式（11)所示。其中，D为钻孔孔 径的直径大小，α为结构面的倾向，β为结构面的倾角。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0到2W/D度，根据特征量像素点的坐 标分布情况X分布得到结构面倾向α的范围为aglj α 2度，如图6所示。
[0070]
[0071] 根据分块信号，结构面所在区域的大小可以限定结构面的最大倾角，也就是模板 正弦函数中的β角。再根据结构面所在的中心位置和特征量极值点的坐标可以初步划分 出正弦曲线的峰峰值和谷谷值的相对位置，从而得出结构面倾向的大致范围，也就是模板 正弦函数中的α角。这些信息的进一步的提取与利用，从而缩小模板正弦函数的倾向倾角 的范围，大大减少匹配过程中的计算量，提高了算法的执行效率与有效性。
[0072] 在使用标准模板正弦函数来匹配结构面时，为了判断模板函数所经过区域以及附 近的像素点是否属于该结构面，本发明采用了一个阈值来划分。该阈值利用本区域像素点 灰度值的平均值来表达该区域的特征，用来判断模板正弦函数所经过的像素点是否为结构 面上的点，计算公式如式（12)所示。其中m为该分块区域的行数，η为该分块区域的列数， io为该分块区域的起始行，j ο位该分块区域的起始列，T gal7为判断阈值。
[0073]
(12)
[0074] 在实际当中，为了充分利用结构面中像素点的灰度特征。该方法给灰度值划分了 几个等级，并给予了不同的权值。在统计匹配模板正弦函数像素点个数的时候，不同等级灰 度值的像素点数加权的权值也不一样。像素点数的加权值函数如公式（13)所示。其中， Q_t(i，j)为像素点（i，j)处的加权值。
[0075]
(13)
[0076] 在使用模板正弦函数y(x)进行像素点灰度值匹配时，需要统计满足阈值条件的 总加权像素点个数。统计方法如公式（14)所示。其中，TempNlroint (i)为图像中第i行中某个 倾向倾角状态下的模板正弦函数匹配到的总加权像素点个数，N在本发明中始终是1024.
[0077]
[0078] 由公式（14)可以得到每个模板正弦函数在每一行中的总加权像素点个数的匹配 情况，选择总加权像素点个数最大的一个模板正弦函数所对应的正弦曲线作为该行的正弦 曲线，并记录该正弦曲线的倾向、倾角、位置以及总加权像素点个数等参数。该正弦曲线下 的总加权像素点个数随着行数的变化关系记为函数MaxN(i)。该函数MaxN(i)记录了分块 区域内每行模板正弦曲线的总加权像素点数（记为匹配点数）的最大值。其中一段钻孔图 像的分析结果如下表1所示。
[0079] 表1结构面正弦曲线有关参数（其中一段数据）
[0080]
[0081]
[0082] ^4)筛选正弦曲线:-' '
' ' ' ' '
[0083] 从表1可知，在分块区域内，每一行基本上都找到了一个匹配个数最多的结构面 正弦曲线。在这些正弦曲线中，最符合结构面的正弦曲线就在其中。很明显，匹配点数最大 的地方很可能是结构面的中心。在最大值附近，匹配点数变化最快的地方也有可能是结构 面的边界区域。据此可以筛选出最适合的正弦曲线来代表当前的结构面。如图7所示，可 以看出该段MaxN(i)信号存在6个区域块，每块选出一个匹配点数最大的位置作为该区域 的结构面位置。该段分析区域的筛选结果表2所示。表2中编号为1的一行是表1的筛选 结果，编号2-6来源与表1中未能列出的数据。
[0084] 表2结构面自动识别有关参数
[0085]
[0086] (5)再匹配与精确化：
[0087] 在上述过程中，为了减少计算量加快匹配过程，模板正弦函数的倾向倾角都可以 每SkpL1 (SkpL1= 1)度为单位，依次从0度增加到360度和90度，或在倾向α ( α α 2) 和倾角β [0,2W/D)的范围内依次递增循环匹配。故上述得到的结构面参数的倾向倾角的 精度是1度。
[0088] 为了使结构面参数更加精确，有必要在上述已得条件的基础上进行再一次匹 配。根据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彡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a -FluctV度到倾向a +FluctV度，从倾角β -FluctV度到 倾角β+FluctV度。然后，再依次改变其位置、倾向、倾角，并以SkpL2(St印I^Skp2X))度 为步长，按照以上步骤，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。
[0089] 再匹配的步长可以以实际精度为基础，比如实际精度要精确到0. 1，那么本实例 中StepLyIIf;以0· 1度为单位，取StepL 2= 0· 1，FluctV = 2,在位置从y-FluctV厘米到 y+FluctV厘米，倾向从a-FluctV度到a+FluctV度，倾角从β-FluctV度到β+FluctV度 的波动范围内，依次以StepL2= 0. 1为步长改变其位置、倾向和倾角，按照以上步骤（步骤 3和步骤4)，再一次迭代匹配正弦曲线，统计加权像素点个数，筛选结构面正弦曲线，使得 到的结果参数更加精确化，以满足实际要求。本发明对上述过程进行了一次再匹配与精确 化操作，最后得到的结果面参数如表3所示。根据匹配参数最后画出来的结构面正弦曲线 如图8所示，其中每条灰色的正弦曲线正好匹配了各自的结构面。
[0090] 表3再匹配与筛选结果数据
[0091]
[0092] (6)参数提取与转化：
[0093] 经过以上过程中，最后得到的结构面正弦曲线的位置是当前分析区域的像素坐 标。该像素坐标位置经过图像基准位置（起点位置）的转化之后可以得到结构面的实际位 置即深度位置。
[0094] 经过以上过程中，最后得到的结构面正弦曲线的倾向等效于正弦曲线的相位。该 相位的角度与钻孔图像中正北方向的位置的夹角即为地质学上结构面的倾向，并可以适当 转化为人们更加便于理解接受的角度。结构面的倾向可以等于钻孔图像中正弦曲线的相位 加上270度，结构面倾向的取值范围为0至360度；
[0095] 经过以上过程中，最后得到的结构面正弦曲线的倾角也就是正弦曲线的幅值。 该幅值与结构面倾角的转化关系如公式（15)所示。其中，D为钻孔孔径的直径大小， Aimplitude为正弦曲线的幅值，β为结构面的倾角。结构面的倾角等于钻孔图像中正弦曲 线的幅值除以钻孔半径的反正切函数值，
[0096]
(15)
[0097] 本发明根据图像的基准位置和图像的尺寸大小与实际位置的对应关系把有关参 数转化为实践过程中所需要的结构面深度、倾向、倾角，并把数据同时保存在数据库和有关 数据表格中以方便查阅和理解。该转化过程满足了实际工程的需要。本发明对上述过程进 行了一次参数提取与转化，最后得到的结构面有关参数如表4所示。
[0098] 表4结构面自动识别结果有关参数
[0099]
[0100] 公式定义4有关*号说曰i ： '
' ' '
[0101] f (i，j)表示钻孔图像中像素点在（i，j)处的灰度值，也表示像素点坐标函数。
[0102] MinV(i)为第i行的最小像素值，也为钻孔图像的最小灰度值信号分布函数。
[0103] MaxV(i)为第i行的最大像素值，也为钻孔图像的最大灰度值信号分布函数。
[0104] MaxG(i)为第i行的最大梯度值，也为钻孔图像的最大梯度值信号分布函数。
[0105] Gx (i，j)为像素点（i，j)在X方向的梯度值，也为图像中X方向的梯度函数。
[0106] Gy (i，j)为像素点（i，j)在y方向的梯度值，也为图像中y方向的梯度值函数。
[0107] G(i，j)为像素点（i，j)处的梯度值，也为图像中像素坐标点的梯度函数。
[0108] ComS(i)为第i行的合成信号值，也为钻孔图像的合成信号函数。
[0109] ComT^为钻孔图像中合成信号的整体均值。
[0110] ComTv^为钻孔图像中合成信号的局部均值。
[0111] ComT(i)为第i行的分块信号值0或1，也为钻孔图像的分块信号函数。
[0112] W为当前块的宽度。
[0113] D为钻孔孔径。
[0114] α为结构面的倾向，也等同于正弦曲线的倾向。
[0115] β为结构面的倾角，也等同于正弦曲线的倾角。
[0116] SkpL1为匹配模板正弦函数的步长，本实例中SkpL i取值为1。
[0117] SkpL2为正弦曲线再匹配过程中的步长，本实例中SkpL2取值为(λ 1。
[0118] FluctV为位置、倾向、倾角的预设定波动范围，本实例中FluctV取值为2。
[0119] y(x)为模板正弦函数，包含了倾向倾角的限定范围。
[0120] Tgary⑴为第i行的判断阈值，也为分块区域内的判断阈值函数。
[