[发明专利]采煤塌陷地裂缝的识别与提取方法、装置及存储介质

权利要求书

1.一种采煤塌陷地裂缝的识别与提取方法，其特征在于，包括：

通过无人机摄影获取多幅含有采煤塌陷地表裂缝的矿区无人机影像数据A；

对所述矿区无人机影像数据A进行预处理，得到矿区无人机影像数据B；

计算所述矿区无人机影像数据B的图像梯度变化，以此作为第一地物统计特征，得到矿区无人机影像数据B1；根据所述矿区无人机影像数据B1中各像素点的RGB值判定图像像素是否为同质点，以此作为第二地物统计特征，得到矿区无人机影像数据B2；将所述矿区无人机影像数据B2中各像素点的RGB值作为第三地物统计特征；所述判定图像像素是否为同质点具体为：由所述矿区无人机影像数据B中的中心像素及其周围像素的像素值拟合卡方分布模型，若所述中心像素及其周围像素的像素值均在所述卡方分布模型是置信区间内，则认为该中心像素为同质点；

使用K-means聚类方法并结合所述第一地物统计特征、第二地物统计特征和第三统计特征，从所述矿区无人机影像B2中提取地裂缝，生成含有地裂缝的二值影像数据B3；

对所述含有地裂缝的二值影像数据B3进行优化处理，得到含有地裂缝的二值影像数据C；

对所述含有地裂缝的二值影像数据C进行击中击不中变换处理，直至所述二值影像数据C中地裂缝的宽度不再发生变化，得到最终的含有地裂缝的二值影像数据D；根据所述二值影像数据D计算地裂缝的实际面积、长度和宽度。

2.根据权利要求1所述的识别与提取方法，其特征在于，所述预处理包括拼接、灰度拉伸和滤波去噪。

3.根据权利要求1所述的识别与提取方法，其特征在于，所述使用K-means聚类方法并结合所述第一地物统计特征、所述第二地物统计特征和所述第三地物统计特征，从所述矿区无人机影像B2中提取地裂缝，生成含有地裂缝的二值影像数据B3，具体包括：

步骤41：将所述矿区无人机影像数据B2作为样本数据集，所述矿区无人机影像数据B2中的每一幅矿区无人机影像作为对应的一个样本；确定要进行分类的数目K =2，即将各样本分为两个类别，分别为地裂缝和非裂缝；

步骤42：从所述样本数据集中随机选取K个样本作为K个初始的类中心；

步骤43：分别计算所述样本数据集中其余每一个样本到K个类中心的距离，若某个样本距离某个类中心的距离较近，则将该样本划分到该某个类集合，共得到K个类集合，并计算每个类集合的均值，作为新的类中心；

步骤44：重复步骤42~步骤43，直到新计算出来的类中心和原类中心之间的距离低于设置的阈值，最终得到含有地裂缝的类集合，以此作为所述含有地裂缝的二值影像数据B3。

4.根据权利要求1所述的识别与提取方法，其特征在于，所述对含有地裂缝的二值影像数据B3进行的优化处理包括：

对所述含有地裂缝的二值影像数据B3消除噪声，得到含有地裂缝的二值影像数据F；

利用开运算对所述含有地裂缝的二值影像数据F进行线性边缘的光滑操作，得到含有地裂缝的二值影像数据G；

采用主滤波方法对所述含有地裂缝的二值影像数据G进行处理，得到所述含有地裂缝的二值影像数据C。

5.根据权利要求1所述的识别与提取方法，其特征在于，所述根据所述二值影像数据D计算地裂缝的实际面积、长度和宽度，包括：

统计所述二值影像数据D中属于地裂缝的像素点的个数，结合所述二值影像数据D含有的像素点个数和所述二值影像数据D对应的实际区域面积计算地裂缝的实际面积；

根据所述二值影像数据D中属于地裂缝的像素点的个数和各像素点对应的实际长度，得到地裂缝的实际长度；

将地裂缝的实际面积除以地裂缝的实际长度得到地裂缝的实际宽度。