本发明涉及隧道监测，尤其涉及基于线阵影像数据的隧道多期变化情况监测方法。
背景技术：
1、隧道是交通运输网络的重要组成部分，随着我国经济的飞速发展和城市建设水平的逐步提升，我国隧道的总里程也在迅速增加。在隧道的日常运营过程中，会受到一系列自然和人为因素的影响，隧道环境不可避免地会出现各种病害，严重威胁隧道结构的安全和交通系统的正常运行。因此，对隧道病害进行调查和维修工作，对保障隧道的安全运营和列车的正常运行具有至关重要的作用。
2、传统隧道表观病害的识别主要基于人工目视识别的方法，存在检测效率低、危险性高、人力成本高、准确性和一致性差等问题；移动激光扫描技术生成的强度影像可以实现表观病害的识别，但其分辨率较低、仅能生成灰度影像，并且会因为材质不同丢失细节纹理信息；面阵相机则存在对光源的要求高、生成全断面影像的方法复杂、测量频率低等问题；利用线阵相机可以获取高分辨率的隧道全断面影像，分辨率可以达到0.2mm甚至更高，符合隧道表观病害检测的需求。
3、而利用隧道影像进行病害检测包括人工标注的方法和自动化识别的方法，其中人工标注的方法仍存在检测效率低等问题，而利用深度学习等方法实现病害的自动化检测存在误检和漏检问题，并且模型对不同情况隧道的效果存在差异。
技术实现思路
1、1.要解决的技术问题
2、本发明的目的是为了解决现有技术中人工标注的方法存在检测效率低和利用深度学习等方法存在误检和漏检的问题，而提出的基于线阵影像数据的隧道多期变化情况监测方法。
3、2.技术方案
4、为了实现上述目的，本发明采用了如下技术方案：
5、基于线阵影像数据的隧道多期变化情况监测方法，包括以下步骤：
6、步骤1：图像配准，利用图像配准将两期采集的影像进行，消除由于传感器方位变化、镜头畸变、地形起伏以及轨道车运行中的速度不均、无规则晃动等复杂因素导致的像点的位移、旋转、缩放、弯曲等变化，使得两期影像具有一致的参考框架；
7、步骤2：图像变化检测，采用结构相似性structural similarity，ssim作为对比指标，ssim是一种衡量两幅图像相似度的指标，其比较两个图像的亮度、对比度、结构，然后对这三个要素加权并用乘积表示，设两幅影像分别为x、y，亮度对比函数i(x，y)、对比度对比函数c(x，y)、结构对比函数s(x，y)见公式：
8、
9、常数c1、c2、c3是为了避免分母为0时造成的不稳定问题，特别的，选择c1＝(k1l)2，c2＝(k2l)2，l为图像灰度级数，对于8-bit灰度图像，l＝255，且k1＜＜1，k2＜＜1，
10、μx、μx为均值，σx、σy为方差，σxy为协方差：
11、
12、ssim一般公式为：
13、ssim(x,y)＝[i(x,y)]α[c(x,t)]β[s(x,y)]γ(2.3)
14、取α,β,γ＝1，c3＝c2/2，得到简化的ssim公式：
15、
16、通常情况下，默认k1＝0.01，k2＝0.03，有基于高斯权重的ssim，在均值、方差和协方差计算时乘以权重：
17、
18、ssim值的取值范围在[-1，1]，当且仅当x＝y时ssim(x，y)＝1，
19、设置高斯权重的窗口尺寸，对影像1上的每个像素，在影像2的对应位置开辟一个检索窗口，计算检索窗口内对应点基于高斯权重的ssim值的最大值，得到变化像素的集合后，利用开闭运算去除噪点并填补空洞，最终获取变化区域的轮廓；
20、步骤3：变化区域的标注，获取变化区域后，利用人工进行变化区域性质的标注，储存标注结果，并作为下一期变化检测的原始数据，以实现长期变化情况的及时监控。
21、优选地，所述图像配准具体包括以下步骤：
22、s1：初始里程对齐，两期采集的影像存在初始里程不一致的问题，可能存在较大差异，已知影像每一列存储隧道一个断面的影像数据，为此针对两期影像，选择前x列的数据，x由实际情况决定，利用特征匹配计算；
23、s2：特征匹配，图像配准以两幅影像的特征匹配结果为依据，对第一期影像确定匹配的初始列，并以固定值5000列作为单次匹配的范围；对第二期影像确定与第一期影像对应的初始列，并在对应列的基础上进行一定程度的搜索区域扩大，作为单次匹配的范围；每次配准完成后，利用配准结果实现对两期影像对应初始列的更新，利用surf算子计算影像的关键点及描述子，随后通过brute-force暴力特征匹配方法进行特征匹配，并利用阈值法对结果进行过滤，删去x、y方向的差异值与平均差异值过大的误匹配点；
24、s3：像元坐标变换关系构建，线阵影像在进行每一列成像时均有特定的几何参数，几何关系过于复杂，因此使用回避了成像的空间几何关系的多项式模型和局部区域校正模型；
25、多项式模型构造一个含有多项参数的线性多项式，其直接对图像变形的本身进行数学模拟，把图像的总体变形看作是各项基本变形的综合作用结果，通常最高阶次不大于3阶，多项式模型的效果弱于三角网模型，
26、
27、三角网模型利用特征匹配的点集构建三角网，寻找目标图像的每个像素坐标对应的三角形，利用三角重心坐标插值法分别计算其对应的原始x、y坐标并进行重采样，为防止部分区域无对应三角形，影像的四个端点分别利用多项式模型计算对应坐标并在构建三角网时加入点集中，插值公式如公式1.2所示，其中三角形的三个顶点的坐标分别为(xa，ya)、(xb，yb)、(xc，yc)，其对应的值分别为va、vb、vc，
28、
29、利用变换关系模型，从输出图像，即空白图像阵列出发，依次计算每个像元在原始图像中的位置，然后计算原始图像该位置的像元值，再将计算的像元值赋予输出图像像元，此方法保证校正后图像的像元在空间上均匀分布，需要进行灰度的重采样，利用多项式模型获取的多项式，带入本次配准的结束列以获取下一次配准对应的初始列；
30、s4：直方图规定化，重新构建后的两期影像实现像素坐标的一致性，但两期影像存在明显的亮度差异，在采集同一区域的情况下，通过直方图规定化的方式可以极大程度地改善亮度差异，具体实现时，以平均亮度大的影像作为模板。
31、优选地，所述s1中初始里程差异也可通过人工识图的方法直接获取。
32、优选地，所述s2中考虑到影像起始位置不准确、左右边缘误匹配和左右边缘特征缺失等因素对左右边缘匹配结果的影响，对影像左右各进行500列的加宽，但在最终储存图像配准结果时仅存储中间5000列的配准结果。
33、优选地，所述步骤2中若ssim值的最大值大于给定阈值，认为该窗口不存在变化，在某些区域纹理过于简单时，微小的像素扰动可能导致ssim值的急剧变化，为此若最大值小于阈值时，评估该区域的纹理复杂度，若纹理复杂度过低，认为可能存在误检情况，否则保存该像素的坐标值。
34、优选地，所述步骤3中区域性质的标注包括新出现病害的标注、已有病害的变化情况标注、设施设备的更新以及误检情况的去除等。
35、3.有益效果
36、相比于现有技术，本发明的优点在于：
37、(1)本发明中，利用相同区域的多期影像数据进行对比分析，则可以实现隧道影像的像素级检测，灵敏识别隧道的微小变化，及时发现新出现的微小病害，漏检率低，可以持续监控已有病害的发展变化情况，并实现对隧道内设备设施情况的更新，并且对不同情况的隧道具有较好的一致性，实现对两期数据的匹配，无需进行精密的里程标定。
38、(2)本发明中，通过对获取的两期影像进行图像配准，使两期影像具有一致的参考框架，随后利用ssim指标和阈值判断各个像素的变化情况，并实现变化区域的获取，最终通过人工实现变化区域的标注和复核，以实现长期变化情况的及时监控。
1.基于线阵影像数据的隧道多期变化情况监测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于线阵影像数据的隧道多期变化情况监测方法，其特征在于，所述图像配准具体包括以下步骤：
3.根据权利要求2所述的基于线阵影像数据的隧道多期变化情况监测方法，其特征在于，所述s1中初始里程差异也可通过人工识图的方法直接获取。
4.根据权利要求2所述的基于线阵影像数据的隧道多期变化情况监测方法，其特征在于，所述s2中考虑到影像起始位置不准确、左右边缘误匹配和左右边缘特征缺失等因素对左右边缘匹配结果的影响，对影像左右各进行500列的加宽，但在最终储存图像配准结果时仅存储中间5000列的配准结果。
5.根据权利要求1所述的基于线阵影像数据的隧道多期变化情况监测方法，其特征在于，所述步骤2中若ssim值的最大值大于给定阈值，认为该窗口不存在变化，在某些区域纹理过于简单时，微小的像素扰动可能导致ssim值的急剧变化，为此若最大值小于阈值时，评估该区域的纹理复杂度，若纹理复杂度过低，认为可能存在误检情况，否则保存该像素的坐标值。
6.根据权利要求1所述的基于线阵影像数据的隧道多期变化情况监测方法，其特征在于，所述步骤3中区域性质的标注包括新出现病害的标注、已有病害的变化情况标注、设施设备的更新以及误检情况的去除等。
