0 引言

土木工程位移监测从理论上来说可以使用收敛计、钻孔伸长计和钻孔倾斜仪等进行监测，然而由于施工过程中堰坡的施工范围较大，故经纬仪（包括电子经纬仪）、水准仪、激光测距仪、全站仪等光学仪器在堰坡监测中很受重视。这些传统方法具有精度高、结构简单的优点，但是这种测量方法在使用的过程中，需要借助一些专业性的设备，来获取相应的观测数值，想要获得更加精确的变形值，还需要经过一系列的数据处理，整个过程比较复杂，需要消耗较长的时间和精力，才能得到变形数值，测量效率并不高，无法对堰坡施工过程的位移变化进行动态测试。于是近年来，一种新的测试技术GPS测量得到了新的发展与应用，这个技术在很多领域得到应用，尤其是在工程建设领域中，其产生的作用非常突出，可以根据不同地区的特征来获取更加精准的测量数据。信息受到天气因素影响的效果并不显著。除此之外，这种技术使用的优势主要体现在：可以达到全天候监测数据效果，提高测量数据结果的精确性和持续性，可以自动记录数据，但是想要使用这种测量方法，需要支付较高的成本，在一些工程中，可能会存在较多的测试点，对于这类工程往往就不适合这种测量方法。GPS技术在实际使用的过程中，想要得到更加精确的测量数值，还需要使用一些地面辅助设备来实现，这些设备往往是固定的，无法对目标进行动态扫描跟踪。在工程数据测量过程中，还涉及到一种基于现代化信息信息技术的数字摄影测量技术，这种技术操作非常简单，借助照相机原理，对目标进行多维度拍摄，来获取相应的数字图像，接着就是进一步对获取到的数字图像进行技术分析，来获取相应的参数，这种测量方法和传统摄影测量方法有很大的差异，关键体现在实际测量数据获取方式上，传统方式主要是借助胶片来确定物体的位置，而数字图像处理分析技术则是根据目标在不同时间空间位置的波动变化，来计算得到相应的位移变化数值。但是在当前数字图像处理技术在实际应用过程中，还存在一定的局限性，但很多领域的作用尚未得到充分发挥，使用到的测量工具有所局限，市场上尚未批量生产精确值较高的测量仪器。本课题组对该技术进行了深入的研究，并取得了显著的成效，解决了多点测量的问题，实现了实时、全天侯，自动跟踪变形等难题。该技术将应用于本项目中，将建立施工动态位移监测系统，实现堰坡位移安全监测与预警等功能。

1 项目监测基本原理

1.1 图像的数字化处理

光测存在的主要特征就是，不需要直接与拍摄目标进行接触，可以达到更加高效的测量精度数值，并且能够对整个物体的动态运行状况进行掌控，削弱外在事物对被测物体带来的干扰影响，能够获取更加客观可信的测量数据。

光测数字图像处理分析技术之所以得到广泛应用，和计算机技术的推广与应用有很大的关联，借助计算机系统和信息技术的有效融合，能够达到更加高效的数字图像提取效果，进而对数字图像中涉及到的关键特征信息进行提取，就可以获得更加精准的测量数值。

图像就是一种用来存储信息的新型方式，可以通过人的感官系统，来对图像中所包含的信息进行提取。眼睛可以通过物质能量转换，完成信息的记录。图像能够更好地反映出客观世界的真实情况，可以通过红外线、X射线等，来获取不同的数字图像，达到预期的数值测量效果。

图像获取数据信息的详细情况，往往会受到一些因素的影响，例如记录内容、投射能力，目标物体的反射能力等。图像特征的获取情况，最容易受到光强度和色彩等因素的影响。可以使用以下公式来反映这些因素之间存在的关系：

仅仅依赖于计算机和数字成像来获取数据，可能会受到设备自身离散性因素的影响，尤其是图像离散化因素带来的影响，可以借助数学函数来反映其中存在的变化关系。在数字化处理的过程中，可以借助图像离散化分布涉及到的分散像素，来确定像素灰度值。

图1主要反映的是借助数字成像设备来获取到的图像元素，根据这些图像元素能够提取有关目标物体的特征信息。通过图形分析可以得知，这些图像元素存在明显的离散分布特征。

图1 连续光图像离散构成数字图

想要最大限度地达到良好的数值图像描述效果，就需要把像素的光前灰度控制在合理范围内。灰度离散会有不同的级别，尽可能确保像素灰度处于合理分布范围内，才能够确保获得数字图像特征的连续性。像素灰度分布范围涉及到不同的间隔数值，分割为不同的量化等级，可以根据这个数值的波动变化，来确定相应的分辨率，决定图像获取的清晰度，而且可以借助计算器，达到更好的数据存储效果。通常情况下，采用二进制方法来完成数据存储和记录。

数字图像离散分布之后，可以从数学角度来对这种分布情况进行理解，可以转化为一个矩阵，有M行，N列。涉及到不同的元素点，可以根据矩阵中的技术值，来确定像素点所对应的灰度值。可以借助二维矩阵，来表示数字图像，进而通过数学运算来进一步获取相应的参数值。

1.2 数字图像特征分析

数字图像有其自身的特殊性，在数据测量分析的过程中，涉及到的作用如下所示：

①数字图像在实际应用的过程中，往往受到几何位置和光强分布因素的影响，进而影响到灰度数值，即便是光度保持一样，也依旧会受到其他因素的影响，导致最终分布特征会有一些差异。但是从几何位置上来看，分布存在一定的规律，具有一定的相似性，可以借助这些特征，来更好地对目标物体变化情况进行描述。

②利用光学图像来对物体存在的某种特征进行反应，可以达到持续分布特点。受到光照的影响，能够对客观物体有一个更加连续的反应。通过数字图像来进行呈现，可以根据图像元素实际分布情况，掌握更多的数据特征信息。在光学成像的过程中，往往会受到低滤波的影响，导致图像的清晰度不高，可以在离散化光学图像中，借助多级梯度来完成图像的平滑过渡，进而提高数据信息获取精确度。

③数字图像在具体描述的过程中，可以通过数字矩阵来进行呈现。数字矩阵有其自身存在的特点，涉及到不同的行与列，不同的行列都对应着不同的元素点，能够根据数学公式完成计算，进而达到更加高效的数据特征提取目的。

④数字图像在对景物进行描述的过程中，为了确保景物描述呈现良好的连续性特征，通常情况下，会借助数字图像离散像素点，来进行实景表示。尤其是在离散分布的数字图像中，可以通过不同数据点的分布情况，来掌握实际景物的空间分布情况。尤其是对数字图像离散点分布的实际情况，来计算相应的空间尺度大小，可以根据图像实际反应的空间特征构成情况，来明确频率大小之间存在的定量影响关系。

⑤成像存在几何畸变现象，为了达到更好的成像效果，选择使用数字图像呈现方式，借助离散点来对真实景物的持续空间分布情况进行呈现。然而，受到一些因素的影响，可能会出现几何畸变的问题，导致测量精度下降。

通过以上分析可以得知，在当前发展过程中，信息技术水平不断提高，数字图像分析技术得到越来越广泛的应用。尤其是在对自然景物持续空间呈现上，起到非常重要的作用，可以借助数字图像对真实景物的特征信息进行提取。

1.3 数字成像系统硬件构成

摄影测量系统在实际运行的过程中，使用到不同的设备，可以使用的方法也并不唯一。然而，测量系统的硬件构成，主要涉及到几大关键构成部分，详情如图2所示。

图2 数字图像系统硬件构成示意图

①光学成像设备分析。光学成像依据一定的原理，也就是把电磁能量转化为信号，然后借助电池能量完成信号的传输。通过摄像机镜头来组建一个光学成像设备，进行目标物体的捕捉，通过光学图像来获取目标景物的特征。在当前发展过程中，成像设备涉及到不同的摄像机，例如固态摄像机以及电子管摄像机，前者在使用的过程中主要借助干光向原理，把涉及到不同的离散成像元素以数字图像的形式呈现出来。固态摄像机有其自身存在的特征，主要体现在：可以根据不同的目标物体大小分布特点，来设置不同的参数值，获取精确度更高的数值，并且能够对环境的变化有较高的敏感度和反应力。光谱响应较宽，重量不大，并且呈现良好的动态变化范围，使用原件寿命较长，投入成本不高，并且有非常良好的线性度。因此，这类摄像设备在很多领域中都得到应用。

②数字化设备。数字化设备在实际使用的过程中，主要通过电信号的转化，把光学成像反映到电路元器件上。在当前发展过程中，数字摄像机主要借助数字图像信号来完成信息的采集，可以借助数字化转换功能，来输出数字图像信号，这样就可以优化图像输出环节，减少信号损耗发生的可能性。可以借助数字化设备，利用感光原点和像素点之间存在的几何对应关系，来确定像素点数的具体数量，可以有效避免像素抖动带来画面模糊的问题。

在当前发展过程中，能够兼容外设热插拔功能的输出设备规格为IEEE1394，这种设备的优点主要体现在，可以和外部设备兼容使用，能够达到同步传输的良好效果，传输效率高。

③图像存储设备分析。图像存储设备的主要功能作用就是对数字图像所涉及到的信息进行存储，可以利用内存空间来完成图像存储，也可以通过外部存储器来对图像数据进行存储，根据用户自身的实际情况来进行选择。

④处理器。处理器其主要作用就是对数字图像进行长管理，对涉及到的数据进行提取，并且进一步展开分析。在整个处理过程中，会很大程度上关系到数字图像处理结果。处理器是整个数据图像处理中心的核心构成部分，与其他设备密切结合起来，划分不同的处理器类型。除此之外，还涉及到一些专门用来处理专供图像的处理器。在信息技术水平不断提高的背景下，一些助力器在使用的过程中，能够与一些写入系统关联起来，达到良好的智能化图像处理效果。在系统独立运行的过程中，还可以实现摄像系统的单独运行。

⑤图像显示与输出设备分析。在数字图像数据处理的过程中，借助图像显示设备，来对最终数据呈现结果进行显示。除此之外，还可以借助输出设备，来满足用户的不同使用需求，可以打印图像，也可以通过显示器来进行呈现，使用灵活性较高。

1.4 成像系统分辨力分析

成像系统分辨力非常的重要，直接关系到最终图像特征信息提取效果，能够对一些细节特征进行抓捕。保持良好的成像系统分辨力非常的关键，可以对目标物体空间移动情况有一个更加详细的了解。

①图像物面分辨率分析。实际物体的空间尺寸往往是通过像素来进行反应，如果设定拍摄产品的长为W，宽为N，那么可以通过计算获得摄像机的硬件分辨率是M×N，进一步转化物面分辨率计算公式：

②成像系统角分辨率分析。在计算成像系统角分辨率的过程中，可以设定YX方向上视场角度是α×β，整个系统的角分辨率计算公式如下所示：

如果属于特定的测量对象，想要确保最终获得的图像信息精确度更高，那么可以通过调整成像系统角分辨率来实现。如果设备的分辨率一定，那么可以控制视野来增加图像物面的分辨率。对于固定焦距的摄像机，增加摄像机的分辨率的唯一途径是提高成像系统的角度分辨率。

需要明确的是，物面分辨率对光学测量结果有非常大的影响，是重要的影响因素。举例说明，卫星图像最终呈现结果，能够反映出较大面积的地面，然而在实际拍摄的过程中，一个像素能够反映出来的图像非常的小，意味着测量精度也发生了变化，从原来的量级变成了毫米量级，在执行具体测量任务的过程中，需要对物面分辨率数值进行明确，然后再调整摄像机的分辨率，或者是对摄像视野范围进行控制。

2 投影成像关系分析

2.1 常用坐标介绍

通常情况下，在构建坐标系的过程中，会遵循右手准则。图3主要反映的是三个坐标系统对应不同的层次，对不同坐标系定义也存在差异。

2.1.1 世界坐标系（X，Y，Z）介绍

通常情况下，会把全局坐标系也叫做世界坐标系，是一个三维空间坐标系，具体构成如图3所示。该坐标系在实际构建的过程中，主要是从被测物体、摄像机的角度来进行构建，为了达到更好的坐标分析效果，会把应用环境和对象条件因素考虑在内，明确空间点P的位置，找到其在世界坐标系相对应的空间坐标点。

图3 三大坐标系构成示意图

图3三大坐标系图中，摄像机坐标系是（X，Y，Z），光心则是摄像机坐标系的中心，Z轴主要指的是入射光轴，摄影方向对应的是正方向，确定的图像物理坐标分别与x、y轴平行。

2.1.2 图像坐标系介绍

可以借助图像坐标轴来完成像素点的互换，根据空间位置的实际波动情况，来对坐标轴进行详细细分处理。

①图像物理坐标系（x，y）。确定的图像物理坐标系原点为图像的主点，根据主点又可以进一步确定中心位置，把握空间位置变化规律。需要明确的是，实际物体尺度和坐标系像素点所反映的尺寸有差异，可以根据实际测量物体的实际情况，来选择合适的测量范围。

②图像像素坐标系（u、v）。图像像素坐标系和物理坐标系存在着差异，可以确定为是直角坐标系，对应的单位像素值是u与v，可以借助一定的格式，利用存储格式来完成关键图像信息的处理、存储。

2.2 坐标系变换关系介绍

对空间直角坐标系的含义进行明确之后，想要以此来获得更多的测量数据信息，那么就需要实现不同坐标之间的合理有效转化，确保坐标和图像之间的关系可以一一对应。把空间点和图像点结合起来，再转化为几何公式来进行表达，最终转化得到的矩阵如下所示：

3 亚像素定位技术

如果想要达到更高效的测量结果，那么就需要对分辨率进行合理有效控制，确保像素点数量得以增加，这样就可以达到良好的测量精度。但是在对分辨率进行调整的过程中，可能会消耗较多的成本，想要扩大摄像系统，那么就需要支付更多的资金，并且分辨率即便得到提升，会影响到图像的传输速度，也意味着要进一步对系统进行升级处理。在这种情况下，可以借助软件处理方法，对具体目标进行亚像素定位处理，这样就可以大大提高数字算法效率，需要确保其他参数不变，可以通过提高分配率数值，来达到更好的亚像素控制效果。

3.1 亚像素定位遵循的主要原理

可以通过亚像素来完成定位处理，就是要遵循一定的原理。在对目标图像进行分析的过程中，能够通过特殊特征提取，削弱噪声因素带来的影响，来确保目标与预先知道的物体保持较高的相似度。在定位处理的过程中，可以充分发挥浮点计算方法的优势，可以达到更好的精准定位效果，借助亚像素来对目标对象的特性进行提取，在借助特征位置信息的提取，达到更高效的定位处理效果。

图像亚像素定位技术但实际运用的过程中，需要把差值运算和像素坐标值与灰度值的概念进行合理有效区分。从原理分析角度来看，差值运算仅仅是根据规律变化来进行计算，并没有新增新的数据信息，可以通过差值处理方法，直接改变人眼获得的视觉效果。但是注意和目标特征没有非常直接的关联，并不会对定位精度起到提升效果。

3.2 亚像素定位技术适应条件分析

①目标图像的重要构成要素就是像素，并且这个像素不是单个的像素，而是像素之间形成一个组别，这个组别有其自身存在的特点，甚至具有灰度分布特征。

②想要获取显著目标特征，那么首先就要从定位上来进行关键信息的获取，能够根据三角形目标来明确中心点位置。再根据基准点来确定角点坐标数值。需要明确的是，基准点并不固定，可能是最暗点，也可能是最亮点。在实际使用的过程中，可以根据灰度变化的实际情况，来提取关键特征数据信息，与具体的场景密切结合起来，构建合理的分析模型，达成更好的融合分析效果。

在实际进行关键图像数据特征提取的过程中，往往受到一些影响因素带来的负面影响，导致最终测量结果会存在一定的误差。举例说明，在对定位进行确定的过程中，可能受到灰度量化带来的影响，导致最终测量结果和实际结果有很大的差异。在对亚像素定位方法进行使用之前，还需要对其具体的使用效果进行检验，判断是否能够达到预期想要的发展目标识别效果。除此之外，还需要结合像素算法的实际情况，根据统计学原理，来完成精度数值计算，通常情况下，精度变化范围在0.1到0.3之间。

3.3 亚像素算法使用原则

亚像素算法在实际设计和使用的过程中，会考虑到所需要遵循的原则。首先，如果选择使用这种方法，首先要考虑是否提前对特征目标进行初步定位；其次，要对像素精度参数值进行合理筛选，完成初步定位任务；接着就需要展开亚像素定位分析，从不同层面来展开更加系统性的定位分析，可以大大提高定位分析精确度。对计算特征数值进行完善处理，可以在很大程度上降低计算量。最后，就是需要通过局部模型的构建来落实定位识别。

直接用亚像素定位算法的过程中，需要对其存在的离散特性进行评估分析，在实际设计之前，根据连续离散算法，来考虑可能存在的隐含条件。尤其是在对模拟信号进行处理的过程中，需要对频谱带宽情况进行有效分析，达到合理的分析效果，确保能够真实可靠地使用亚像素定位算法。在运用的过程中，不需要对整体特征进行细化分析，可以根据图像边界，来精确每个边界点，然后再整体性地提取目标特征。在实际使用亚像素定位的过程中，可以根据实际需求来对灰度值以及计算方法进行合理有效选择，确保可以满足测量需求。

4 结语

通过亚像素定位技术，使得图像的目标识别精度达到0.01个像素；采用数字图像相关技术对图像进行识别，并采用优化的亚像素定位技术进行精细化定位。为保证对被测目标的有效搜索以及亚像素算法的可行性，目标模板在全幅图像中最少要覆盖到20×20个原始像素。而根据实地的环境状况来看，每个目标图板的物理尺寸不应超过40×40厘米，即在物理空间上每2厘米对应一个像素。如果市场角度的高宽尺寸都在100米左右，因此图像传感器的边长像素数不应少于5000像素。可采用边长尺寸为24×36mm，像素数为4000×6000的CMOS图像传感器（SONY α900或者Nikon D3x）竖向摄图。如果采用亚像素算法能有效地达到1/4像素定位精度，则实际位移测量分辨率可达到1/2厘米。这个精度在100米范围内实时监测一般测量方法是难以达到要求的。仪器重新安装。如果将仪器重装后的视点高差控制在1mm以内，则仪器重装后其水平高差Δh和俯仰角误差Δθ须满足以下条件：（（Δh）2+（Δθ*L）2）1/2≤1mm，其中L为仪器的总长度，假定为200mm，水平高差假定可以控制在0.5mm以内，这样俯仰角误差最大值为15分，约4.3毫弧度。这个能够很好的满足仪器的移动和再安装。对于图像放大率的变化而言，需要考虑对不同目标图板的放大率的变化情况。假设镜头焦距为28mm，所有图板大小都是400×400mm，最近图板距离为60m，最远图板距离为125m，则远处的图像放大率为1:4500，远处目标图板边长最多只能覆盖到15个像素。解决的方案是将远处的目标图板尺寸增加到540mm。