基于改进的Hessian和Live-wire算法的岩石节理裂隙检测

在图像处理中,由于岩石节理裂隙是最复杂的线状目标之一,针对该对象的检测算法的研究一直是一个难题。故此,研究了一种新的跟踪裂隙边缘线的算法。首先,若图像尺寸太大,进行有选择的图像缩小,然后采用基于Geodesic Shadow Removal的算法进行图像平滑,再用一种基于Hessian矩阵算法增强模糊及微细节理裂隙;用一种基于Live-wire Contour思想的节理裂隙边缘线特征点提取的算法进行边缘特征点提取;最后基于特征点之间的距离及相应线段夹角来连接特征点以形成完整的线段。选择了200幅图像进行实验,通过与十多种传统和新近的算法相比,新算法能够在复杂的岩石节理裂隙图像中,准确快速地提取节理裂隙边缘线,为在该领域引进深度学习等方法奠定基础。

矿山岩石节理裂隙检测方法综述

岩石节理裂隙的精确检测是判定矿山开挖稳定性的关键,一般的检测步骤是从原始图像中提取出有效的裂隙信息,通过识别感兴趣区域来获取特征知识,从而完成对图像的理解。首先对矿山岩石节理裂隙的特征进行概括分析;然后对近30 a来岩石节理裂隙检测方法进行分类,系统地介绍了模式识别方法、数学形态学方法和分形学方法的理论依据、优缺点以及研究成果,并对这几种方法进行了分析比较;最后对岩石节理裂隙检测方法的现状及发展趋势进行了总结。

基于分数阶微分和形态学多级合成的岩石节理裂隙图像分割

岩石节理裂隙形状复杂且无规则,图像中带有大量噪声,利用传统的图像分割方法很难达到很好的分割效果。提出了一种基于分数阶微分和数学形态学多级合成的边缘检测方法。首先对岩石裂隙图像进行噪声滤除、图像分割、空腔填充、短枝去除等操作,然后使用分数阶微分的方法进行预处理,最后采用改进形态学多级合成方法得到结果。实验结果表明,该方法与传统算子相比,对岩石节理裂隙图像具有较好的边缘检测能力和抗噪性。

抑制图像纹理的岩石节理裂隙检测

岩石节理裂隙图像由于噪声多、色彩复杂而分割困难,同时岩石节理裂隙检测在工程应用中又具有重要意义。将彩色图像从RGB转换到CIELAB色彩空间后,计算其方差图像。并将原始图像与方差图像相减得到图像的势能向量,同时利用小波系数进行加权,以此抑制岩体纹理噪声。最后,通过图像形态学方法获得边缘图像。实验结果表明,算法可以较好地抑制纹理噪声并能精确定位,以及获得理想的岩石节理裂隙边缘图像。

基于平均加权四元数卷积的岩石节理裂隙检测

为了检测彩色岩石节理裂隙边缘,同时抑制由其它色彩引起的噪声。本文将彩色图像像素的R、G、B分量作为彩色空间矢量的三个分量形成纯虚四元数,利用四元数卷积及旋转相关知识,得到彩色图像边缘检测方法并运用于岩石节理裂隙的检测中。同时,本文提出了一种简化的四元卷积方法。为了抑制噪声并对边缘准确定位,本文将不同尺度下的四元数卷积进行平均加权。实验结果表明,本文提出的方法针对岩石节理裂隙检测有较好的效果,具有重大的工程实用价值。

节理裂隙岩石爆堆形状预测研究

爆堆形状是衡量爆破效果的重要指标之一。作者充分考虑了运动岩块间的碰撞作用,采用Weibull模型预测了露天台阶爆破的爆堆形状,并通过小模型实验和理论值进行了对比,得出用Weibull分布曲线来模拟台阶爆破的爆堆形状具有很强的实用性,可为台阶爆破的参数设计更加合理提供理论依据的结论。

基于角点分段算法的岩石裂隙宽度测量及分析

利用数字图像方法测量岩石节理裂隙宽度(开启度),需要对岩石裂隙进行分段。由于节理裂隙的信息主要反映在其特征点(角点)中,故提出了一种角点分段算法。利用此算法对岩石裂隙分段,再利用改进的Fer-ret———最佳拟合长方形算法测量宽度,通过对所得结果进行分析可知,利用角点分段算法和最佳拟合长方形算法相结合测量岩石裂隙宽度,与其他测量方法相比不仅实现了计算机的自动测量,而且测量的精确度更高。

基于分数阶微分及灰度和形状的节理裂隙提取

岩石节理裂隙特征及其分布的精确测量和分析对矿山的安全开采及安全维护十分重要,但由于节理裂隙的复杂及岩石表面的粗糙,造成精确快速测量分析困难。虽然近年新引进的图像技术已经越来越多地应用到岩石节理裂隙的测量分析中,但传统的图像算法还是很难提取详细的信息。故此,提出一种基于节理裂隙走向和间距信息的节理裂隙提取分割算法。首先采用自适应分数阶微分算法对岩石节理裂隙图像进行平滑和增强处理,使节理裂隙边界更加清晰,同时去除大量孤立点噪声;然后对灰度图像进行初分割,结合梯度图像和灰度图像的信息提取出部分节理裂隙信息,并尽可能地抑制噪声;接着对初步提取的节理裂隙进行抑制毛刺的骨架提取;最后基于节理裂隙线段的走向和间距信息进行节理裂隙段之间间隙的缝合。实验结果表明,对于岩石节理裂隙明显但含有多噪声的图像,该算法对岩石节理裂隙的提取具有良好的效果,为快速精确地在岩石工程中测量和分析节理裂隙奠定基础。

基于紫外光和可见光的岩体节理裂隙图像获取

由瑞典SKB和欧盟支持的研究计划TRUE(The Tracer Retention Understanding Experiments)是世界范围内在核废料处理研究领域方面最大的科研项目。该项目中的重要研究内容之一是岩石节理裂隙特征的模式识别。为了获取岩体内不同节理裂隙的粗细程度和充填物的类型,首先在现场岩体中注入稀释的荧光材料,然后钻孔取出岩体样本,用紫外光和可见光分别获取两种不同的数字图像。研究结果表明:该获取岩石节理裂隙图像的方法不仅获取信息量大,而且经济实用。

遗传优化BP神经网络在岩石节理图像分割中的应用

采用图像分割的方法对岩石节理图像进行处理,有助于准确获取岩石节理的力学行为和表面形态,对于消除水库区安全隐患有重要的意义。本文针对三峡库区的岩石表面裂隙节理特点,采用遗传算法优化BP神经网络对岩石节理裂隙图像进行分割处理,采用了自适应的遗传参数。实验表明,该分割算法能够大幅度提高分割效率,具有自适应性好、精确高、速度快等优点。

结合四元数与小波的彩色图像边缘检测算法

针对岩石节理裂隙图像噪声多、分割困难等问题,提出一种使用四元数卷积,由反对称小波系数加权的彩色图像边缘检测算法。该算法将彩色图像的R、G、B三个分量表示为四元数的三个虚部,通过四元数卷积后,其方向产生了一定角度的旋转;将旋转后的四元数与水平方向和垂直方向的结果相加,得到相应的幅值和角度;使用反对称双正交小波系数对这些幅值和角度加权后,再使用Otsu阈值并进行模极大抑制,即可得到彩色图像边缘。通过对常用彩色图像和岩石节理裂隙图像的实验结果表明,本算法对彩色图像边缘检测具有较好的效果。

改进的自组织网络在三峡岩体图像分割中的应用

研究三峡库区岩石节理的力学行为和表面形态对于消除库区安全隐患有重要的意义。采用图像分割的方法对岩体图像进行处理,有助于准确获取岩石节理的力学行为和表面形态。本文针对三峡库区的岩石表面裂隙节理特点,采用改进的自组织网络对岩石图像进行分割处理,并与BP神经网络处理结果进行比较。实验结果表明,改进的自组织网络分割方法具有精确高、速度快等优点。