CN108090929B - 矿区线性异常分析提取新型方法 - Google Patents

矿区线性异常分析提取新型方法 Download PDF

Info

Publication number
CN108090929B
CN108090929B CN201711260391.0A CN201711260391A CN108090929B CN 108090929 B CN108090929 B CN 108090929B CN 201711260391 A CN201711260391 A CN 201711260391A CN 108090929 B CN108090929 B CN 108090929B
Authority
CN
China
Prior art keywords
image
linear
layer
region
extracting
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201711260391.0A
Other languages
English (en)
Other versions
CN108090929A (zh
Inventor
闫仕娟
杨凤丽
侯成飞
杨刚
朱志伟
宋庆磊
黄牧
杜德文
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
First Institute of Oceanography SOA
Original Assignee
First Institute of Oceanography SOA
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by First Institute of Oceanography SOA filed Critical First Institute of Oceanography SOA
Priority to CN201711260391.0A priority Critical patent/CN108090929B/zh
Publication of CN108090929A publication Critical patent/CN108090929A/zh
Application granted granted Critical
Publication of CN108090929B publication Critical patent/CN108090929B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20036—Morphological image processing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了矿区线性异常分析提取新型方法。初步线性特征提取；对所得线性特征进行模式分析和滤波处理，首先对所得图像进行区域分割，将彩色图像转换为灰度图像；对所得图像进行二值化，应用高斯低通滤波器去除图像噪声，对去噪后所得二值图像进行形态学打开操作，去除区域中的小对象，将细化区域取反，作为噪声，继续精细图像中的线型区域；对提取得到的噪声线型图像进行形态学膨胀操作，在区域图像上剔除掉提取到的所有短线型，得到图像中的有效线型。本发明的有益效果是对具有线性特征的异常数据进行线型提取处理取得了较好的结果。

Description

矿区线性异常分析提取新型方法
技术领域
本发明属于地质技术领域，涉及矿区线性异常分析提取新型方法。
背景技术
对大洋构造特征进行详细解译和研究，对热液矿床成因、大小等方面预测及更广泛的研究和应用具有重要的科学意义。目前，尽管对大西洋脊尤其是北大西洋脊区的热液矿点及构造背景已有较多的发现和研究，但对大洋构造特征的掌握还不够精细和全面。对调查资料详尽的热液区域，没有详细的构造解译和研究，也就不可能有充分的进一步的解析和利用。由于地壳变动或物质喷发及填充形成的地形起伏除了具有趋势性，还具有局部区域的不均一性，传统的地形数据解译一般通过等高线或灰度色系等方式体现，这种方法因为是对区域数据的总体数值统计，很容易只体现大的地形趋势性，忽略掉小的地形起伏异常，而复杂的成矿环境中，小的地形异常恰可能是矿床或矿点的结果和标志。重力和磁力信息反映地质体的物理特性，如块的大小和密度，可以确定地质体的位置、地质体区域边界，岩性及形态特征，能够识别隐伏地质体(HarrisandPan,1991)。有线性构造的位置是地壳局部相对较薄、整体压力相对较低区域，其物质密度区别于周边非构造区，另外线性构造也是岩浆喷发的源区，并为喷发物质提供了就位空间，构造区地质体密度、大小、岩性等物理特征的差异会在重力和磁力信息中得以体现，且能够隐含地质体的新老关系。利用重力和磁力数据作为地形数据的协同要素，对地形线性特征的解译，构造的期次、方向等参数的确定具有重要意义，也进而能够更深入地解释和发现热液的控矿构造特征。构造特征的提取在于构造边界的识别和线性纹理的提取。这里运用能够指示地形突变的梯度指向累计、线性纹理提取等方法进行线性构造特征的提取。
发明内容
本发明的目的在于提供矿区线性异常分析提取新型方法。
本发明所采用的技术方案是按照以下步骤进行：
步骤1：线性特征提取；
步骤2：对所得线性特征进行模式分析和滤波处理，首先对所得图像进行区域分割，然后对线型区域进行4倍下采样；
步骤3：将彩色图像转换为灰度图像；
步骤4：水平和竖直方向采用Canny算子提取图像边框，进行图像切割；
步骤5：对所得图像进行二值化，应用高斯低通滤波器去除图像噪声，对去噪后所得二值图像进行形态学打开操作，去除区域中的小对象，采用thin，remove两种形态学操作对图像中物体进行细化，将细化区域取反，作为噪声，继续精细图像中的线型区域；
步骤6：对提取得到的噪声线型图像进行形态学膨胀操作，在区域图像上剔除掉提取到的所有短线型，得到图像中的有效线型。
进一步，步骤1中利用ArcGIS空间分析中的Hydrology方法实现线性异常的提取，将数据根据精度划分成适当的网格，生成具有空间坐标和异常属性值的栅格图层，首先利用FlowDirection方法，将准备好的栅格图层作为输入图层，计算每个单元的梯度方向，输出图层命名为Dir，则得到指示梯度方向的图层；用FlowAccumulation方法将梯度方向图层作为输入图层，计算网格单元的梯度指向累计次数，输出图层命名为Acc，利用RasterCalculator计算梯度指向次数为0的网格单元，并输出图层Acc0，将Acc0重分类，重分类图层命名为Acc0Rec，图层中值为1的网格形成的区域即为异则获得初步的线性异常特征。
本发明的有益效果是对原始数据进行线型提取取得了较好的结果。
附图说明
图1是对北大西洋TAG区附近的重力数据进行线性纹理初步解析图；
图2是TAG活动山体地形线性特征初步提取图；
图3是劳海盆重力异常初步线性提取后分割和下采样所得图像；
图4是劳海盆重力异常的二值图像；
图5是劳海盆重力异常二值图像去除区域中较小的线型所得的图像；
图6是提取的重力异常图像中的有效线型。
具体实施方式
下面结合具体实施方式对本发明进行详细说明。
线性特征提取
利用ArcGIS空间分析中的Hydrology方法可实现线性异常的提取。将数据根据精度划分成适当的网格，生成具有空间坐标和异常属性值的栅格图层。首先利用FlowDirection方法，将上述准备好的栅格图层作为输入图层，计算每个单元的梯度方向，输出图层命名为Dir，则得到指示梯度方向的图层。
用FlowAccumulation方法将上述梯度方向图层作为输入图层，计算网格单元的梯度指向累计次数，输出图层命名为Acc。利用Raster Calculator计算梯度指向次数为0的网格单元，并输出图层Acc0，GravityAcc0＝(Acc＝＝0)。将Acc0重分类，可以多次尝试分类阈值，如将0.5～1范围和小于0.5的值分成两类，分类结果将小于0.5的网格设置为空值，大于0.5的网格单元值设置为1，重分类图层命名为Acc0Rec，该图层中值为1的网格形成的区域即为异则获得初步的线性异常特征。地形、重力、磁力均可据此方法获得线性特征。如图1所示为对北大西洋TAG区附近的重力数据进行线性纹理初步解析图。
为更清晰了解研究区地形及构造特征，运用地形梯度指向累计法对原始地形数据进行处理，以凸显微小的局部地形变化和线性特征。首先，将原始网格数据处理成均匀的网格单元矩阵，进而形成具有空间坐标和反地形属性的三维矩阵。计算每个网格单元的梯度和梯度方向，进而累积计算每个网格单元被其它网格单元梯度方向指向的次数，梯度指向累计为0的网格单元构成了原始地形的局部相对地势低。提取地势低单元，即构成整个区域中地势相对低的地形特征，若区域内有线性构造，则可清晰显现出来。
例如，大西洋TAG地形区位于(44°49′40″W—44°49′20″W)，(26°8′5″N—26°8′20″N)，数据采用多波束测量综合处理的0.5m网格水深数据，整个研究区水深采样点1084017个，相邻网格水深差距从0到25m左右不等。用ArcGIS将水深数据转换成同精度的栅格数据，从图中可以看到(44°49′37″W，26°8′13″N)位置是火山喷发的顶部，以此为中心，向外超过100m范围内均为火山范围，火山直径约为216m。火山的东部及北部，属地势较低区域。火山东部发育几条NNW向断裂。如图2是TAG活动山体地形线性特征初步提取图。
线性纹理处理：对上述所得线性特征，须进行模式分析和滤波处理，进一步提取主要线型特征。首先需要对所得图像(劳海盆重力异常线性图像)进行预处理。从系统存储效率的角度考虑，首先对所得图像进行区域分割，然后在保证信息有效性的基础上，对线型区域进行4倍下采样。区域分割：将彩色图像转换为灰度图像，水平和竖直方向采用Canny算子提取图像边框，进行图像切割，所得有效区域如图3。对所得图像进行二值化，所得结果如图4。应用高斯低通滤波器去除图像噪声。(因图像过大，去噪效果并未能在图示中展现出来)。对去噪后所得二值图像进行形态学打开操作，去除区域中的小对象。如图5，图5中GraRbwds4op＝bwareaopen(fo,1000000)；采用thin，remove两种形态学操作对图像中物体进行细化，将细化区域取反，作为噪声，继续精细图像中的线型区域，对提取得到的“噪声”线型图像进行形态学膨胀操作，在区域图像上剔除掉提取到的所有短线型，提取图像中主要线型如图6。可以看到，通过应用一系列的图像处理算法，对原始的线性图像进行线型提取，取得了较好的结果。为进一步的海底地质构造研究打下了基础。
以上所述仅是对本发明的较佳实施方式，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施方式所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。

Claims (1)

1.矿区线性异常分析提取新型方法，其特征在于按照以下步骤进行：
步骤1：线性特征提取；
步骤2：对所得线性特征进行模式分析和滤波处理，首先对所得图像进行区域分割，然后对线型区域进行4倍下采样；
步骤3：将彩色图像转换为灰度图像；
步骤4：水平和竖直方向采用Canny算子提取图像边框，进行图像切割；
步骤5：对所得图像进行二值化，应用高斯低通滤波器去除图像噪声，对去噪后所得二值图像进行形态学打开操作，去除区域中的小对象，采用thin，remove两种形态学操作对图像中物体进行细化，将细化区域取反，作为噪声，继续精细图像中的线型区域；
步骤6：对提取得到的噪声线型图像进行形态学膨胀操作，在区域图像上剔除掉提取到的所有短线型，得到图像中的有效线型；
其特征在于：所述步骤1中利用ArcGIS空间分析中的Hydrology方法实现线性异常的提取，将数据根据精度划分成适当的网格，生成具有空间坐标和异常属性值的栅格图层，首先利用Flow Direction方法，将准备好的栅格图层作为输入图层，计算每个单元的梯度方向，输出图层命名为Dir，则得到指示梯度方向的图层；用Flow Accumulation方法将梯度方向图层作为输入图层，计算网格单元的梯度指向累计次数，输出图层命名为Acc，利用RasterCalculator计算梯度指向次数为0的网格单元，并输出图层Acc0，将Acc0重分类，重分类图层命名为Acc0Rec，图层中值为1的网格形成的区域即为异则获得初步的线性异常特征。
CN201711260391.0A 2017-12-04 2017-12-04 矿区线性异常分析提取新型方法 Active CN108090929B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711260391.0A CN108090929B (zh) 2017-12-04 2017-12-04 矿区线性异常分析提取新型方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711260391.0A CN108090929B (zh) 2017-12-04 2017-12-04 矿区线性异常分析提取新型方法

Publications (2)

Publication Number Publication Date
CN108090929A CN108090929A (zh) 2018-05-29
CN108090929B true CN108090929B (zh) 2021-12-03

Family

ID=62173724

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711260391.0A Active CN108090929B (zh) 2017-12-04 2017-12-04 矿区线性异常分析提取新型方法

Country Status (1)

Country Link
CN (1) CN108090929B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110853114B (zh) * 2019-10-14 2023-08-22 自然资源部第一海洋研究所 一种利用重力异常线对海底热液硫化物矿点识别方法
CN111539312A (zh) * 2020-04-21 2020-08-14 罗嘉杰 一种从图像中抽取表格的方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102034103A (zh) * 2010-12-03 2011-04-27 中国科学院软件研究所 一种遥感影像的线性要素提取方法
CN103528527A (zh) * 2013-10-15 2014-01-22 北京交通大学长三角研究院 基于区域选定的裂缝尺寸自动测量方法
JP2015141440A (ja) * 2014-01-27 2015-08-03 大日本印刷株式会社 画像処理方法及び画像処理装置
CN104965232A (zh) * 2015-06-04 2015-10-07 中国地质科学院矿产资源研究所 低纬度地区磁构造格架自动提取方法
CN105388162A (zh) * 2015-10-28 2016-03-09 镇江苏仪德科技有限公司 基于机器视觉的原料硅片表面划痕检测方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103235845B (zh) * 2012-12-18 2015-09-23 交通运输部科学研究院 一种用于公路施工中进行水土流失监测的方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102034103A (zh) * 2010-12-03 2011-04-27 中国科学院软件研究所 一种遥感影像的线性要素提取方法
CN103528527A (zh) * 2013-10-15 2014-01-22 北京交通大学长三角研究院 基于区域选定的裂缝尺寸自动测量方法
JP2015141440A (ja) * 2014-01-27 2015-08-03 大日本印刷株式会社 画像処理方法及び画像処理装置
CN104965232A (zh) * 2015-06-04 2015-10-07 中国地质科学院矿产资源研究所 低纬度地区磁构造格架自动提取方法
CN105388162A (zh) * 2015-10-28 2016-03-09 镇江苏仪德科技有限公司 基于机器视觉的原料硅片表面划痕检测方法

Also Published As

Publication number Publication date
CN108090929A (zh) 2018-05-29

Similar Documents

Publication Publication Date Title
Andrä et al. Digital rock physics benchmarks—Part I: Imaging and segmentation
CN102520401B (zh) 一种基于LiDAR数据的建筑物区域提取方法
CN104049245A (zh) 基于LiDAR点云空间差异分析的城市建筑物变化检测方法
KR20160024232A (ko) 지반정보에 기초한 3차원 공간 모델링 방법
Leech et al. Landsat TM analysis of fracture patterns: a case study from the Coastal Cordillera of northern Chile
CN101504659B (zh) 一种基于广义自相似性原理提取地学空间信息的方法
CN105719283A (zh) 一种基于Hessian矩阵多尺度滤波的路面裂缝图像检测方法
CN103047970A (zh) 一种确定塌陷耕地损害边界的方法
CN108090929B (zh) 矿区线性异常分析提取新型方法
Pardo‐igúzquiza et al. Morphometric analysis of karst depressions on a Mediterranean karst massif
WO2011147017A2 (en) System and method for extracting features in a medium from data having spatial coordinates
CN111161403A (zh) 一种基于钻孔数据空间插值获取沉积地层顶底面的方法
CN111221048A (zh) 基于跨孔电阻率ct多尺度反演的孤石边界识别与成像方法
CN107193001A (zh) 基于探地雷达的岩溶隧道不良地质预报专家系统及实现方法
Villalpando et al. New framework based on fusion information from multiple landslide data sources and 3D visualization
CN109727255B (zh) 一种建筑物三维模型分割方法
Tende et al. Hybrid extraction of tectonic lineaments from digital elevation model
Petrik et al. Spatial pattern analysis of Ni concentration in topsoils in the Campania Region (Italy)
CN116012613B (zh) 一种基于激光点云的露天矿的土方量变化测算方法和系统
Assis et al. Modeling regolith thickness in iron formations using machine learning techniques
CN103439755A (zh) 一种利用位场高阶水平梯度模识别地质体边界的方法
CN110967748A (zh) 微地震成像裂缝提取方法、装置、设备和存储介质
NL2028908B1 (en) Method for predicting submarine hydrothermal metallogenic prospective area based on the features of multi-index elements
CN110853114B (zh) 一种利用重力异常线对海底热液硫化物矿点识别方法
US20240168196A1 (en) Method for evaluating thicknesses of cobalt-rich crusts on seamounts

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant