凌汛灾害防控技术成果展示

正黄河水利委员会黄河水利科学研究院承担的"国家重点研发计划专项:重大自然灾害监测预警与防范,黄河凌汛监测与灾害防控关键技术研究与示范"两项技术研究成果展示如下。凌汛期低空遥感应急监测技术装备——无人机测冰雷达集成系列无人机、激光雷达、地质雷达和微波雷达等仪器,研发了凌汛期低空遥感应急监测技术装备及基于图像识别技术的黄河冰凌参数分析系统。通过对无人机或地面固定视频监控所获取的图像及视频中流凌或冰盖特征的识别,分析冰盖堆积特征,获取流凌的密集度、尺寸以及移动速度等各项参数。     

冰凌监测新技术研究进展

我国有关研究机构通过现场试验,在冰凌监测技术方面提出了冰水情数据与图像远程连续自动监测系统、地质雷达冰厚探测技术、ADCP(acoustic doppler current profilers)冰下流速测验技术、无人机航拍应急监测等先进技术,可以实现对河道冰凌形成过程的自动测报和应急监测。新技术的实施可以对河道冰层厚度、冰下水位、气温、冰温、水温等参数同时进行连续自动监测,并可获取冰凌图像、流冰速度、流凌密度等重要参数,实现冰层生消全过程的连续监测。     

冰凌输砂初探

冰凌输砂是河流泥沙运动的一部分.凡结冰河流都有冰凌输沙现象.本文是根据黑龙江省北部河流观测到的冰凌输砂资料,说明冰凌输砂的存在、形成、分类和研究冰凌输砂的意义. 北方河流每年都经历秋季结冰流凌到冻结盖面冰;春季解冰流凌到畅流两个时期,即冰期和畅流期.随着河流的地理位置和季节变化,又出现不同机理的冰情现象.伴随     

基于视频图像获取冰面特征的自动检测算法研究

基于船基或岸基平台拍摄视频图像,来获取冰凌块体几何参数的方法越来越成熟,而冰凌块表面特征信息提取还在发展之中。其技术难点在于如何自动化地处理批量图像,以提高工作效率。本文以船基图像中提取北极海冰表面融池分布信息参数为例,首先讨论了阈值法、K-means聚类算法、分水岭分割、支持向量机和随机森林算法提取冰面特征值的优缺点;然后对海冰表面特征检测开源算法OSSP进行改进,成功地将其应用到区分海冰图像中的冰雪、开阔水域与融池等表面特征;最后利用北极现场海冰图像及其他方法处理的结果进行对比,验证改进方法自动化地处理图像的可行性。发现本改进方法是自动提取船基海上流冰和岸基河冰流凌视频图像中冰面特征参数的一种潜在新方法。     

虚拟现实技术在冰凌可视化模拟中的应用

冰凌的可视化模拟技术是冰凌监测和预警的重要手段,本文采用虚拟现实技术,通过水动力场与冰凌运动场的耦合,构建冰凌三维模拟模型.虚拟出冰盖表面鼓涨场景和不同流凌量时的冰水流三维场景,为深入分析冰凌运动规律提供了技术支持.     

万家寨水利枢纽库尾凌情特征及变化

万家寨水利枢纽位于黄河中游,其库区狭窄多弯,由于河道断面宽度和河床比降变化大等特殊地形条件,每年进入冬季的封开河关键期容易形成冰塞、冰坝,出现凌汛灾害。对万家寨库区1998年以来近15年的冰情资料进行分析,并对库区的冰凌进行测量,分析总结库区段流凌期、封冻期和开河期的凌情特征及变化,以制定出更好的防凌方案。     

黄河宁蒙河段冰凌变化新特点分析

基于冰凌观测资料,分析了黄河宁蒙河段2000年以来冰凌的变化特点。结果表明:河段流凌及封、开河特征发生明显改变;河道冰下过流能力明显下降,槽蓄水增量逐年增大;封、开河水位升高,河道堤防压力增大,凌情形势趋于复杂。建议在加强冰凌原型观测的基础上,开发具有物理机制的冰凌预报模型。     

冰凌漂砾对水下工程的破坏

冰凌漂砾是高寒地区江河水流在春季解冰流凌期所出现的一种独特的自然现象,它对水下建筑物的破坏是在隐蔽中进行的。目前对黑龙江中游、嫩江上游、呼码河、逊毕拉河中上游以及沾河下游所了解到的冰凌漂砾运动形态,冰凌漂砾的类型初步可分为三种:固定型、移动型和条件型。对冰凌漂砾运动目前还无规律可循,不可预见,只有在工程建设时加以充分考虑,在结构设计上得到解决。     

SIFT算法在无人机遥感影像特征提取中的应用

无人机遥感快速、灵活,应用十分广泛,无人机影像特征点的提取和匹配是无人机遥感应用的基础工作。SIFT是目前应用十分广泛的尺度不变的图像特征点检测算法,对图像的多种变形都保持不变性,同时对噪声和光线变化也保持一定的稳定性。SIFT算法属于计算密集型问题,运算时间长,文章利用GPU对SIFT算法进行了并行处理,经测试对比,在保证良好特征点提取和匹配效果的前提下取得了良好的加速比。     

面向无人机水域影像的自动拼接方法

基于无人机航拍的水域影像,研究了该类影像的自动拼接方法。针对水域与陆地共存的影像(水域面积占比例较大,影像灰度值较小),利用SIFT和Harris算子共同提取特征点,再用RANSAC算法对错误匹配进行筛选,从而完成图像拼接。针对影像内容完全是水域的情况,利用无人机携带的POS定向数据辅助图像拼接。最后,以近海面油污监测的实例,阐述了本研究在无人机水资源监测和应急救灾中的实际应用价值。     

基于无人机正射影像的河道水域动态监测模型的研究——以浙江省宁波市鄞州区为例

利用卫星影像开展河道水域非法占用监测,存在后期数据处理周期长、实时性弱等不足。为此,基于无人机正射影像图提出一种集Mask RCNN网络与图像差值计算的河道水域动态监测模型,通过机器识别改善现存问题。首先对正射影像进行拼接、矫正与分割,获取原始数据集后利用有监督学习方式训练Mask RCNN模型。最后获取河道轮廓图并计算两期同一位置正射影像的差值与阈值对比,来判定河道水域是否发生变化。试验结果表明,在机器识别与人工处理对比中本方法具有平均90%左右的准确率。本模型准确性较高,可辅助作为小型河道水域非法占用的实时动态监测工具。     

基于计算机视觉的混凝土坝裂缝检测方法

为解决传统图像分割算法难以分割噪声污染严重的坝面裂缝图片的问题,提出一种基于自适应区域生长和局部K-Means聚类的坝面裂缝检测算法。采用双边滤波对裂缝灰度图进行初步降噪,运用自适应区域生长算法获得裂缝的粗分割图,再通过形态学腐蚀操作以及最大连通域提取操作去除孤立的点状及团状噪声,最后采用局部K-means聚类算法获得裂缝的精细分割图。运用该算法以及大津阈值分割算法等常用的3种算法对3幅分别存在污渍噪声、混凝土表面毛刺噪声、块状以及条状噪声污染的裂缝图片进行分割。结果表明:该算法获得的分割结果完成度指数以及正确度指数均在0.95以上,高于其他3种算法;该算法的抗噪性好,适应性强,能实现对坝面裂缝的精确识别分割。     

基于SLIC的哨兵1号雷达数据水体信息提取

针对水域面积较少时水体信息提取困难的问题,提出了以Sentinel-1A SAR为数据源,用简化的SLIC超像素分割算法对图像进行分割,根据相似度将分割后图像进行分层区域合并,将图像二值化得到最终水体信息的方法。将提取的信息与Otsu阈值法提取的水体信息进行对比分析,结果表明：水体提取算法相比Otsu阈值法有效提升了水体信息提取的效率和精度,对于防汛减灾具有重要的科学价值。将提出的方法应用于2019年7月份的株洲洪水监测,取得了较好的效果。     

面向对象的国产GF-1遥感影像水体信息提取研究

鉴于传统方法在提取高分辨率影像中水体信息的不足,以高分辨率国产卫星GF-1 2m/8m遥感影像为数据源,以特克斯河部分区域为研究区,通过分形网络进化算法实现影像分割并借助ESP尺度分割工具选取特定地物的最优分割尺度,随后使用基于规则的面向对象方法实现了水体信息的精度提取,并与传统的分类方法提取结果进行比较。结果表明:面向对象的总体分类精度达到了94.01%,Kappa系数为0.86;最大似然分类精度为90.00%,Kappa系数为0.80;面向对象的分类方法对国产GF-1影像是可行的,可以避免"椒盐"现象和图斑破碎,且分类精度比传统的方法高,可为国产高分影像研究与应用提供科学参考。     

基于全卷积神经网络的无人机影像建筑物提取

针对无人机影像建筑物自动提取时精度低、边缘精细化程度不足导致水利移民征地过程中建筑物面积统计不准确的问题,为提高无人机影像建筑物自动提取精度,利用基于跳层连接的全卷积神经网络进行无人机影像建筑物自动提取,结合无人机数据生产过程中产生的 DSM 对建筑物初步提取结果进行后处理,得到更加精细化建筑物的边缘。结果显示,利用基于跳层连接的全卷积神经网络进行无人机影像建筑物提取,平均 Kappa 系数为 0. 90,平均查准率为 0. 93; 当前常用的分类模型 Deeplab 网络,Kappa 系数为 0. 67,查准率 0. 70; Segnet 网络的 Kappa 系数为 0. 75,查准率为 0. 79。相较于 Deeplab 网络 Kappa 系数提高了 0. 23,查准率提高了 0. 23; 相较于 Segnet 网络,Kappa 系数提高了0. 15,查准率提高了 0. 14。利用 DSM 对初步提取结果进行后处理,处理后 Kappa 系数为 0. 92,查准率为 0. 94。对比初步提取结果,Kappa 系数提高了 0. 02,查准率提高了 0. 01。结果表明,结合 DSM与全卷积神经网络的无人机影像建筑物提取方法具有更优越的提取精度。     

基于无人机自标定的表面流场测量方法

针对无人机图像标定及配准等关键技术问题,提出了一种基于无人机自标定的表面流场测量方法。该方法基于运动恢复结构(SFM)三维重建技术完成无人机图像自标定,采用加速稳健特征变换(SURF)方法对无人机图像进行配准。将该方法应用于南京市三汊河河口闸下游表面流场测量,结果表明,基于SFM的三维重建精度可以满足自标定的要求,不需要另外设置地面控制点对无人机图像进行标定,简化无人机标定过程, SURF方法可有效地消除无人机位置飘移对表面流场测量结果的影响。     

融合光谱和几何特征的高分辨率遥感变化检测研究

针对高分辨率遥感影像城市区域地类复杂的特点,提出了一种融合光谱和几何特征的多时相高分辨率遥感变化检测方法。在获取光谱和几何差异影像的基础上,采用模糊分类的方法,进行变化类和非变化类区分,建立各类的隶属度图像。采取基于模糊集理论的融合算法,对各种检测方法获取的隶属度图像进行有效融合,以减小部分区域的模糊度,提高变化类和非变化类的检测精度。采用城区多时相高分辨率影像为实验数据,进行各种变化检测方法的对比与分析,实验结果表明,融合光谱和几何特征的方法所获取的检测结果与光谱、几何差异影像法相比,具有检测精度高、漏检率低的特点。     

无人机红外舰船目标分割

舰载无人机执行情报、侦察任务已经成为海上信息化作战中的重要手段。红外图像分割是无人机探测红外舰船目标特征提取、识别与跟踪的基础。针对红外图像普遍存在目标与背景对比度较低、目标边缘模糊和信噪比低等特点,提出基于改进的局部熵过渡区提取的分割方法。实验表明,与一维和二维最大类间方差法的分割性能相比,此方法在满足实时性要求下可以获得良好的分割结果。     

基于环状分区和区域生长的混凝土CT图像分割

针对混凝土圆形工业CT扫描切片中间暗四周亮、灰度图像无明显双峰的缺陷,为提高图像阈值分割的准确性,设计了一种基于环状分区和区域生长法相结合的图像分割算法,并将其与不同分割方法进行效果对比分析。利用医学软件MIMICS对图像进行选择性编辑、补洞处理和冗余数据去除,并利用布尔操作界定出50μm厚度界面,从而完成混凝土CT切片四值化划分。将四值数据导入ABAQUS中,建立有限元细观模型并进行巴西劈裂试验的数值模拟。数值结果与物理试验结果相近,表明所设计的分割方法能够为真实混凝土精确数值模型的建立提供有效信息。