（计算机应用技术专业论文）基于图像处理的隧道掌子面地质信息研究.pdf

西南交通大学硕士研究生学位论文第1 页 摘要 基于图像处理的隧道掌子面地质信息研究是采用现代计算机图像处理 技术对隧道掌子面图像进行分析和研究，掌握开挖出露的掌子面及其前方的 地质情况，为隧道设计与施工提供必要的参考信息。国外对隧道掌子面图像 研究较多，已形成一些能够应用到工程中的掌子面图像处理系统。国内的研 究起步较晚，许多相关研究还不成熟，难以达到真正实用化的目的。 本文以图像处理技术为核心对隧道掌子面图像进一步研究。首先，结合 经典的图像处理算法研究掌子面图像结构面边界自动提取方法。该方法引入 定位精度高和抗噪能力强的c a n n y 算子进行边缘检测；采用数学形态学细 化算法对检测出的边界进行细化处理，得到单像素宽边界。在图像边界提取 过程中，重点研究了掌子面图像单点和节点去除算法、边界自动连接算法和 边界筛选算法分别用来减少单点噪声和伪连接、实现不连续边界自动连接以 及对边界线连接后存在的噪声、伪边界等做进一步处理。接着，利用莸取的 结构面边界提取掌子面岩石质量指标、单位面积裂隙长度及平均裂隙间距等 掌子面围岩参数，实现掌子面岩体的自动评价。然后，采用神经网络图像模 式识别技术进行岩体识别。在分析局部岩体图像特征时，采用了纹理描述符 和空间频率测量s f m ( s p a t i a lf r e q u e n c ym e a s u r e m e n t ) 。 最后，本文对研究算法结合实际情况进行应用，实验结果表明：边界自 动提取算法能较完整的提取掌子面结构面边界，经过一定的修正并加入结构 面产状信息即可生成地质素描图；根据提取的掌子面结构面特征参数实现对 掌子面岩体的自动分析与评价；经过训练的神经网络模型能够较准确的识别 岩性。 关键词：图像处理；边界提取；岩体特征：岩性识别 a b s tr a c t r e s e a r c ho ft u n n e lf a c eg e o l o g yi n f o r m a t i o no ni m a g ep r o c e s s i n ga n a l y s e s t u n n e lf a c ei m a g e sb ym o d e r nc o m p u t e ri m a g ep r o c e s s i n gt e c h n o l o g yt og r a s p g e o l o g i c a lc o n d i t i o no ft h ee x c a v a t e dt u n n e lf a c e sa n dt h e i rf r o n t a g e s 0t h a t p r o v i d e si m p o r t a n ti n f o r m a t i o nf o rt u n n e ld e s i g na n dc o n s t r u c t i o n al o to f w o r k sh a v eb e e nd o n eo nt u n n e lf a c ei m a g e so na b r o a d ，a n ds o m et u n n e lf a c e i m a g ep r o c e s s i n gs y s t e m sh a v eb e e nu s e di np r o je c t s d o m e s t i cr e s e a r c hi s s t a r t e dl a t e l y , s ot h a tt h ed e v e l o p e ds y s t e m sw h i c ha r en o tm a t u r ea r eh a r dt o a p p l yi np r a c t i c a l t h i st h e s i sm a k e sr e s e a r c ho ft u n n e lf a c e i m a g e sc e n t e r i n go ni m a g e p r o c e s s i n gt e c h n o l o g y w es t u d yam e t h o do fa u t o m a t i c a l l ye x t r a c t i n gb o u n d a r y l i n e s c o m b i n i n gw i t ht y p i c a li m a g ep r o c e s s i n ga l g o r i t h m s t h em e t h o du s e s c a n n yo p e r a t o r sh a v i n gh i g ha c c u r a c yp o s i t i o n i n ga n dg o o dn o i s e i m m u n e c a p a b i l i t yt od e t e c te d g e s t h e ns i n g l e p i x e lw i d eb o r d e r sa r eo b t a i n e db yu s i n g m a t h e m a t i c a lm o r p h o l o g ya l g o r i t h mt of u r t h e rp r o c e s st h eb o u n d a r i e s i nt h e p r o c e s s i n go fe x t r a c t i n gb o u n d a r i e s ，t h ep a p e rs t u d i e ss i n g l e - p o i n ta n dn o d e p o i n te l i m i n a t i o na l g o r i t h m ，b o u n d a r ya u t o c o n n e c t i o na l g o r i t h ma n da u t o f i l t e r a l g o r i t h m t h e yr e a l i z en o i s ed e c r e a s ea n da u t oc o n n e x i o nw i t hd i s c o n t i n u o u s b o u n d a r i e sa n df u r t h e rp r o c e s so fn o i s ea f t e rc o n n e c t i n gb o u n d a r yl i n e s a f t e r t h a tw ee x t r a c tc h a r a c t e r i s t i cp a r a m e t e r s ，s u c ha sr o c kq u a l i t yd e s i g n a t i o n ，c r a c k l e n g t ho fu n i ta r e a ，a v e r a g ed i s t a n c eb e t w e e ns t r u c t u r ep l a n e se t c ，t or e a l i z e a u t o m a t i c a le s t i m a t i o na b o u tt u n n e lf a c er o c k a n dt h e nw ei d e n t i f yt h er o c k s e m p l o y i n gn e u r a ln e t w o r k a u t h o ru s e st e x t u r ed e s c r i p t o r sa n ds f m ( s p a t i a l f r e q u e n c ym e a s u r e m e n t ) ，w h e na n a l y z i n gi m a g ec h a r a c t e r i s t i co fr o c k t h et h e s i s a p p l i e st h e s es t u d i e da l g o r i t h m st oa c t u a le n v i r o n m e n t t h e r e s u l t ss h o wt h a tb o u n d a r ya u t o - c o n n e c t i o na l g o r i t h mc o u l dc o m p l e t e l ye x t r a c t b o u n d a r yl i n e so fs t r u c t u r a lp l a n e s ，a n dg e n e r a t eg e o l o g i cs k e t c hm a pb ya d d i n g af e wm a n u a lo p e r a t i o nt h a to b v i o u s l ys h o r t st h et i m eo f s k e t c h i n gg e o l o g y a n d t h ee x t r a c t e dc h a r a c t e r i s t i cp a r a m e t e r so fs t r u c t u r a l p l a n e sr e a l i z ea u t o m a t i c a n a l y s i so ft u n n e lf a c er o c k s m o r e o v e r ，t h et r a i n e dn e u r a ln e t w o r kc a ni d e n t i f y l i t h o l o g ya c c u r a t e l y 西南交通大学硕士研究生学位论文第1 i i 页 k e yw o r d ：i m a g ep r o c e s s i n g ；b o u n d a r ye x t r a c t i n g ；r o c km a s sc h a r a c t e r i s t i c ； r o c kr e c o g n i t i o n 西南交通大学 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学 校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查 阅和借阅。本人授权西南交通大学可以将本论文的全部或部分内容编入有关 数据库进行检索，可以采用影印、缩印或扫描等复印手段保存和汇编本学位 论文。 本学位论文属于 1 保密口，在年解密后适用本授权书； 2 不保密d ，使用本授权书。 ( 请在以上方框内打“4 ) 学位论文作者签名：喜彰 日期：7 多，多 指导老师签名：l 耋砂 日期：舢7 彩伊 西南交通大学学位论文创新性声明 本人郑重声明：所呈交的学位论文，是本人在导师指导下独立进行研究 工作所取得的成果。除文中已经注明引用的内容外，本论文不含任何其它个 人或集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集 体，均已在文中作了明确的说明。本人完全意识到本声明的法律结果由本人 承担。 本学位论文的主要创新点如下： 1 、利用图像处理技术自动提取掌子面图像结构面边界。 2 、运用图像处理技术提取掌子面裂隙平均价间距、单位面积裂隙长度 及岩石质量指标等掌子面围岩参数，实现掌子面围岩自动分析评价。 3 、利用图像模式识别技术对掌子面岩体图像进行识别，实现岩石种类 的自动判别。 学位论文作者签名：力易 e t 期：矽只，多 西南交通大学硕士研究生学位论文第1 页 1 1 论文背景 第1 章绪论 随着我国经济的快速发展，交通运输能力已远远不适应国民经济和社会 发展的需求，路网整体运输能力严重不足，主要干线、部分地区限制型运输 矛盾突出，季节性运输能力十分紧张，而且还在不断加剧。近几年，尽管铁 路采用强力措施，实现以6 的世界铁路营业里程，完成世界铁路1 4 的运 输工作量，运输密度为世界之最，但“一票难求 、“一车难装”的现象依然 随处可见。为了保证经济社会的全面协调可持续发展，“十一五一铁路拟建 设新线1 7 0 0 0 公里，是“十五 建设投资规模的近4 倍【l j 。同时，我国公路 建设将迎来新的黄金期。高速公路里程将不断增加，国省干线公路网将继续 扩展，农村公路建设也将进入前所未有的发展阶段。 在路网建设中，隧道在缩短线路长度，穿越不良地质地段，提高道路的 可靠性和安全性及国防上的隐蔽性等多方面的优点使得社会对隧道的需求 愈发强烈m j 。隧道施工必然会遇到隧道掌子面和开挖方量( 含超、欠挖) 的测 算问题、对隧道裂纹发生情况及地质结构做出预测的问题以及隧道受力结构 变化等一系列问题，这些问题处理不好，将极有可能在隧道施工过程中带来 灾难性后果，如岩爆、隧道塌陷、地下水泛滥等。石太客专南庄隧道在施工 过程中，由于未充分了解其地质状况，发生整体塌陷，造成1 人死亡，1 名 失踪人员至今尚未找到。隧道安全事故时有发生，进一步说明了隧道掌子面 分析必要性和重要性。掌子面分析不仅是开展隧道施工地质超前预报的需 要，也是对隧道设计地质资料的补充和完善，更是隧道运营阶段隧道病害整 治提供完整的隧道地质资料【j j 。 目前，我国对掌子面分析仍然是通过地质技术人员，手工方式进行地质 素描，现场测量、记录数据。这种方式效率低下，分析结果往往因分析人员 的经验、学识的不同而不尽相同，而且通过隧道开挖部分预测隧道前方的地 质结构问题，采用人工分析的方式很难做到，需建立隧道的三维模型。针对 这些问题提出了“隧道掌子面图像识别系统( t u n n e lf a c e g e o l o g y i n f o r m a t i o ns y s t e m ，简称t f g i s ) 课题，该课题研究采用现代计算机图像 处理技术和三维重建技术对隧道掌子面图像进行分析和研究，掌握开挖出露 的掌子面及其前方的地质情况，提高隧道施工过程中对地质灾害的应变能 西南交通大学硕士研究生学位论文第2 页 力。 1 2 国内外现状 目前，图像处理的应用越来越广泛，它渗透到许多领域，如遥感、生物 医学、通信、工业、航空航天、军事、安全保卫、地质掣4 1 。 图像处理技术在隧道掌子面分析中的应用研究方面，国外研究的比较 多，相对成熟，一些研究成果已应用到实际工程中。国内研究得较少，多数 研究通常是试验性的，还需深入的研究。 ( 1 ) 图像处理技术在隧道掌子面分析中的应用国外研究现状 文献5 1 从掌子面图像和地质展开图中提炼出能够表征解析断层、节理 和岩类等所需要的图像数据。文献【6 】中研发的隧道掌子面图像处理系统从 数码成像到数据库保存采用数码数据形式，可准确获取地质图像信息，并将 信息存储在数据库中，对信息的追加、修正无需调整图像；隧道纵向地质展 开的变化和各种功能表示均以掌子面观察日报方式输出。文献【7 】中研发的 岩层自动评价系统利用图像处理技术分析岩层和岩石龟裂等特征。文献【8 】 中通过所拍摄的数字图像研究了对岩体出露面不连续边界的问题，发现采用 数字化表面映射技术提取岩体节理、裂隙等，并进行评价，缩短了评价岩体 时间。文献【9 】提出一种岩体灰度数字图像不连续边界线半自动跟踪的方法。 该方法将不连续边界定为单独的目标，岩体灰度数字图像看成离散表面，以 像素点灰度值为高度生成三维图形，三维图形中的沟谷即为不连续边界，搜 索这些所谓的谷像素便可查到不连续边界上的像素点，利用图像处理技术把 谷像素转变成线性结构以适合计算机分析，并以图像搜索特性、边界形状的 角度、像素亮度为准则确定连接的谷线段，从而获得连续边界。并把这种算 法应用于有数块岩体出露面图像中，将生成的结果与人工素描的图像进行了 对比研究。文献【1 0 】给出一种数字表面映射技术，用于对岩体表面图像建立 不连续边界图。该方法能应用于不同岩面状况，并能使人工干预可能性降至 最低。 ( 2 ) 图像处理技术在隧道掌子面分析的应用国内研究现状 我国对图像处理技术在隧道掌子面分析中的应用也进行了一定量的研 究。 文献f 1 1 1 根据掌子面拍摄条件和特点，通过理论分析在新奥法隧道掌子 面利用了红外照相技术：针对掌子面红外相片特点提出“去噪一均衡化一阈 西南交通大学硕士研究生学位论文第3 页 值分割 的掌子面图像处理过程；对阈值分割所得图像采用霍夫变换识别线 性特征，通过对结果的分析比较证明该方法的有效性。文献1 1 2 对隧道围岩 可视化分析预报技术和岩体结构图像模式识别技术进行了研究，实现了围岩 分类信息的深入认识和对隧道开挖后围岩地质情况的超前地质预报。文献 【1 3 ，1 4 针对裂隙图像的特点，研究了基于数字图像处理技术的岩体裂隙测量 方法，对自动识别方法进行了重点研究，研发了相应的处理软件。通过对实 际拍摄的典型数字裂隙图像进行试验、分析比较，表明了该路线的可行性。 文献 1 5 1 通过解析岩石节理、裂隙图片，选用合适的预处理较好地消除了图 像中小的噪声点和被误分割的小连通区域。通过细化算法得到主干清晰、毛 刺少、连通性好、单像素宽的节理、裂隙边界。但该方法对不适用于缺乏先 验数据的未知图片和黑白图片。文献1 1 6 1 9 研发的隧道掌子面图像识别系 统采用高斯拉普拉斯算子和c a n n y 算子实现掌子面图像边缘检测，运用区 域生长的方法自动分割图像，设计了“智能剪刀 的功能来半自动或手动地 分割图像的目标区域。并提取目标区域的目标长、短轴，重心、面积和外接 矩形等特征信口息，目标区域的最大和最小灰度值，目标区域的灰度值总和 和平均灰度值等特征参数实现所有图像切片中对应目标的半自动连接功能。 能够将离散的隧道掌子面图像进行三维重建，并展示出隧道的三维立体结 构；根据所获取的处理后的掌子面数字图像信息，在三维重建基础上，实现 对隧道施工隧道前方一定范围、一定距离内的地质状态的预测。 综上所述，国外在这方面的做了大量的研究工作。所开发的掌子面观察 围岩的评价系统实现了掌子面素描图、编制掌子面地质展开图及地质纵断面 图、编制隧道纵断面等功能。同时，国外对结构面边界提取以及岩体质量评 价做了不少研究工作，开发出一些岩体质量评价系统。国内在这方面的研究 虽取得一定的成果，但还没有成熟的系统运用于实际工程中。 1 3 研究内容和方法 1 3 1 研究内容 本文在已有隧道掌子面图像识别系统的基础上，在该系统中进一步实现 掌子面地质素描图自动生成、岩体自动分析评价和掌子面岩体识别三大功 能。 ( 1 ) 针对掌子面图像的特点，结合经典的图像处理算法，研究掌子面图 西南交通大学硕士研究生学位论文第4 页 像节理、裂隙边界提取方法。通过c a n n y 算子检测掌子面图像节理、裂隙 边界；利用数学形态学细化算法对检测的边缘进行细化；提出单点和节点去 除算法对细化后图像进行处理；研究相邻边界的相似性判定准则，实现不连 续边界自动连接；然后通过边界筛选从而得到较为完整的掌子面节理、裂隙 边界。 ( 2 ) 从细观角度分析掌子面图像，研究掌子面图像结构面长度、单位面 积裂隙长度、结构面平均间距及岩石质量指标等掌子面岩体参数提取方法。 ( 3 ) 利用神经网络图像模式识别技术识别岩性。首先，对掌子面岩石图 像特征提取进行分析研究，采用了纹理描述符和空间频率测量相结合的方 式。然后，对神经网络结构进行了详细的设计。 1 3 2 研究方法 本课题的研究以工程应用为目的，研究成果以技术可行和经济合理为前 提，理论、技术、方法紧密结合应用和隧道掌子面图像识别系统开发及工程 实践开展。具体方法如下： ( 1 ) 理论与试验 结合隧道工程需求，以图像处理理论为基础，研究隧道掌子面图像识 别系统，在胶州湾海底隧道接线工程青岛端施工现场试验研究，检验技术 方法的可行性，分析其应用氛围和应用价值。 ( 2 ) 系统开发 系统开发以v c + + 为开发平台，在现有掌子面图像识别系统的基础上， 进一步实现掌子面边界自动提取、岩体的自动评价及岩体的智能识别功能 模块。每个模块保持一定的功能独立性，各模块在协同工作时，通过相互 之间的接口完成实际的任务。 ( 3 ) 调研与实践 研究紧密结合工程实际，本人在青岛海底隧道施工现场调研并采集数 据，与专家展开讨论，集思广益，让研究成果在实践中得到客观评定，不断 完善系统功能，致力于解决各种实际问题，本研究的技术和开发成果在实际 生产作业中得到应用，并转化为实际生产力。 1 4 本文整体框架安排 全文共分6 章，论文内容安排如下： 第1 章介绍了图像处理技术在隧道掌子面分析中应用的背景、国内外研究 西南交通大学硕士研究生学位论文第5 页 现状和本文研究内容、方法、技术路线及论文安排。 第2 章研究隧道掌子面图像结构面边界提取。重点研究了掌子面图像单点 节点算法及结构面自动连接算法。 第3 章研究隧道掌子面图像围岩参数提取。重点研究了岩石质量指标、掌 子面内单位面积裂隙长度及掌子面内结构面平均间距等掌子面围岩 参数。 第4 章研究利用神经网络图像模式识别技术识别岩性方法。掌子面岩石图 像特征提取采用了纹理描述符合空间频率测量相结合的方式，并对 神经网络结构做了详细设计。 第5 章介绍了掌子面图像采集方法及本文研究算法实现效果。 第6 章介绍本文研究算法在实际工程中的应用情况。 最后是结论部分。对本文的研究进行总结，并对今后的研究方向进行展望。 西南交通大学硕士研究生学位论文第6 页 第2 章隧道掌子面图像结构面边界抽取 掌子面图像边界的抽取是进行掌子面图像测量( 图像测量主要是测量 线条的长度和面积，或是进行图像的模式识别，认识围岩特征，分析岩体的 构造变化的情况1 1 2 】) 前提。由于掌子面上图像十分复杂，很难实现对其边界 的准确、完整抽取。文献 1 7 q a 实现了掌子面图像区域目标边界的自动提取， 其提取的边界是封闭的曲线或多边形，为了对区域目标进行模式识别，计算 区域目标的长、短轴，目标的各阶矩，重心坐标，目标面积，外接矩形等， 并根据目标的重心坐标、目标面积和外接矩形等特征参数实现了所有相邻图 像切片中对应目标的自动和手动链接功能。本章将研究掌子面图像结构面多 段线或直线段边界的提取，为生成掌子面地质素描图和提取掌子面围岩参数 做准备。 2 1 c a n n y 边缘检测 边缘检测的实质是采用某种算法来提取出图像中对象与背景间的交界 线【2 0 1 。微分运算是边缘检测的主要手段。常用的边缘检测算子主要 有：r o b e r t s 、s o b e l 、p r e w i t t 、k i t s c h 、c a n n y 等边缘检测算子。已有文献中 表明c a n n y 算子提取的掌子面图像节理、裂隙边缘较为完整，而且边缘的 连续性很好，效果优于其它几种算子。因此，掌子面结构面边界提取方法中 选用c a n n y 算子进行边缘检测。 c a n n y 算子边缘检测以信噪比s n r 、检测精度l 和伪边界平均距离m 作为确定最优边界的三个指标【2 0 谨l 。 ( 1 ) 信噪比s n r 边缘检测要求具有较低的失误率，即低误检非边缘的概率和低漏检真实 边缘的概率。由此可知边缘检测的失误率随信噪比s n r 增加而减小，故可 选择s n r 作为边缘检测的指标之一。信噪比s n r 可表示为： 姗一 ( 2 - 1 ) 式( 2 - 1 ) 中，f ( x ) 为输入图像，f ( x ) 为边缘检测的滤波函数，滤波器 西南交通大学硕士研究生学位论文第7 页 为有限脉冲响应，窗口为卜b ，b 】，工一。处为边缘，力；为信号中的噪声是加 性高斯白噪声方差。 ( 2 ) 检测精度 准确地把边缘点定位在灰度变化最大的象素上是边缘检测精度的要求， 可以用进行定量描述，其表达式为： l 一 把式( 2 - 1 ) 与式( 2 2 ) 进行相乘得到新的边缘检测算子，表达式如下： 姗工一 ( 2 - 2 ) ( 2 - 3 ) 当厂( ) 。胆o ) 时，其中k 为与x 无关常数，由s c h w a r z 不等式可得， s n r x l 取得最大值。但是，由于噪声和纹理的干扰，边缘附近出现很多极 大值点，因此，需要对噪声引起的极大值峰一峰之间的距离进行估计。对于 高斯噪声响应的相邻极大值之间的距离，c a n n y 给出了如下表达式： 一h 膳】2 c 2 - ， 边缘检测要求算子检测的边缘点与实际边缘点应该是一一对应的，这 c a n n y 算子检测图像边缘的步骤【2 3 2 5 】： g o ，y ) 2 豪e 2 矿 ( 2 _ 5 ) 选取适当的标准方差d 和邻域大小，用g o ) 对图像f o ) 进行卷积运算 西南交通大学硕士研究生学位论文第8 页 ( 2 ) 计算滤波后图像梯度的幅值和方向 为了提高c a n n y 算子的运算速度，对梯度矢量v g 的两个滤波卷积模板 用分解的方法，将其分成两个一维的滤波器： 图像， ) 与这两个卷积模板进行卷积计算，得到输出 e 一詈帅，b - 警帅川魄 删 令 彳一拉面而 ( 2 - 7 ) ( 2 8 ) 口。a r c t 柚l 答婴l ( 2 9 ) 【，u ，j 式( 2 8 ) 与式( 2 9 ) 中，彳g ，】) 反映了图像f 0 ，y ) 上m o ，j ) 点处的边缘强度， a ( ，j ) 表示图像f ，y ) 上m ( ，j ) 点处的法向矢量。 ( 3 ) 对梯度幅值进行非极大值抑制 得到图像的梯度幅值后还不能确定边缘点，需要细化图像中的屋脊带， 保留幅值局部变化最大的点，去除非最大值点，这个处理方式就称为非极大 值抑制。该算法根据给定的邻域大小规范法向矢量变化范围到固定大小区 域。本系统采用3 x 3 大小的邻域范围规范法向矢量。如图2 1 所示： 图2 14 图2 一l 非极大值抑制的梯厦方向划分 假定中心像素点m ( i ，i ) 的梯度方向属于第1 区，则m ( f ，_ ) 梯度幅度值和 与它的上方和下向相邻象素的梯度值比较，判断m ( i ，7 ) 梯度值是否是局部极 大值。若不是极大值，则m ( i ，) 不是边缘点，并将其梯度值置为o ；否则保 留m o ，) 点。 ( 4 ) 用双阈值算法检测和连接边缘。 62 正孑 亚，型劳鲁 h 砂 - 一 掰一缸孵一秒 西南交通大学硕士研究生学位论文第9 页 非极大值抑制图像依然存在假边缘，需要双闽值算法处理检测边缘并进 行边缘连接。 首先，设定两个阚值和l ( t z 2 ) ，接着像素点m ( i ，j ) 判断边缘强度 a ( i ，) 与两个阈值的关系。 当a ( i ，p f l f 2 时，则m ( ，) 为边缘点； 当4 0 ，) cr 2 时，则_ j l f o ，) 不是边缘点； 当吃s 爿o ，j ) 5 时，则看_ l l f ( f j ) 的邻接像素中有没有超过的像素 点。若有，它是边缘点，否则不是边缘点。 最后连接边缘轮廓。 根据c a n n y 边缘检测算子对图2 - 2 中的掌子面局部图像( a ) 进行处理，得 到如下所示检测结果。从下图看出利用c a n n y 算子对掌子面图像进行边缘 检测取得比较好的效果。 ( a ) 掌子面原始图像( b ) 边缘检测结果 图2 2c a n n y 边缘检测结果 2 2 图像边界细化 图像细化是一种简化图像的方法，基本思想是删除原始图像的一些点， 使线条变为单像素宽，但保持原图的形状，即保持原图的骨架。对图像进行 细化有助于减少图形冗余信息量，突出图形特征，这样可减少运算量从而缩 短识别的时间和提高识别率【2 “。图像细化常用的算法有o p t a 细化算法、 h i l d i t c h 细化算法和形态学细化算法。由于数学形态学细化算法实现简单、 效率高、效果好等优点，因此本系统选用形态学细化算法，将掌子面图像中 的节理、裂隙等边缘细化，实现提取节理、裂隙等边缘信息的目的 1 5 , 2 7 i 。 数学形态学细化是一种使用击中击不中变换的形态学算法【2 肛3 0 j 。其基 本思想描述如下： 西南交通大学硕士研究生学位论文第1 0 页 假设有一个图像集合a ，结构元素s ，由击中击不中变化定义得： a s - a - ( a e s )( 2 - 1 0 ) 其中，a o s 表示图像集合a 中去掉a 被s 击中部分的结果。a o s 表 示图像集合a 用s 来腐蚀。 系统中采用对称细化圈像a 的方法，本方法的表达是基于以下结构元素 序列： s - s 1 ，s 。，+ 一，s4 ( 2 一1 1 ) 其中，s 是s 的旋转，则图像一被该结构元素序列的细化可用下式表 达： 4 秘卜( ( 一“爿 s 1 ) o s 2 ) ) )( 2 - 1 2 ) 整个过程是先用s 1 细化对一一遍，然后再用s2 对前面结果细化一遍，如 此继续直到用s 4 细化一遍，整个过程可再重复直到没有变化产生为止。图2 - 3 为图像细化过程示意图，黑色方块表示目标图像上的点，白色方块表示背景 图像上的点，“+ ”表示击中点，“+ ”既可咀是目标图像上的点，也可以是背景 图像上的点。( a ) 图表示结构元素s ，( b ) 图为图像集合a ，( c ) 一( n ) 图 是图像细化过程。 口口圈口口口田盟 s 1 s 2s 3s 4s 5s 6s 7 瓣鼢 ( b ) 图像集合a( c ) a o s l 蕊勰 ( d ) “ s 2 0 ( e ) a s 4 醴蕊 西南交通大学硕士研究生学位论文第1 1 页 f na o s ( m ) a s 7 。 ( n ) a o s l “5 ”3 图23 图像细化过程 经过c a n n y 边缘检测算子检测后的隧道掌子面局部图像图像如图2 - 4 ( a 1 所示，边界比较粗糙、模糊。采用数学形态学细化算法细化处理后，得到单 个像素宽边界清晰的图形，如图2 _ 4 ( b 1 所示。 “) 原始图像( b ) 图像细化结果 图2 - 4 图像细化处理 撼一蕊一避一鳓 西南交通大学硕士研究生学位论文第1 2 页 23 单点和节点清除 从细化处理后的掌子面图像中提取边界的过程是：首先把图像中各段边 界像素提取出来，然后将其聚合成多段线的过程。由于图像细化结果中存在 不少单点像素并且多数边界存在枝权，给提取多段线或直线段边界线带来困 难，需要去除图像中单点和边界线三叉以上节点。因此，本文研究了单点和 节点去除方法。 清除单点和节点采用从上到下从左至右的扫描图像像素的方式，其具体 步骤为： ( 1 ) 扫描图像起始点，即第1 行第1 列像素点。 ( 2 ) 若当前像素点m 为白色目标像素点，统计点m 的8 邻域像素中自 色目标像素点的个数s 。根据s 值，按下面方式进行处理。 。 当s = o 时，m 为单像素点，将点m 设置为图像背景色，转向( 3 ) 。 当1 s 2 时，如果s = 1 ，那么点m 为边界线端点；如果s = 2 ，那么 与8 邻域内的2 个不相邻的白色目标像素点共同构成边界线的一部分。这时， 保留m 点，转向( 3 ) 。 当s 3 时，即m 点的8 邻域内至少有3 个白色点，则点m 设置为 图像背景色。转向( 3 ) 。 ( 3 ) 扫描下一个目标像素点m 。若m 存在，则将m 视为当前像素点 m ，并转向( 2 ) ；若m 不存在，则本次扫描结束。 按上述步骤反复执行两次，即可去除图像中的单点、节点。 单点、节点去除流程图如图2 - 6 所示： 对图2 - 4 ( b ) 进行单点及节点清除后，原有的白色边界中单点、三叉及多 叉节点不再存在，如图2 - 5 所示。此时得到的图像便于进一步处理。 图2 - 5对图2 - 4 ( b ) 中白色边界清除节点及单点结果 西南交通大学硕士研究生学位论文第1 3 页 图2 - 6 单点和节点去除流程图 2 4 边界自动连接 边界连接的想法是针对获取的同一边界线存在不连续的现象提出的。考 虑人工处理方式费时、费力的问题，本系统中实现了边界线的自动连接。 为了节省存储空间、缩短边界目标连通性分析时间，利用边界链码方式 西南交通大学硕士研究生学位论文第1 1 耍 获取、存储边界像素。依据经过细化等处理后的图像边界线宽度仅为一个像 素宽的特点，采用8 连通情况。 2 4 1 边界端点查找 对图2 5 所示图像从上至下从左至右扫描，假定m 为当前扫描的像素 点。如果m 点灰度值为2 5 5 ，那么m 点是在某条边界上目标像素点，并以 该点作为起始点查找边界；如果m 点灰度值为o ，那么m 点是非目标像素 点，这时扫描下一个像素。如图2 7 所示，像素点m 是扫描到的目标点。 m 。和m l 均是m 的下一点，通过m 点查找其所在边界线的端点步骤为： ( 1 ) 对m 点的8 邻域中目标像素点个数进行统计。 f 当统计的目标像素点个数为2 时，可判定m 点不是端点，任意选择 其中一个点为m 的下一个点，这里设m 1 是m 的下一点，转向( 4 ) ； ( 3 ) 当目标像素点个数为1 时，则m 点是端点，转向( 7 ) 。 ( 4 ) 查找当前目标点m ，的8 邻域内除m 以外的另一个目标像素点m 2 。 ( 5 ) 如果m 2 不存在，那么当前点m 1 就是边界线端点。转向( 7 ) 。 ( 6 1 如果m 2 存在，则把m - 当作m ，m 2 作为当前目标点m 1 ，返回( 4 ) 。 f 7 ) 该边界端点查找结束。 图2 7 边界线端点壹拄过程示意圈 西南交通大学硕士研究生学位论文第1 5 页 边界端点查找流程图如下所示： 图2 - 8 边界端点查找流程图 西南交通大学硕士研究生学位论文第1 6 页 2 4 2 边界链码构成 边界链码从一个任意选择的边界端点开始，这个点有八个邻接点，其中 至少有一个边界点。这里以前面查找到的端点作为起始点，依次查找、存储 边界上的目标像素点，从而构成边界线的边界链码。以图2 - 9 为例，点m 是一条边界线的端点即为搜索的起始点，构成边界线的边界链码具体步骤 为： ( 1 ) 按顺时针方向对m 的8 邻域进行搜索。搜索到目标像素点m 。 ( 2 ) 标记m 1 并存储m 1 相对于m 的位置。 ( 3 ) 从m l 的8 邻域中顺时针方向m 的下一个像素开始搜索目标像素点。 假定搜索到该目标像素点m z 。 ( 4 ) 判断m 2 是否标记过。 若m 2 没有标记过，则标记m 2 并存储m ：相对于m 。的位置。将m ，视 为m ，m 2 视为m 1 ，转向( 3 ) 。 若m 2 标记过则搜索结束。 这样m 点的坐标和一个方向序列即可得到图2 - 9 中边界线的边界链码。 i 一 i aa- ：! 。目 ：d l1 j l 她 di世 fd l 一 j lj 0 图2 9 边界线像素搜索示意图 4 西南交通大学硕士研究生学位论文第1 7 页 边界链码生成过程流程图如图2 1 0 所示。 图2 1 0 边界链码查找流程图 2 4 3 边界近似多段线形成 利用多边形近似逼近边界具有抗干扰性能更好、减少表达所需的数据量 等优点，故在系统中采用了基于聚合的最小均方误差线段逼近法【3 9 1 。 以图2 1 1 为例，m 1 为边界线一端点，基于聚合的最小均方误差线段逼 近法实现步骤为： ( 1 ) 以端点m l 为起始点，沿边界线逐次寻找曲线上的点m i ( i = 2 ，3 ，n ) ， 假定m j ( j = i ，2 ，i ) 是边界线上m 1 与m i 之间的点。 ( 2 ) 依次计算点m j ( j = i ，2 ，i ) 到点m l 与点m i 形成的直线的距离 西南交通大学硕士研究生学位论文第1 8 页 d j 0 = 1 ，2 ，i ) 。 ( 3 ) 若所有d ，都小于给定值距离阔值d 。，则查找与m j 相邻的下一个 点m j + l ，并转向( 4 ) 。否则，存储m j 。点，将m 1 作为边界近似多段线上 的一个顶点，并将m 点视为m 1 ，转向( 1 ) 。 ( 4 ) 如果m i + l 存在，计算m j ( j = 1 ，2 ，“1 ) 到由m 1 与m 。+ 1 所形成直线 的距离d j ( j = l ，2 ，i + 1 ) ，并将m j + t 视为m i ，转向( 3 ) 。否则，存储m i ， 并结束。 这样就得到一个边界近似多段线。如多段线m 1 m 2 m 3 ，其中，m 1 、m 2 、 m 3 为所得多段线的顶点。 豳 暖曩 一 ， _l 图2 1 1 原始边界及近似多段线 西南交通大学硕士研究生学位论文第1 9 页 边界近似多段线形成流程图如图2 1 2 所示。 图2 1 2 边界近似多段线形成流程图 图2 1 3 ( a ) 中的红线是在掌子面图像中提取出的聚合处理前的岩层节 理边界，采用上述算法对图2 - 1 3 0 ) 中红色边界线进行近似逼近处理得到图 2 - 1 3 ( b ) 。通过两图可以看出，近似逼近得到的多段线保持了原边界线的基本 西南交通大学硕士研究生学位论文第2 0 页 形状。 ( a ) 胤始边界 和) 近似逼近多段线 图2 1 3 结构面边界多边形聚合结果 2 4 4 连接边界线 连接边界线基本思想是首先从虽近两端点间的距离、相邻边界线两端点 分别到另一条边界线的距离和、相邻边界间距离晟近两端点构成直线与其中 任意一条边界的夹角、相邻边界线角度差四个角度测算近邻边界线的相似 性。然后将最相似的两条边界进行连接。其具体实现步骤如下： ( 1 ) 测算所有边界多段线包含端点线段的倾斜角度。 ( 2 ) 测算所有相邻边界多段线包含端点线段之问的关系。 查找最近相邻点 以图2 - 1 4 为例， l 1 和k 是两条相邻的边界线玛。、n 。为l l 两端点， 口2 l 、4 为k 两端点。d l 、d 2 分别是q l 与k 两端点的距离，如、d 4 分别是口， 与k 两端点的距离，令d 。，。是d - 、d ：、如、d 4 中的最小值，那么d 。，。两端点分 别对应l l 和k 端点之间距离最近的点即n 。：、a ：。如果d m m 小于l 。及b 的 长度的f 倍，且小于给定阅值d 。，那么继续判定。 距离准则 以图2 - 1 5 为例，l 。和l 2 是两条相邻的边界线，口儿、口，为l 。两端点， 口：。、口。为k 两端点a 且口，：和口：。是这两条边界线最近的端点。d l 为点到 直线k 的距离td 2 为口2 l 到直线l - 的距离，s d 是d l 与d 2 之和，如果s d 小 于给定阈值d t ，那么继续判定。 角度准则 a 、角度准则1 以图2 1 6 为例，l 1 和l 2 是两条相邻的边界线，a ”a 1 2 为l 。两端点， a ：，、a 。为k 两端点，且n 。：和a ：，是这两条边界线最近的端点。设y 为口。和口：， 所在直线与l ，的夹角，如果r 小于给定闺值y ，那么继续判定。 西南交通大学硕士研究生学位论文第2 1 页 b ，角度准则2 图2 1 7 为例，l l 和k 是两条相邻的边界线，啦。、4 ，2 为l 1 两端点，口2 。、4 口 为k 两端点，且a 。：和口：。是这两条边界线最近的端点。q 、吒分别为l i 、 k 的倾斜角度，卢( 卢9 0 a ) 为l l 与k 的夹角。当k a 2 1 9 0 。时，卢一k 一口：】： 当k a ：i 9 0 。时，卢= 1 8 0 一k 一口：i 。如果芦小于给定阈值尼，那么继续判 定。 叠一 、 + 一 “j 龋 一 、 1 丸 a ” 、 翻 m 一_ ，、 、_ 、目l d 、一 圈 】j 【 1 t _ 、 。 r 。 蘸卜一 l00 z 翻 、 暖l l “ 囤2 1 4 求相邻边界线最近端点图2 1 5 最近两端点分别到另一端点 所在直线距离 、 一墨“ 醴 囊 目? l 瞳r 翻 【l 鼍! 一t 、 藿醯醴 龋 、 黑 豌“ 强 i 麟 11】11 戮 幽2 一1 6 最近两端点连线与其中一端点图2 一1 7 相邻边界线与水平线夹角 夹角所在直线的夹角之差 如果l - 与k 两边界线满足准则、，那么l t 与l 2 可能属同 一条边界线，这时，记录l l 、k d 。、s 。、r 、卢及与d 。，。对应的两点坐标，。 否则，l l 与k 不属于同一条边界线。 相邻边界线相似性分析流程图如2 1 8 所示： 西南交通大学硕士研究生学位论文第2 2 页 图2 - 1 8 相邻边界线相似性分析流程图像 ( 3 ) 边界线连接选取 相邻边界进行相似性分析后，个别边界可能出现多条相似的边界线，具 体与其中的哪条边界线相连，需依据一定的判断准则，本文采用的方法如下。 假定通过步骤( 2 ) 分析后，h o - 1 ，2 ，n ，n 为边界线编号) 为可能与l i 相 连的所有边界。 计算l i 与k 的相似性 假设k 与b 的相似性由s o 来衡量，即k 的第m 个端点a i m 与b 的第n 端点a j n 连接在一起的可能性大小为s i i ，其中m ，n ：1 ，2 ，s i j 越大，相似程度越 西南交通大学硕士研究生学位论文第2 3 页 高，根据下式计算s ，i 。 毛。 + 老+ 南+ 斋0 s i , 脚一j ) ( 2 - 1 3 ) 其中，q 、w 2 、鸭、q 、q 、岛为均大于。常量。 用s i m i j ( l i ，b a la j 。，s ) 表示k 与k 相似关系。 依据s 日值按从大到小次序，对可能与k 的其中一个端点a i m 相连的 边界线相似性关系s i m i j ( l i ，k ，a i m 帅a ts i j ) ( 1 s i ，en , i - ，) 进行排列。 假