一种钻孔图像结构面自动识别与参数提取方法
【技术领域】
[0001] 本发明属于岩体工程与图像识别技术领域，更具体涉及一种针对钻孔图像结构面 的自动识别与参数提取方法，突破了以往需要人工干预和操作的技术难题，提高了钻孔图 像分析处理的工作效率，推动了钻孔图像识别技术的发展，适用于钻孔摄像中结构面的全 自动化处理与智能化分析。
【背景技术】
[0002] 在地质工程、水电工程、石油开发和地质灾害防治工程方面，常常需要了解岩石结 构面的形态特征。在岩石结构面中，这些形态特征的自动化识别与倾向倾角等参数的智能 提取对于勘探、工程设计与施工等具有重要的实际意义。
[0003] 目前，结构面形态特征的判读与提取基本上停留在人工操作识别的基础上。对于 结构面的识别，通常由人工给出结构面曲线的控制点，进而由计算机拟合出标准的正弦曲 线，确定拟合曲线与图像曲线互相符合后，再根据拟合参数重新计算出结构面的几何参数。 这个识别操作的过程存在较多的人为参与环节，不仅仅工作效果低，而且不同的操作人员 可能会给出不同的识别结果，造成识别结果的多样性，可靠性较低。另外，通过图像处理提 取结构面的方法，采用图像空间变换、图像滤波与增强、图像分割、Hough变换与参数提取等 步骤可以实现结构面参数的唯一判读。然而，该方法仍然需要人为输入参数的引导和必要 的人工干预，无法实现钻孔图像结构面参数的全自动化连续判读与智能识别。特别是在深 至几千米的钻孔图像中，钻孔图像数据量大，结构复杂，人工操作费时费力，难以短期内完 成。因此，结构面形态特征的全自动识别与参数提取具有重要的实际意义，迫切需要解决。 另外，如何在钻孔图像中寻找新的特征量来辅助结构面的识别判读，也是解决这个问题的 关键。
[0004] 于是，本发明提出了一种全新的结构面自动识别与参数提取方法，用以解决钻孔 图像中结构面全自动化判读与倾向倾角等参数的智能提取。针对利用钻孔摄像技术获取的 钻孔图像，本发明所述方法充分利用钻孔图像本身的灰度特征及其分布特性，分别了提取 每行的最大灰度值，最小灰度值和最大梯度变化值，并组成全新的特征量信号，用于辅助结 构面的识别。再根据结构面是正弦曲线的固有特性，采用模板正弦函数依次进行匹配运算， 筛选出最优最符合结构面的正弦曲线及其对应的参数，实现了钻孔图像结构面的自动识别 与参数提取。
【发明内容】
[0005] 针对【背景技术】存在的问题，本发明的目的是在于提供了一种钻孔图像结构面自动 识别与参数提取的方法。该方法简单易行，稳定可靠，可以实现全自动化处理，无需人为因 素干预，极大地提高了工作效率，一次性准确地完成率所有结构面的识别与参数的提取。
[0006] 为解决上述技术问题，本发明采用如下技术方案：
[0007] -种钻孔图像结构面自动识别与参数提取方法，其步骤是：
[0008] A、描述特征信号：在钻孔图像中，提取每行像素点中的最小灰度值点，最大灰度值 点，灰度梯度最大值点，分别组成一维的最小值信号MinV (i)，最大值信号MaxV (i)，最大梯 度值信号MaxG(i);再利用MinV(i)、MaxV(i)和MaxG(i)信号组成最终特征量信号即合成 信号ComS⑴；
[0009] 钻孔图像中像素点的灰度值最小的叫最小灰度值，灰度值最小的点叫最小灰度值 点，每行中的最小灰度值点组成最小值信号；具体计算方法见【具体实施方式】中的公式（1) 及其相关描述。
[0010] 钻孔图像中像素点的灰度值最大的叫最大灰度值，灰度值最大的点叫最大灰度值 点，每行中的最大灰度值点组成最大值信号；具体计算方法见【具体实施方式】中的公式（2) 及其相关描述。
[0011] 钻孔图像中该像素点的灰度值与相邻像素点的灰度值的差值记为梯度值，梯度值 最大的叫最大梯度值，梯度值最大的点叫最大梯度值点，每行中的最大梯度值点组成最大 梯度值信号；具体计算方法见【具体实施方式】中的公式（6)及其相关描述。
[0012] B、划分结构面区域：根据合成信号的整体均值与该区域的局部均值 ComTk^的平均值来组成自适应区域变化的阈值，用以二值化合成信号ComS (i)，得到分块 信号ComT (i);再根据分块信号ComT (i)中每块的宽度W和钻孔孔径D得到结构面倾角β 的范围为〇到2W/D度，根据特征量像素点的X坐标分布情况得到结构面倾向α的范围为 aglj α 2度。（具体计算方法见【具体实施方式】中的公式（8)到（10)及其相关描述。）
[0013] C、匹配模板正弦函数：针对步骤B所得的每个分块区域和倾向倾角范围，根据 已知的模板正弦函数y(x)，每一个位置（每行），在其限定的倾向倾角范围内，倾向倾 角以SkpL1 (St印L1S Γ )度为步长，依次迭代匹配模板正弦函数；以该分块区域的灰 度平均值TgMy(i)作为该块的划分阈值，根据每个像素点的灰度值大小给予不同的权值 Q_t(i，j);然后，分别统计模板正弦函数所经过区域及其附近区域像素点个数的权值总和 TempNlroint (i)，并选择总权值最大的模板正弦函数作为该位置结构面的正弦曲线，每个位置 的最大权值构成结构面正弦曲线的匹配值信号MaxN(i);(具体计算方法见【具体实施方式】 中的公式（11)到（13)及其相关描述。）
[0014] D、筛选正弦曲线：根据在每一个位置正弦曲线信号MaxN(i)的分布情况，选择 MaxN(i)信号的最大值点所对应的正弦曲线作为该结构面的正弦曲线，并保存该正弦曲线 的位置、倾向和倾角。（MaxN(i)信号中值最大的点，详情见图6,请参考【具体实施方式】。）
[0015] E、再匹配与精确化：根据步骤D已获得的结构面位置、倾向、倾角，在当前位置、 倾向、倾角的基础上分别减一个FluctV(FluctV多1)值到再到分别加一个Fluct值的波 动范围内（即从位置y-FluctV厘米到位置y+FluctV厘米，从倾向α-FluctV度到倾向 a +FluctV度，从倾角β-FluctV度到倾角β+FluctV度），依次改变其位置、倾向、倾角，并 以StepL2 (StepL1)Step2X))度为步长，按照步骤C和步骤D，再一次迭代匹配正弦曲线，统计 加权像素点个数，得到更优的结构面正弦曲线及其位置、倾向和倾角。
[0016] F、参数提取与转化：把步骤E得到的结构面正弦曲线位置、倾向、倾角，结构面正 弦曲线位置、倾向、倾角作为该结构面的位置、倾向、倾角，再根据基准位置和图像尺寸转化 为过程实践中所需要的结构面深度、倾向、倾角。
[0017] 本发明与现有技术相比，具有以下优点和有益效果：
[0018] 1、本发明提供了一种全新的结构面特征量描述方法。在原始的钻孔图像中，直接 提取钻孔图像中每行的特征量信号（最大灰度值、最小灰度值、最大灰度梯度变化值及其 所在位置的坐标，也就是特征像素点坐标）来描述结构面，规避了图像滤波、增强、锐化等 效益不大的传统图像预处理方法，简化了信号处理过程，准确描述了结构面的形态，为结构 面的自动识别提供了判断依据和有效条件。
[0019] 2、本发明中结构面特征量的提取与利用，缩小了匹配范围和迭代过程，提高了运 行速度。用特征量信号来准确划分结构面分布区域，确定结构面正弦曲线倾向倾角的分布 范围与相对中心位置，极大地优化了该方法的迭代匹配过程，简化了计算量，提高了运算速 度。
[0020] 3、本发明直接采用正弦函数为模板，省略了传统方法的曲线拟合过程。为了充分 利用先验知识（标准结构面在展开后的钻孔图像中是标准正弦曲线）来回避图像处理中盲 目的目标识别。
[0021] 4、本发明所得的结构面参数的准确性高，并且稳定可靠、鲁棒性好。利用模板正弦 函数在所有可能的倾向倾角范围内依次进行迭代匹配操作，遍历了所有可能性，筛选出了 最优的模板正弦函数，并且优中选优，步骤明确清楚，方法可靠、稳定、鲁棒性好。
[0022] 5、本发明所述方法自适应性较好。在迭代匹配的过程中，阈值的选取始终兼顾局 部与整体，自适应岩体结构面图像的像素点灰度变化情况，适用于不同岩体的结构面，有效 地保证了结构面正弦曲线的自适应判读与目标识别。
[0023] 6、本发明所述方法提取的参数实用性较好。提取的结构面参数精度可以根据需 要，进行再匹配与优化，并自动转化为实际过程中所需要的数据格式。如需要倾向倾角的精 度达到〇. 01度，那么可以设定匹配过程的St印L2*长可以设定为0. 01度，然后依次递增 继续匹配。
[0024] 7、本发明所述方法自动化程度高，便于实现全自动化处理，无需人员干预。在人工 确认选定分析区域之后，该方法可以全自动完成整个钻孔图像中所有结构面的自动识别与 参数提取，并完成所有数据的保存与管理，简化了操作过程，极大地提高了工作效率。
[0025] 8、本发明所述方法运行速度快，工作效率高。比如：在100米深的钻孔图像中，该 方法只需要连续运行5个小时左右的时间就可以一次性完成所有结构面的自动识别与参 数提取，而通常的人工判读方式则需要几天时间，并且很难保质保量地完成所有结构面的 识别与参数的精确提取。
[0026] 另外，本发明所述步骤均可以通过专业软件（比如Visual C++，Matlab等）的编 程实现，例如通过C++语言编程