数字影像分析技术在海滩环境监测的应用

胡亚丽,李晶珩,阎子衿,于新生

(1.中国海洋大学 海洋地球科学学院,海底科学与探测技术教育部重点实验室,山东 青岛 266100;2.Australia National University,Canberra,Australia)

海滩是滨海地区重要的海岸防护屏障和旅游资源,自 20世纪起,随着社会旅游条件的成熟,滨海旅游在世界沿海国家得到了快速发展。在美国,海滩旅游已成为旅游者的首选,对其国民经济发展起到了重要的作用[1]。据统计,我国沿海地区及海岛近年来接待的旅游人次以每年 20%～30%的速度递增,而沙滩浴场则成为海滨旅游的核心。我国有着32 000 km的海岸线,其中沙滩浴场约为 1 400 km,但是由于人类活动影响,加之风暴潮等自然过程,导致滨海沙滩面临着污染严重、沙滩坡度变陡、总体面积缩小等诸多现象,使得海滩旅游资源萎缩,对滨海沙滩旅游业的发展造成了极大影响。因此健全海滩环境监管体系、保护滨海沙滩质量已成为我国沿海地区面临的重要任务之一。海滩评价与保护的首要任务是获取详细的滨海沙滩变化资料,譬如海滩形态变化、海岸动力要素信息、岸线变化、海滩环境与生态等。

传统的海滩人工现场监测方法需要人工进行长期的(天或周)现场目测,导致资料误差较大;虽然借助于差分全球定位系统(DGPS)可以高精度测量岸线变化,但是该方法需要耗费大量的人力资源和时间进行野外操作,动态连续性较差,在空间尺度上具有一定的局限性。卫星遥感具有覆盖面积大、空间定位精度高、重复性好等优势,为大尺度监测海岸提供了有效的技术支撑。但是卫星遥感技术的时空分辨率较低,空间分辨率通常为米级,时间分辨率以天为单位,不能满足高时空分辨率的应用需求[2]。20世纪90年代美国将数字成像系统(ARGUS)首次用于海岸遥感监测取得了良好的成果[3],随后在其他国家得到了进一步的应用推广,譬如新西兰的 Cam-Era项目[4],欧洲的COASTVIEW项目[5-6]等。另外还有一些监控系统也已建立。例如: Kosta System[7],Erdman Video System[8],Sirena[9],Horus[8]等的监测方法。由 5台摄像机组成的视频监测系统,可以提供180°的视场图像,其覆盖距离可达5 km海岸区域[10-11],其空间分辨率可以达到厘米级,并且可以记录海滩动态及形态变化信息,获取秒、小时乃至年的海岸影像资料,结合当前的高速因特网数据传输技术,可以将影像观测资料传输到实验室进行实时处理,因此具有成本低、适应性强、时空分辨率高、提取参数多等优点。

目前报道的基于近岸视频应用主要围绕着海岸动力[12]、海滩地貌变化[13]、岸线变化[14]等信息的获取,对海滩环境变化的监测与应用报道有限。本文首次针对青岛近年来浒苔暴发对浴场海滩环境带来的不利影响,将近岸视频技术用于夏季浒苔覆盖海滩引起的青岛市石老人海滩环境变化的监测。夏季暴发的浒苔,在波浪潮汐的作用下覆盖在海滩上,不但侵占了海滩的面积,减少了游客的活动空间,同时浒苔在海滩上腐烂发出的气味降低了海滩的环境质量[15],而且,在清理浒苔时也带走了大量的海沙,影响了海滩的品质。本文利用数字图像处理方法对2011年夏季浒苔对覆盖海滩面积的时空变化实施定量分析,以其为评估浒苔对浴场海滩的影响提供决策依据。

1 观测区域及摄像监测系统

观测区域选择青岛市石老人浴场西南走向的海滩,该海滩为青岛市东部集度假、观光旅游、海上运动、沙滩运动、娱乐休闲为一体的综合性旅游度假海滩之一。青岛市石老人浴场沙滩坡度平缓滩面较宽,宽度平均为200 m,该区域的平均高潮高为3.8 m,平均低潮高为1.1 m,在浴场的西边有一个水道通向海区。视频相机架设在石老人海滩附近的一座公寓楼里,高度约 64 m,所观测区域的海滩总面积约为75 000 m2,摄像系统的位置为北纬 36°05′,东经120°27′。

根据光学镜头的性能及相机的工作环境性能要求,我们选择了 UNIC Phocus1821型号的高清智能工业相机,配以 8～80 mm的变焦镜头,所用相机及采集系统如图1所示。

图1 摄像机及采集系统Fig.1 Nearshore camera and image acquisition system

采用图像自动采集工作模式,每天采集 5次图像,每次采集10 min,采集速率为10帧/s,设置的采集时间为每天的 06: 00～06: 10、09: 00～09: 10、12: 00～12: 10、15: 00～15: 10、18: 00～18: 10,每天采集的30 000帧图像存在图像采集系统的硬盘中。此外,在观测区域选择了15个地面控制点(GCPs),分别用手持全球定位系统(GPS)对这些地面控制点的坐标位置进行定位测量,用于图像处理过程中的图像坐标与大地坐标的几何纠正。

2 近岸影像处理方法

基于 Matlab工具,所开发的影像处理流程如图2所示,首先对 10 min内连续采集的单帧序列图像进行平均处理,以去除随机变化的“噪声”干扰,提高海岸线、沙丘及沙坝的边缘的对比度[16],如图 3所示,平均图像给出了明显的干湿界线、破碎波带范围等特征,为后续处理奠定了基础。利用地面控制点,采用式(1)的共线方程将确定摄像机的相关参数(f,α,β,γ,xc,yc,zc)[17],其中 f为摄像机的焦距,α,β,γ为摄像机在空间坐标X,Y,Z的3个正旋转方向(笛卡儿坐标系的右手定则),(xc,yc,zc)为摄像机的位置。确定上述参数后,可以直接把图像的像素(u,v)转换到大地坐标(xc,yc,zc)中,即将图像坐标系统中(u,v)的位置的像素灰度值放在新的大地坐标系统中的(x,y)中(当所观测区域为一个无强烈高低起伏的区域时,高度值z可假设为一常数值)。

浒苔目标的分割采用了Bouman &Liu提出的基于贪心(EM)的高斯自回归方法对目标建模[18],传统的聚类方法如基于划分和层次的聚类方法需要一些先验知识来确定初始参数,如果用户对数据集缺少先验知识会对聚类结果产生很大影响,此外这些方法在处理大数据集时效率不高。而高斯混合模型结构和参数是依靠自动学习,而不需要先验知识。与传统的k-means和k-medoids聚类方法相比,高斯混合模型(Gaussian mixture model ,GMM)不仅把每个数据点分配到其中某一个聚类中,并且 GMM 还给出了这些数据点被分配到每个聚类的概率[19]。基于高斯混合模型(GMM)的聚类方法采用的是多个单高斯分布的线性组合,如式(2)所示是由三个高斯密度函数组合表示的高斯混合密度函数。其中a1,a2,a3表示各个高斯密度函数的加权系数。

图2 影像处理流程图Fig.2 Image processing flow chart

图3 图像类型Fig.3 Types of images

在基于高斯混合模型的聚类方法中,每个目标对象都是由多个高斯密度函数线性组合表示的,这里每个高斯密度函数都代表该对象的一个子类,为了更好地进行聚类,有必要进行每个对象子类个数的判定。这里我们采用最大期望值(expectationmaximization,EM)算法和MDL(Rissanen's minimum description length )准则相结合的方法进行最适合分类数据集的聚类个数的估计[20]。首先将图片信息转化为 ASCII格式数据信息,对每个像素点对应数据进行最大后验(Maximum a posteriori MAP)估计分析,计算像素归属各个 GMM 的概率,然后根据其归属概率值进行目标的分割处理,通过对聚类的浒苔区域进行统计计算即可获得覆盖在海滩上的浒苔所占有的面积。视频影像的几何纠正和分割处理效果如图 4所示,可以将海水及海岸的目标物进行有效的分割。

图4 影像的几何纠正及分割结果Fig.4 Geometric correction of images and segmentation result

3 2011年青岛石老人海滩浒苔的时空变化

如图 5所示,图 5a为浒苔暴发的初期,浒苔覆盖海滩的面积较少,游客集中在海滩的干湿交界处活动。从图5b中以看到有大量的机动车辆在沙滩上清理浒苔,以改善海滩环境。图 5c的监测记录显示游客逐渐增多,但是由于浒苔侵占沙滩的干湿交界处,游客只能在没有浒苔的沙滩上活动。图5d表示由于受台风“梅花”的影响,大量浒苔被运送并覆盖在海滩上,对海滩的环境起到了不良影响,游客明显减少。图 5e的图像表示此时沿海仍受台风影响,滩面被大量浒苔覆盖,海滩上游客极少。图5f中,随着8月中旬温度的升高,浒苔处于消亡期,浒苔对海滩的影响明显减少,海滩上游客量相对增加。由此可见,浒苔对青岛石老人海滩的作用间接地影响了海滩旅游业的发展。

图6是利用EM算法的高斯混合模型进行夏季监测浒苔所覆盖海滩面积分析的结果对比。分析结果显示在2011年浒苔影响石老人海滩的起始时间在2011年7月11日,最初其面积有3 000 m2,随着波浪潮汐和海流的作用成条带状分布在干湿分界线地带,对到海滩游泳的游客有一定的影响。这段期间浒苔侵占海滩的面积基本保持恒定,成间歇状态,如果及时处理海滩上的浒苔,可以有效的维护海滩的可利用性。到 7月下旬至 8月中旬期间,在气温及风暴的作用下,浒苔侵占海滩的面积有所扩大,在 7月26日监测得到的浒苔覆盖海滩面积可达27 000 m2,占整个监测区域面积的36%。2011年夏季台风的来临,大面积海滩再次被浒苔覆盖,该时期浒苔侵占海滩面积大概有12 000 m2。不同时间段的监测资料显示,虽然经过人工及时清理,但是仍然有约1 500 m2的海滩被浒苔覆盖。8月中旬后,随着温度的升高,浒苔难以繁殖生存,这段期间浒苔对海滩的影响逐渐降低。

图5 2011年青岛石老人海滩上的浒苔时空变化示例影像Fig.5 Space-time changes of the sample images of Enteromorpha in Shilaoren beach of Qingdao in 2011

图6 浒苔覆盖海滩的时空变化Fig.6 Spatial and temporal variations of Enteromorpha covering the beach

4 总结

本文首次提出利用近岸影像监测方法对浒苔对海滩环境影响的连续监测,验证了基于近岸影像方法在海滩环境时空变化监测有效性和实用性。所采用的基于 EM 算法实现高斯混合模型进行浒苔覆盖面积的分析方法,依靠自动学习,而不需要先验知识,可以快速自动地计算浒苔所覆盖海滩的面积,为自动处理海量监测影像提供了新的方向。

通过对2011年青岛市石老人海滩的连续实时监测与分析结果表明,青岛石老人浒苔对海滩的影响主要在7月份至8月中旬期间,随着8月中旬温度的升高,浒苔逐渐消亡;风暴对浒苔向海滩的输送具有重大影响,覆盖在海滩上的浒苔对海滩游客有着较大的影响,减少了游客在海滩的活动区域,因此,及时地采取防范措施,避免浒苔在海滩的堆积,对浴场海滩的环境及旅游业的发展都具有重要意义。由于光学影像受气候影响较大,因此将多种监测技术如近地面视频监测遥感、卫星遥感、航拍遥感等相结合,对提高监测资料的准确性是今后发展的方向。

[1]Houston J R.The economic value of beaches-A 2008 update[J].Shore &Beach,2008,76(3): 22-26.

[2]Racknell A P.Remote sensing techniques in estuaries and coastal zones—an update[J].International Journal of Remote Sensing,1999,19(3): 485–496.

[3]Holman R A,Stanley J.The history and technical capabilities of Argus[J].Coastal Engineering.2007,54(6–7): 477–491.

[4]Bryan K,Hume T,Payne G.The Cam-Era final report[OL].[2013-04-05].http: //www.niwa.co.nz/ourservices/online-services/cam-era.

[5]Davidson M,Koningsveld M V,Rawson J,et al.The Coastview project: Developing video—derived Coastal State Indicators in support of coastal zone management[J].Coastal Engineering,2007,54: 463-475.

[6]Koningsveld M V,Davidson M,Huntley D,et al.A critical review of the CoastView project: Recent and future developments in coastal management video systems[J].Coastal Engineering,2007,54: 567-576.

[7]Archetti R,Schiaffino C F,Ferrari M,et al.Video system for coastal monitoring.Pranzini E,Wetzel L.Beach Erosion Monitoring.Firenze: Nuova Grafica Fiorentina Press,2008: 101–109.

[8]Brignone M,Schiaffino C F,Isla F I,et al.A system for beach video-monitoring: Beachkeeper plus[J].Computer&Geosciences,2012,49: 53-61.

[9]Nieto M A,Garau B,Balle S,et al.An open source low cost video-based coastal monitoring system[J].Earth Surface Processes and Land-forms,2010,35 (14): 1712–1719.

[10]Lippmann T C,Holman R A.Quantification of sand bar morphology: A video technique based on wave dissipation[J].Journal of Geophysical Research,1989,94: 995–1011.

[11]Holman R A,Stanley J.The history and technical capabilities of Argus[J].Coastal Engineering,2007,54: 477-491.

[12]Chickadel C C,Holman R A,Freilich M H.An optical technique for the measurement of longshore currents[J].Journal of Geophysical Research.2003,108 (11): 33-64.

[13]Holland K T,Puleo J A,Kooney T N.Quantification of swash flows using video-based particle image velocimetry[J].Coastal Engineering,2001,44: 65-77.

[14]Plant N G,Aarninkhof S J J,Turner I L,et al.The performance of shoreline detection models applied to video imagery[ J].Coastal Research,2007,22(3): 657-670.

[15]王超,乔洪金,潘光华,等.青岛奥帆基地海域漂浮浒苔光合生理特点研究[J].海洋科学,2008,32(8): 13-15.

[16]Rafael M C,Calliari L J,Holland K T,et al.Short-term sandbar variability based on video imagery: Comparison between Time–Average and Time–Variance techniques[J].Marine Geology,2011,289: 122-134.

[17]Holland K T,Holman R A,Lippman T C,et al.Practical use of video imagery in nearshore oceanographic field studies[J].IEEE Journal of Ocean Engineering,1997,22(1): 81-92.

[18]Bouman C,Liu B.Multiple resolution segmentation of textured images[J].IEEE Trans on Pattern Anal and Mach Intell,1991,13(2): 99-113.

[19]兰志刚,靳卫卫,朱明亮,等.基于高斯混合模型的海冰图像非监督聚类分割研究[J].海洋科学,2011,35(11): 97-100.

[20]Grünwald P D.The Minimum Description Length Principle[M].United States : The MIT Press,2007: 7-570.