高级检索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于地形匹配的图像烟火定位方法研究

贾道祥 刘鹏举 张英凯 刘长春 孙永明

贾道祥, 刘鹏举, 张英凯, 刘长春, 孙永明. 基于地形匹配的图像烟火定位方法研究[J]. 北京林业大学学报, 2018, 40(6): 19-29. doi: 10.13332/j.1000-1522.20170439
引用本文: 贾道祥, 刘鹏举, 张英凯, 刘长春, 孙永明. 基于地形匹配的图像烟火定位方法研究[J]. 北京林业大学学报, 2018, 40(6): 19-29. doi: 10.13332/j.1000-1522.20170439
Jia Daoxiang, Liu Pengju, Zhang Yingkai, Liu Changchun, Sun Yongming. Smoke and fire positioning method in the image based on terrain profile matching[J]. Journal of Beijing Forestry University, 2018, 40(6): 19-29. doi: 10.13332/j.1000-1522.20170439
Citation: Jia Daoxiang, Liu Pengju, Zhang Yingkai, Liu Changchun, Sun Yongming. Smoke and fire positioning method in the image based on terrain profile matching[J]. Journal of Beijing Forestry University, 2018, 40(6): 19-29. doi: 10.13332/j.1000-1522.20170439

基于地形匹配的图像烟火定位方法研究

doi: 10.13332/j.1000-1522.20170439
基金项目: 

“948”国家林业局引进项目 2014-4-01

详细信息
    作者简介:

    贾道祥。主要研究方向:地理信息系统技术与应用。Email:aizhiyongqi@163.com 地址:100091 北京市海淀区香山路东小府1号中国林业科学研究院资源信息研究所

    通讯作者:

    刘鹏举,副研究员。主要研究方向:林业GIS应用与开发。Email:liupeng@caf.ac.cn 地址:同上

  • 中图分类号: S762.3+2

Smoke and fire positioning method in the image based on terrain profile matching

  • 摘要: 目的视频监控是林火监测的主要手段,利用数字云台获取方位角、俯仰角等参数来计算林火位置是目前林火定位的主要方式,而林火定位中常用的方法主要有单点定位、双点定位和多点定位3种方法。目前已有许多研究根据光线跟踪算法,依靠视频图像与三维地形的对应关系实现了三维场景的增强表达,为基于视频图像的定位提供了新的途径。当前,林区普遍通过建立视频监控、数字云台、GIS技术三者紧密结合的软、硬件联动系统进行森林火灾的监测、决策和扑救。本文将视频图像与虚拟地形匹配原理,应用于基于GIS的林火视频监控系统,提出基于图像的林火定位方法,并对定位精度进行分析评估。方法利用地形匹配原理建立林火实景图像与DEM之间的坐标映射关系,针对图像烟火区域选定像元,生成在DEM中对应的区域,并计算和分析该区域中心点的坐标、欧氏距离、方位角、俯仰角以及该区域的形状、可视性、面积、跨沟谷数等特征信息,提出定位区域精度信息分析与评估流程。该流程根据分析结果将定位区域分为可定位区与不可定位区,同时提供详细的烟火位置信息。结果选择北京九龙山自然保护区作为研究区域,对提出的定位方法进行了初步验证,结果表明该方法能提供准确定位精度信息,有助于快速找到火源,实现快速扑救。结论本文基于地形图像匹配的林火定位方法,充分利用了虚拟地形与视频图像的特征匹配关系,为林火快速扑救提供丰富的位置信息。该方法的定位精度只与图像分辨率及虚拟地形与实景图像匹配精度有关,避免了传统云台定位受硬件性能指标的限制;同时该方法也适用于手机等移动设备所拍摄的图像,只需获知拍摄点坐标,就可以实现对所采集图像上目标的定位,对于基于图像的定位分析具有重要意义。
  • 图  1  实景图像与DEM侧视地形轮廓线匹配示意图

    Figure  1.  Schematic diagram of contour matching between real image and DEM side-view terrain

    图  2  基于地形匹配原理定位方法实现过程示意图

    Figure  2.  Schematic diagram of positioning process based on terrain profile matching

    图  3  实景图像烟火定位过程展示图

    Figure  3.  Display diagram of positioning process of smoke and fire in real image

    图  4  枚举验证结果

    Figure  4.  Enumeration verification result chart

    图  5  5种形状的定位区域面积量算示意图

    Figure  5.  Schematic diagram of area calculation of five shape positioning area

    图  6  定位类型判别流程图

    Figure  6.  Flow chart of positioning type discrimination

    图  7  图像烟火定位过程示意图

    Figure  7.  Schematic diagram of positioning process of smoke and fire in image

    图  8  3种定位区域类型示意图

    Figure  8.  Schematic diagram of three positioning area types

    图  9  DEM虚拟地形图与定位类型分布图

    Figure  9.  Virtual terrain of DEM and distribution map of positioning types

    图  10  两种可定位类型区域面积随观测距离变化曲线

    Figure  10.  Changing curves of two types of positioning area with observation distance

    表  1  定位区域形状枚举表

    Table  1.   Enumeration table of location region shape

    退化状态
    Degradation state
    枚举图形
    Enumeration graphics
    初始状态
    Initial state
    上下邻域退化
    Upper and lower neighborhood degradation
    左右邻域退化
    Left and right neighborhood degradation
    四邻域组合退化
    Four neighborhood combination degradation
    下载: 导出CSV

    表  2  定位区域定位精度信息

    Table  2.   Positioning accuracy information of positioning area

    项目Item 信息Information
    基本位置信息
    Basic location information
    经纬度坐标、欧氏距离、方位角、俯仰角
    Coordinate, Euclidean distance, azimuth angle, angle of pitch
    区域几何特征信息
    Regional geometric feature information
    形状、面积
    Shape, area
    地形特征信息
    Topographic feature information
    可视性、跨沟谷数
    Visibility, crossing valley number
    下载: 导出CSV

    表  3  定位类型比例统计结果

    Table  3.   Statistical result of the proportion of different positioning types

    定位类型
    Positioning type
    完全可视定位
    Fully visual positioning
    部分可视有效定位
    Partially visual effective positioning
    部分可视无效定位
    Partially visual invalid positioning
    数量Number 262 30 32
    百分比Percentage/% 80.9 9.3 9.8
    下载: 导出CSV
  • [1] 王元园, 张健, 韩宁.基于GIS的森林火灾视频监控定位方法研究[J].林业机械与木工设备, 2008, 36(5):24-26. doi:  10.3969/j.issn.2095-2953.2008.05.010

    Wang Y Y, Zhang J, Han N. GIS-based positioning methods in video monitoring of forest fires[J]. Forestry Machinery & Woodworking Equipment, 2008, 36(5):24-26. doi:  10.3969/j.issn.2095-2953.2008.05.010
    [2] 于文华, 陈阳, 王勇, 等.基于GIS的森林火灾自动定位系统设计与开发[J].安徽农业大学学报, 2009, 36(3):493-497. http://d.old.wanfangdata.com.cn/Periodical/ahnydxxb200903034

    Yu W H, Chen Y, Wang Y, et al. Design and development of automatic positioning system for forest fire based on GIS[J]. Journal of Anhui Agricultural University, 2009, 36(3):493-497. http://d.old.wanfangdata.com.cn/Periodical/ahnydxxb200903034
    [3] 张健, 王元园, 韩宁, 等.基于视频监控系统的林火定位算法研究[J].安全与环境学报, 2009, 9(1):127-130. doi:  10.3969/j.issn.1009-6094.2009.01.035

    Zhang J, Wang Y Y, Han N, et al. Study of the localization algorithm for forest fire based on video monitoring system[J].Journal of Safety and Environment, 2009, 9(1):127-130. doi:  10.3969/j.issn.1009-6094.2009.01.035
    [4] 张瑜, 丛静华, 沈明霞, 等.基于ArcEngine的林火动态监测与精确定位系统的设计与实现[J].浙江农业学报, 2010, 22(5):678-682. doi:  10.3969/j.issn.1004-1524.2010.05.027

    Zhang Y, Cong J H, Shen M X, et al. Design and implementation of the forest-fire monitor and localization system based on ArcEngine[J]. Acta Agriculturae Zhejiangensis, 2010, 22(5):678-682. doi:  10.3969/j.issn.1004-1524.2010.05.027
    [5] 唐丽玉, 王熠中, 陈崇成, 等.视频图像中监控目标的空间定位方法[J].福州大学学报, 2014, 42(1):55-61. http://d.old.wanfangdata.com.cn/Periodical/fzdxxb201401010

    Tang L Y, Wang Y Z, Chen C C, et al. Estimation of target position from video image[J]. Journal of Fuzhou University(Natural Science Edition), 2014, 42(1):55-61. http://d.old.wanfangdata.com.cn/Periodical/fzdxxb201401010
    [6] 陈科, 尹啸, 陈晨, 等.一种基于地形轮廓匹配的地理数据AR可视化新方法[J].测绘科学, 2011, 36(1):119-120. http://d.old.wanfangdata.com.cn/Periodical/chkx201101039

    Chen K, Yin X, Chen C, et al. AR visualization of geospatial data based on silhouette matching[J]. Science of Surveying and Mapping, 2011, 36(1):119-120. http://d.old.wanfangdata.com.cn/Periodical/chkx201101039
    [7] 葛莹, 陈科, 吴野, 等.增强现实系统中视频影像与DEM栅格图像匹配[J].中国图象图形学报, 2011, 16(8):1459-1465. http://d.old.wanfangdata.com.cn/Periodical/zgtxtxxb-a201108018

    Ge Y, Chen K, Wu Y, et al. Video images and DEM raster images matching in augmented reality systems[J]. Journal of Image and Graphics, 2011, 16(8):1459-1465. http://d.old.wanfangdata.com.cn/Periodical/zgtxtxxb-a201108018
    [8] 湛玉剑.融合实景图与DEM的地形增强表达[D].南京: 南京师范大学, 2014.

    Zhan Y J. Terrain enhance expression by fusing the ground-level image and DEM[D]. Nanjing: Nanjing Normal University, 2014.
    [9] 杨忠, 杨皓, 杜华.一种在虚拟三维场景中的取点定位方法[J].电脑知识与技术:学术交流, 2017, 13(9):187-189. http://d.old.wanfangdata.com.cn/Periodical/dnzsyjs-itrzyksb201709085

    Yang Z, Yang H, Du H. A method of point positioning in a virtual 3D scene[J].Computer Knowledge and Technology, 2017, 13(9):187-189. http://d.old.wanfangdata.com.cn/Periodical/dnzsyjs-itrzyksb201709085
    [10] Kyprianidis J E, Döllner J. Image abstraction by structure adaptive filtering[C]//Proceedings of EG UK theory and practice of computer graphics. Manchester: Eurographics Association, 2008: 51-58.
    [11] 钱文光, 林小竹, 赵国庆.二维轮廓曲线匹配算法研究[J].北京石油化工学院学报, 2007, 15(3):8-12. doi:  10.3969/j.issn.1008-2565.2007.03.003

    Qian W G, Lin X Z, Zhao G Q. Research on the algorithm for matching 2D contours[J]. Journal of Beijing Institute of Petro-chemical Technology, 2007, 15(3):8-12. doi:  10.3969/j.issn.1008-2565.2007.03.003
  • [1] 陈珠琳, 王雪峰.  檀香咖啡豹蠹蛾虫害的树干区域分类研究 . 北京林业大学学报, 2018, 40(1): 74-82. doi: 10.13332/j.1000-1522.20170306
    [2] 刘祖英, 王兵, 赵雨森, 牛香.  典型区域退耕还林工程生态区划 . 北京林业大学学报, 2018, 40(3): 93-100. doi: 10.13332/j.1000-1522.20170394
    [3] 仲亭玉, 刘文萍, 刘鹏举.  基于分数阶微分视频融合的森林烟火检测算法 . 北京林业大学学报, 2017, 39(3): 24-31. doi: 10.13332/j.1000-1522.20160163
    [4] 戴楠, 袁光孝, 刘小敏, 高宏波.  拟南芥黄化突变体k60的基因作图定位 . 北京林业大学学报, 2017, 39(7): 40-45. doi: 10.13332/j.1000-1522.20170085
    [5] 赵小矛, 焦亮亮, 赵健, 赵东.  榫卯结构弯曲破坏时声发射衰减特性与源定位 . 北京林业大学学报, 2017, 39(1): 107-111. doi: 10.13332/j.1000-1522.20160150
    [6] 郑然, 乐也, 王晓晖, 温志勇, 关文彬.  古树风险评估与风险管理方法研究 . 北京林业大学学报, 2013, 35(6): 144-150.
    [7] 胡云云, 亢新刚, 高延, 冯启祥, 姚景春, 王卓晖.  天然云冷杉针阔混交林的年龄变动及估测精度分析 . 北京林业大学学报, 2011, 33(4): 22-27.
    [8] 高林, 薛慧霞, 李文彬, 杨锴, 王璐.  基于GPRS的单轨林果运输车无线定位测速方法 . 北京林业大学学报, 2011, 33(2): 110-114.
    [9] 周宇飞, 刘鹏举, 唐小明.  林火蔓延模型模拟空间精度评价研究 . 北京林业大学学报, 2010, 32(2): 21-26.
    [10] 王兵, 丁访军.  森林生态系统长期定位观测标准体系构建 . 北京林业大学学报, 2010, 32(6): 141-145.
    [11] 姜喜山, 兰再平, 张博, 马可, 胡海姿.  新建经济林与垦复竹林土壤侵蚀定位研究 . 北京林业大学学报, 2010, 32(4): 169-174.
    [12] 虞依娜, 彭少麟, 杨柳春, 叶有华, .  广东小良生态恢复服务价值动态评估 . 北京林业大学学报, 2009, 31(4): 19-25.
    [13] 崔丽娟, 张曼胤, 李伟, 王义飞, 商晓静.  国家湿地公园管理评估研究 . 北京林业大学学报, 2009, 31(5): 102-107.
    [14] 朱敏, 冯仲科, 胡林, .  基于GIS的森林火险评估研究 . 北京林业大学学报, 2008, 30(增刊1): 40-45.
    [15] 陈星.  区域生态安全空间格局评价模型的研究 . 北京林业大学学报, 2008, 30(1): 21-28.
    [16] 梁军, 王媛, 张星耀, .  杨树与溃疡病菌互作中过氧化物酶的细胞化学定位 . 北京林业大学学报, 2008, 30(6): 107-111.
    [17] 蔡华利, 罗旭, 冯仲科, 隋宏大, 聂敏莉, 闫秀婧, 董斌, 王佳, .  全球定位系统在唐山市高压输电线路勘测工程中的应用 . 北京林业大学学报, 2008, 30(增刊1): 168-172.
    [18] 谭伟, 王开琳, 罗旭, 王志杰, .  手持GPS在不同林分下的定位精度研究 . 北京林业大学学报, 2008, 30(增刊1): 163-167.
    [19] 余雁, 江泽慧, 王戈, 覃道春, 许忠允.  采谱方式对竹材气干密度近红外预测模型精度的影响 . 北京林业大学学报, 2007, 29(4): 80-83.
    [20] 金辉, 许忠祥, 陈晖, 韩素芬.  虎头兰菌根中酸性磷酸酶的定位及活性变化 . 北京林业大学学报, 2007, 29(4): 156-160.
  • 加载中
图(10) / 表 (3)
计量
  • 文章访问数:  282
  • HTML全文浏览量:  72
  • PDF下载量:  10
  • 被引次数: 0
出版历程
  • 收稿日期:  2017-12-14
  • 修回日期:  2018-04-18
  • 刊出日期:  2018-06-01

基于地形匹配的图像烟火定位方法研究

doi: 10.13332/j.1000-1522.20170439
    基金项目:

    “948”国家林业局引进项目 2014-4-01

    作者简介:

    贾道祥。主要研究方向:地理信息系统技术与应用。Email:aizhiyongqi@163.com 地址:100091 北京市海淀区香山路东小府1号中国林业科学研究院资源信息研究所

    通讯作者: 刘鹏举,副研究员。主要研究方向:林业GIS应用与开发。Email:liupeng@caf.ac.cn 地址:同上
  • 中图分类号: S762.3+2

摘要: 目的视频监控是林火监测的主要手段,利用数字云台获取方位角、俯仰角等参数来计算林火位置是目前林火定位的主要方式,而林火定位中常用的方法主要有单点定位、双点定位和多点定位3种方法。目前已有许多研究根据光线跟踪算法,依靠视频图像与三维地形的对应关系实现了三维场景的增强表达,为基于视频图像的定位提供了新的途径。当前,林区普遍通过建立视频监控、数字云台、GIS技术三者紧密结合的软、硬件联动系统进行森林火灾的监测、决策和扑救。本文将视频图像与虚拟地形匹配原理,应用于基于GIS的林火视频监控系统,提出基于图像的林火定位方法,并对定位精度进行分析评估。方法利用地形匹配原理建立林火实景图像与DEM之间的坐标映射关系,针对图像烟火区域选定像元,生成在DEM中对应的区域,并计算和分析该区域中心点的坐标、欧氏距离、方位角、俯仰角以及该区域的形状、可视性、面积、跨沟谷数等特征信息,提出定位区域精度信息分析与评估流程。该流程根据分析结果将定位区域分为可定位区与不可定位区,同时提供详细的烟火位置信息。结果选择北京九龙山自然保护区作为研究区域,对提出的定位方法进行了初步验证,结果表明该方法能提供准确定位精度信息,有助于快速找到火源,实现快速扑救。结论本文基于地形图像匹配的林火定位方法,充分利用了虚拟地形与视频图像的特征匹配关系,为林火快速扑救提供丰富的位置信息。该方法的定位精度只与图像分辨率及虚拟地形与实景图像匹配精度有关,避免了传统云台定位受硬件性能指标的限制;同时该方法也适用于手机等移动设备所拍摄的图像,只需获知拍摄点坐标,就可以实现对所采集图像上目标的定位,对于基于图像的定位分析具有重要意义。

English Abstract

贾道祥, 刘鹏举, 张英凯, 刘长春, 孙永明. 基于地形匹配的图像烟火定位方法研究[J]. 北京林业大学学报, 2018, 40(6): 19-29. doi: 10.13332/j.1000-1522.20170439
引用本文: 贾道祥, 刘鹏举, 张英凯, 刘长春, 孙永明. 基于地形匹配的图像烟火定位方法研究[J]. 北京林业大学学报, 2018, 40(6): 19-29. doi: 10.13332/j.1000-1522.20170439
Jia Daoxiang, Liu Pengju, Zhang Yingkai, Liu Changchun, Sun Yongming. Smoke and fire positioning method in the image based on terrain profile matching[J]. Journal of Beijing Forestry University, 2018, 40(6): 19-29. doi: 10.13332/j.1000-1522.20170439
Citation: Jia Daoxiang, Liu Pengju, Zhang Yingkai, Liu Changchun, Sun Yongming. Smoke and fire positioning method in the image based on terrain profile matching[J]. Journal of Beijing Forestry University, 2018, 40(6): 19-29. doi: 10.13332/j.1000-1522.20170439
  • 目前,视频监控成为我国林火监测的主要手段,林火定位是林火视频智能监控与指挥系统研究的主要内容。王元园等[1]基于林火视频监测系统,分别讨论了单点定位、双点定位和多点定位3种定位模式的原理及其优缺点和适用范围;于文华等[2]在林火视频监测系统中同时采用了单点和双点两种定位模式。

    在基于视频监控的林火监测系统中,采用双点和多点定位方法的定位精度虽然较高,但在很多环境并不具备应用条件。单点定位模式则是紧密相合GIS和数据库技术,通过数字云台获取林火点的方位角、俯仰角等信息,借助定位算法而获得精确的火点位置信息,具有广泛的应用前景。张健等[3]在单点定位模式下讨论了渐进穷举算法实现林火点定位的原理;张瑜等[4]基于单点定位模型采用渐进穷举算法与二分法结合的方式确定了林火点的准确位置。但以上单点定位模式的实现途径都是基于数字云台等硬件技术,因此其最终的定位精度也会严重依赖于硬件设备的精度。

    在单点定位模式下,将视频图像与虚拟仿真图像进行仿射变换或图像匹配,建立两种图像间地理坐标映射关系,通过坐标反推方式来实现对图像目标点的定位,已成为一种应用较为普遍的定位实现途径。唐丽玉等[5]基于视频监控系统,根据OpenGL透视成像与摄影测量一致性原理,提出基于三维场景仿真成像,并依靠视频图像与仿真图像的对应关系进行地理场景中目标的空间定位方法。该种实现方式最显著的优点是定位精度只与视频图像分辨率及仿射相似度或匹配精度有关,而与硬件设备的精度无关。因此,如何实现视频图像与地形虚拟仿真图像的高精度匹配是当前研究的热点。

    地形轮廓匹配(TERPOM,terrain profile matching),作为地形匹配辅助导航系统采用的典型地形匹配方法,最早应用于巡航导弹的飞行制导。该方法是通过提取侧视DEM虚拟地形与视频影像的地形轮廓线,根据轮廓线上特征明显的目标特征点,实现虚拟地形与实景影像的精确匹配。陈科等[6]基于地形轮廓匹配原理,实现了GIS数据中地理坐标与实景图像中图像坐标的匹配,初步探讨了地理数据的AR可视化方法。葛莹等[7]将视频影像与地表视域轮廓进行匹配融合,实现了对真实场景的增强表达。湛玉剑[8]将DEM侧视地形轮廓线与实景影像轮廓线相配准,达到了融合实景与DEM的地形增强表达的目的。基于地形轮廓匹配的图像定位,具有地形与图像的匹配精度高的优势,能有效提高单点定位的精度。

    本文将图像与虚拟地形匹配原理,应用于视频监控图像的林火定位,提出基于图像的林火定位方法,并对定位区域进行分析评估,得出烟火位置的综合精度信息。

    • 视频采集的地面实景图像是一种包含着大量地形特征的图像,因此可以视为地形特征在侧视视角下的二维图像。若在屏幕中点击该图像中某一点,只能返回该点在屏幕上的坐标,而无法知道其所在地理空间中的真实坐标。只有建立这种实景图像与真实地理空间之间的映射关系,才能确定该图像中的目标点位于三维场景中的具体位置[9]。研究实景图像与基于三维场景模拟的虚拟地形之间的匹配,正是建立这种映射关系的一种主要方式。

      本文所采用的基于地形匹配的定位方法原理,是利用图像匹配算法实现实景图像与基于DEM模拟出的侧视虚拟地形图像之间的地形特征线匹配(图 1),该匹配过程建立了实景图像与DEM侧视虚拟地形的映射关系,然后基于DEM侧视虚拟地形与DEM之间的坐标映射关系,就可将实景图像上某一像元反推出DEM上对应的平面位置。这种定位方法精度的高低,取决于实景图像的分辨率、DEM空间分辨率以及实景图像与DEM侧视地形的匹配精度。

      图  1  实景图像与DEM侧视地形轮廓线匹配示意图

      Figure 1.  Schematic diagram of contour matching between real image and DEM side-view terrain

      在完成两种图像的地形线匹配后,利用定位测试程序,进行烟火区域的定位过程如下:当某一帧已经识别了烟火区域、并标定了烟火区域选定像元点的实景图像与DEM侧视地形匹配后,在图像上点击该选定像元点,获知在实景图像上的侧视坐标(α0, β0),其中α0 可视作某高程点相对于观测点的方位角,β0可视作该点相对于观测点的俯仰角θ0的余角(θ0为仰角时取负值,θ0为俯角时取正值),通过坐标映射关系,就可以获知该图像坐标唯一对应的DEM二维平面上某个地理坐标(x0, y0)。这一过程实际上完成了从图像坐标到DEM二维平面坐标的映射定位。

      传统的单点定位精度评估方式主要是评估单个点的真实坐标与测量值之间的偏差大小,以此来衡量定位精度。但是,这种以单点作为研究对象得到的精度信息量较少,为了提供更丰富的定位精度信息参考,本文提出了定位区域的概念,即选择实景图像上标定的烟火区域选定像元的四邻域像元所对应的DEM二维平面坐标点,按照一定的连接方式所围成的区域作为火源位置的定位参考区域,并将该种定位区域作为研究对象,分析挖掘更加丰富的定位精度信息,例如定位区域中心点的经纬度坐标、与视点距离、方位角、俯仰角以及定位区域的形状、面积、可视性等。从上述定位区域的生成过程可以认为,一个实景图像像元点对应DEM二维平面上一个定位区域,因此该定位区域的定位精度可作为对应的实景图像像元点所代表的精度。

      由于侧视地形上某像元与其上下邻域都是处于同一方位角视线上,故视点位置在该方位角处的视线必定经过这3个像元在DEM上所对应的3个栅格单元,因此该像元四邻域在DEM上的真实坐标所围成的定位区域是一个始终包含真实火源的参考区域,故将定位区域作为研究对象是有效的。以定位区域作为研究对象正是本文与传统的以单个点作为定位研究对象的不同之处。

    • 本文主要参考陈科等[6]、葛莹等[7]和湛玉剑[8]的实验研究,即在DEM地理场景中选择一个已知坐标的视点,垂直方向选择与监控设备一致的张角范围,根据相机的分辨率确定水平与垂直方向上的移动步长(本文实际实验中使用的张角范围,由下至上为80°~120°;移动步长为0.1°),利用光线追踪算法[8]模拟出以视点为中心360°侧视地形图,即DEM侧视地形图。该过程建立了DEM侧视地形与DEM二维平面之间的坐标映射关系,利用距离变化或像素纵向偏移[8]提取出DEM侧视地形特征线。在采集该视点位置任意方位的一帧烟火实景图像后,借助图像抽象化算法[10]提取出实景图像的地形特征线。最后利用二维轮廓曲线匹配算法[11]实现实景图像与DEM侧视地形之间的地形特征线匹配。该匹配过程不仅建立了实景影像与DEM侧视地形之间的坐标映射关系,也间接地建立了实景图像的像元坐标与DEM二维平面坐标之间的映射关系。由于本文所研究的定位模式是一个实景图像像元点对应DEM上一个定位区域,因此已知实景图像上的某像元坐标,就可以通过映射关系生成其在DEM上对应的定位区域,通过分析评估该定位区域相关特征,获得相应的定位精度信息。基于地形匹配定位的实现流程如图 2所示。

      图  2  基于地形匹配原理定位方法实现过程示意图

      Figure 2.  Schematic diagram of positioning process based on terrain profile matching

      实景图像烟火定位过程如图 3所示。图中第1幅图为在视点位置采集的某方位实景图像(与DEM侧视地形匹配后),图中椭圆区域表示图像烟火参考区域(the smoke and fire reference area in image), 黄色箭头所指向的点为烟火区域选定像元(the selected pixel of the smoke and fire area);第2幅图和第3幅图为在测试系统中图像参考烟火区域的选定像元及其四邻域投射到DEM上生成的定位区域显示效果图,其中绿色底图为DEM,正上方红色单点为观测点(view-point), 红色直线为观测视线,红色椭圆区域为图像烟火区域的选定像元及其四邻域投射到DEM上生成的定位区域(the positioning area generated by projecting the selected pixel and its four neighborhoods of the smoke and fire area in image onto DEM)。

      图  3  实景图像烟火定位过程展示图

      Figure 3.  Display diagram of positioning process of smoke and fire in real image

    • 本文通过对林火点定位区域的某些显著特征进行归类分析,建立了定位区域特征信息分析与评估流程,获取了定位区域的相关定位精度信息。

    • 与DEM侧视地形匹配后的实景图像上某个烟火区域选定像元所对应的DEM中的定位区域,除了通过该选定像元对应的DEM坐标所获得的经纬度坐标、距视点的欧氏距离及匹配后图像所获得的方位角、俯仰角等4种位置特征信息之外,还需要从定位区域的区域特征和地形特征上挖掘更多能反映其定位精度情况的信息。从其平面几何特性考虑,该区域范围的形状能够确定搜索火点的路径范围,也可以根据形状特征计算其面积,而面积要素可反映火场搜索范围的大小,可视为定位精度的衡量指标;从该定位区域所处的地形地貌位置方面分析,该区域的可视性和跨沟谷线的数量也是两个重要参考因素。另外,定位区域的精度还与所使用的DEM数据的精度有关,DEM精度越高,定位区域精度越高,反之越小,但本文不作探讨。因此本文将从定位区域的形状、面积、可视性和跨沟谷线数等4个特征进行精度信息的分析与提取。

    • 在侧视地形坐标系中,两相邻像元之间在DEM二维平面上对应的实际距离可能会千差万别,因此DEM侧视地形或实景图像中任意像元及其四邻域投射到DEM二维平面上后得到的定位区域轮廓形状等必然会形态各异。本文通过对DEM侧视地形或实景图中任意像元及其四邻域在DEM二维平面上对应的坐标点所围成的区域轮廓形状进行枚举模拟,分析出可能的形状和演变图形,如表 1所示。

      表 1  定位区域形状枚举表

      Table 1.  Enumeration table of location region shape

      退化状态
      Degradation state
      枚举图形
      Enumeration graphics
      初始状态
      Initial state
      上下邻域退化
      Upper and lower neighborhood degradation
      左右邻域退化
      Left and right neighborhood degradation
      四邻域组合退化
      Four neighborhood combination degradation

      本文分别从横向、纵向两个方向,探讨DEM二维平面上横纵两对邻域坐标向参考火源位置退化的趋势,枚举出在DEM二维平面上定位区域的形状演变。当投射到DEM二维平面上的四邻域坐标都没有向参考火点位置退化,定位区域轮廓呈四边形。当纵向两个邻域中有一个邻域退化至参考火点位置时呈三角形;当两个邻域同时退化至参考火点坐标时呈折线。横向的两邻域的退化演变过程和结果,与纵向两邻域类似。而当纵向和横向中同时有一个邻域退化至参考火点坐标时,则定位区域呈现为三边形;当纵向和横向邻域中同时有3个邻域退化至参考火点位置时,则呈现为线段;而当四邻域都退化至参考火点位置时呈现为单点。因此从上述枚举分析的结果来看,定位区域的形状主要有四边形、三边形、折线、线段和单点5种形状类型。

      为了验证枚举结果,通过本文所研究的定位算法程序,绘制出了实景图像或DEM侧视地形图上若干像元在DEM二维平面上生成的定位区域。由于等高线可以直观地反映地势地形起伏特征,因此为了更直观地展示模拟结果,本文借助等高线来进行辅助分析,验证结果如图 4所示(图中等高线等高距为10m)。

      图  4  枚举验证结果

      Figure 4.  Enumeration verification result chart

      图 4中给出了侧视图像中选定像元及其四邻域在DEM二维平面上对应的各种形状的定位结果,从测试结果图来看,定位的实际区域轮廓的形状为四边形、三角形、折线、线段和单点5种类型,验证了枚举模拟的结果。其中,图 4aegh所代表的4种区域轮廓形状良好,空间跨度较小,主要处于朝向视点且无遮挡的山坡上;而图 4bcdf中的3种轮廓形状都比较狭长,空间跨度较大,形状走向垂直或平行于等高线,从等高线的走势可以分析出这些区域多位于地形地势相对复杂的山谷区域。

    • 在前文中图像匹配精度可靠的前提下,实际火源位置不会超出图像上烟火区域选定像元的四邻域在DEM二维平面上的实际坐标点所围成的多边形区域,所以该区域所代表的实际范围大小可以直接用来衡量定位区域的精度,即将多边形面积视作定位区域的精度,且面积越小,定位精度越高。

      由于定位区域的形状主要有四边形、三角形、折线、线段、单点等5种类型,存在闭合与非闭合两种形态,对于闭合形状的面积通过几何计算就可以获得,而非闭合形状理论上并无面积特征,但为了方便统一量算,本文采用做缓冲区的方式进行面积的量算,即以这些四边形、三角形、折线、线段和单点为中心,以特定值为半径做缓冲区,将多边形的几何面积和缓冲区面积之和作为定位区域的最终面积值,缓冲区以DEM栅格单元大小的1/2长作为缓冲区半径。图 5中5幅子图分别是四边形、三角形、折线、线段及单点做缓冲区之后的面积阴影示意图,假定单元大小为10m,则5幅图形的面积或反映出的定位精度分别为503.2m2、442.5m2、360.5m2、178.5m2、78.5m2

      图  5  5种形状的定位区域面积量算示意图

      Figure 5.  Schematic diagram of area calculation of five shape positioning area

    • 从视点对DEM中单元进行观测,必然存在着可视与不可视两种情况。由于定位区域是由图像上相邻4个单元投影形成的边界,图像上所有像元对应的DEM单元为可视,因此定位区域的可视性包括两种情况:(1)区域内所有单元全部可视,则称该区域为完全可视区域;(2)区域内既有可视单元,又包含不可视单元,则称该区域为不完全可视区域。

      完全可视区域,即所有单元位于视线可以直接观察到的范围内,一般位于地势较为平坦的区域朝向观测点的无遮挡山坡,这种区域一般空间跨度较小,可以实现准确定位。不完全可视区域,一般位于地形复杂地区,可视区域与遮挡区域相互交叉,空间跨度大,定位的不确定程度高。

    • 沟谷线与山脊线是研究DEM地形地势的重要特征线,通过分析沟谷线和山脊线的分布情况就能得出某地区的地形地势特征。在一个定位区域内,沟谷线越少说明区域范围跨度越小,地形越简单;反之则跨度越大,地形越复杂。

      对于山区林火监测来说,如果定位区域中没有或者只有一条沟谷线或山脊线穿过,则可认为该区域位于同一坡面或同一山谷中,空间范围小,救火人员可以很方便找到着火点;如果定位区域中有两条或以上沟谷线或山脊线穿过,则认为该区域跨越多条山脊,空间跨度大,救火人员很难找到着火点。因此,本文将定位区域跨沟谷线数量作为定位区域评判的重要指标。

      对于不完全可视定位区域,根据定位区域跨越的山谷线或山脊线的数量,可以将定位区域分为有效定位与无效定位。若定位区域跨越的沟谷数量在2条以上,无法确定烟火出自哪条沟谷中,则将该定位区域视为无效定位区域,反之则为有效定位。因此,综合定位区域的可视性与跨沟谷线数量,又可将定位类型进一步分为完全可视定位、部分可视有效定位和部分可视无效定位3种类型。

    • 通过对定位区域的形状、面积、可视性、跨沟谷线数等特征进行分析,结合定位区域中心点的坐标、距观测点的欧氏距离、方位角、俯仰角(三者皆以定位区域中心点坐标为参考基准)等4种基本信息,本文将这8种信息归纳为3类定位精度信息,即基本位置信息、区域几何特征信息和地形特征信息,这3类信息分别从不同角度反映出了定位区域的精度,可以作为定位区域精度衡量的评估指标(表 2)。

      表 2  定位区域定位精度信息

      Table 2.  Positioning accuracy information of positioning area

      项目Item 信息Information
      基本位置信息
      Basic location information
      经纬度坐标、欧氏距离、方位角、俯仰角
      Coordinate, Euclidean distance, azimuth angle, angle of pitch
      区域几何特征信息
      Regional geometric feature information
      形状、面积
      Shape, area
      地形特征信息
      Topographic feature information
      可视性、跨沟谷数
      Visibility, crossing valley number

      表 2中所列举的8种信息中,经纬度坐标、欧氏距离、方位角和俯仰角信息是定位区域中心点的基本位置信息,该类信息是以定位区域中心点坐标为基准,分别计算相对于视点位置的欧氏距离、方位角和俯仰角等信息,其中经纬度坐标反映定位区域的具体位置,欧氏距离反映定位区域与观测点的远近,方位角和俯仰角信息可以确定该烟火点相对于视点在水平和垂直方向的具体朝向。形状、面积则属于定位区域的区域几何特征,形状可以用来确定火点搜索范围;面积则可以用于衡量定位区域的定位精度,且距视点距离越大,定位区域的面积就相对越大,其定位精度就越小。可视性和跨沟谷线数则为定位区域的地形特征,可视性反映出了定位区域的可视状态,跨沟谷线数反映出该定位区域的空间跨度。

    • 表 2中所列举的8种精度信息中,经纬度坐标、视距、方位角和俯仰角等基本位置信息可以通过定位测试程序中点击图像来获得,形状、面积可以根据已知坐标数据来计算求得,而定位区域的可视性与跨沟谷线数则需要借助沟谷线、可视域图层等数据进行叠加判别。

      本文依据前文中定位区域分类的结果,建立了针对定位区域可视性与跨沟谷线数两种特征的判别流程,该流程可分为两个步骤,即定位区域的可视性判别和定位有效性判别。判别流程如下:以当前观测点对DEM进行可视域分析,得到可视域分布图层;将某定位区域叠加在可视域图层上,判断该定位区域是否完全处于可视区。如果全部可视则标定该区域对应图像上的选定像元为可定位像元;如果部分可视,则将该定位区域与沟谷线图层相叠加,判断该区域跨越的沟谷线数n。若n < 2,说明定位区域可以确定所在沟谷,则视为部分可视有效定位区域,同时标定该区域对应图像上的选定像元为可定位像元;如果n≥2,说明定位区域跨越了多条沟谷线,则视为部分可视无效定位区域,并标定该区域对应图像上的选定像元为不可定位像元。这里设定完全可视定位赋值为2,部分可视有效定位赋值为1,部分可视无效定位赋值为0,该值最终赋值给该定位区域的中心点所对应的侧视图像中的选定像元。通过上述判别流程,不仅获得了中心点的坐标、视距、方位角、俯仰角等位置信息,还计算分析了定位区域的形状、面积及可视性、跨沟谷线数量等精度信息,并对定位区域的定位类型及对应像元的可定位性进行了判定(图 6)。

      图  6  定位类型判别流程图

      Figure 6.  Flow chart of positioning type discrimination

      获知了实景图像中烟火区域选定像元在DEM中对应的定位区域的定位类型,不仅可以确定该烟火区域的可定位性,还可以进一步由点及面,判别出实景图像上任意像元在DEM中对应的定位区域的可定位性,进而可以生成整张实景图像相应的定位类型分布图。该分布图可以展示实景图像上可定位区(完全可视定位区、部分可视有效定位区)与不可定位区(部分可视无效定位区)的分布与比例等信息,能够反映出在当前高度的观测位置下对四周区域的可定位情况,当改变监测点位置或更改摄像头架设高度,这些信息会发生相应的变化。因此,当在实际地形中选取和搭建瞭望塔时,可以根据模拟得到的定位类型分布和比例信息,选择最佳的瞭望塔架设位置或调整所预设的摄像头架设高度,以达到提高四周区域完全可视定位比例的目的,从而提高林火点定位的有效性和准确性。

    • 前文中提出了基于地形匹配原理的图像烟火定位方法,并通过对定位区域的相关特征进行分析,获得定位区域的精度信息。为了检验此定位方法,以北京九龙山自然保护区作为研究区,以九龙山10m DEM作为基础数据,选择坐标为116°04′51″E、39°55′22″N的视点进行观测,以进行定位方法的验证分析。根据前面所建立的定位类型判别流程中的数据需求,本文利用ArcGIS可视域分析功能与流域分析功能分别得到可视域图层及沟谷线图层,为下一步进行定位类型判别实验分析提供数据准备。

    • 根据地形匹配的图像烟火区定位原理及实现流程,利用实验区数据,借助本文的定位原理算法,实现了地形匹配的图像烟火区域的定位过程,生成了实景图像上参考烟火区域选定像元在DEM上所对应的定位区域,并依据文中所建立的分析方法,分别对定位区域的形状、面积、可视性、跨沟谷数、定位类型进行了分析、计算,获得了丰富的定位精度信息(以示例实景图像中测试烟火区为例,如图 7所示)。

      图  7  图像烟火定位过程示意图

      Figure 7.  Schematic diagram of positioning process of smoke and fire in image

      本文在模拟DEM侧视地形时,水平方向和垂直方向的旋转步长皆为0.1°,所以DEM侧视地形图的图像视角分辨率为0.1°,故图像上烟火区域选定像元中心点与其四邻域像元视角相差0.1°,因此图 7中实景图像上参考烟火区域选定像元在DEM二维平面上对应的定位区域定位精度信息可描述为:该图像烟火区域选定的参考点所对应的实际烟火区域在115°59′24″E、39°55′48″N附近,距离监测点约6 979.7m,相对监测点方位角为269.8°±0.1°,俯仰角为85.2°±0.1°,区域的轮廓形状呈四边形,跨0条沟谷线,属于完全可视区域,搜索范围大约为3311m2

    • 在获得了定位区域的8种信息后,还需要根据可视性与跨沟谷数判定该定位区域的定位类型,本文按照图 6中的判别流程,将定位区域分别与可视域图层、沟谷线图层进行叠加分析,进行有效定位区域与无效定位区域的类型判别实验。如图 8所示,底图为渲染后的九龙山DEM,黑色曲线为沟谷线,灰色图斑是可视域图层的不可视部分,其余区域为可视部分;3个绿色曲线所围成的四边形区域分别为3种定位区域类型, 其中蓝色结点为定位区域中心点。图 8中最左侧的四边形完全处于可视区域,因此可判定为完全可视定位,对应DEM侧视地形图上烟火区选定像元赋值为2;中间第2个四边形同时包含可视区域和不可视区域,但该定位区域跨沟谷数n=1,即沟谷可确定,故判定其为部分可视有效定位,对应选定像元赋值为1;图中最右侧为一狭长四边形区域,跨沟谷数n=2,搜索范围过大,无法确切地判定冒烟位置处于哪个沟谷之中,因此判定其为部分可视无效定位,对应选定像元赋值为0。

      图  8  3种定位区域类型示意图

      Figure 8.  Schematic diagram of three positioning area types

      图 8中3种定位类型的实际判别结果来看,其与前文中的判别流程期望结果一致,故该定位类型判别流程有效。

    • 本文按照单个侧视图像像元在DEM中对应的定位区域的定位类型判别流程,判别出了DEM侧视地形图中所有像元对应的定位区域的定位类型,依据DEM侧视地形上所有像元的新value值,重新对DEM侧视地形进行渲染表达,最终生成了相机视角下观测位置四周区域的定位类型分布图(图 9)。其中,图 9a为DEM侧视虚拟地形原图,图 9b为重新渲染后的3种定位类型分布图。图 9b中深绿色部分表示完全可视定位,浅绿色部分表示部分可视有效定位,红色部分表示部分可视无效定位。在对图 9中各种类型分布的像元进行统计后,完全可视定位、部分可视有效定位和无效定位3种类型所占比例大约分别为85.4%、6.1%、8.5%。

      图  9  DEM虚拟地形图与定位类型分布图

      Figure 9.  Virtual terrain of DEM and distribution map of positioning types

    • 为了进一步验证本文所建立的定位区域精度信息分析与评估流程的结果,本文采用抽样的方式,对选取的若干定位结果进行统计分析。在北京九龙山DEM上,以本文试验中所选择的视点为中心,以正北方向起始,顺时针环360°,沿着辐射方向每隔500~1000m选择若干定位区域,对其相应信息进行判别与统计。本文共选择了324个定位区域,首先对定位区域的3种定位类型所占的数量、比例进行了统计(表 3)。

      表 3  定位类型比例统计结果

      Table 3.  Statistical result of the proportion of different positioning types

      定位类型
      Positioning type
      完全可视定位
      Fully visual positioning
      部分可视有效定位
      Partially visual effective positioning
      部分可视无效定位
      Partially visual invalid positioning
      数量Number 262 30 32
      百分比Percentage/% 80.9 9.3 9.8

      表 3中3种定位类型的统计结果可以看出:完全可视定位占绝大部分比例,而部分可视有效定位和部分可视无效定位所占比例较小,且比例相当;各类型比例结果与前文中生成定位类型分布图的总体比例相近。除对定位类型的统计外,还对完全可视定位、部分可视有效定位两种定位类型的定位区域的面积随距离的变化进行了统计分析(图 10)。

      图  10  两种可定位类型区域面积随观测距离变化曲线

      Figure 10.  Changing curves of two types of positioning area with observation distance

      图 10可以看出:随着视点距离的增大,虽然定位区域的面积变化都有一定的波动(这是由于不同定位区域所处的地形特征存在差异性以及存在单点定位区域造成的),但曲线的总体趋势是逐渐增大的。因此可以得出,无论是完全可视定位还是部分可视有效定位的区域面积总体上都是随着与监测点距离的增大而增大。这与传统的定位到点的精度规律相似,即距监测点距离越近,精度越高,反之越小。因此,本文将定位区域的面积作为定位精度的衡量指标在实际需求中是有效的。

    • 本文基于地形匹配的图像烟火区定位方法,实现了对实景图像中烟火区的定位,并通过建立一系列的定位区域精度信息分析与评估流程,获取了定位区域丰富的精度信息,给出了烟火位置的有效参考信息,基本满足了林火定位需求。另外,这种定位方式只与图像的分辨率及匹配精度有关,避免了定位过程中硬件设备造成的精度误差。

      同时,本文提出的方法不仅适用于视频监控采集的图像,对于目前广泛使用的智能手机等摄像产品,只需要知道拍摄的位置信息,通过模拟该点处所在区域的虚拟地形,根据匹配原理将图像与地形匹配,就可以实现对该图像上目标点的定位。本文对地形匹配算法中地形特征不明显时如何处理没有进一步分析,同时对于部分可视区域的情况,如何利用多个方位拍摄的图像融合来提高定位的可靠性,需要在以后的研究中进一步深入分析。

参考文献 (11)

目录

    /

    返回文章
    返回