劉志奇 李天子 劉昌華 張慧慧

（1.河南理工大學(xué)測繪與國土信息工程學(xué)院，河南焦作454000；2.東北大學(xué)資源與土木工程學(xué)院，遼寧沈陽110819）

露天礦開采、道路工程、水利水電等工程會形成大量邊坡，邊坡在自然或人為因素的作用下易發(fā)生滑移，會對生產(chǎn)和人員生命財產(chǎn)安全造成嚴(yán)重危害?；卤O(jiān)測可以為防治滑坡及可能的滑動和蠕動變形提供技術(shù)依據(jù)，為預(yù)測和預(yù)報邊坡的位移、變形發(fā)展趨勢，進一步制定減災(zāi)方案提供可靠依據(jù)［1］。

近景攝影測量技術(shù)由于具有觀測方式簡便、無接觸測量、自動化程度高、產(chǎn)品形式豐富和適用于動態(tài)監(jiān)測等優(yōu)點，近年來在滑坡變形監(jiān)測領(lǐng)域得到了廣泛應(yīng)用［2］?；诮皵z影測量的滑坡監(jiān)測主要通過獲取目標(biāo)區(qū)域的監(jiān)測影像，建立立體模型得到目標(biāo)表面特征點的三維坐標(biāo)，進而計算位移矢量場［3-5］。劉昌華等［6］以近景攝影測量理論和變形監(jiān)測理論為基礎(chǔ)，對北京門頭溝木城澗煤礦進行了變形監(jiān)測，監(jiān)測精度可達(dá)到厘米級；Casson等［7］以法國南部阿爾卑斯山的超大沙丘滑坡為例，提出了一種使用標(biāo)準(zhǔn)化圖像相關(guān)技術(shù)處理監(jiān)測影像進行滑坡監(jiān)測的方法，與GPS測量結(jié)果一致；Mora等［8］在對意大利北亞平寧山脈的馬耳他斜坡進行滑坡監(jiān)測過程中，采用近景攝影測量技術(shù)獲得了該地區(qū)的高精度DEM；Gabrieli等［9］在攝影測量獲得的高精度DEM的基礎(chǔ)上，結(jié)合降水及地質(zhì)資料，對意大利東北部的特熙納陡坡進行了監(jiān)測，認(rèn)為攝影測量是低成本、持續(xù)監(jiān)測滑坡的最佳方法；Laribi等［10］以阿爾及爾的埃爾比亞爾滑坡為例，將數(shù)字?jǐn)z影測量技術(shù)與地質(zhì)和巖土數(shù)據(jù)進行了有機結(jié)合，對滑坡機理進行了探討。上述研究都是基于立體影像匹配方式獲取滑移矢量場，該類方法都需要構(gòu)建立體模型，數(shù)據(jù)處理復(fù)雜，數(shù)據(jù)量大，難以實現(xiàn)數(shù)據(jù)處理的實時、遠(yuǎn)程無線傳輸，給滑坡應(yīng)急響應(yīng)帶來了不便。同時，除了采用位移量進行滑坡預(yù)警外，滑坡裂縫對于滑坡監(jiān)測和預(yù)警也有十分重要的意義?；铝芽p是地面裂縫的一種，作為滑坡的伴生現(xiàn)象，通過分析滑坡裂縫的形態(tài)、變化趨勢、力學(xué)性質(zhì)和分布規(guī)律能夠有效判定滑坡范圍、發(fā)展階段、力學(xué)機制和滑坡體厚度，可以對滑坡的發(fā)展趨勢、即將發(fā)生的時間、滑坡方向和滑坡距離進行預(yù)測，為滑坡預(yù)警及救災(zāi)方案制定提供可靠依據(jù)［11-14］。

為有效探測滑坡裂縫，本研究設(shè)計了一種便于實時、遠(yuǎn)程傳輸?shù)膯蜗窠皵z影測量滑坡裂縫探測方案，并進一步提出了2種圈定滑動體范圍的監(jiān)測模型（基于影像同名點的二維場位移矢量模型和相鄰影像對應(yīng)像素灰度值跳躍檢驗?zāi)Ｐ停ㄟ^對2種模型進行耦合分析，圈定滑坡裂縫范圍，為滑坡預(yù)警提供依據(jù)。

1 理論依據(jù)

1.1 滑坡區(qū)域圈定模型

1.1.1 基于影像同名點的二維場位移矢量模型

基于影像同名點的二維場位移矢量模型，首先使用影像匹配算法在2幅影像中尋找同名點；然后將同名點的各自像平面坐標(biāo)作差，求出該點的位移矢量，構(gòu)建二維場位移矢量模型，進一步判定發(fā)生位移的點位；最后利用檢測出的位移點構(gòu)建Delaunay三角網(wǎng)，三角網(wǎng)的邊界即為所需圈定的目標(biāo)區(qū)域邊界。

1.1.2 相鄰影像對應(yīng)像素灰度值跳躍檢驗?zāi)Ｐ?/p>

將相鄰2幅影像對應(yīng)像素灰度值相減后，未發(fā)生滑坡區(qū)域的灰度差為0，而發(fā)生滑坡區(qū)域的灰度差的絕對值大于0。利用灰度差絕對值大于0的點（高值點）構(gòu)建Delaunay三角網(wǎng)，三角網(wǎng)的邊界即為所需圈定的目標(biāo)區(qū)域邊界（圖1）。

1.2 特征點匹配算法

（1）SIFT算法。SIFT算法是一種基于圖像局部特征的特征點提取算法，SIFT算法特征點對影像縮放、旋轉(zhuǎn)和平移具有完全不變性，對影像仿射變換也具有一定的不變性，并通過該點鄰域內(nèi)的梯度方向直方圖進行描述。為了使描述符具有旋轉(zhuǎn)不變性，該算法采用統(tǒng)計特征點支撐區(qū)域中每個像素點的梯度方向，為每個特征點確定1個基準(zhǔn)方向。根據(jù)樣本點的梯度大小以及到特征點中心的距離增加1個相應(yīng)的權(quán)重，再將該權(quán)重線性分配到8個方向上，有效避免了直方圖統(tǒng)計帶來的不穩(wěn)定性。最后通過2次歸一化處理，提高描述符對光照變化的穩(wěn)定性。

（2）SURF算法。SURF算法是在SIFT算法基礎(chǔ)上提出的一種改進算法，即在SIFT算法的基礎(chǔ)上，將二維Haar小波響應(yīng)、積分圖像和Hession矩陣相結(jié)合使用，實現(xiàn)算法提速［15-17］。

（3）ASIFT算法。ASIFT算法在SIFT算法的基礎(chǔ)上，考慮了視角變化對影像處理的影響，具有完全的仿射不變性。與SIFT算法相比，ASIFT算法增加了成像光軸到成像平面的經(jīng)度和緯度2個仿射變換參數(shù)，基本原理是通過旋轉(zhuǎn)和切變來模擬成像光軸不同經(jīng)緯度對影像產(chǎn)生的仿射失真［18］。

1.3 滑坡裂縫圈定

基于影像特征點的二維場位移矢量模型通過對比2幅影像同名特征點的位移變化，圈定滑坡區(qū)域。由于滑坡裂縫僅存在于滑坡后的影像中，無法在滑坡前的影像中找到與之對應(yīng)的同名特征點，因此，裂縫無法被圈定，基于影像特征點的二維場位移矢量模型圈定的范圍僅為滑坡體區(qū)域。

相鄰影像對應(yīng)像素灰度值跳躍檢驗?zāi)Ｐ屯ㄟ^對比2幅影像對應(yīng)像素點的灰度值差異，檢測2幅影像對應(yīng)位置發(fā)生的所有變化。當(dāng)滑坡發(fā)生時，滑坡體整體移動，在2幅影像中的對應(yīng)位置發(fā)生了變化，對應(yīng)位置的像素點灰度值會有一定的差異，據(jù)此可以圈定出滑坡范圍。此時，由滑坡產(chǎn)生的裂縫僅存在于滑坡后拍攝的影像中，與滑坡前的影像相比，對應(yīng)位置的像素點灰度值不同。因此，該模型能夠圈入滑坡裂縫，該模型圈定的范圍既包括滑坡體區(qū)域，又包括滑坡裂縫。因此，相鄰影像對應(yīng)像素灰度值跳躍檢驗?zāi)Ｐ腿Χǖ幕聟^(qū)域減去基于影像特征點的二維場位移矢量模型圈定的滑坡區(qū)域，便可得到滑坡裂縫區(qū)域。

1.4 研究思路

本研究提出了一種單像近景攝影測量滑坡裂縫探測方案，該方案首先采用基于影像同名點的二維場位移矢量模型和相鄰影像對應(yīng)像素灰度值跳躍檢驗?zāi)Ｐ腿Χɑ品秶?，在基于影像同名點的二維場位移矢量模型中，對影像進行同名點匹配時，從SIFT、SURF和ASIFT 3種算法中優(yōu)選出SIFT算法作為本研究方案的影像匹配算法；其次，將2種模型的圈定結(jié)果進行疊加分析，進一步圈定滑坡裂縫區(qū)域（圖2）。

2 試驗分析

2.1 影像匹配算法適應(yīng)性試驗

2.1.1 試驗數(shù)據(jù)獲取

為研究SIFT、SURF、ASIFT 3種算法在排土場邊坡監(jiān)測環(huán)境中的適應(yīng)性，選擇某一大型排土場作為試驗區(qū)，該排土場內(nèi)堆積有大量煤矸石，通過改變相機攝影瞬間的外方位元素和觀測時間，實現(xiàn)影像旋轉(zhuǎn)、縮放、亮度變化及仿射變換。影像旋轉(zhuǎn)通過旋轉(zhuǎn)相機實現(xiàn)，每次旋轉(zhuǎn)10°拍攝，共獲得17組像片。為保證其他參數(shù)一致，便于實現(xiàn)影像縮放，通過改變攝影距離拍攝影像，初始攝影距離為10 m，每次增大1 m攝影距離，共獲得32組像片。亮度變化通過在不同時段拍攝實現(xiàn)，10∶00～16∶00每隔0.5 h拍攝1次，共獲取了13組像片。仿射變換通過在煤矸石堆前方畫一圓弧，改變相機在圓弧上的位置拍攝影像實現(xiàn)，圓弧半徑10 m，圓弧上每隔1 m拍攝1次，共獲得19組像片。部分影像如圖3～圖6所示。

2.1.2 試驗結(jié)果分析

分別采用SIFT、SURF、ASIFT算法對獲取的旋轉(zhuǎn)、縮放、光照變化及仿射變換情況下的影像進行特征點匹配。匹配影像為從第1幅影像開始的相鄰2幅影像。采用RANSAC算法剔除匹配粗差［19-24］。分別對4類影像進行了15組、31組、12組、18組試驗，各算法的平均匹配點數(shù)N—及平均運行時間T—見表1。由表1可知：SURF算法匹配點數(shù)最少，但運算速度最快，故而不適宜采用該算法進行滑坡監(jiān)測；除了縮放影像外，SIFT算法的匹配點數(shù)量優(yōu)于ASIFT算法，SIFT算法的運算速度與ASIFT算法相當(dāng)。由于在滑坡發(fā)生初期（即產(chǎn)生滑坡裂縫）便需進行預(yù)警，此時滑坡影像發(fā)生仿射變換的程度較小，故ASIFT算法的優(yōu)勢無法有效體現(xiàn)，SIFT算法更適用于邊坡滑坡裂縫監(jiān)測。

?

2.2 滑坡區(qū)域圈定模擬試驗

露天礦開采、道路工程、水利水電工程中形成的邊坡以松散地表土為主，混以大量碎石塊，故試驗觀測目標(biāo)選取地表土和石塊混雜的斜坡。為使斜坡滑移，在斜坡下埋置襯墊，試驗依靠人力牽引襯墊，引起表層土形成滑移。依據(jù)實際存在的滑坡坡度，在室外空曠地區(qū)堆砌一人工土堆，該土堆斜坡坡度約為0.65（坡面角約33°）；襯墊尺寸為1m×1m（長×寬）。攝影采用佳能EOS 450D數(shù)碼相機，相機固定焦距29 mm，拍攝距離2 m，地面分辨率0.36 mm。相機調(diào)平后不可在水平或豎直面內(nèi)轉(zhuǎn)動，在試驗過程中，應(yīng)確保相機拍攝中心對準(zhǔn)同一目標(biāo)?；瑒泳嚯x約15 cm，均勻間隔獲取20幅影像。滑移前、滑移中和滑移后各階段的代表性影像如圖7所示。

分別采用基于SIFT特征點的二維場位移矢量模型和相鄰影像對應(yīng)像素灰度值跳躍檢驗?zāi)Ｐ吞幚碓囼炗跋瘛IFT特征點匹配時，相鄰影像匹配點數(shù)平均為7 291個；滑移前第1幅影像和滑移后最后1幅影像的匹配點數(shù)為6 850個，根據(jù)影像匹配結(jié)果圈定了滑動范圍（圖8（a））；相鄰影像對應(yīng)像素灰度值跳躍檢驗?zāi)Ｐ屠没魄暗?幅影像和滑移后最后1幅影像作差，圈定了滑動范圍（圖8（b））。圖8中2種模型的滑動區(qū)圈定范圍作差后所得的區(qū)域即為滑坡裂縫區(qū)域（圖9）。

3 結(jié)語

提出了一種基于單影像近景攝影測量的滑坡裂縫探測方案，該方案分別采用基于SIFT特征點的二維場位移矢量模型和相鄰影像對應(yīng)像素灰度值跳躍檢驗?zāi)Ｐ蛯逻M行探測，并對兩者的探測結(jié)果進行疊加分析，從而對滑坡裂縫進行了圈定，模擬試驗結(jié)果體現(xiàn)了該方案的有效性。由于實際滑坡與模擬試驗環(huán)境存在一定的差異，因此該方案仍需結(jié)合實際情況進行完善，其性能也需進一步進行工程驗證。