非安全区域自动识别及安全射界图的自动绘制方法技术

本发明专利技术涉及人工影响天气中的安全射界技术领域，为提供一种非安全区域自动识别及安全射界图自动绘制方法。该方法能够自动对Google地图上的非安全区域进行自动识别，并自动绘制出安全射界图，绘制效率高、准确率高且易于推广。本发明专利技术采用的技术方案是，非安全区域自动识别及安全射界图的自动绘制方法，步骤如下：步骤一：Google地图的获取步骤二：去雾步骤三：灰度化步骤四：分割步骤五：去噪步骤六：地图瓦片拼接步骤二至步骤六为非安全区域自动识别过程；步骤七：自动绘制安全射界图。本发明专利技术主要应用于人工影响天气场合。

The automatic drawing method of non automatic identification and safety fire safety area map

The invention relates to the technical field of fire safety modification, which provides a non secure area of automatic identification and automatic drawing method of fire safety. This method can automatically carry out the automatic identification of non secure area of the Google on the map, and the automatic drawing of fire safety, rendering high efficiency, high accuracy and easy popularization. The technical proposal of the invention is safe, non automatic identification and safety travarse graph method comprises the following steps: step one: Google map obtaining step two: defogging step three: grayscale segmentation step four: step five: denoising step six: map tiles splicing steps two and six the process of automatic identification of non secure area; step seven: automatic drawing fire safety map. The invention is mainly applied to artificial weather situations.

【技术实现步骤摘要】

本专利技术涉及人工影响天气中的安全射界
，尤其涉及非安全区域自动识别及安全射界图的自动绘制方法。
技术介绍
我国幅员辽阔，地形复杂，气候类型种类多样但稳定性较差，因此受气象灾害影响十分严重。统计结果显示，近年来，气象灾害每年给我国造成的经济损失数以亿计。为了降低气象灾害造成的损失，人工影响天气被越来越多应用到生产生活中。人工影响天气，就是利用人为因素干预天气，降低气象灾害带来的不利影响，利用科技手段和气候资源实现人工增雨、人工防雹以及人工消雾等活动。高炮是人工影响天气最常用的作业方式，由于炮弹存在一定的未爆率，发射出去的炮弹如果没有爆炸最终落入村庄等人口密集区就会产生严重的后果。为了提高作业的安全性，需要安全射界图指导作业。安全射界图是以作业点为中心，以火箭或者高炮的有效射程为半径绘制的区域地图，在该地图中还需要标注出城镇、村庄学校等人口密集区域以及油库、仓库等设施。目前，山东、新疆等地已绘制出安全射界图，但其绘制过程都是手动完成，效率不高且不利于推广。
技术实现思路
为克服现有技术的不足，本专利技术旨在提供一种非安全区域自动识别及安全射界图自动绘制方法。该方法能够自动对Google地图上的非安全区域进行自动识别，并自动绘制出安全射界图，绘制效率高、准确率高且易于推广。本专利技术采用的技术方案是，非安全区域自动识别及安全射界图的自动绘制方法，步骤如下：步骤一：Google地图的获取收集Google地图瓦片；步骤二：去雾对获得的Google地图瓦片进行去雾处理；步骤三：灰度化对图像进行灰度化处理；步骤四：分割为了识别出非安全区域的位置，需要对地图瓦片进行阈值分割，将非安全区域与安全区域区分开；步骤五：去噪利用去噪算法，剔除噪声点；步骤六：地图瓦片拼接将同一作业点周围处理好的地图瓦片按照排列规则拼接到一起；步骤二至步骤六为非安全区域自动识别过程步骤七：自动绘制安全射界图。步骤二：去雾具体为：去雾原理：(1)雾图模型I(x)＝J(x)t(x)+A(1-t(x))(2)x为图像中任一像素点，I(x)为现有的待去雾图像，J(x)为恢复后的无雾的图像，A是全球大气光成分，t(x)为透射率；对式(2)进行整理可得：Ic(x)Ac=t(x)Jc(x)Ac+1-t(x)---(3)]]>其中：上标c表示r/g/b三个通道，已知Ic(x),求出t(x)和Ac即可求得Jc(x)；A的获取方法1)按照亮度的大小从暗通道图中取前0.1％的像素；2)在原始有雾图像I(x)中，寻找满足步骤1)条件像素点，并计算这些像素点的平均值作为Ac值；t(x)的获取方法对公式(3)两边求两次最小值运算，得式(4)miny∈Ω(x)(mincIc(y)Ac)=t(x)miny∈Ω(x)(mincJc(y)Ac)+1-t(x)---(4)]]>其中Ω(x)为以x为中心的一个窗口，y为该窗口内任一像素点。根据暗通道先验理论有：Jdark(x)=miny∈Ω(x)(mincJc(y))=0---(5)]]>把式(5)带入式(4)中，得：t(x)=1-miny∈Ω(x)(mincIc(y)Ac)---(6)]]>通过待去雾图像I(x)、透射率t(x)和估算的全球大气光值Ac，根据公式(6)完成无雾图像J(x)的复原。去雾算法的具体实现过程(1)读取图片并选择三个颜色通道中的最小值对其进行灰度化；(2)选择大小合适的滤波半径对灰度化后的图像进行最小值滤波，滤波后得到的灰度图像即为暗通道图；(3)按照亮度的大小从暗通道图中取前0.1％的像素，找到这些像素在原图像中对应的像素点，分别求得红色分量、绿色分量和蓝色分量的平均值作为对应的全球大气光值；(4)利用图像复原公式推算出无雾图像的颜色分量值，完成复原。步骤三：灰度化选择彩色图像蓝色分量值作为图像的灰度值进行灰度化。步骤四：分割具体步骤：最大熵阈值分割原理假设一幅图像有L个灰度级，其中灰度级为i的像素有Ni个，图像像素点总数为N，则灰度级i的概率为：pi=NiN---(7)]]>设图像目标区域为A，图像背景区域为B，则两部分的熵为：HA(T)=-Σi=1Tpipslnpips---(8)]]>HB(T)=-Σi=T+1Lpi1-pslnpi1-ps---(9)]]>其中:ps=Σi=1Tpi---(10)]]>最大熵分割法的最佳阈值T的计算公式为：T＝argmax[HA(T)+HB(T)](11)。步骤五：去噪步骤中，改进去噪算法实现过程如下：第一步：对图像进行腐蚀操作；第二步：(1)选择合适大小的正方形框，按照一定的步长对腐蚀后的图像进行扫描，扫描的同时统计正方形框区域内白色像素点即非安全区域的个数N；(2)N和第一阈值δ1比较1)如果N>δ1，白色像素点个数大于第一阈值，说明该区域内非安全区域面积比较大，则跳转到下一区域继续扫描；2)如果N<δ1，白色像素点个数小于第一阈值，则将该正方形区域再次等分成几个区域，依次扫描这几个区域内白色像素点的个数，并与第二阈值δ2进行比较；a.如果再次小于第二阈值，即N<δ1<δ2，说明该区域不仅远离大面积白色区域，而且该区域自身面积也比较小，因此该区域为安全区域，并将该区域置黑；b.若大于第二阈值，即δ2<N<δ1，则不作处理，跳转到下一区域，直到遍历所有区域为止；第三步，对整幅图像进行膨胀操作。步骤六：地图瓦片拼接的拼接步骤：1)确定作业点周围地图瓦片数量；2)确定地图瓦片的行列数进行拼接。步骤七：自动绘制安全射界图的绘制流程如下：第一步是绘制距离圈，以作业点为圆心，根据炮弹射击的最近和最远距离为边界画圆，最近和最远距离中间部分均分成几个等份，绘制出距离圈；第二步是绘制角度分隔线，以正北方向为起始角，以15°为间隔绘制角度分隔线，这样，地图就被分成了若干个小扇区；第三步则是判断扇区内是否存在人口密集区，即是否还有白色像素点，如果有，则不作处理；如果没有，则认为该区域为安全区域，可以进行降雨、消雹等作业，并将该区域涂色显示出来。本专利技术的特点及有益效果是：山东、新疆等地能够绘制安全射界图，但其绘制过程是手动完成的，绘制本文档来自技高网...

【技术保护点】
一种非安全区域自动识别及安全射界图的自动绘制方法，其特征是，步骤如下：步骤一：Google地图的获取收集Google地图瓦片；步骤二：去雾对获得的Google地图瓦片进行去雾处理；步骤三：灰度化对图像进行灰度化处理；步骤四：分割为了识别出非安全区域的位置，需要对地图瓦片进行阈值分割，将非安全区域与安全区域区分开；步骤五：去噪利用去噪算法，剔除噪声点；步骤六：地图瓦片拼接将同一作业点周围处理好的地图瓦片按照排列规则拼接到一起；步骤二至步骤六为非安全区域自动识别过程步骤七：自动绘制安全射界图。

【技术特征摘要】
1.一种非安全区域自动识别及安全射界图的自动绘制方法，其特征是，步骤如下：
步骤一：Google地图的获取
收集Google地图瓦片；
步骤二：去雾
对获得的Google地图瓦片进行去雾处理；
步骤三：灰度化
对图像进行灰度化处理；
步骤四：分割
为了识别出非安全区域的位置，需要对地图瓦片进行阈值分割，将非安全区域与安全
区域区分开；
步骤五：去噪
利用去噪算法，剔除噪声点；
步骤六：地图瓦片拼接
将同一作业点周围处理好的地图瓦片按照排列规则拼接到一起；
步骤二至步骤六为非安全区域自动识别过程
步骤七：自动绘制安全射界图。
2.如权利要求1所述的非安全区域自动识别及安全射界图的自动绘制方法，其特征是，步骤
二：去雾具体为：
去雾原理：
(1)雾图模型
I(x)＝J(x)t(x)+A(1-t(x))(2)
x为图像中任一像素点，I(x)为现有的待去雾图像，J(x)为恢复后的无雾的图像，A
是全球大气光成分，t(x)为透射率；
对式(2)进行整理可得：
Ic(x)Ac=t(x)Jc(x)Ac+1-t(x)---(3)]]>其中：上标c表示r/g/b三个通道，已知Ic(x),求出t(x)和Ac即可求得Jc(x)；
A的获取方法
1)按照亮度的大小从暗通道图中取前0.1％的像素；
2)在原始有雾图像I(x)中，寻找满足步骤1)条件像素点，并计算这些像素点的平均
值作为Ac值；
t(x)的获取方法
对公式(3)两边求两次最小值运算，得式(4)
miny∈Ω(x)(mincIc(y)Ac)=t(x)miny∈Ω(x)(mincIc(y)Ac)+1-t(x)---(4)]]>其中Ω(x)为以x为中心的一个窗口，y为该窗口内任一像素点；
根据暗通道先验理论有：
Jdark(x)=miny∈Ω(x)(mincJc(y))=0---(5)]]>把式(5)带入式(4)中，得：
t(x)=1-miny∈Ω(x)(mincIc(y)Ac)---(6)]]>通过待去雾图像I(x)、透射率t(x)和估算的全球大气光值Ac，根据公式(6)完成无雾
图像J(x)的复原。
3.如权利要求2所述的非安全区域自动识别及安全射界图的自动绘制方法，其特征是，去雾
算法的具体实现过程：
(1)读取图片并选择三个颜色通道中的最小值对其进行灰度化；
(2)选择大小合适的滤波半径对灰度化后的图像进行最小值滤波，滤波后得到的灰度
图像即为暗通道图；
(3)按照亮度的大小从暗通道图中取前0.1％的像素，找到这些像素在原图像中对应的
像素点，分别求得红色分量、绿色分量和蓝色分量的平均值作为对...

【专利技术属性】
技术研发人员：路志英，李笑冬，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津;12