本發(fā)明涉及一種適于無人機(jī)的全自動(dòng)快速礫石篩分裝置及方法，屬于無人機(jī)拍攝的圖像尺寸精確標(biāo)定以及圖像分割。

背景技術(shù)：

1、礫石粒徑分布的獲取在海岸帶與山區(qū)河流研究中占據(jù)核心地位，對理解自然現(xiàn)象及河流動(dòng)力學(xué)至關(guān)重要。傳統(tǒng)機(jī)械篩分與單獨(dú)測量方法雖精確但耗時(shí)費(fèi)力，難以滿足大規(guī)模數(shù)據(jù)需求。近年來，基于礫石特征的自動(dòng)粒徑測定方法應(yīng)運(yùn)而生，主要分為間接測定與直接測定兩類。間接測定方法如查表篩分方法(look-up-catalog簡稱luc)、譜分解及基于深度學(xué)習(xí)的礫石篩分方法(sediment?net簡稱sedinet)雖能提供粒徑信息，但存在依賴校準(zhǔn)、精度不足或需特定數(shù)據(jù)訓(xùn)練等問題。直接測定方法如基于matlab的自動(dòng)目標(biāo)檢測方法(matlab-based?automatic?object?detection?software簡稱basegrain)，卵石自動(dòng)計(jì)數(shù)方法(pebblecountsauto)及公開(公布)號：cn118196655a的方法雖能直接測量礫石特征，但面臨圖像處理過程需要手動(dòng)干預(yù)以及處理速度慢等挑戰(zhàn)。此外，隨著無人機(jī)技術(shù)的普及，大范圍礫石圖像數(shù)據(jù)的獲取變得便捷，但也引入了飛行高度變化導(dǎo)致的像素尺寸偏差問題，影響粒徑測定精度。

2、因此，研發(fā)一種處理過程不需要人為干預(yù)且不依賴特定數(shù)據(jù)集、高精度、高穩(wěn)定性且處理速度快的礫石粒徑自動(dòng)測定方法成為迫切需求。

技術(shù)實(shí)現(xiàn)思路

1、為了解決上述現(xiàn)有技術(shù)存在的不足之處，提供一種適用于無人機(jī)的全自動(dòng)快速礫石自動(dòng)篩分方法，旨在解決現(xiàn)有技術(shù)中的上述問題，提升粒徑測定的準(zhǔn)確性與效率。

2、本發(fā)明的一種適于無人機(jī)的全自動(dòng)快速礫石篩分裝置，其特殊之處在于包括：無人機(jī)1、透明繩2、標(biāo)定物3，透明繩2一端連接于無人機(jī)1上、另一端與標(biāo)定物3相連接，透明繩2的長度應(yīng)達(dá)到無人機(jī)1拍攝時(shí)標(biāo)定物3能夠觸地并保持在相機(jī)視野之內(nèi)；

3、所述標(biāo)定物3為球形，顏色為紅色或藍(lán)色，標(biāo)定物3的直徑為3～5cm；

4、所述無人機(jī)1采用型號為fimi?x8pro或fimi?x8se的無人機(jī)；

5、所述透明繩2的長度通過(1)式來確定：

6、

7、式中：h為拍攝高度，單位m；lropes為懸掛繩長度，單位m；θ為鏡頭視角的一半，單位rad；r為圖像傳感器尺寸的長寬比。

8、本發(fā)明的一種適于無人機(jī)的全自動(dòng)快速礫石篩分方法，其特殊之處在于包括以下步驟：

9、1、圖像數(shù)據(jù)獲取

10、無人機(jī)1按照預(yù)定航線飛行到設(shè)置的航點(diǎn)位置后，無人機(jī)1下方懸掛的標(biāo)定物3與地面相接觸，隨后進(jìn)行圖像數(shù)據(jù)獲?。?/p>

11、2、確定像素尺寸

12、首先通過標(biāo)定物的顏色初步篩選出可能包含標(biāo)定物的區(qū)域；其次通過候選區(qū)域的大小定位標(biāo)定物的區(qū)域；再次根據(jù)標(biāo)定的形狀進(jìn)一步提高標(biāo)定物的定位精度；最后依據(jù)標(biāo)定物的實(shí)際尺寸以及標(biāo)定物的范圍內(nèi)的像素格式最終確定單像素尺寸；具體步驟如下：

13、步驟1：將采集到的圖像數(shù)據(jù)從rgb格式轉(zhuǎn)換為hsv格式，隨后對圖像進(jìn)行顏色檢測，生成包含標(biāo)定物的檢測圖像；

14、步驟2：簡化檢測圖像信息，搜索并識(shí)別所有圖像斑塊的輪廓，從中確定最大的圖像斑塊輪廓，即為標(biāo)定物輪廓；

15、步驟3：利用步驟2中確定的標(biāo)定物輪廓內(nèi)的所有像素坐標(biāo)值，根據(jù)式(2)來計(jì)算標(biāo)定物的中心坐標(biāo)和半徑；

16、

17、式中：xc,yc為標(biāo)定物中心點(diǎn)的坐標(biāo)，pix；xi,yi標(biāo)定物輪廓范圍內(nèi)像素點(diǎn)的坐標(biāo)，pix；m為標(biāo)定物輪廓范圍內(nèi)像素點(diǎn)的數(shù)量；rc為標(biāo)定物的半徑；

18、步驟4：根據(jù)式(2)計(jì)算出的標(biāo)定物的中心坐標(biāo)以及半徑，在圖像中分割出標(biāo)定物的區(qū)域并依據(jù)標(biāo)定物的實(shí)際尺寸按照式(3)計(jì)算出單像素尺寸；

19、

20、式中：lpix為單像素的實(shí)際尺寸，單位mm/pix；為標(biāo)定物的面積，單位mm2，默認(rèn)值為1256mm2。

21、優(yōu)選的，步驟1中所述檢測圖像不僅包含標(biāo)定物本身，還伴隨有大量噪聲，需要進(jìn)一步處理以提高圖像質(zhì)量，由于光照影響使得在標(biāo)定物顏色檢測過程中會(huì)出現(xiàn)大量噪聲斑塊，但單個(gè)噪聲斑塊的區(qū)域相較于標(biāo)定物要小，因此根據(jù)這一點(diǎn)可以過濾掉所有噪聲。

22、優(yōu)選的，步驟2中采用二值化處理來簡化檢測圖像信息；

23、3、生成礫石輪廓

24、采用局部閾值法與canny邊緣檢測法精確識(shí)別礫石輪廓；通過局部閾值法初步勾勒出礫石輪廓，并剔除礫石內(nèi)部的細(xì)碎紋理；借助canny邊緣檢測法的敏銳邊緣檢測能力，在上述輪廓基礎(chǔ)上進(jìn)一步細(xì)化與增強(qiáng)；通過前景和背景斑塊抑制算法，剔除多余的圖像斑塊，確保輪廓的清晰與準(zhǔn)確；

25、優(yōu)選的，所述剔除礫石內(nèi)部的細(xì)碎紋理采用八連通區(qū)域抑制算法，該算法首先將圖像中所有像素按照八鄰域劃分為不同的連通區(qū)域斑塊；然后設(shè)定過濾閾值，閾值默認(rèn)為800；最后，按照這個(gè)設(shè)定閾值對圖片中所有的連通區(qū)域斑塊進(jìn)行過濾來達(dá)到抑制噪聲的效果。優(yōu)選的，所述前景和背景斑塊抑制算法中，前景指的是砂礫，背景指的是砂礫的邊界，該算法首先將局部閾值法與canny邊緣檢測法合成的圖像按照前景和背景進(jìn)行八連通區(qū)域抑制算法處理，前景為白色，背景為黑色；

26、優(yōu)選的，所述局部閾值法生成礫石輪廓包括三個(gè)步驟：確定窗口尺寸、確定niblack局部閾值、紋理噪聲過濾；具體步驟如下：

27、步驟1：確定窗口尺寸：在選擇局部窗口大小時(shí)，既要確保窗口能夠完整跨越礫石的邊界區(qū)域，又要避免窗口過大而增加不必要的運(yùn)算負(fù)擔(dān)，為了平衡這兩個(gè)因素，采用一種策略：當(dāng)圖像中存在標(biāo)定物時(shí)，以標(biāo)定物半徑長度內(nèi)的像素?cái)?shù)量作為局部窗口的大?。蝗魣D像范圍內(nèi)沒有標(biāo)定物，則默認(rèn)采用20mm長度所跨越的像素?cái)?shù)量作為窗口長度；

28、步驟2：確定niblack局部閾值：確定局部窗口內(nèi)像素的均值和標(biāo)準(zhǔn)差，基于這些窗口內(nèi)的均值和標(biāo)準(zhǔn)差，進(jìn)一步計(jì)算niblack局部閾值：

29、t＝m-ks(4)

30、式中：m為窗口內(nèi)像素的均值；s為窗口內(nèi)的標(biāo)準(zhǔn)差；k是一個(gè)用于控制閾值對標(biāo)準(zhǔn)差的敏感度的常數(shù)，默認(rèn)值為0.05；

31、步驟3：紋理噪聲過濾：通過形態(tài)學(xué)膨脹來分離邊界和內(nèi)部紋理，采用八連通區(qū)域抑制算法來過濾掉礫石內(nèi)部的紋理噪聲；

32、所述八連通區(qū)域抑制算法首先將圖像中所有像素按照八鄰域劃分為不同的連通區(qū)域斑塊；然后設(shè)定過濾閾值，閾值默認(rèn)為800；最后，按照這個(gè)設(shè)定閾值對圖片中所有的連通區(qū)域斑塊進(jìn)行過濾來達(dá)到抑制噪聲的效果。

33、優(yōu)選的，所述canny邊緣檢測法生成礫石輪廓的具體步驟：

34、canny邊緣檢測法需要高閾值和低閾值以更精確地檢測邊緣，通過式(5)為canny邊緣檢測法產(chǎn)生合適的閾值，進(jìn)而簡化了參數(shù)調(diào)整過程；

35、

36、式中：vup,vdown為canny邊緣檢測法的上下閾值；kdown,kup為otsu閾值的上下放大系數(shù)，默認(rèn)值為：kdown＝0.5，kup＝1.5；kdown,kup為canny邊緣檢測法的上下控制閾值，默認(rèn)值為kdown＝150，kup＝255。

37、4、分割礫石圖像

38、礫石圖像分割包含四個(gè)步驟：種子點(diǎn)生成、最大搜索區(qū)域確定、像素斑塊搜索及判定；種子點(diǎn)的生成決定了從何處開始搜索礫石像素，并確保避開間隙等易誤判區(qū)域；在搜索過程中，確定最大搜索區(qū)域能有效控制礫石的欠分割和過分割問題；像素斑塊搜索及判定能夠細(xì)化礫石邊界的細(xì)節(jié)，提升分割的精確度；

39、優(yōu)選的，所述種子點(diǎn)生成具體包括以下步驟：

40、將種子點(diǎn)的位置限定在其影響區(qū)域的中心附近的一定范圍內(nèi)(在礫石區(qū)域范圍內(nèi)，生成隨機(jī)點(diǎn)，然后以此點(diǎn)上，下，左，右四個(gè)方向延伸直至接觸到最近的礫石邊界為止，則由四條正交的線確定的矩形為該隨機(jī)點(diǎn)的影響范圍，當(dāng)該隨機(jī)位于該影響區(qū)域的中心以矩形的短邊長度的四分之一長度半徑的區(qū)域內(nèi)則該點(diǎn)為種子點(diǎn))，確保生成的多邊形能夠更精確地反映礫石輪廓的形狀特征；根據(jù)預(yù)設(shè)的種子點(diǎn)數(shù)量將整幅圖像均勻劃分為相應(yīng)數(shù)量的區(qū)域，在每個(gè)區(qū)域內(nèi)，隨機(jī)生成候選點(diǎn)，并按照上述種子點(diǎn)判斷標(biāo)準(zhǔn)進(jìn)行篩選。

41、優(yōu)選的，所述最大搜索區(qū)域確定的具體步驟為：

42、在確定礫石的最大搜索區(qū)域時(shí)，首先以種子點(diǎn)的影響區(qū)域(從種子點(diǎn)上，下，左，右四個(gè)方向延伸直線直至接觸到最近的礫石邊界為止，則由和四條正交的線確定的矩形為該種子點(diǎn)的影響區(qū)域)，在該影響區(qū)域的形心位置，生成一個(gè)正方形區(qū)域，其邊長等于影響區(qū)域短邊長度的一半；隨后，在這個(gè)正方形區(qū)域稱為形心影響區(qū)域，并在該區(qū)域內(nèi)生成一系列點(diǎn)，這些點(diǎn)定義為生成邊界多邊形頂點(diǎn)的控制點(diǎn)；

43、為了形成邊界控制多邊形，從每個(gè)控制點(diǎn)出發(fā)，沿八個(gè)鄰域方向發(fā)射射線，直到它們與邊界相交；根據(jù)交點(diǎn)與控制點(diǎn)之間的距離進(jìn)行排序，選擇距離最近的幾個(gè)點(diǎn)(默認(rèn)為前四個(gè))作為多邊形的頂點(diǎn)，這一過程在形心影響區(qū)域內(nèi)的每個(gè)控制點(diǎn)上重復(fù)進(jìn)行，從而獲取所有相關(guān)的多邊形頂點(diǎn)；最終，由這些頂點(diǎn)連接而成的多邊形區(qū)域即為礫石的最大搜索區(qū)域，通過精確控制點(diǎn)的生成和邊界交點(diǎn)的選擇，確保了搜索區(qū)域的準(zhǔn)確性和有效性。

44、優(yōu)選的，所述像素斑塊搜索及判定的具體步驟為：

45、礫石圖像的搜索過程是以像素斑塊為基本單位執(zhí)行的；

46、像素斑塊是由中心像素點(diǎn)及其八鄰域像素點(diǎn)共同構(gòu)成的集合，搜索過程始于一個(gè)種子點(diǎn)，從這個(gè)點(diǎn)開始，搜索種子四鄰域內(nèi)的所有像素斑塊，并將它們添加到待檢測集合中；隨后，對這個(gè)集合中的每個(gè)待測像素斑塊進(jìn)行評估，被識(shí)別為礫石的像素斑塊將成為下一輪搜索的搜索起點(diǎn)；隨著搜索的深入進(jìn)行，待測的像素斑塊將逐漸接近邊界，每一輪中待測像素斑塊的數(shù)量也會(huì)隨著礫石邊界像素斑塊的增加而相應(yīng)減少，當(dāng)起點(diǎn)像素斑塊的數(shù)量減少至零時(shí)，搜索過程將終止；

47、所述判定的具體步驟為：

48、礫石像素斑塊判斷函數(shù)滿足下述兩方面要求：一方面，在種子點(diǎn)臨近區(qū)域的像素斑塊必隸屬于礫石像素斑塊，當(dāng)像素斑塊位于種子點(diǎn)附近相對影響距離β范圍內(nèi)時(shí)，無論像素斑塊中有幾個(gè)像素點(diǎn)屬于礫石的顏色域都被認(rèn)定為礫石像素斑塊；另一方面，隨著像素斑塊與種子點(diǎn)的距離的不斷增加，像素斑塊隸屬于礫石邊界的可能性在逐漸增加，在判斷像素斑塊歸屬時(shí)，相對影響距離的判斷權(quán)重逐漸降低，而顏色域的判斷權(quán)重則逐漸提升，式(6)為礫石像素斑塊判斷函數(shù)：

49、

50、式中：ψ為礫石像素斑塊判斷函數(shù)；α為相對距離因子放大系數(shù)，默認(rèn)值為5；β為相對影響距離，默認(rèn)為0.4；w為種子點(diǎn)作用域矩形的長和寬中最小值的一半；x,y為待測像素斑塊的中心坐標(biāo)，單位pix；xs,ys為礫石種子點(diǎn)的坐標(biāo)，單位pix；m為待測像素斑塊中隸屬于礫石顏色域空間的像素?cái)?shù)量；n為像素斑塊的像素?cái)?shù)量，默認(rèn)值為9。

51、5、獲取礫石參數(shù)

52、根據(jù)像素斑塊中心點(diǎn)在圖像中的絕對位置，將所有像素斑塊整合成一幅礫石圖像。然后，用橢圓擬合礫石圖像的外輪廓，橢圓的短軸長度即為礫石的b軸長度；最后，將礫石的b軸長度進(jìn)行升序排列，并依據(jù)每個(gè)礫石的實(shí)際面積以及所有礫石的總面積，使用式(7)來確定累計(jì)曲線上對應(yīng)粒徑的質(zhì)量分?jǐn)?shù)：

53、

54、式中：pi為分割出的礫石按照升序排列第i個(gè)礫石對應(yīng)的質(zhì)量分?jǐn)?shù)；ak為分割出的礫石按照升序排列第k個(gè)礫石對應(yīng)的面積，單位mm2；n為總共分割出來的礫石數(shù)量。

55、本發(fā)明提供了一種適用于無人機(jī)的全自動(dòng)快速礫石篩分裝置及方法，有益效果如下：

56、1、高精度粒徑測定：本發(fā)明通過引入特定顏色和尺寸的標(biāo)定物作為標(biāo)定物，結(jié)合精確的像素尺寸標(biāo)定方法，顯著提高了像素尺寸標(biāo)定的精度。

57、2、全自動(dòng)處理流程：本發(fā)明實(shí)現(xiàn)了礫石圖像分割的全自動(dòng)處理流程，無需人工干預(yù)。傳統(tǒng)方法如basegrain、pebblecountsauto和公開(公布)號：cn118196655a的方法等，盡管能直接測量礫石特征，但處理過程中仍需手動(dòng)干預(yù)，效率低下。本發(fā)明的全自動(dòng)處理流程大大提高了工作效率，適用于大規(guī)模數(shù)據(jù)處理場景。

58、3、廣泛的適用性和穩(wěn)定性：本發(fā)明方法不依賴于特定數(shù)據(jù)集，具有較強(qiáng)的泛化能力，能夠處理不同時(shí)間、季節(jié)和灘涂類型的復(fù)雜圖像數(shù)據(jù)。實(shí)驗(yàn)結(jié)果表明，在不同光照條件和背景環(huán)境下，本發(fā)明方法均能保持較高的準(zhǔn)確性和穩(wěn)定性，表明其具有較強(qiáng)的魯棒性。

59、4、快速處理速度：相比其他自動(dòng)處理方法，本發(fā)明在保證高精度的同時(shí)，也具備較快的處理速度。雖然略慢于基于神經(jīng)網(wǎng)絡(luò)的sedinet方法，但優(yōu)于basegrain和pebblecountsauto，同時(shí)，本發(fā)明方法精度遠(yuǎn)高于sedinet方法，且支持大規(guī)模圖片的批處理，提高了整體處理效率。這對于需要快速獲取粒徑分布數(shù)據(jù)的應(yīng)用場景尤為重要。

60、5、簡化的操作流程：本發(fā)明通過簡化操作流程，降低了用戶的使用門檻。無人機(jī)的應(yīng)用使得數(shù)據(jù)獲取更加便捷，而后續(xù)的數(shù)據(jù)處理流程也通過自動(dòng)化手段進(jìn)行了優(yōu)化，用戶只需簡單設(shè)置無人機(jī)航線即可完成數(shù)據(jù)采集和處理，大大提升了用戶體驗(yàn)。