 ，地裂缝边缘检测结果优于其他时 间，检测结果中噪声较少，裂缝边缘清晰突出；其中尤以3 o o ，5 0 0 时的地裂缝检测效果最好。 关键词无人机；红外图像；地裂缝；边缘检测；裂缝识别 中图分类号P 2 3 1文献标志码A文章编号0 2 5 3 9 9 9 3 2 0 2 1 0 2 0 6 2 4 1 4 I n v e s t i g a t i o no ng r o u n d6 s s u r ei d e n t i 6 c a t i o nu s i n gU A Vi n f ．r a r e dr e m o t e s e n s i n ga n de d g ed e t e c t i o nt e c h n o l o g y Z H A OY i x i n l ，- ，X UD u 0 1 一，S U NB 0 1 ”，J I A N GY a o d o n 9 1 一，Z H A N GC u n l ，- ，H EX i a n 9 1 ，2 0 1 ．B e 吗堍K e ，￡n b o r o ￡o q j o rP r e c 讧eM 访i n g0 Jl n ￡e r g r o 埘nE n 宅r g ，c m dl “s o u ，c e s ，c h i n oU n i t 】e r s n y 嘭M t n i n g 吐以j l ’c h n o l o g ，L B e 醯i n 9 1 。8 e 醯i n g、Q O l 瑚。 吼i 肌；2 ． o 甜∥E 唧秽＆膨n i 凡gE 增i n 阳 n g ，m i M ‰觇乃妙旷胧n i 昭肌d ‰ 加z o g y 曰e 讲凡g ，B e 咖昭1 0 0 0 8 3 ，c i M ；3 ．S 如o o zo ， ‰ n 凡如 C 如甜魄i 船e n g ，c 机o ‰i 睨巧i ￡y 旷胁n i 昭Ⅱ蒯死幽加f 9 9 y 彬昭 ，既讲昭1 0 0 0 8 3 ，铂i M A b s t r a c t T h ew e s t e mm i n i n ga r e ai nC h i n ah a sg o o dc o a ld e p o s i tc o n d i t i o n s ，h i g hm i n i n gi n t e n s i t ya n ds e r i o u sd a m a g et oo v e r l y i n gs t m t a ，w h i c hc a ni n d u c eg o a fc o l l a p s e ，g r o u n dn s s u I ℃sa n de c o l o g i c a ld e s t m c t i o no nt h es u r f a c e ．】Ⅵo r e o v e r ，t h es p o n t a n e o u sc o m b u s t i o no fr e s i d u a lc o a la l s oo c c u r S ，w h i c hc a nt h r e a tt h es 一．e t yo fc o a Im i n ep r o d u c t i o n ．T 0 c o l l e c tt h ei n f b n n a t i o no fm i n i n g - i n d u c e dg m u n d6 s s u r e sq u i c k l y ，t i m e l ya n da c c u r a t e l y ，am e t h o dt oi d e n t i f ，g m u n d 收稿日期2 0 2 0 一1 2 1 4修回日期2 0 2 卜0 卜1 9责任编辑钱小静D o I l O ．1 3 2 2 5 ／jc nk i ．j c c s ．x R 2 0 ．1 9 4 8 基金项目国家自然科学基金资助项目 5 1 8 7 4 3 1 2 ，5 1 8 6 1 1 4 5 4 0 3 ；中国矿业大学 北京 越崎杰出学者资助项目 2 0 1 7 J C B 0 2 作者简介赵毅鑫 1 9 7 7 一 ，男，河南洛阳人，教授，博士生导师，博士。T e l 叭O 一6 2 3 3 1 1 8 9 ，E m a j l z h a o y x c u m lb ．e d u ，c n 引用格式赵毅鑫，许多，孙波，等．基于无人机红外遥感和边缘检测技术的采动地裂缝辨识[ J ] ．煤炭学报，2 0 2 1 ，4 6 2 6 2 4 6 3 7 ． Z H A 0Y i x i n ，X UD u o ，S U NB o ，e ta 1 ．I n v e s t i g a t i o no “g m u n df i s s u r ei d e n t i f i c a t i o nu s i “gU A Vi n ‰dr e m o t e s e n s i n ga J l de d g ed e L e c f i o nt e c h n o l o g y [ J ] ．J o u m a lo fC h i n ac o a ls o c i e l y ，2 0 2 l ，4 6 2 6 2 4 6 3 7 ． 移动阅读 万方数据 第2 期赵毅鑫等基于无人机红外遥感和边缘检测技术的采动地裂缝辨识 6 s s u r e sw a sp r o p o s e db a s e do na nu n m a n n e da e “a lV e h i c l e U A V e q u i p p e dw i t ha ni n f t a r e dc a m e r aa n di m a g ee d g e d e t e c t i o nt e c h n o l o g y ．T a k i n gt h ew o r k i n gf ．a c eN o ．1 2 4 0 lo ft h eS h a n g w a nc o a lm i n ei nS h e n d o n gm i n i n ga r e aa st h e e n g i n e e r i n gb a c k g r o u n d ，ar o u n d - t h e - c l o c km o n i t o r i n go fg r o u n d6 s s u r ed e V e l o p m e n ta r e aa b o V et h ew o r k i n gf a c ew a s c o n d u c t e d ，a n ds o m ei n f h r e di m a g e sa td i f 玷r e n tt i m e sw e r eo b t a i n e d ．T h et e m p e r a t u r ei n f o H n a t i o no f6 s s u r e ，s a n d ， V e g e t a t i o na n dt h el e n 昏ho f6 s s u r ei ni r I f h r e di m a g e sa td i f 亿r e n tt i m e sw e r es t a t i s t i c a l l ya n a l y z e d ．AV a r i e t yo fe d g e d e t e c t i o nm e t h o d sa n dt h ep I ．o p o s e di m p m v e de d g ed e t e c t i o nm e t h o dw e r eu s e dt od e t e c tt h e6 s s u r e si nt h et y p i c a li n - f r a r e di m a g e ，a n dt h e6 s s u r ed e t e c t i o nr e s u l t sw e r ee v a l u a t e d ．B yc o m p 撕n ga n da n a l y z i n gt h er e s u l t so f6 s s u r ed e t e c t i o na td i f 亿r e n tt i m e s ，t h eo p t i m a lt i m ef o ri d e n t i f y i n gt h eg r o u n df i s s u r e sb yU A Vi n f h r e dr e m o t es e n s i n gt e c h n o l o g y u n d e rt h ec o n d i t i o n ss t u d i e di nt h i sp a p e rw a sg i v e n ．T h er e s u l t ss h o wt h a ta nU A Ve q u i p p e dw i t ha ni n f r a r e dc a m e r a a n de d g ed e t e c t i o nt e c h n o l o g yc a nb eu s e dt oi d e n t i f ，m i n i n g - i n d u c e dg r o u n df i s s u r e se f f e c t i v e l y ．C o m p a r e dw i t ht h e d a y t i m e ，t h eg r o u n d6 s s u r e sa I ．ee a s i e rt ob ei d e n t i f i e da tn i g h t ，e s p e c i a l l yd u r i n g3 0 0a n d5 0 0 ．T h eP r a t t ’s6 9 u r eo f m e r i t P F b M V a l u eo ft h ei m p I ．o v e de d g ed e t e c t i o nm e t h o di s0 ．5 71 ．C o m p a r e dw i t ht h eo t h e re d g ed e t e c t i o nm e t h - o d s ，t h i sm e t h o dh a sag o o dd e t e c t i o ne f f e c tf o rg r o u n df i s s u r e s ．F m m1 0 0t o5 0 0 锄d1 9 0 0t o2 3 0 0 ，t h er e s u l t so f 6 s s u r ed e t e c t i o na r eb e t t e rt h a nt h o s eo fo t l l e rt i m e s ．T h en o i s ei nt h ed e t e c t i o nr e s u l t si sl e s s ，a n dt h ee d g e so ft h ef i s - s u r e sa r ec l e a r l yp r o m i n e n t ．E s p e c i a l l yt h e6 s s u r e sd e t e c t i o ne f k c ta t3 0 0a n d5 0 0a r et h eb e s t ． K e yw o r d s u n m a n n e da e “a lv e h i c l e U A V ；i n f h r e di m a g e r y ；g r o u n df i s s u r e s ；e d g ed e t e c t i o n ；i d e n t i f y i n g6 s s u r e s 我国西部地区大多属于干旱半干旱地区⋯，长 期处于水资源短缺、土地荒漠化的威胁之下。同时， 西部地区是我国主要的产煤地区，根据国家统计局 2 0 1 9 年数据，内蒙古、山西、陕西和新疆4 地的原煤 产量占全国原煤总产量的7 5 ％左右。西部矿区煤炭 资源赋存普遍具有埋藏浅、厚度大、基岩薄和松散层 厚的特点心qJ ，煤炭开采条件优越。多数矿井采用大 采高、放顶煤等采煤工艺，具有明显的高产、高效和高 强度开采特点，地下开采引起的地表沉陷和地裂缝次 生灾害尤为严重M 。7J 。地表沉陷和地裂缝不但造成 地面房屋开裂倒塌，导致经济损失，甚至诱发采空区 遗煤自燃及煤田火灾【8 。10 | 。因此，快速、及时、准确获 取地裂缝信息，不仅可对上覆岩层运移规律分析提供 数据支撑，而且可为煤矿安全生产和矿区环境综合治 理提供支撑。 目前，国内外学者使用多种方法对地裂缝进行实 地监测研究，如野外调查、G P S 或G N S S 等卫星定位 技术⋯。13 | 、合成孔径雷达干涉测量技术 I n S A R ‘1 4 叫5 l 、激光扫描技术‘1 3 ’”。1 63 和遥感技 术[ 1 1 ’1 3 J 7 。1 9 1 等。虽然野外调查和G P s 卫星定位技术 精度较高，但劳动强度大，成本较高ⅢJ 。I n s A R 技术 易受时间失相干、空间失相干等因素的影响，当地面 变形量过大时易出现相位解缠困难或相位失相 关引。激光扫描技术要求扫描仪与目标之间的通 视，其扫描范围受地形条件限制。高精度的扫描仪价 格昂贵，监测成本相对较高。卫星遥感技术通过对地 面遥感影像的解译获取地裂缝的分布，但其分辨率往 往不足以识别小型裂缝ⅢJ 。无人机遥感技术具有分 辨率高、机动灵活、效率高、运行成本低等显著优 势心卜2 2 。，但目前在地裂缝识别方面取得应用的多为 可见光相机，易受云雾等天气因素影响，且不能全天 候监测。红外线的波长大于可见光，其穿透性较可见 光更强，受外部环境的影响较小【2 3 | 。红外相机对具 有明显红外热特性的物体和区域敏感，具有较好的目 标探测能力心3 。川。自然界一切温度高于绝对零度的 物体都能发射红外辐射，且物体温度越高，其红外辐 射强度往往越强。地裂缝处的空气受地底深处相对 恒温且潮湿的条件影响，其温度与地表的温度之间具 有明显差异，从而可被红外相机识别。B A R O N 等哺1 使用无人机和红外热像仪对岩石边坡和悬崖上的开 放型地表裂隙进行了观测，但对煤矿开采导致的地裂 缝红外辨识研究仍鲜有报道。 无人机红外图像精准辨识需要依靠图像边缘检 测等技术，该技术是数字图像处理、模式识别、计算视 觉的重要基础。边缘是图像最基本的特征，它包含了 图像中目标的骨架信息。准确的边缘信息为后续更 高层次的目标识别、特征描述等提供依据。近年来， 图像的边缘检测技术已被学者广泛应用于图像分 割‘2 6 。2 7 1 、运动检测‘2 8 1 、人脸识别‘圳和目标跟踪‘3 03 等 领域。典型的图像边缘检测方法主要有R o b e n s 算 子‘3 、S o b e l 算子‘3 2 1 、P r e w i t t 算子‘3 3 1 、C a n n y 算 子懈J 、L a p l a c i a n 算子L 3 5 I 、拉普拉斯高斯算子 L o G ∞6 。、基于数学形态学的边缘检测旧7 ‘3 9 J 、小波变 换和小波包变换的边缘检测法㈣。43 | 、蚁群理论的检 测方法Ⅲ1 等。目前，基于边缘检测方法的裂缝检测 主要应用于公路裂缝检测及混凝土裂隙检测。如 万方数据 煤炭 学报 A B D E L 等。4 ’采用边缘检测方法识别和检测桥梁的 裂隙。0 L I V E I R A 等一6 。提出了一种用于裂缝自动检 测和表征的集成系统，用于检测道路路面裂缝。而将 边缘检测方法和红外热像结合，应用于检测采矿诱发 地裂缝的研究仍较少。 笔者使用无人机搭载高清红外相机埘内蒙古自 治区鄂尔多斯市上湾煤矿1 2 4 0 l 工作面卜力‘地裂缝 发育区域进行针对性、全天候监测，获取了1 2 个不同 时刻红外图像数据。在前人研究的基础上，筛选并优 化了地裂缝提取算法，并对不同时刻红外罔像内不同 地物类型的温度信息进行统汁和分析，对彳i 同时刻地 7 』。柱状厚度／m层深椭 风干51 砂 9 ．2 I9 ．2 l 粉砂7 ．。_ ．．。j t I 0 ．8 9l O1 0 细粒砂7 。 2 3 ．5 33 36 3 柑 t 砂 ⋯一／ 3 ．4 23 70 5 砂质泥 当’当‘ 2 02 l5 72 6 一f 】粒砂7 6 ．9 06 4 ．16 籼粒砂7 9 96 6 ．1 5 砂J 贞w E _-_● 4 3 ．12 1 0 9 ．2 7 自i I } t 砂7 二 45 9l l3 ．8 6 籼粒砂 二二6 1 17 4 1 2 56 0 籼十t 砂7 2 27 01 4 8 ．3 0 l f l } t 眇7 7 5 0 ．0 0 砂几曩泥7 ●●●●●●● 29 015 2 ．9 0 料【} t 砂7 ●●● 93 8 1 6 2 2 8 砂坝泥， ●●●●●●● ●●●●2 l9 0 l8 4 ．18 钏} t 砂7 ．‘．。．。．f 1 41 61 9 8 ．3 4 砂J 贞泥7 _。 粉砂7 ●●●●●●● 2 ．7 92 0 l1 3 6 ．9 82 0 8 ．1 1 砂』贞泥转 9 92 l Ol O 细} t 砂 80 72 18 ．17 泥7 1 ．7 52 l9 ．9 2 l _ 2 煤94 42 2 9 ．3 6 泥7 2 92 3 06 5 粉砂 19 9 2 3 2 ．6 4 砂顷泥 49 32 3 7 ．5 7 裂缝提取结果进行对比，旨在找出在特定条件下兀人 机红外遥感技术对煤矿塌陷区地裂缝识别的最佳时 问窗口，为煤矿塌陷区大面积地裂缝无人机快速以别 和治理奠定基础。 l 地裂缝监测试验 1 ．1 工程背景 通过无人机搭载红外相机临测体系对神东矿区 f 湾煤矿1 2 4 l 大采高工作面地裂缝进行监测，观测 区位置如图l 所示。该煤矿位于内蒙古自治Ⅸ鄂尔 多斯市东部，其地形特征呈两北高、东南低的斜坡状。 图l 1 2 40 1l 作面井上卜．刈照陶及综合钻孔札状 F 皤ls I 肌㈣一L m d e r g r o L l l l I l ‘ ⋯t r a s tp l a na n 1 ‘川l } 艄 ‘o l L Ⅲ1 1 1 ‘J f l 2 4 0 I 、v o l ’k j l l gf j 上湾煤矿采用大采高长壁开采方法。1 2 4 0 l 综 采工作面是1 2 煤四盘区首采面，东侧为尚未圈定的 1 2 4 0 2 综采工作面；南侧为井⋯边界；两侧为规划设 汁的1 2 4 1 2 综采工作面，尚未开始掘进；北侧为井田 边界，与补连塔井田相邻。综采工作面沿倾向布置， 走向长度2 9 9 ．2m ，推进长度52 5 4 ．8m ，采高8 ．8m ， 该综采工作衙地面标高为l l8 8 ～l3 0 0n ，，煤层底板 标高为l0 4 3 ～l0 6 6m ，1 2 4 0 lL 作面井r 卜 对照图 及钻孑L 柱状罔如图1 所示。 1 ．2 监测设备 为实现地裂缝可见光及红外观测，采用大蕊无人 机 M 6 0 0 h ， 、高清红外相机 r r a u 2 6 4 0 R 以及可见光 相机 z E N M u s Ez 3 ，设备具体参数见表l 。其中，高 清红外相机用于采集地表沙子、植被和地裂缝等目标 的热辐射信息；z 31 1 J 。见光相机则用于采集高分辨率地 裂缝图像，以对比验证红外监测地裂缝结果。 1 ．3 监测方案 为获得地裂缝最佳观测图像，采用无人机搭载高 清红外相机在伞灭不同时间点 1 0 0 ，3 0 0 ，5 0 0 ，7 0 0 ，9 0 0 ，1 1 0 0 ，l3 0 0 ，1 5 0 0 ，1 7 0 0 ，1 9 0 0 ，2 l 0 0 ， 2 3 0 0 ，时问问隔2h 对地表某一固定裂缝区域进行 1 2 次观测，观测时拍摄高度1 5m ，观测季节为春季。 f J 标观测区选择在1 j 作面推进2 3 8m 处正上方地表， 采用石灰绘制边界的正方形区域。该区域中有一条 约3m 长的主裂缝F l ，还有数条短而不连续的裂缝。 为检验红外图像精度，每次航拍前1 0m i n ，人工测量 沙子表面的温度并取平均值，记录每次测量时风速大 小、 万方数据 第2 期赵毅鑫等基于无人机红外遥感和边缘检测技术的采动地裂缝辨识 6 2 7 采用无人机搭载高精度可见光相机采集目标观 测区的可见光图像作为红外图像的参考，采集时间为 7 0 0a m ，如图2 所示 分辨率为o ．3c m ／像素 。为 核验可见光图像精度，在同一高度 1 5m 对地表一 直径1 8c m 的圆形卷尺外壳进行可见光图像采集，结 果如图3 所示 分辨率为0 ．3 2c n ／像素 。图2 中裂 缝F 1 最大实测宽度为1 2 ．5c m ，通过统计图2 中裂 缝F l 最宽处的像素数目，计算其最大宽度并与实测 值进行对比；同时统计图3 中卷尺外壳横向、纵向直 径的像素数目，得出其计算长度与实际直径长度进行 对比，以评价可见光图像的精度和可靠性。 2 地裂缝监测结果及分析 2 ．1 不同时间点地裂缝红外图像特征 使用专业软件V i e w s e r i 2 ．3 ．1 从1 2 个不同监测 时刻所采集的图像序列中，分别选取1 2 个时刻的目 标观测区红外图像，使其具有大致相同的方向和分辨 率，选取的红外图像如图4 所示。图4 中黑色方块是 预先放置的尺寸参照物，其大小为4 5c m 4 5c m 。根据 图4 中尺寸参照物占据的像素数量，计算出各自的分 辨率分别为1 ．5 5 ，1 ．6 1 ，1 ．5 0 ，1 ．5 0 ，1 ．5 0 ，1 ．5 5 ，1 ．5 0 ， 1 ．5 0 ，1 ．6 1 ，1 ．5 0 ，1 ．6 1 ，1 ．5 0c Ⅱ∥p i x e l 。 万方数据 6 2 8 煤炭 学报 割27 0 0 目标观测Ⅸ的【叮见光图像 2 2 1 年第4 6 卷 訇3 J 5r n 航高下圆形卷』t 外壳成像 b 13 O e 19 0 fk 12 1 O 斟4 不同时刻观测区红外【冬I 像 c15 7 2 3 0 万方数据 第2 期赵毅鑫等基于无人机红外遥感和边缘检测技术的采动地裂缝辨识 6 2 9 从1 0 0 5 0 0 和1 9 0 0 ～2 3 0 0 ，地裂缝和植物 呈亮白色，代表其温度较高；而沙子呈黑色，代表温度 较低，如图4 a ～ c 和图4 j 一 1 所示。图 4 d 一 i 展示了7 O o ～1 7 0 0 的观测区地表的红 外图像，可以看出地裂缝和沙子的颜色和亮度差异性 不明显，即此阶段红外相机对地裂缝的识别效果较差 或不能识别。9 0 0 ～1 5 0 0 期间，地裂缝颜色主要为 黑色、暗色，亮度较低，沙子的亮度较高，表现出裂缝 温度低于沙子的特征，如图4 e 一 h 所示。需要 说明，观测区域边界线因使用白石灰圈定，其吸热能 力较低，均呈现低温特征。 对比不同时段采集的红外图像发现3 0 0 ～5 0 0 的红外图像更清晰，地裂缝信息更完整。而7 0 0 和 1 7 0 0 的红外图像监测效果最差，地裂缝图像色温非 常接近沙子，这使得裂缝很难与周围物体区分。因 此，在较大温差下采集图像，可以获得较好的地裂缝 监测效果。 2 ．2 地裂缝辐射温度特征及规律 通过不同时段记录的地表风速和表层沙子温度 计算红外图像沙子温度的误差，评估红外图像温度精 度，计算结果见表2 。 表2 不同时刻风速大小和人工测量温度及其与 图像提取温度的误差 T a b I e2W i n ds p e e d s 粕dm a n u a Im e a s u r e dt e m p e r a t u r e s o fs u l l h c es a n da n dt h ee r r o r sb e t w e e nt h e ma n dt h a t e x t r a c t e df r 0 I ni n f r a r e di m a g e s 图像温度与人工测量温度之间的误差基本呈现 随风速增加而增加的趋势。在无风条件下，即5 0 0 和7 0 0 ，2 者之间误差较小，绝对误差分别为0 ．1 4 ℃ 和0 ．0 4c C ，相对误差为1 ．8 2 ％和0 ．2 4 ％，此时红外 图像精度较高；低风条件下 风速≤2 ．5m ／s ，如1 0 0a m ，绝对误差均小于4 ℃，相对误差在1 0 ％以下， 此时红外图像精度可达l o ．1 ℃；风速较大时，如 1 7 0 0 时，风速为4 ∥s ，绝对误差和相对误差均较 大，此时采集红外图像精度较差。 除地裂缝外，观测区内主要的地物类型为沙子和 植被。为消除位置不同造成的轻微温度差异影响，使 用专业软件M a x l mD L5 在红外图像内裂缝F 1 、沙子 和植被处分别随机提取3 0 个样本像素，计算这些样 本像素的温度平均值，并据此计算裂缝F 1 和沙子、植 被之间的温差，计算结果见表3 。 表3 不同时刻裂缝F 1 、沙子和植被的温度和温差 T a b l e3T e m p e r a t u r ea n dt e m p e r a t u r ed i f f e r e n c 髑b e t w e e n F 1 ，s a n da n dV e g e t a t i o na td i 仃e r e n tt i m e 根据表3 中数据，1 0 0 ～3 0 0 ，裂缝F 1 、沙子和 植被的温度变化不明显。而3 0 0 ～5 0 0 ，裂缝F 1 、沙 子和植被的温度出现了明显的下降，均降至1d 内最 低温度值，分别为1 3 ．2 6 ，8 ．0 4 ，1 0 ．9 5 ℃。7 0 0 以 后，由于太阳升起，温度相对前一时刻有明显的升高， 且随着太阳辐射强度和太阳高度角的增加，温度持续 增加。1 3 0 0 时，裂缝F 1 、沙子和植被的温度达到1d 内最大值，分别为4 3 ．1 9 ，5 1 ．3 3 和2 9 ．1 5q C 。1 3 0 0 过后，随着太阳高度角和太阳辐射的减小，温度下降。 9 0 0 ～1 5 0 0 ，裂缝F 1 的温度介于植被和沙子。直至 1 9 o o 以后，3 者的温度高低顺序变为裂缝F 1 植被 沙子，并将持续至第2 天上午。这表明裂缝和植被随 着外界温度的改变产生的温度变化小，其抵抗温度改 变的能力均强于沙子。 图5 为不同时刻裂缝F 1 和沙子、植被的温差。 万方数据 6 3 0 煤炭学报 2 0 2 1 年第4 6 卷 l 0 0 ～5 0 0 和2 l 0 0 ～2 3 0 0 ，裂缝F 1 与沙子的温差 在4 ～6 ℃，裂缝F 1 与植被的温差在1 ～4o C 。这2 个时段，裂缝F 1 与沙子、植被的温差均为正值。7 0 0 ～1 1 0 0 ，裂缝F 1 与沙子、植被的温升速率不同，温 差不断增加。1 3 o o ～1 5 0 0 ，裂缝F l 降温慢，而沙子 降温快，温差不断减小。9 0 0 ～1 5 0 0 ，裂缝F 1 与沙 子、植被的温差分别为负值和正值，变化范围较大，最 值分别为一1 2 ．5 2 和1 4 ．0 4 ℃。7 0 0 ，裂缝F l 的温度 低于沙子、植被，且与沙子、植被的温差较小，地裂缝 识别相对较难；而1 7 0 0 ，裂缝F 1 识别不出来，主要 是由于其处在裂缝、沙子、植被温度高低次序交替的 时问拐点，3 者之问温度基本相同，所以7 0 0 ，1 7 0 0 两个时问点采集的红外图像难以识别地裂缝。 U 殳 榭 赠 图5 不l 司时刻裂缝} ’l 和沙子、植被的温差 F j g ．5T P n l p e l l a t u r e 1 i f k l l P l l ’e sb e t w e e nF 1 ，s d n 1 a n dv e g e t a I i o na t 1 i { k 1 ‘e 1 1 tf i m e s 1 0 0 ～5 0 0 和1 9 0 0 ～2 3 0 0 ，裂缝F l 与沙子、 植被的温差小于9 0 0 ～1 5 0 0 ，但1 0 0 ～5 0 0 和1 9 0 0 ～2 3 0 0 ，红外图像总的温度范围小于9 0 0 ～1 5 0 0 。因此，l 0 0 ～5 0 0 和1 9 0 0 ～2 3 0 0 ，红外图像内 裂缝F l 与沙子、植被仍有足够的对比度。此外，凌晨 和夜晚，裂缝F 1 温度最高，亮度最大，为滤除图像内 无关信息，实现地裂缝的检测提供了便利。 2 ．3 不同时间点地裂缝尺寸特征 根据图2 中裂缝F l 最大实测宽度和图3 中圆形 卷尺外壳横向、纵向直径进行可见光图像精度计算， 结果见表4 。 对图2 中尺寸参照物所占像素数目进行统计，计 算图2 目标观测区可见光图像的分辨率为0 ．3c Ⅱ∥ 像素。对裂缝F 1 区域横向像素点数目进行统计，其 最大宽度处像素点数目为4 1 个，其计算值为 1 2 ．3 3c m ，同实际值的误差为一1 ．3 6 ％；对图3 中尺寸 参照物所占像素数目进行统计，计算图像分辨率为 0 ．3 2c m ／p i X e l 。卷尺外壳横向、纵向2 条直径计算值 与实际值相差均不到5 ％，平均值约为一1 ．3 3 ％。经 过上述计算结果，根据1 5m 航高下采集的可见光图 像对裂缝F l 的最大宽度和圆形卷尺的直径进行计 算，误差大小分别为一1 ．3 6 ％和一1 ．3 3 ％，均小于 2 ．0 0 ％，与实际值相差较小。该航高下采集可见光图 像的识别精度可达1 0 ．0 2c m ，因此可将可见光图像 内裂缝n 长度的计算值作为真实长度作为参考评价 不同时刻红外图像的识别效果。 表4 可见光图像中卷尺计算直径及其与实际直径的对比 T a b l e4C o m p a r i s o nb e t w e e nt h ec a l c u l a t e dd i a m e t e ro ft h e t a p ei nt h eV i s i b l ei m a g ea n di t sa c t u a ld i a m e t e r 将裂缝视为多条线段首尾搭接而成，运用勾股定 理计算每一段线段的长度再累加即可得该条裂缝以 像素表示的长度。根据图像的分辨率计算可得裂缝 的实际长度。 假设裂缝由n 条线段组成，第条线段占有的像 素行数为r ， r ，≥0 ，占用的像素列数为c ， c ，≥0 ，如 图6 所示，则该条线段的长度f ，可表示为 z ， √r ； c ； 1 整条裂缝的总氏度L 为n 条线段长度的叠加 D ，j L 旦yf ． 2 1 0 0 创‘ 式中，R 为红外图像的分辨率，c m ／p i x e l 。 图6图像中裂缝长度提取方法示意 F i g ．6S 。1 1 P n l a t i 【、d j a g r a mo ft h e1 1 1 e t h o 1f o re x t r a 。t i n g f i s s u r el e n g t hf 1 ．o ma ni m a g e 按上述方法，对7 0 0 采集的可见光图像和1 2 幅 不同时刻采集的红外图像中裂缝F 1 进行长度计算， 结果见表5 。不同时刻红外图像中裂缝F 1 计算长度 与7 0 0 可见光图像的差值如图7 所示。 万方数据 第2 期赵毅鑫等基于无人机红外遥感和边缘检测技术的采动地裂缝辨识 6 3 1 表5 不同时刻红外图像和7 0 0 获取的可见光 图像中裂缝F 1 的长度 T a b l e5 L e n g t ho fF 1i ni n f r a r e di m a g e sa td i f f e r e n tt i m e s a n dt h ev i s i b l ei m a g ec a p t u r e da t7 0 0 g 翌 剿 创 业 鳗 裂 图7不同时刻红外I 翻像与u ] 见光图像r } j 裂缝F 1 长度之燕 g ．7 D i f f e r e n c