CN103698817A - 基于图像的地下洞室掌子面快速安全预测方法 - Google Patents

Abstract

本发明涉及一种基于图像的地下洞室掌子面快速安全预测方法，所述方法包括以下步骤：1)红外相机拍照，获取当前里程的掌子面图像；2)对掌子面图像进行图像预处理；3)进行聚类分析；4)进行岩性识别，得到岩性分类信息；5)对步骤2)预处理好的图像进行边缘检测；6)进行边界提取，得到掌子面层理节理信息；7)结合岩性分类信息和层理节理信息绘制当前掌子面的地质素描图，获得当前掌子面的结构面信息；8)移动至下一个里程，重复步骤1)-7)；9)根据提取到的结构面信息进行三维地质建模；10)根据三维地质建模进行岩体块体分析，预测岩体稳定性，最终得到洞室安全预测结果。与现有技术相比，本发明具有速低噪声、可视化建模等优点。

Description

基于图像的地下洞室掌子面快速安全预测方法

技术领域

本发明涉及一种地下洞室安全预测方法，尤其是涉及一种基于图像的地下洞室掌子面快速安全预测方法。

背景技术

在岩体中力学强度较低的部位或岩性相对软弱的夹层，构成岩体的不连续面，亦称为结构面。它实际上是地质发展历史中，在岩体中形成具有一定方向、一定规模、一定形态和特性的地质界面。这些地质界面可以是无任何充填的岩块间的刚性接触面，如节理面、层面、劈理面、片理面等；亦可以是具有充填物的裂隙面或明显存在上下两个层面的软弱夹层；可以具有一定厚度的断层、构造破碎带、接触破碎带、古风化壳等。由一系列结构面具有自己的产状，彼此组合将岩体切割成形态不一、大小不等和成分各异的地块或岩块，统称为结构体。岩体就是由结构面、结构体两个基本单元组成。

岩体的变形特性主要取决于结构面裂隙，尤其是微裂隙及充填物等方面的共同作用，因此在研究岩石节理时对充填物的研究也非常重要。

综合国内外对岩体的分析，主要从三方面对岩体进行图像处理和评价，即岩体节理、裂隙；岩体块；岩体填充物；虽然这3方面都可用于评价岩体，但岩体力学特性，尤其是它的强度，主要取决于单元岩块之间接触面上的强度；对于岩体变形，主要或者可说90％～95％的变形产生于节理(裂隙)，而不是单元岩块的变形。另外由于彩色图像的噪声太多，以往对岩石裂隙及充填物的分割方法均是基于灰度图像的处理，这不利于对充填物的进一步分析。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种高速低噪声、可视化建模、预测精度高的基于图像的地下洞室掌子面快速安全预测方法。

本发明的目的可以通过以下技术方案来实现：

一种基于图像的地下洞室掌子面快速安全预测方法，包括以下步骤：

1)红外相机拍照，获取当前里程的掌子面图像；

2)对获得的掌子面图像进行图像预处理，分别执行步骤3)和5)；

3)对步骤2)预处理好的图像进行聚类分析，得到初步分类结果；

4)在步骤3)初步分类结果的基础上进行岩性识别，得到岩性分类信息，执行步骤7)；

5)对步骤2)预处理好的图像进行边缘检测，获取图像结构面分界线；

6)在步骤5)边缘检测后进行边界提取，得到掌子面层理节理信息，执行步骤7)；

7)结合步骤4)和步骤6)获得的岩性分类信息和层理节理信息绘制当前掌子面的地质素描图，获得当前掌子面的结构面信息；

8)移动至下一个里程，重复步骤1)-7)后，执行步骤9)；

9)根据提取到的结构面信息进行三维地质建模；

10)根据三维地质建模进行岩体块体分析，预测岩体稳定性，最终得到洞室安全预测结果。

所述的红外相机包括红外发射二极管和CCD黑白摄像机；红外发射二极管发射红外光，黑白CCD摄像机捕捉掌子面反射回来的红外光，实现成像。

所述的红外光的中心波长830～950nm。

所述的图像预处理具体为：在拍照前，对掌子面光强进行分布测量，根据测量结果，得出横纵两个方向的光强分布曲线，依据此分布曲线，对所拍摄的照片进行亮度均衡化处理。

所述的聚类分析在HSV颜色空间进行，对掌子面图像的岩性进行分类。

所述的边缘检测采用基于SUSAN算子的边缘检测算法。

所述的边界提取具体为：首先采用下抽样使不连续的折线连起来，然后采用霍夫变换进行直线检测提取。

所述的结构面信息包括起点坐标、终点坐标、裂缝宽度和节理层理类型。

所述的三维地质建模是依据前后两次掌子面分析的结构面分界线，进行三维曲面重建，具体步骤包括：

a)基于结构面分界线，建立若干剖面多边形；

b)建立前后两次掌子面的边界多边形对应关系，自动搜索控制点对；

c)前后两次掌子面边界多边形自动连接生成体周三角形；

d)判断体周三角形是否有交叉，若是，则调整控制点对，返回步骤c)，若否，则执行步骤e)；

e)相邻的前后掌子面边界多边形分别三角剖分，闭合体元前后剖面；

f)建立三维地质模型。

所述的岩体块体分析采用块体元法进行岩体稳定性分析。

与现有技术相比，本发明对岩体的分析主要集中于对岩体节理、裂隙的提取和分析，最终实现对岩体的自动预测。本发明基于RGB空间，利用红外相机对掌子面岩石样本进行拍照，对所获得的图像处理后，再融合屏蔽掉无关数据，最后利用区域生长法自动在彩色图像上实现了对裂隙充填物的提取，具有高速低噪声、预测精度高的优点。

附图说明

图1为本发明的流程图；

图2为本发明中亮度均衡化处理后的图像；

图3为本发明中H通道聚类结果图像；

图4为本发明中S通道聚类结果图像；

图5为本发明中V通道聚类结果图像；

图6为本发明中边缘检测处理后的图像；

图7为本发明中改进阴影误检测后进行边缘检测处理的图像；

图8为本发明中下抽样后的结果图；

图9为本发明中霍夫变换公式的图形表示图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

如图1所示，一种基于图像的地下洞室掌子面快速安全预测方法，包括以下步骤：

在步骤1中，红外相机拍照，获取当前里程的掌子面图像；

在步骤2中，对获得的掌子面图像进行图像预处理，分别执行步骤3和5；

在步骤3中，对步骤2预处理好的图像进行聚类分析，得到初步分类结果；

在步骤4中，在步骤3初步分类结果的基础上进行岩性识别，执行步骤7；

岩性识别可通过以下步骤实现：根据前期勘探资料，建立不同岩层图像的样本集，然后将样本集输入后向反馈网络(BP)进行训练，以确定网络参数，记录网络模型；把步骤3中得到的掌子面聚类分析结果作为输入图像，将提取的纹理特征输入已训练的网络中进行类别预测与匹配，得到岩性分类信息；

在步骤5中，对步骤2预处理好的图像进行边缘检测，获取图像结构面分界线；

在步骤6中，在步骤5边缘检测后进行边界提取，得到掌子面层理节理信息，执行步骤7；

在步骤7中，结合步骤4和步骤6获得的岩性分类信息和层理节理信息绘制当前掌子面的地质素描图，获得当前掌子面的结构面信息；重复步骤1-7，进行下一个里程的结构面信息提取；

在步骤8中，根据提取到的结构面信息进行三维地质建模；

在步骤9中，根据三维地质建模进行岩体块体分析，预测岩体稳定性；

在步骤10中，最终得到洞室安全预测结果。

红外相机拍照：

由于在洞室施工过程中，作业面附近充满大量粒径在0.1～10um的粉尘；同时，可见光波长范围在0.35～0.78um，小于大部分粉尘的粒径，会在粉尘区域形成漫反射，可见光照相无法穿透粉尘获取清晰的掌子面照片。相比起来，红外线的波长更长，范围为0.78um～3000um，由于电磁波的衍射特性，红外线能够绕射穿透粒径在10um以下的粉尘，能够得到比可见光更清晰的洞室掌子面图像，采用红外主动成像技术，即采用红外辐射“照明”，产生人眼看不见的红外光，采用普通黑白CCD摄像机捕捉掌子面反射回来的红外光实现成像。这是考虑到如果采用被动成像技术需要使用造价昂贵的特殊摄像机，而且被动成像技术不能完整的反映周围环境状况。红外补光照明系统按红外光辐射机理分为红外发射二极管和热辐射两种。红外发射二极管发射的红外光光谱功率分布更好，普通CCD黑白摄像机可接收。窄带分布，中心波长830～950nm，半峰带宽约40nm左右，采用940～950nm波长红外管，完全无红暴。

图像预处理：

由于采用红外发射二极管补光近距离拍照，必然存在光照不均的问题。图像与处理主要就是处理图像由于照度问题引起的亮度不均问题。在拍照前，首先对掌子面光强进行分布测量，根据测量的结果，得出横纵两个方向的光强分布曲线，依据此分布曲线，对所拍摄的照片进行亮度均衡化处理，消除照片过曝、欠曝的影响。对于亮度均衡化处理后的图像，如图2所示。分别进行聚类分析和边缘检测。聚类分析用于对不同岩性进行分类，边缘检测用于处理掌子面层理节理信息。

聚类分析：

由于是红外拍照，因此不利于采用RGB空间，选择在HSV颜色空间进行聚类分析。S通道中对部分分界面的边缘有显著的增强效果。H、S、V通道聚类结果如图3-图5所示。

边缘检测：

由于节理或层理都是掌子面岩体的裂缝，但形成裂缝的岩石间并没有显著的位移。从图像分析的角度看，节理在图像中所表现出的特征有：灰度值明显比较两侧区域低(几乎为黑色)；几何特征为较细且近似为长短不一的直线段，但关无方向性可言。裂缝的图像特征就是一些折线段，在图像最明显的特征就是一条细长的黑线，有着明显比两侧区域灰度值低的特征。由于掌子面表面凹凸不平，图像上存在大量的棱角和阴影，而且有不规则的各种岩体纹理细节，在图像上很难直接提取节理层理信息，一般的边缘检测算法如SOBEL、CANNEY算子，由于对棱角、灰度变异区域有较为敏感，其检测结果存在很大的误检测，同时对大于1个像素的边缘区域存在双边缘问题；而采用的局部SUSAN算子由于直接从裂缝特征出发，能直接将其裂缝区域，而非其边缘部份识别出来，非常有利于最终节理的表示，表现出了很好的识别效果。具体实现就是首先选用一定大小(9X9)的圆形模板，以模板中心点为参考点，求取其邻域与参考点的差值，若差值大于零则设为1，小于零则设为0，然后统计1个数作为该中心点的响应输出；最后遍历图像所有点后输入最终的算子响应结果图。

根据SUSAN算子的原理可知，该算子对于检测图像中的角点非常理想，即对图像中的孤立的黑点与亮点响应最为强烈。当采用该算法进行裂缝检测时，由于裂缝大多数1～3个像素宽的黑色线段，因此当对算子稍做改进即只是中心为暗的区域有响应时，可以想象此时算子除了对孤立的黑点响应最为强烈外，其次就是对于裂缝区域的响应了，尤其是对为单像素宽的裂缝。算子对阴影区域的棱角与暗点区域也同时被检测了出来，但能将裂缝区域直接识别出来，结果如图6所示。这里通过判断两个区域的面积比和提高响应阈值，改进对阴影的误检测，具有明显的效果。结果如图7所示。

边界提取：

由于前面的边缘检测算法，得到处理后图像的折线段之间很多不连续，这里采用下抽样结合霍夫变换进行裂缝的边界提取。下抽样的目的是使得不连续的折线连起来，排除孤立点。下抽样后结果如图8所示。

霍夫变换的目的就是进行直线检测提取。一条直线在图像中是一系列离散点的集合，通过一个直线的离散极坐标公式，可以表达出直线的离散点几何等式为：X*cos(theta)+y*sin(theta)＝r。其中角度theta指r与X轴之间的夹角，r为到直线几何垂直距离。任何在直线上点x，y都可以表达，其中r、theta是常量。

上述公式图形表示如图9所示。图像的像素坐标P(x，y)是已知的，而r、theta则是我们要寻找的变量。如果我们能绘制每个(r，theta)值根据像素点坐标P(x，y)值的话，那么就从图像笛卡尔坐标系统转换到极坐标霍夫空间系统，这种从点到曲线的变换称为直线的霍夫变换。变换通过量化霍夫参数空间为有限个值间隔等分或者累加格子。当霍夫变换算法开始，每个像素坐标点P(x，y)被转换到(r，theta)的曲线点上面，累加到对应的格子数据点，当一个波峰出现时候，说明有直线存在。

在前面分析的基础上，获取当前掌子面的结构面信息，如有不同岩性，则按照层理处理不同岩块间的分界线，如无，则全部边界按照节理处理，绘制当前掌子面的地质素描图，并将所有结构面信息(起点坐标、终点坐标、裂缝宽度、节理层理类型)记录入库。重复上述步骤，进行下一个里程的掌子面的结构面信息提取工作。

三维地质建模：

三维地质建模是依据前后两次掌子面分析的结构面分界线，进行三维曲面重建，具体步骤包括：

a)基于结构面分界线，建立若干剖面多边形；

b)建立前后两次掌子面的边界多边形对应关系，自动搜索控制点对；

c)前后两次掌子面边界多边形自动连接生成体周三角形；

d)判断体周三角形是否有交叉，若是，则调整控制点对，返回步骤c)，若否，则执行步骤e)；

e)相邻的前后掌子面边界多边形分别三角剖分，闭合体元前后剖面；

f)建立三维地质模型。

岩体块体分析：本方法采用块体元法进行岩体稳定性分析。

Claims (10)

1.一种基于图像的地下洞室掌子面快速安全预测方法，其特征在于，包括以下步骤：

1)红外相机拍照，获取当前里程的掌子面图像；

2)对获得的掌子面图像进行图像预处理，分别执行步骤3)和5)；

3)对步骤2)预处理好的图像进行聚类分析，得到初步分类结果；

4)在步骤3)初步分类结果的基础上进行岩性识别，得到岩性分类信息，执行步骤7)；

5)对步骤2)预处理好的图像进行边缘检测，获取图像结构面分界线；

6)在步骤5)边缘检测后进行边界提取，得到掌子面层理节理信息，执行步骤7)；

7)结合步骤4)和步骤6)获得的岩性分类信息和层理节理信息绘制当前掌子面的地质素描图，获得当前掌子面的结构面信息；

8)移动至下一个里程，重复步骤1)-7)后，执行步骤9)；

9)根据提取到的结构面信息进行三维地质建模；

10)根据三维地质建模进行岩体块体分析，预测岩体稳定性，最终得到洞室安全预测结果。

2.根据权利要求1所述的一种基于图像的地下洞室掌子面快速安全预测方法，其特征在于，所述的红外相机包括红外发射二极管和CCD黑白摄像机；红外发射二极管发射红外光，黑白CCD摄像机捕捉掌子面反射回来的红外光，实现成像。

3.根据权利要求2所述的一种基于图像的地下洞室掌子面快速安全预测方法，其特征在于，所述的红外光的中心波长830～950nm。

4.根据权利要求1所述的一种基于图像的地下洞室掌子面快速安全预测方法，其特征在于，所述的图像预处理具体为：在拍照前，对掌子面光强进行分布测量，根据测量结果，得出横纵两个方向的光强分布曲线，依据此分布曲线，对所拍摄的照片进行亮度均衡化处理。

5.根据权利要求1所述的一种基于图像的地下洞室掌子面快速安全预测方法，其特征在于，所述的聚类分析在HSV颜色空间进行，对掌子面图像的岩性进行分类。

6.根据权利要求1所述的一种基于图像的地下洞室掌子面快速安全预测方法，其特征在于，所述的边缘检测采用基于SUSAN算子的边缘检测算法。

7.根据权利要求1所述的一种基于图像的地下洞室掌子面快速安全预测方法，其特征在于，所述的边界提取具体为：首先采用下抽样使不连续的折线连起来，然后采用霍夫变换进行直线检测提取。

8.根据权利要求1所述的一种基于图像的地下洞室掌子面快速安全预测方法，其特征在于，所述的结构面信息包括起点坐标、终点坐标、裂缝宽度和节理层理类型。

9.根据权利要求1所述的一种基于图像的地下洞室掌子面快速安全预测方法，其特征在于，所述的三维地质建模是依据前后两次掌子面分析的结构面分界线，进行三维曲面重建，具体步骤包括：

a)基于结构面分界线，建立若干剖面多边形；

b)建立前后两次掌子面的边界多边形对应关系，自动搜索控制点对；

c)前后两次掌子面边界多边形自动连接生成体周三角形；

d)判断体周三角形是否有交叉，若是，则调整控制点对，返回步骤c)，若否，则执行步骤e)；

e)相邻的前后掌子面边界多边形分别三角剖分，闭合体元前后剖面；

f)建立三维地质模型。

10.根据权利要求1所述的一种基于图像的地下洞室掌子面快速安全预测方法，其特征在于，所述的岩体块体分析采用块体元法进行岩体稳定性分析。

Images