基于相似度判定准则的边坡微变形监测方法及监测系统

摘要

本发明公开了一种基于相似度判定准则的边坡微变形监测方法及监测系统，其监测方法包括步骤：一、图像采集及同步上传：对监测区域的边坡表面图像进行采集并上传；监测区域分为K个待分析区域；二、图像接收及同步处理：对所接收的边坡表面图像同步进行处理，过程如下：201、初始采样时刻采集的边坡表面图像处理，计算出该时刻边坡表面图像的相似度；202、下一个采样时刻采集的边坡表面图像处理，计算出该时刻边坡表面图像的相似度；203、微变形发生判断；其监测系统包括K个数字投影仪、K个图像摄取设备、图像采集设备和图像处理设备。本发明设计合理、实现方便且使用效果好，能对边坡微变形进行简便、实时、准确监测。

说明书

技术领域

本发明属于微变监测技术领域，尤其是涉及一种基于相似度判定准则 的边坡微变形监测方法及监测系统。

背景技术

边坡表面微变形的监测及实时报警至关重要，如露天煤矿边坡表面微 变形进行监测的微变监测及实时报警关乎到矿工生命安全的大事。实际对 边坡表面微变形进行监测时，主要是对因沉降产生的岩体裂变进行监测。 目前，用于检测边坡表面微变形的仪器或方法有：全站仪、收敛仪、光纤 传感技术等，上述检测技术各具优势，但也均不同程度地存在缺陷和不足， 如：采用光纤传感技术进行边坡微变形检测时，将光纤植入到边坡内部是 非常困难的，而且检测的灵敏性需根据边坡属性进行建模分析；采用全站 仪与收敛仪进行边坡微变形检测时，测量前做大量工作，包括设置观测点， 架设棱镜设备等，并且在测量过程中每次只能对一个观测点的三维数据进 行采集，需要逐点采集边坡表面到仪器的距离，对一面不平整的边坡数据 采集时工作量较大，需花费很长时间，而且很难做到实时、智能监测。

近年来，图像处理技术与3D重建技术取得了快速发展。在图像处理 领域，经验模态分解(EMD)方法是一种具有自适应时频分辨能力的信号 分析方法，而二维经验模态分解(BEMD)方法是经验模态分解(EMD)方 法的进一步推广且其是一种不依懒于基函数的数据驱动的自适应方法，近 几年二维经验模态分解(BEMD)方法也广泛用于图像多尺度分析。

由于光学测量方法具有非接触、精度高等优点，因此其被广泛应用于 三维测量领域。在三维测量领域，动态、实时的三维测量是研究的难点。 目前，被广泛应用的光学三维测量方法有结构光投影法、立体视觉法、激 光扫描法、激光干涉法、飞行时间法等。其中，激光扫描法由于耗时较长， 一般难以用于动态物体扫描；激光干涉法和共聚焦法对环境要求苛刻，设 备复杂昂贵，一般用于特定行业的精密测量；而适用于动态实时监测的3D 测量方法，主要有ToF、全息成像法、结构光法和立体视觉法几类。

针对现有边坡微变形监测方法存在的缺陷和不足，如能将3D重建方 法与图像处理方法相结合，应用于边坡微变形监测，便能有效解决现有边 坡微变形监测方法及对应的监测设备存在的监测难度大、费工费时、不能 实现实时监测、监测效果较差等问题。另外，现有边坡微变形监测方法及 对应的监测设备还存在监测结果不准确的缺陷，如边坡上一块岩石因松动 而掉落时，因此时边坡表面并未出现微变形，若此时进行报警则很有可能 产生虚警。

综上，现如今缺少一种设计合理、实现方便且使用效果好的基于相似 度判定准则的边坡微变形监测方法及监测系统，能对边坡微变形进行简 便、实时、准确监测。

发明内容

本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一 种基于相似度判定准则的边坡微变形监测方法，其方法步骤简单、设计合 理且实现方便、使用效果好，能对边坡微变形进行简便、实时、准确监测。

为解决上述技术问题，本发明采用的技术方案是：一种基于相似度判定 准则的边坡微变形监测方法，其特征在于该方法包括以下步骤：

步骤一、图像采集及同步上传：采用图像采集设备且按照预先设定的 采样频率f，对监测区域的边坡表面图像进行采集，并将各采样时刻所采 集的边坡表面图像同步传送至图像处理设备；

所述监测区域为边坡坡面上需进行微变形监测的区域，所监测区域划 分为K个待分析区域，K个所述待分析区域均为正方形且其大小均相同； 其中，K为正整数且K≥2；所述边坡表面图像由K个区域图像组成，K个 所述区域图像分别为K个所述待分析区域的图像；

所述图像采集设备的采样时刻，记作t_h，t_h＝t₁+(h-1)×Δt；其中，h为 正整数且h＝1、2、3、…，t₁为所述图像采集设备的初始采样时刻，Δt为所 述图像采集设备前后相邻两次采样的时间间隔且Δt＝1/f；

步骤二、图像接收及同步处理：所述图像处理设备接收到图像采集设 备各采样时刻所采集的边坡表面图像后，对所接收的边坡表面图像同步进 行处理，过程如下：

步骤201、初始采样时刻采集的边坡表面图像处理：采用图像处理设 备对初始采样时刻图像采集设备采集的边坡表面图像进行处理，包括以下 步骤：

步骤2011、边坡表面图像存储：对当前接收到的边坡表面图像进行存 储，并对该边坡表面图像的采样时刻t₁进行记录；

步骤2012、高程信息获取：调用图像处理模块对步骤2011中接收的 边坡表面图像进行处理，获得所述边坡表面图像上各像素点的高程数据， 且所获得的所述边坡表面图像上各像素点的高程数据为t₁时刻所述监测区 域的高程信息；

所述监测区域的高程信息包括K个所述待分析区域的高程信息，每个 所述待分析区域的高程信息均包括该待分析区域的区域图像上各像素点 的高程数据；

t₁时刻所述监测区域的高程信息包括t₁时刻K个所述待分析区域的高程 信息；其中，t₁时刻编号为k的待分析区域的高程信息，记作X_k(t₁)；k为所 述待分析区域的编号，k为正整数且k＝1、2、…、K；

步骤2013、高程信息存储：对步骤2012中所获得的t₁时刻K个所述 待分析区域的高程信息，进行同步存储；

步骤2014、相似度计算：根据公式(1)，计算得出t₁时刻所述监测区域的图像相似度X_1,2"K(t₁)，其中 X_1,2"K(t₁)∈(0,1]；式(1)中，x_k(t₁)为t₁时刻编号为k的待分析区域的高程平均 值；

步骤202、下一个采样时刻采集的边坡表面图像处理：采用图像处理 设备对下一个采样时刻图像采集设备采集的边坡表面图像进行处理，包括 以下步骤：

步骤2021、边坡表面图像存储：对当前接收到的边坡表面图像进行存 储，并对该边坡表面图像的采样时间t_D进行记录；其中，D为正整数且D≥ 2；

步骤2022、高程信息获取：按照步骤2012中所述的方法，获取t_D时 刻所述监测区域的高程信息；

t_D时刻所述监测区域的高程信息包括t_D时刻K个所述待分析区域的高 程信息；其中，t_D时刻编号为k的待分析区域的高程信息，记作X_k(t_D)；

步骤2023、高程信息存储：对步骤2022中所获得的t_D时刻K个所述 待分析区域的高程信息，进行同步存储；

步骤2024、相似度计算：根据公式(2)，计算得出t_D时刻所述监测区域的图像相似度X_1,2"K(t_D)，其中X_1,2"K(t_D)∈ (0,1]；式(2)中，x_k(t_D)为t_D时刻编号为k的待分析区域的高程平均值；

步骤203、微变形发生判断：将步骤2024中计算得出的t_D时刻所述监 测区域的图像相似度X_1,2"K(t_D)，分别与t_D时刻之前各时刻所述监测区域的 图像相似度进行比较：当X_1,2"K(t_D)与t_D时刻之前各时刻所述监测区域的图 像相似度之间的差值均不大于ε时，说明从t₁时刻至t_D时刻所述监测区域未 发生微变形，之后返回步骤202，对下一个采样时刻采集的边坡表面图像 进行处理；否则，说明t_D时刻所述监测区域发生微变形，所述图像处理设 备控制报警单元进行报警，并对发生微变形的t_D时刻进行记录；

其中，ε为预先设定的微变形报警阈值且ε＝0.01～0.1。

上述基于相似度判定准则的边坡微变形监测方法，其特征是：步骤 2012和步骤2022中进行高程信息获取时，调用图像处理模块且均按照三 频彩色条纹投影三维测量方法，获取所述边坡表面图像上各像素点的高程 数据；步骤一中所采集的边坡表面图像为所述监测区域的变形彩色条纹 图；

步骤一中进行图像采集及同步上传之前，先采用图像处理设备生成彩 色条纹图，该彩色条纹图的RGB三个颜色通道分别由低、中和高三种载频 的正弦条纹生成；之后，再将所述彩色条纹图经数字投影仪的RGB三个彩 色通道同时投影至所述监测区域上；然后，采用图像摄取设备拍摄所述监 测区域的变形彩色条纹图；

步骤2012和步骤2022中进行高程信息获取时，过程如下：

步骤i、背景消减及颜色解耦：将图像采集设备采集的变形彩色条纹 图中含高频条纹的颜色通道与含中频条纹的颜色通道相减，得到高、低频 复合的条纹图，再用二维经验模式分解BEMD进行分解，分离高、中载频 分量；同理，将所述变形彩色条纹图中含中、低频率分量的颜色通道相减， 得到中、低频复合的条纹图，再用二维经验模式分解BEMD分解得到中、 低载频分量；

步骤ii、相位解调：用二维短时傅立叶变换解调，得到的高、中和低 各载频分量包裹相位；

步骤iii、相位展开：用变精度去包裹算法按低、中和高载频分量依 次完成包裹相位展开，得到高频载频项的展开相位，由此展开相位恢复所 述监测区域的高度。

上述基于相似度判定准则的边坡微变形监测方法，其特征是：步骤203 中所述图像处理设备控制报警单元进行报警后，调用高程信息比较模块， 对从t₁时刻至t_D时刻K个所述待分析分析区域的高程平均值分别进行比较， 并根据比较结果，得出t_D时刻发生微变形的待分析区域；之后，所述图像 处理设备输出t_D时刻发生微变形的待分析区域的编号；

其中，从t₁时刻至t_D时刻K个所述待分析区域的高程平均值的比较方 法均相同；对从t₁时刻至t_D时刻任一个待分析区域的高程平均值进行比较 时，将t_D时刻该待分析区域的高程平均值分别与t₁时刻至t_D-1时刻中各时刻 该待分析区域的高程平均值进行差值比较。

上述基于相似度判定准则的边坡微变形监测方法，其特征是：步骤203 中所述图像处理设备控制报警单元进行报警之前，所述图像处理设备还需 调用伪变形判断模块，对t_D时刻所述监测区域发生的微变形是否为伪变形 进行判断，过程如下：

步骤I、连续监测：按照步骤2021至步骤2024中所述的方法，对t_D+1时 刻至t_D+E时刻图像采集设备采集的边坡表面图像进行处理，并计算出各时 刻所述监测区域的图像相似度X_1,2"K(t_F)；其中，F为正整数且F＝D+1～D+E； 其中，t_D+E-t_D+1＝ΔT，ΔT为预先设定的连续监测时间；E为正整数且

步骤II、伪变形判断：将t_D+1时刻至t_D+E时刻中各时刻所述监测区域的 图像相似度X_1,2"K(t_F)，分别与t_D时刻之前各时刻所述监测区域的图像相似 度X_1,2"K(t_h)进行比较：当X_1,2"K(t_F)与t_D时刻之前各时刻所述监测区域的图像 相似度X_1,2"K(t_h)之间的差值均大于ε时，说明t_D时刻所述监测区域发生的微 变形为真变形，此时所述图像处理设备控制报警单元进行报警；否则，说 明t_D时刻所述监测区域发生的微变形为伪变形。

上述基于相似度判定准则的边坡微变形监测方法，其特征是：步骤I 中ΔT＝2s～3min。

上述基于相似度判定准则的边坡微变形监测方法，其特征是：步骤203 中所述图像处理设备控制报警单元进行报警后，进入步骤三；

步骤三、初次发生微变形后持续监测，包括以下步骤：

步骤301、下一个采样时刻图像处理：按照步骤2021至步骤2024中 所述的方法，对t_M时刻图像采集设备采集的边坡表面图像进行处理，并计 算出t_M时刻所述监测区域的图像相似度X_1,2"K(t_M)；其中，M为正整数且M ≥D+1；

步骤302、微变形发生判断：将步骤301中计算得出的t_M时刻所述监 测区域的图像相似度X_1,2"K(t_M)，分别与t_D时刻至t_M时刻中各时刻所述监测 区域的图像相似度进行比较：当X_1,2"K(t_M)与t_D时刻至t_M时刻中各时刻所述 监测区域的图像相似度之间的差值均不大于ε时，说明从t_D时刻至t_M时刻 所述监测区域未发生微变形，之后返回步骤301，对下一个采样时刻采集 的边坡表面图像进行处理；否则，说明t_M时刻所述监测区域发生微变形， 所述图像处理设备控制报警单元进行报警，并对发生微变形的t_M时刻和从 t₁时刻至t_M时刻所述报警单元的报警次数进行记录，之后进入步骤四；

步骤四、下一次发生微变形后持续监测，包括以下步骤：

步骤401、下一个采样时刻图像处理：按照步骤2021至步骤2024中 所述的方法，对t_N时刻图像采集设备采集的边坡表面图像进行处理，并计 算出t_N时刻所述监测区域的图像相似度X_1,2"K(t_N)；其中，N为正整数且N≥ n，其中n为正整数且t_n时刻为t_N时刻之前所述监测区域最后一次微变形的 发生时刻；

步骤402、微变形发生判断：将步骤401中计算得出的t_N时刻所述监 测区域的图像相似度X_1,2"K(t_N)，分别与t_n时刻至t_N时刻中各时刻所述监测区 域的图像相似度进行比较：当X_1,2"K(t_M)与t_n时刻至t_N时刻中各时刻所述监 测区域的图像相似度之间的差值均不大于ε时，说明从t_n时刻至t_N时刻所述 监测区域未发生微变形，之后返回步骤401，对下一个采样时刻采集的边 坡表面图像进行处理；否则，说明t_N时刻所述监测区域发生微变形，所述 图像处理设备控制报警单元进行报警，并对发生微变形的t_N时刻和从t₁时 刻至t_N时刻所述报警单元的报警次数进行记录，之后进入步骤五；

步骤五、一次或多次重复步骤四，对所述监测区域进行持续监测。

上述基于相似度判定准则的边坡微变形监测方法，其特征是：步骤302 中所述图像处理设备控制报警单元进行报警之前，所述图像处理设备还需 调用伪变形判断模块，对t_M时刻所述监测区域发生的微变形是否为伪变形 进行判断，过程如下：

步骤I-11、连续监测：按照步骤2021至步骤2024中所述的方法，对 t_M+1时刻至t_M+E时刻图像采集设备采集的边坡表面图像进行处理，并计算出 各时刻所述监测区域的图像相似度X_1,2"K(t_F1)；其中，F1为正整数且 F1＝M+1～M+E；其中，t_M+E-t_M+1＝ΔT；

步骤II-12、伪变形判断：将t_M+1时刻至t_M+E时刻中各时刻所述监测区 域的图像相似度X_1,2"K(t_F1)，分别与t_D时刻至t_M时刻中各时刻所述监测区域 的图像相似度进行比较：当X_1,2"K(t_F1)与t_D时刻至t_M时刻中各时刻所述监测 区域的图像相似度之间的差值均大于ε时，说明t_M时刻所述监测区域发生 的微变形为真变形，此时所述图像处理设备控制报警单元进行报警；否则， 说明t_M时刻所述监测区域发生的微变形为伪变形；

步骤402中所述图像处理设备控制报警单元进行报警之前，所述图像 处理设备还需调用伪变形判断模块，对t_N时刻所述监测区域发生的微变形 是否为伪变形进行判断，过程如下：

步骤I-21、连续监测：按照步骤2021至步骤2024中所述的方法，对 t_N+1时刻至t_N+E时刻图像采集设备采集的边坡表面图像进行处理，并计算出 各时刻所述监测区域的图像相似度X_1,2"K(t_F2)；其中，F2为正整数且 F2＝N+1～N+E；其中，t_M+E-t_M+1＝ΔT；

步骤II-22、伪变形判断：将t_N+1时刻至t_N+E时刻中各时刻所述监测区域 的图像相似度X_1,2"K(t_F2)，分别与t_n时刻至t_N时刻中各时刻所述监测区域的 图像相似度进行比较：当X_1,2"K(t_F2)与t_n时刻至t_N时刻中各时刻所述监测区 域的图像相似度之间的差值均大于ε时，说明t_N时刻所述监测区域发生的 微变形为真变形，此时所述图像处理设备控制报警单元进行报警；否则， 说明t_N时刻所述监测区域发生的微变形为伪变形。

上述基于相似度判定准则的边坡微变形监测方法，其特征是：步骤302 中所述图像处理设备控制报警单元进行报警后，调用高程信息比较模块， 对从t_D时刻至t_M时刻K个所述待分析分析区域的高程平均值分别进行比 较，并根据比较结果，得出t_M时刻发生微变形的待分析区域；之后，所述 图像处理设备输出t_M时刻发生微变形的待分析区域的编号；

其中，从t_D时刻至t_M时刻K个所述待分析区域的高程平均值的比较方 法均相同；对从t_D时刻至t_M时刻任一个待分析区域的高程平均值进行比较 时，将t_M时刻该待分析区域的高程平均值分别与t_D时刻至t_M-1时刻中各时刻 该待分析区域的高程平均值进行差值比较；

步骤402中所述图像处理设备控制报警单元进行报警后，调用高程信 息比较模块，对从t_n时刻至t_N时刻K个所述待分析分析区域的高程平均值 分别进行比较，并根据比较结果，得出t_N时刻发生微变形的待分析区域； 之后，所述图像处理设备输出t_N时刻发生微变形的待分析区域的编号；

其中，从t_n时刻至t_N时刻K个所述待分析区域的高程平均值的比较方 法均相同；对从t_n时刻至t_N时刻任一个待分析区域的高程平均值进行比较 时，将t_N时刻该待分析区域的高程平均值分别与t_n时刻至t_N-1时刻中各时刻 该待分析区域的高程平均值进行差值比较。

同时，本发明还公开一种结构简单、设计合理、投入成本低且使用操 作简便、使用效果好的基于相似度判定准则的边坡微变形监测系统，其特 征在于：包括K个分别布设在K个所述待分析区域上方的数字投影仪、K 个分别对K个所述待分析区域的图像进行摄取的图像摄取设备、对所述监 测区域的边坡表面图像进行采集的图像采集设备和与图像采集设备相接 的图像处理设备，K个所述图像摄取设备均为CCD摄像头且其均与图像采 集设备相接，K个所述数字投影仪均与图像处理设备相接；K个所述CCD 摄像头分别布设在K个所述待分析区域上方。

上述系统，其特征是：所述数字投影仪和CCD摄像头分别位于所述待 分析区域的两侧上方。

本发明与现有技术相比具有以下优点：

1、所采用的边坡微变形监测方法步骤简单、设计合理且实现方便。

2、采用三频彩色条纹投影三维测量方法获取边坡表面图像上各像素 点的高程数据，所获得高程数据的精度高且图像处理速度快。同时，图像 采集范围大，能根据实际需要，并结合监测区域的大小，对待分析区域的 数量K进行相应调整，实际操作非常简便。因而，本发明通过将监测区域 划分为K个待分析区域，在保证监测精度的前提下，能满足不同大小监测 区域的监测需求。

3、采用相似度判定准则进行边坡微变形监测，数据处理量小且数据 处理速度快，监测精度高，对边坡微变过程进行精确监测，测量精度能达 到0.1mm左右；并且，监测速度快，能在2秒内完成各时刻的边坡微变形 监测过程。

4、使用效果好且监测结果准确，能如边坡上一块岩石因松动而掉落 时的边坡伪变形进行识别，避免虚警，因而具有监测结果准确、可靠性高、 能实现实时、动态监测等优点，推广应用前景广泛。

5、所采用的边坡微变形监测系统结构简单、设计合理、设备安装布 设方便且使用操作简便、使用效果好，投入成本较低。

综上所述，本发明设计合理、实现方便且使用效果好，能对边坡微变 形进行简便、实时、准确监测。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

图1为采用本发明进行边坡微变形监测时的方法流程框图。

图2为本发明边坡微变形监测系统的电路原理框图。

附图标记说明:

1—图像处理设备；2—图像采集设备；3—数字投影仪；

4—CCD摄像头；5—报警单元。

具体实施方式

如图1所示的一种基于相似度判定准则的边坡微变形监测方法，包括 以下步骤：

步骤一、图像采集及同步上传：采用图像采集设备2且按照预先设定 的采样频率f，对监测区域的边坡表面图像进行采集，并将各采样时刻所 采集的边坡表面图像同步传送至图像处理设备1。

所述监测区域为边坡坡面上需进行微变形监测的区域，所监测区域划 分为K个待分析区域，K个所述待分析区域均为正方形且其大小均相同； 其中，K为正整数且K≥2；所述边坡表面图像由K个区域图像组成，K个 所述区域图像分别为K个所述待分析区域的图像。

所述图像采集设备的采样时刻，记作t_h，t_h＝t₁+(h-1)×Δt；其中，h为 正整数且h＝1、2、3、…，t₁为所述图像采集设备的初始采样时刻，Δt为所 述图像采集设备前后相邻两次采样的时间间隔且Δt＝1/f。

步骤二、图像接收及同步处理：所述图像处理设备1接收到图像采集 设备2各采样时刻所采集的边坡表面图像后，对所接收的边坡表面图像同 步进行处理，过程如下：

步骤201、初始采样时刻采集的边坡表面图像处理：采用图像处理设 备1对初始采样时刻图像采集设备2采集的边坡表面图像进行处理，包括 以下步骤：

步骤2011、边坡表面图像存储：对当前接收到的边坡表面图像进行存 储，并对该边坡表面图像的采样时刻t₁进行记录；

步骤2012、高程信息获取：调用图像处理模块对步骤2011中接收的 边坡表面图像进行处理，获得所述边坡表面图像上各像素点的高程数据， 且所获得的所述边坡表面图像上各像素点的高程数据为t₁时刻所述监测区 域的高程信息；

所述监测区域的高程信息包括K个所述待分析区域的高程信息，每个 所述待分析区域的高程信息均包括该待分析区域的区域图像上各像素点 的高程数据；

t₁时刻所述监测区域的高程信息包括t₁时刻K个所述待分析区域的高程 信息；其中，t₁时刻编号为k的待分析区域的高程信息，记作X_k(t₁)；k为所 述待分析区域的编号，k为正整数且k＝1、2、…、K；

步骤2013、高程信息存储：对步骤2012中所获得的t₁时刻K个所述 待分析区域的高程信息，进行同步存储；

步骤2014、相似度计算：根据公式(1)，计算得出t₁时刻所述监测区域的图像相似度X_1,2"K(t₁)，其中 X_1,2"K(t₁)∈(0,1]；式(1)中，x_k(t₁)为t₁时刻编号为k的待分析区域的高程平均 值；

步骤202、下一个采样时刻采集的边坡表面图像处理：采用图像处理 设备1对下一个采样时刻图像采集设备2采集的边坡表面图像进行处理， 包括以下步骤：

步骤2021、边坡表面图像存储：对当前接收到的边坡表面图像进行存 储，并对该边坡表面图像的采样时间t_D进行记录；其中，D为正整数且D≥ 2；

步骤2022、高程信息获取：按照步骤2012中所述的方法，获取t_D时 刻所述监测区域的高程信息；

t_D时刻所述监测区域的高程信息包括t_D时刻K个所述待分析区域的高 程信息；其中，t_D时刻编号为k的待分析区域的高程信息，记作X_k(t_D)；

步骤2023、高程信息存储：对步骤2022中所获得的t_D时刻K个所述 待分析区域的高程信息，进行同步存储；

步骤2024、相似度计算：根据公式(2)，计算得出t_D时刻所述监测区域的图像相似度X_1,2"K(t_D)，其中X_1,2"K(t_D)∈ (0,1]；式(2)中，x_k(t_D)为t_D时刻编号为k的待分析区域的高程平均值；

步骤203、微变形发生判断：将步骤2024中计算得出的t_D时刻所述监 测区域的图像相似度X_1,2"K(t_D)，分别与t_D时刻之前各时刻所述监测区域的 图像相似度进行比较：当X_1,2"K(t_D)与t_D时刻之前各时刻所述监测区域的图 像相似度之间的差值均不大于ε时，说明从t₁时刻至t_D时刻所述监测区域未 发生微变形，之后返回步骤202，对下一个采样时刻采集的边坡表面图像 进行处理；否则，说明t_D时刻所述监测区域发生微变形，所述图像处理设 备1控制报警单元5进行报警，并对发生微变形的t_D时刻进行记录；

其中，ε为预先设定的微变形报警阈值且ε＝0.01～0.1。

实际使用时，可根据具体需要，对ε的取值进行相应调整。

公式(1)中，min{x₁(t₁),x₂(t₁),…x_K(t₁)}表示从x₁(t₁)、x₂(t₁)、…、x_K(t₁)中取 最小值，max{x₁(t₁),x₂(t₁),…x_K(t₁)}表示从x₁(t₁)、x₂(t₁)、…、x_K(t₁)中取最大值； 公式(2)中，min{x₁(t_D),x₂(t_D),…x_K(t_D)}表示从x₁(t_D)、x₂(t_D)、…、x_K(t_D)中取最 小值，max{x₁(t_D),x₂(t_D),…x_K(t_D)}表示从x₁(t_D)、x₂(t_D)、…、x_K(t_D)中取最大值。

本实施例中，步骤2014中x_k(t₁)为t₁时刻编号为k的待分析区域的区域 图像上所有像素点的高程数据平均值，步骤2024中x_k(t_D)为t_D时刻编号为k 的待分析区域的区域图像上所有像素点的高程数据平均值。

本实施例中，步骤2012和步骤2022中进行高程信息获取时，调用图 像处理模块且均按照三频彩色条纹投影三维测量方法，获取所述边坡表面 图像上各像素点的高程数据；步骤一中所采集的边坡表面图像为所述监测 区域的变形彩色条纹图。

步骤一中进行图像采集及同步上传之前，先采用图像处理设备1生成 彩色条纹图，该彩色条纹图的RGB三个颜色通道分别由低、中和高三种载 频的正弦条纹生成；之后，再将所述彩色条纹图经数字投影仪3的RGB三 个彩色通道同时投影至所述监测区域上；然后，采用图像摄取设备拍摄所 述监测区域的变形彩色条纹图；

步骤2012和步骤2022中进行高程信息获取时，过程如下：

步骤i、背景消减及颜色解耦：将图像采集设备2采集的变形彩色条 纹图中含高频条纹的颜色通道与含中频条纹的颜色通道相减，得到高、低 频复合的条纹图，再用二维经验模式分解BEMD进行分解，分离高、中载 频分量；同理，将所述变形彩色条纹图中含中、低频率分量的颜色通道相 减，得到中、低频复合的条纹图，再用二维经验模式分解BEMD分解得到 中、低载频分量；

步骤ii、相位解调：用二维短时傅立叶变换解调，得到的高、中和低 各载频分量包裹相位；

步骤iii、相位展开：用变精度去包裹算法按低、中和高载频分量依 次完成包裹相位展开，得到高频载频项的展开相位，由此展开相位恢复所 述监测区域的高度。

因而，本发明采用三频彩色条纹投影三维测量方法获取所述监测区域 的高程数据，该三维测量方法基于BEMD的三频彩色条纹投影轮廓术，达 到单幅图像拍摄下条纹相位的高精度解调和包裹相位可靠快速展开的目 的，同时还能恢复被测物体的纹理信息，只需精确获取高频条纹载频项的 展开相位，就能恢复出被测物体高精度的三维轮廓信息。所述数字投影仪 3的RGB三个彩色通道同时投影至所述监测区域上后，所述图像摄取设备 (具体是彩色图像摄取设备)从另一角度拍摄经所述监测区域高度调制的 彩色变形条纹图(即所述变形彩色条纹图)。其中，背景消减、颜色解耦 和相位展开是该三维测量方法的关键技术，是影响精度和可靠性的主要因 素。采用彩色条纹投影与立体视觉融合的三维传感方法，以测量动态复杂 物体。三频彩色条纹投影三维测量方法是一种双向融合机制，即先用三频 彩色条纹的相位分布指导双目立体视觉全局匹配，反过来，再利用双目条 纹灰度图局部多特征的精细匹配校正初始相位失真，这种失真来源于反射 率噪声、形状突变以及条纹的非正弦性，最终用立体视觉求解空间点位置 坐标，还原被测物体准确高度信息。实际使用时，该三维测量方法能简便、 快速获取所述监测区域的高度信息，并且精确度高。

实际使用时，也可以采用其它基于图像处理的三维测量方法获取所述 监测区域的高程数据。

本实施例中，所采用的三频彩色条纹投影三维测量方法为2012年01 月18日公开的公开号为CN102322822A、专利号为201110225971.2且发明 名称为《一种三频彩色条纹投影三维测量方法》的发明专利申请文件中公 开的三维测量方法。

其中，相似度判定准则是指根据图像相似度的大小及变化情形进行边 坡微变形监测。将任一时刻所述监测区域的高程信息看作一个模糊集合， 根据模糊数学理论，2个模糊集合间的相近程度可用相似度(也称贴近度) 来衡量。

本实施例中，步骤2014和步骤2024中计算得出的所述监测区域的图 像相似度的取值范围为(0,1]，当图像相似度的值近似为1时，表示被测 边坡表面(即所述监测区域)近似平整，此时所述监测区域上的所有像素 点具有最大的相似度；当图像相似度的值接近于0时，表示被测边坡表面 具有最小的相似度。

本实施例中，步骤203中所述图像处理设备1控制报警单元5进行报 警后，进入步骤三；

步骤三、初次发生微变形后持续监测，包括以下步骤：

步骤301、下一个采样时刻图像处理：按照步骤2021至步骤2024中 所述的方法，对t_M时刻图像采集设备2采集的边坡表面图像进行处理，并 计算出t_M时刻所述监测区域的图像相似度X_1,2"K(t_M)；其中，M为正整数且M ≥D+1；

步骤302、微变形发生判断：将步骤301中计算得出的t_M时刻所述监 测区域的图像相似度X_1,2"K(t_M)，分别与t_D时刻至t_M时刻中各时刻所述监测 区域的图像相似度进行比较：当X_1,2"K(t_M)与t_D时刻至t_M时刻中各时刻所述 监测区域的图像相似度之间的差值均不大于ε时，说明从t_D时刻至t_M时刻 所述监测区域未发生微变形，之后返回步骤301，对下一个采样时刻采集 的边坡表面图像进行处理；否则，说明t_M时刻所述监测区域发生微变形， 所述图像处理设备1控制报警单元5进行报警，并对发生微变形的t_M时刻 和从t₁时刻至t_M时刻所述报警单元5的报警次数进行记录，之后进入步骤 四；

步骤四、下一次发生微变形后持续监测，包括以下步骤：

步骤401、下一个采样时刻图像处理：按照步骤2021至步骤2024中 所述的方法，对t_N时刻图像采集设备2采集的边坡表面图像进行处理，并 计算出t_N时刻所述监测区域的图像相似度X_1,2"K(t_N)；其中，N为正整数且N ≥n，其中n为正整数且t_n时刻为t_N时刻之前所述监测区域最后一次微变形 的发生时刻；

步骤402、微变形发生判断：将步骤401中计算得出的t_N时刻所述监 测区域的图像相似度X_1,2"K(t_N)，分别与t_n时刻至t_N时刻中各时刻所述监测区 域的图像相似度进行比较：当X_1,2"K(t_M)与t_n时刻至t_N时刻中各时刻所述监 测区域的图像相似度之间的差值均不大于ε时，说明从t_n时刻至t_N时刻所述 监测区域未发生微变形，之后返回步骤401，对下一个采样时刻采集的边 坡表面图像进行处理；否则，说明t_N时刻所述监测区域发生微变形，所述 图像处理设备1控制报警单元5进行报警，并对发生微变形的t_N时刻和从 t₁时刻至t_N时刻所述报警单元5的报警次数进行记录，之后进入步骤五；

步骤五、一次或多次重复步骤四，对所述监测区域进行持续监测。

本实施例中，步骤203中所述图像处理设备1控制报警单元5进行报 警之前，所述图像处理设备1还需调用伪变形判断模块，对t_D时刻所述监 测区域发生的微变形是否为伪变形进行判断，过程如下：

步骤I、连续监测：按照步骤2021至步骤2024中所述的方法，对t_D+1时 刻至t_D+E时刻图像采集设备2采集的边坡表面图像进行处理，并计算出各 时刻所述监测区域的图像相似度X_1,2"K(t_F)；其中，F为正整数且F＝D+1～ D+E；其中，t_D+E-t_D+1＝ΔT，ΔT为预先设定的连续监测时间；E为正整数且

步骤II、伪变形判断：将t_D+1时刻至t_D+E时刻中各时刻所述监测区域的 图像相似度X_1,2"K(t_F)，分别与t_D时刻之前各时刻所述监测区域的图像相似 度X_1,2"K(t_h)进行比较：当X_1,2"K(t_F)与t_D时刻之前各时刻所述监测区域的图像 相似度X_1,2"K(t_h)之间的差值均大于ε时，说明t_D时刻所述监测区域发生的微 变形为真变形，此时所述图像处理设备1控制报警单元5进行报警；否则， 说明t_D时刻所述监测区域发生的微变形为伪变形。

本实施例中，步骤I中ΔT＝2s～3min。公式中，表示向下取 整。

实际使用时，可根据具体需要，对ΔT的取值大小进行相应调整。

本实施例中，步骤302中所述图像处理设备1控制报警单元5进行报 警之前，所述图像处理设备1还需调用伪变形判断模块，对t_M时刻所述监 测区域发生的微变形是否为伪变形进行判断，过程如下：

步骤I-11、连续监测：按照步骤2021至步骤2024中所述的方法，对 t_M+1时刻至t_M+E时刻图像采集设备2采集的边坡表面图像进行处理，并计算 出各时刻所述监测区域的图像相似度X_1,2"K(t_F1)；其中，F1为正整数且 F1＝M+1～M+E；其中，t_M+E-t_M+1＝ΔT；

步骤II-12、伪变形判断：将t_M+1时刻至t_M+E时刻中各时刻所述监测区 域的图像相似度X_1,2"K(t_F1)，分别与t_D时刻至t_M时刻中各时刻所述监测区域 的图像相似度进行比较：当X_1,2"K(t_F1)与t_D时刻至t_M时刻中各时刻所述监测 区域的图像相似度之间的差值均大于ε时，说明t_M时刻所述监测区域发生 的微变形为真变形，此时所述图像处理设备1控制报警单元5进行报警； 否则，说明t_M时刻所述监测区域发生的微变形为伪变形；

步骤402中所述图像处理设备1控制报警单元5进行报警之前，所述 图像处理设备1还需调用伪变形判断模块，对t_N时刻所述监测区域发生的 微变形是否为伪变形进行判断，过程如下：

步骤I-21、连续监测：按照步骤2021至步骤2024中所述的方法，对 t_N+1时刻至t_N+E时刻图像采集设备2采集的边坡表面图像进行处理，并计算 出各时刻所述监测区域的图像相似度X_1,2"K(t_F2)；其中，F2为正整数且 F2＝N+1～N+E；其中，t_M+E-t_M+1＝ΔT；

步骤II-22、伪变形判断：将t_N+1时刻至t_N+E时刻中各时刻所述监测区域 的图像相似度X_1,2"K(t_F2)，分别与t_n时刻至t_N时刻中各时刻所述监测区域的 图像相似度进行比较：当X_1,2"K(t_F2)与t_n时刻至t_N时刻中各时刻所述监测区 域的图像相似度之间的差值均大于ε时，说明t_N时刻所述监测区域发生的 微变形为真变形，此时所述图像处理设备1控制报警单元5进行报警；否 则，说明t_N时刻所述监测区域发生的微变形为伪变形。

本实施例中，步骤203中所述图像处理设备1控制报警单元5进行报 警后，调用高程信息比较模块，对从t₁时刻至t_D时刻K个所述待分析分析 区域的高程平均值分别进行比较，并根据比较结果，得出t_D时刻发生微变 形的待分析区域；之后，所述图像处理设备1输出t_D时刻发生微变形的待 分析区域的编号；

其中，从t₁时刻至t_D时刻K个所述待分析区域的高程平均值的比较方 法均相同；对从t₁时刻至t_D时刻任一个待分析区域的高程平均值进行比较 时，将t_D时刻该待分析区域的高程平均值分别与t₁时刻至t_D-1时刻中各时刻 该待分析区域的高程平均值进行差值比较。

为实现方便，预先设定高程变化报警阈值ΔH，对从t₁时刻至t_D时刻任 一个待分析区域的高程平均值进行比较时，当t_D时刻该待分析区域的高程 平均值与t₁时刻至t_D-1时刻中各时刻该待分析区域的高程平均值之间的差 值均不大于ΔH时，说明该待分析区域未发生微变形；否则，说明该待分 析区域发生微变形。

其中，高程变化报警阈值ΔH，根据实际监测需求，人为进行设定。

并且，步骤302中所述图像处理设备1控制报警单元5进行报警后， 调用高程信息比较模块，对从t_D时刻至t_M时刻K个所述待分析分析区域的 高程平均值分别进行比较，并根据比较结果，得出t_M时刻发生微变形的待 分析区域；之后，所述图像处理设备1输出t_M时刻发生微变形的待分析区 域的编号；

其中，从t_D时刻至t_M时刻K个所述待分析区域的高程平均值的比较方 法均相同；对从t_D时刻至t_M时刻任一个待分析区域的高程平均值进行比较 时，将t_M时刻该待分析区域的高程平均值分别与t_D时刻至t_M-1时刻中各时刻 该待分析区域的高程平均值进行差值比较。

本实施例中，对从t_D时刻至t_M时刻任一个待分析区域的高程平均值进 行比较时，当t_M时刻该待分析区域的高程平均值与t_D时刻至t_M-1时刻中各时 刻该待分析区域的高程平均值之间的差值均不大于ΔH时，说明该待分析 区域未发生微变形；否则，说明该待分析区域发生微变形。

步骤402中所述图像处理设备1控制报警单元5进行报警后，调用高 程信息比较模块，对从t_n时刻至t_N时刻K个所述待分析分析区域的高程平 均值分别进行比较，并根据比较结果，得出t_N时刻发生微变形的待分析区 域；之后，所述图像处理设备1输出t_N时刻发生微变形的待分析区域的编 号；

其中，从t_n时刻至t_N时刻K个所述待分析区域的高程平均值的比较方 法均相同；对从t_n时刻至t_N时刻任一个待分析区域的高程平均值进行比较 时，将t_N时刻该待分析区域的高程平均值分别与t_n时刻至t_N-1时刻中各时刻 该待分析区域的高程平均值进行差值比较。

本实施例中，对从t_n时刻至t_N时刻任一个待分析区域的高程平均值进 行比较时，当t_N时刻该待分析区域的高程平均值与t_n时刻至t_N-1时刻中各时 刻该待分析区域的高程平均值之间的差值均不大于ΔH时，说明该待分析 区域未发生微变形；否则，说明该待分析区域发生微变形。

如图2所示的一种基于相似度判定准则的边坡微变形监测系统，包括 K个分别布设在K个所述待分析区域上方的数字投影仪3、K个分别对K 个所述待分析区域的图像进行摄取的图像摄取设备、对所述监测区域的边 坡表面图像进行采集的图像采集设备2和与图像采集设备2相接的图像处 理设备1，K个所述图像摄取设备均为CCD摄像头4且其均与图像采集设 备2相接，K个所述数字投影仪3均与图像处理设备1相接；K个所述CCD 摄像头4分别布设在K个所述待分析区域上方。

本实施例中，所述数字投影仪3和CCD摄像头4分别位于所述待分析 区域的两侧上方。

实际对数字投影仪3和CCD摄像头4进行布设安装时，将数字投影仪 3布设在所述待分析区域的一侧上方，且将CCD摄像头4布设在所述待分 析区域的另一侧上方。

以上所述，仅是本发明的较佳实施例，并非对本发明作任何限制，凡是 根据本发明技术实质对以上实施例所作的任何简单修改、变更以及等效结构 变化，均仍属于本发明技术方案的保护范围内。