渤海海冰现场监测的数字图像技术及其应用

第33卷 第4期海 洋 学 报V ol 33,No 42011年7月ACTA OCEANOLOGICA SINICAJuly 2011渤海海冰现场监测的数字图像技术及其应用季顺迎1,王安良1,王宇新2,李海3*,岳前进1(1.大连理工大学工业装备结构分析国家重点实验室,辽宁大连116023;2.大连理工大学计算机科学与技术学院,辽宁大连116023;3.国家海洋局国家海洋环境预报中心海洋灾害预报技术研究重点实验室,北京100081)收稿日期:2010 06 07;修订日期:2011 03 30。

基金项目:国家海洋公益性行业科研专项经费项目(200805009;201105016);教育部新世纪优秀人才资助计划项目(2009 7)。

作者简介:季顺迎(1972 ),男,河北省武邑县人,副教授,博士,从事离散介质力学及工程应用研究。

E m ail:jis y@ *通信作者:李海(1971 ),男,黑龙江省牡丹江市人,副研究员,博士,从事海冰数值模式研究。

E m ail :lihai @摘要:在渤海冰区油气开发中,海冰给平台结构、油气运输和施工作业带来很大影响。

油气作业区海冰参数精确、连续、实时的现场监测对分析油气开发的可靠性、检验海冰数值模式、校正海冰卫星遥感数据具有重要意义。

针对渤海油气作业区的海冰运动和分布特性,通过数字图像技术对海冰的厚度、运动速度和密集度三个参数的提取进行了算法开发和软件研制。

在2009-2010年采用该海冰数字图像监测软件对渤海辽东湾JZ20 2油气作业区的海冰参数进行了全冰期的连续监测,获得了翔实可靠的海冰厚度、密集度和冰速等海冰监测资料。

现场监测应用表明,该海冰数字图像监测软件具有操作性强、精确度高、可靠性好的优点。

该监测技术进一步完善后可广泛应用于渤海油气作业区的海冰现场监测,成为海冰业务化现场监测的重要组成部分。

关键词:海冰;现场监测;数字图像技术;冰厚;海冰密集度;冰速中图分类号:P731.15;T P317.4文献标志码:A文章编号:0523 4193(2011)04 0079 091引言我国系统的海冰监测始于20世纪60年代初期,并相继发展了沿岸台站测量、沿岸冰调查、破冰船海冰调查、卫星遥感、航空遥感和平台定点观测等观测手段[1-5]。

在以上海冰监测方法中,油气作业区的海冰定点现场监测具有连续性强、观测精度高的优点[6-7]。

它在冰区油气开发中,作为采油设备安全运行的保障,具有重要意义。

我国油气作业区的海冰现场监测始于20世纪80年代末期的海冰监测工作,特别是从90年代对冰情相对严重的辽东湾油气开发以来,海冰定点监测技术不断发展和完善[1]。

在辽东湾JZ20 2油气田进行的海冰现场监测开展的最早,监测内容也最全面。

它一方面通过对海洋平台结构和上部油气管线的冰激振动、冰荷载进行现场测量,研究冰区海洋结构的安全可靠性和冰振控制技术,另一方面通过对海冰参数、气象和水文要素的同步监测,对影响海冰生消的热力和动力特性进行了研究,并进一步发展和完善了海冰的热力和动力模式[7-8]。

在海冰现场监测中,海冰厚度、密集度和速度是三个最重要的海冰参数。

目前冰厚的测量技术主要包括船基雷达、仰式声纳、电磁感应、数字图像测量等[9-12]。

区别于极区固定冰,渤海海冰具有流动性强、厚度小的特点,不宜在冰面上进行接触式测量。

在渤海油气作业区的海冰厚度监测中,图像监测技术、雷达冰厚测量和仰视声纳技术相继发展起来[3-6]。

海冰厚度的图像监测具有精度高、成本低、操作方便的优点,一直是油气作业区的主要监测手段。

在极区人们开展了卫星遥感数据的密集度信息提取,监测面积大,精度也相对较高[13-15],而对于诸如渤海这样的局部小海域,由于卫星遥感方式的时间间隔大、空间分辨率较低等因素的影响,使得海冰密集度监测存在较大误差。

目前在渤海海冰监测中,对密集度的现场监测开展较少,主要通过目测的方式进行,具有很大的经验性和主观性。

最近在极区破冰船调查中通过图像识别技术对海冰密集度监测已得到了初步应用[16-18]。

对海冰速度一般采用航海雷达、浮标和卫星遥感技术进行监测[3-4]。

在渤海油气作业区开展的航海雷达监测曾获得较理想的海冰漂移速度,但由于在海冰的跟踪识别中需要人工参与,工作量大,不能进行全冰期连续监测。

浮标和卫星遥感监测技术具有成本高或连续性弱的缺点。

在油气作业区进行连续、精确的海冰厚度、密集度和冰速测量需要开发新的监测技术。

近年来数字图像技术已初步应用于渤海油气作业区的海冰厚度监测[6,18-19]。

油气作业区的海冰定点监测以海洋平台为依托点,通过视频和数字图像采集可以对整个冰期内的海冰图像信息进行连续监测。

通过发展相应的数字图像处理技术可对海冰图像资料进行实时同步分析,进而识别出海冰的厚度、密集度和冰速等重点关注信息。

本文采用OpenCV 和C#语言,对海冰监测图像资料进行数字化处理,研制了海冰现场监测的软件系统,并在冰情严重的2009-2010年度对辽东湾JZ20 2油气作业区的海冰参数进行了全冰期的连续监测,获得了翔实的海冰资料,为冰害预警和防护提供了及时可靠的参考依据。

2海冰数字图像监测技术及软件开发针对渤海油气作业区海冰监测图像的特点,采用图像射影矫正、图像识别与匹配等方法,对海冰的厚度、密集度和冰速等参数进行信息提取,从而确定相应的海冰监测数据。

2.1海冰厚度的图像监测技术海冰厚度测量的过程基本分为3部分:(1)视频监测系统的安装、调试和标定;(2)视频图像的采集与数字化处理;(3)冰厚数据的提取与分析。

当海冰与平台桩腿上的正倒锥体作用时会发生弯曲破坏,在破碎后冰块翻转而清晰地显示出冰厚截面。

将采集到的海冰破碎过程图像经射影校正以后,提取海冰边缘点,并由此推算海冰厚度所对应的图像像素点。

图像中像素点对应的长度通过锥体结构的特征尺寸进行标定[6,17]。

图1为海冰厚度测量示意图。

通过选取特征长度A B ,即锥孔直径D ,对图像进行标定,然后对破碎后的海冰厚度t i 进行选取测试。

根据锥孔直径与冰厚的比例关系,可确定海冰的实际厚度,即t i =Dr ir D,(1)式中,D 为锥孔直径;r i 为冰厚像素长度;r D 为锥孔直径的像素长度。

一般选取3个以上的测量对象以求平均厚度,减小测量误差。

以图1为例,三个不同冰块截面的厚度分别为13.2,13.7,13.9cm,其均值为13.6cm 。

冰厚测量的本质就是测量距离,这种方法具有稳定性高、操作性强的优点。

图1 海冰厚度的标定与测量示意图海冰厚度的测量误差一般取决于图像分辨率和分析技术,但在海冰现场观测中受光线、天气、观测角度等因素的影响,测量结果会有一定的误差。

为提高监测数据的可靠性,本文在安装CCD 时充分考虑对正倒锥体和冰厚截面进行垂直观测,同时选择测量的冰截面应该尽可能的靠近锥孔,使冰截面与锥孔处于相同的水平面,最后要多次测量,并对数据进行统计分析以减小误差。

2.2海冰密集度图像监测技术海冰密集度可通过对观测海域内的海冰数字图像进行处理确定,主要包括图像的射影校正和参数识别两部分工作。

当从海洋平台上对海冰进行图像或视频拍摄时,图像因拍摄角度会存在一定的射影失真,需要对射影进行校正。

海冰密集度的图像识别主要是通过图像分割方法对海水和海冰所占比例来进行的。

本文采用最大类别方差法对海冰图像中的海冰和海水进行分割。

确定海冰密集度的关键问题是将目标(海冰)从背景(海水)中识别提取出来。

本文选用全局阈值分割方法对图像进行分割。

首先用同态滤波方法80海洋学报 33卷增强图像,然后对图像进行边缘检测,并通过形态学方法对边缘图像进行修整。

在得到海水与海冰的二值图像后,乘以射影矫正矩阵,计算其中白色像素区域占整个区域的百分比,便可得到海冰密集度。

当海冰受光照、阴影、天气等因素影响时,冰和水之间的界限不太清晰,这时简单的全局阈值方法不能满足精度要求。

为此,本文采用自适应阈值方法,并作了如下三方面的改进,即对图像进行压缩以减小计算量、对灰度进行均衡化以增强图像对比度、估算最优阈值范围以简化分割算法[20]。

假设阈值t 将具有L 级灰度的图像分割为两类:C 0 [0,t]和C 1 [t +1,L -1]。

对图像直方图归一化之后得到灰度为i 的像素分布概率为P i =n iN P i 0, L-1i=0P i =1,(2)式中,N 为图像总像素数;n i 为图像中灰度为i 的像素数。

C 0和C 1出现的概率及均值分别为w 0=P r(C 0)=ti=0Pi=w (t),(3)w 1=P r (C 1)= L-1i=t+1Pi=1-w (t).(4)根据最大类间方差法,计算C 0和C 1类的类间方差为2B =w 0(u 0-u T )2+w 1(u 1+u T )2=w 0w 1(u 1-u 0)2,(5)式中,u T = L-1i=0iP i ;u 0ti=0iP iw 0=u(t)w (t);u 1= L-1i=t+1iP iw 1=u T -u(t)1-w (t)。

由此,使最佳阈值t *有类间的最大方差,即t *=ar g max 0 t L -12B 。

以上图像处理方法计算简单,稳定性强,并方便程序进行批量图像处理。

这里以2010年1月1日13:30在JZ20 2海域采集的海冰图像为例(如图2a),进行二值化后对海冰和海水进行分割(图2b),由此得到海冰的密集度为86.1%。

这里对不同密集度下的海冰图像进行了处理,得到的海冰密集度见图3。

图2 海冰图像及密集度提取的二值图(密集度测量值为86.1%)针对海冰图像中存在海平面干扰的现象(见图3c),在海冰密集度识别中增加了海平面提取功能。

通过定义海天交界线,将图像上部的天空删除,仅对海天交界线以下的海冰图像进行处理,从而有效地解决了将天空误判为海冰的问题。

以上结果表明,海冰密集度识别结果比较客观地反映了海冰的实际情况。

在海冰密集度参数提取的数字图像处理中,图像分辨率、阈值的选取和计算精度等因素都不可避免地对监测结果产生误差。

此外,摄像机的位置和姿态也是造成计算误差的主要因素。

本文主要是通过图像变形修正技术来降低现场观测中拍摄角度产生的误差[17],利用高像素值的摄像机以提高图像的分辨率,并为合理的选择阀值提供保障。

2.3海冰速度的图像监测技术海冰流速和流向的计算,主要是通过对不同时刻海冰图像中特征点的提取和匹配来实现。

在采集的视频中,提取相同时间间隔的多帧海冰图像,并通过相邻帧图像间特征点的对比来确定海冰的速度。

特征点是指位于图像中不同高度区域交界处的像素点,一般使用角点特征以减少计算量,提高匹配速度。

针对海冰速度的图像监测特点,本文采用H ar814期 季顺迎等:渤海海冰现场监测的数字图像技术及其应用r is算法对海冰图像中的特征点进行提取。