CN108537232A - 一种基于边缘检测的地质构造信息识别提取方法 - Google Patents

一种基于边缘检测的地质构造信息识别提取方法 Download PDF

Info

Publication number
CN108537232A
CN108537232A CN201810121527.8A CN201810121527A CN108537232A CN 108537232 A CN108537232 A CN 108537232A CN 201810121527 A CN201810121527 A CN 201810121527A CN 108537232 A CN108537232 A CN 108537232A
Authority
CN
China
Prior art keywords
region
wavelet transformation
edge detection
geological structure
structure information
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.)
Pending
Application number
CN201810121527.8A
Other languages
English (en)
Inventor
杨屹铭
唐露涵
李奇
何娟
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.)
Individual
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN201810121527.8A priority Critical patent/CN108537232A/zh
Publication of CN108537232A publication Critical patent/CN108537232A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

本发明提供一种基于边缘检测的地质构造信息识别提取方法，包括：S1，把地质构造信息的图像的噪声区域分割成Y个区域；S2，计算每一个区域的平均变差函数；再计算出该区域的水平方向及垂直方向上的平均变差函数值的相对大小的变量η；S3，根据η值来判断该区域的性质是平滑区、边缘区或复合区，当判断该区域为边缘区时，根据边缘的方向判断该区域属于水平区域或垂直区域；S4，根据区域性质，对该区域在水平方向及垂直方向上进行相同或不同尺寸的小波变换。采用本发明的边缘检测的地质构造信息识别提取方法，可以达到根据图像的不同区域的不同情况选择合适的尺寸参数从而提高边缘检测的效果。

Description

一种基于边缘检测的地质构造信息识别提取方法
技术领域
本发明涉及勘探领域，特别是一种基于边缘检测的地质构造信息识别提取方法。
背景技术
边缘检测是用来描述图像灰度变化的过程。这是基于引起图像灰度变化的物理过程来定义的。引起不连续性的过程主要分为两方面。第一种是颜色和纹理的不同、表面取向、深度的不连续性，可归纳为几何方面。第二是内部倒影、表面反射及非目标物体产生的阴影等光学方面。它是集地球科学、数理科学、信息科学于一体的综合研究技术，特别是在一些常规方法利用地震资料进行小断层、小陷落柱识别效果不明显的情况下，利用边缘检测技术可以解决这些问题。
近年来基于小波变换的边缘检测方法成为研究热点，人们相续提出了很多改进型的边缘检测方法。在基于小波变换的边缘检测方法中，大的尺度对应于大的平滑范围，有利于抑制噪声，但是不利于边缘的精确定位。而小的尺寸能够进行边缘的较准确定位，但对于噪声敏感。
由此，现有技术中各种基于小波变换的边缘检测方法中，存在共同的问题，即小波变换的尺度参数的选取及去除噪声的问题。而如何根据图像的不同区域的不同情况选择合适的尺寸参数从而提高边缘检测的效果成为本领域的从业人员亟待解决的问题。
发明内容
为了解决现有技术的问题本发明提供一种基于边缘检测的地质构造信息识别提取方法，包括：S1，把地质构造信息的图像的噪声区域分割成Y个区域，其中Y为偶数，且所述区域为长方形区域或正方形区域，且区域的面积大小值其中i,j为区域的中间点像素值，且Z为奇数；S2，计算每一个区域的平均变差函数R(θ)在水平方向的平均变差函数R(0°)及垂直方向上的平均变差函数R(90°)；再根据该区域的R(0°)及R(90°)计算出该区域的水平方向及垂直方向上的平均变差函数值的相对大小的变量η；S3，根据η值来判断该区域的性质是平滑区、边缘区或复合区，当判断该区域为边缘区时，根据边缘的方向判断该区域属于水平区域或垂直区域；S4，根据区域性质，对该区域在水平方向及垂直方向上进行相同或不同尺寸的小波变换。
在一较佳实施例中，所述区域若为平滑区域，则在水平和垂直方向分别进行第一尺度的小波变换，并找出水平方向小波变换的极大值点α和垂直方向小波变换的极大值点β。
在一较佳实施例中，所述S4具体为，所述区域若为垂直区域，则在垂直方向进行第一尺度的小波变换，在水平方向进行第二尺度的小波变换，并找出水平方向小波变换的极大值点α和垂直方向小波变换的极大值点β，其中第一尺寸小于第二尺寸。
在一较佳实施例中，所述S4具体为，所述区域若为水平区域，则在水平方向进行第一尺度的小波变换，在垂直方向进行第二尺度的小波变换，并找出水平方向小波变换的极大值点α和垂直方向小波变换的极大值点β，其中第一尺寸小于第二尺寸。
在一较佳实施例中，所述S4具体为，所述区域若为复合区域，则在水平和垂直方向分别进行第二尺度的小波变换，并找出水平方向小波变换的极大值点α和垂直方向小波变换的极大值点β，其中第一尺寸小于第二尺寸。
在一较佳实施例中，还包括S4后还包括S5，S5具体为设定水平方向的阈值φ及垂直方向的阈值对于极大值点α大于阈值φ或极大值点β大于阈值时，认为该点为边缘点。
在一较佳实施例中，所述S3具体为，当η≥T1，R(0°)＜R(90°)且max[R(0°),R(90°)]＞T2，其中T1＞T2＞0，判断该区域为水平区域。
在一较佳实施例中，所述S3具体为，当η≥T1，R(0°)＞R(90°)且
max[R(0°),R(90°)]＞T2，其中T1＞T2＞0，判断该区域为垂直区域。
在一较佳实施例中，所述S3具体为，当max[R(0°),R(90°)]≤T2时，其中T2＞0，判断该区域为平滑区域。
在一较佳实施例中，所述
其中，θ为向量h的辐角，H为常数；所述变量η＝|R(0°)-R(90°)|/min(R(0°),R(90°))。
综上，采用本发明的边缘检测的地质构造信息识别提取方法，可以达到根据图像的不同区域的不同情况选择合适的尺寸参数从而提高边缘检测的效果。
具体实施方式
说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本发明提供一种基于边缘检测的地质构造信息识别提取方法，S1，把地质构造信息的图像的噪声区域分割成Y个区域，其中Y为偶数，且所述区域为长方形区域或正方形区域，且区域的面积大小值其中i,j为区域的中间点像素值，且Z为奇数；S2，计算每一个区域的平均变差函数R(θ)在水平方向的平均变差函数R(0°)及垂直方向上的平均变差函数R(90°)；再根据该区域的R(0°)及R(90°)计算出该区域的水平方向及垂直方向上的平均变差函数值的相对大小的变量η；S3，根据η值来判断该区域的性质是平滑区、边缘区或复合区，当判断该区域为边缘区时，根据边缘的方向判断该区域属于水平区域或垂直区域；S4，根据区域性质，对该区域在水平方向及垂直方向上进行相同或不同尺寸的小波变换。
在一较佳实施例中，所述区域若为平滑区域，则在水平和垂直方向分别进行第一尺度的小波变换，并找出水平方向小波变换的极大值点α和垂直方向小波变换的极大值点β。
在一较佳实施例中，所述S4具体为，所述区域若为垂直区域，则在垂直方向进行第一尺度的小波变换，在水平方向进行第二尺度的小波变换，并找出水平方向小波变换的极大值点α和垂直方向小波变换的极大值点β，其中第一尺寸小于第二尺寸。
在一较佳实施例中，所述S4具体为，所述区域若为水平区域，则在水平方向进行第一尺度的小波变换，在垂直方向进行第二尺度的小波变换，并找出水平方向小波变换的极大值点α和垂直方向小波变换的极大值点β，其中第一尺寸小于第二尺寸。
在一较佳实施例中，所述S4具体为，所述区域若为复合区域，则在水平和垂直方向分别进行第二尺度的小波变换，并找出水平方向小波变换的极大值点α和垂直方向小波变换的极大值点β，其中第一尺寸小于第二尺寸。
在一较佳实施例中，还包括S4后还包括S5，S5具体为设定水平方向的阈值φ及垂直方向的阈值对于极大值点α大于阈值φ或极大值点β大于阈值时，认为该点为边缘点。
在一较佳实施例中，所述S3具体为，当η≥T1，R(0°)＜R(90°)且max[R(0°),R(90°)]＞T2，其中T1＞T2＞0，判断该区域为水平区域。
在一较佳实施例中，所述S3具体为，当η≥T1，R(0°)＞R(90°)且
max[R(0°),R(90°)]＞T2，其中T1＞T2＞0，判断该区域为垂直区域。
在一较佳实施例中，所述S3具体为，当max[R(0°),R(90°)]≤T2时，其中T2＞0，判断该区域为平滑区域。
在一较佳实施例中，所述
其中，θ为向量h的辐角，H为常数；所述变量η＝|R(0°)-R(90°)|/min(R(0°),R(90°))。其中H为1.01～1.05。
综上，采用本发明的边缘检测的地质构造信息识别提取方法，可以达到根据图像的不同区域的不同情况选择合适的尺寸参数从而提高边缘检测的效果。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以对本申请进行若干改进和修饰，这些改进和修饰也落入本申请权利要求的保护范围内。

Claims (10)

1.一种基于边缘检测的地质构造信息识别提取方法，其特征在于包括：S1，把地质构造信息的图像的噪声区域分割成Y个区域，其中Y为偶数，且所述区域为长方形区域或正方形区域，且区域的面积大小值其中i,j为区域的中间点像素值，且Z为奇数值；S2，计算每一个区域的平均变差函数R(θ)在水平方向的平均变差函数R(0°)及垂直方向上的平均变差函数R(90°)；再根据该区域的R(0°)及R(90°)计算出该区域的水平方向及垂直方向上的平均变差函数值的相对大小的变量η；S3，根据η值来判断该区域的性质是平滑区、边缘区或复合区，当判断该区域为边缘区时，根据边缘的方向判断该区域属于水平区域或垂直区域；S4，根据区域性质，对该区域在水平方向及垂直方向上进行相同或不同尺寸的小波变换。
2.根据权利要求1所述的基于边缘检测的地质构造信息识别提取方法，其特征在于：所述区域若为平滑区域，则在水平和垂直方向分别进行第一尺度的小波变换，并找出水平方向小波变换的极大值点α和垂直方向小波变换的极大值点β。
3.根据权利要求1所述的基于边缘检测的地质构造信息识别提取方法，其特征在于：所述S4具体为，所述区域若为垂直区域，则在垂直方向进行第一尺度的小波变换，在水平方向进行第二尺度的小波变换，并找出水平方向小波变换的极大值点α和垂直方向小波变换的极大值点β，其中第一尺寸小于第二尺寸。
4.根据权利要求1所述的基于边缘检测的地质构造信息识别提取方法，其特征在于：所述S4具体为，所述区域若为水平区域，则在水平方向进行第一尺度的小波变换，在垂直方向进行第二尺度的小波变换，并找出水平方向小波变换的极大值点α和垂直方向小波变换的极大值点β，其中第一尺寸小于第二尺寸。
5.根据权利要求2所述的基于边缘检测的地质构造信息识别提取方法，其特征在于：所述S4具体为，所述区域若为复合区域，则在水平和垂直方向分别进行第二尺度的小波变换，并找出水平方向小波变换的极大值点α和垂直方向小波变换的极大值点β，其中第一尺寸小于第二尺寸。
6.根据权利要求2或3或4所述的基于边缘检测的地质构造信息识别提取方法，其特征在于：还包括S4后还包括S5，S5具体为设定水平方向的阈值φ及垂直方向的阈值对于极大值点α大于阈值φ或极大值点β大于阈值时，认为该点为边缘点。
7.根据权利要求1所述的基于边缘检测的地质构造信息识别提取方法，其特征在于：所述S3具体为，当η≥T1，R(0°)＜R(90°)且max[R(0°),R(90°)]＞T2，其中T1＞T2＞0，判断该区域为水平区域。
8.根据权利要求1所述的基于边缘检测的地质构造信息识别提取方法，其特征在于：所述S3具体为，当η≥T1，R(0°)＞R(90°)且max[R(0°),R(90°)]＞T2，其中T1＞T2＞0，判断该区域为垂直区域。
9.根据权利要求1所述的基于边缘检测的地质构造信息识别提取方法，其特征在于：所述S3具体为，当max[R(0°),R(90°)]≤T2时，判断该区域为平滑区域，T2＞0。
10.根据权利要求1所述的基于边缘检测的地质构造信息识别提取方法，其特征在于：所述
其中，θ为向量h的辐角，H为常数；所述变量η＝|R(0°)-R(90°)|/min(R(0°),R(90°))。
CN201810121527.8A 2018-02-07 2018-02-07 一种基于边缘检测的地质构造信息识别提取方法 Pending CN108537232A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810121527.8A CN108537232A (zh) 2018-02-07 2018-02-07 一种基于边缘检测的地质构造信息识别提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810121527.8A CN108537232A (zh) 2018-02-07 2018-02-07 一种基于边缘检测的地质构造信息识别提取方法

Publications (1)

Publication Number Publication Date
CN108537232A true CN108537232A (zh) 2018-09-14

Family

ID=63485417

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810121527.8A Pending CN108537232A (zh) 2018-02-07 2018-02-07 一种基于边缘检测的地质构造信息识别提取方法

Country Status (1)

Country Link
CN (1) CN108537232A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111429698A (zh) * 2020-03-24 2020-07-17 东华理工大学 一种地质灾害预警系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110123114A1 (en) * 2009-11-24 2011-05-26 Samsung Electronics Co., Ltd. Character recognition device and method and computer-readable medium controlling the same
CN104123566A (zh) * 2013-04-24 2014-10-29 信帧电子技术（北京）有限公司 视频模糊不变性目标追踪的方法与系统
CN106600905A (zh) * 2017-02-24 2017-04-26 上海博历机械科技有限公司 一种有效的地质灾害监测系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110123114A1 (en) * 2009-11-24 2011-05-26 Samsung Electronics Co., Ltd. Character recognition device and method and computer-readable medium controlling the same
CN104123566A (zh) * 2013-04-24 2014-10-29 信帧电子技术（北京）有限公司 视频模糊不变性目标追踪的方法与系统
CN106600905A (zh) * 2017-02-24 2017-04-26 上海博历机械科技有限公司 一种有效的地质灾害监测系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李惠光 等: "基于变差函数的噪声图像的多尺度边缘检测", 《光电工程》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111429698A (zh) * 2020-03-24 2020-07-17 东华理工大学 一种地质灾害预警系统

Similar Documents

Publication Publication Date Title
CN105631455B (zh) 一种图像主体提取方法及系统
WO2017084204A1 (zh) 一种二维视频流中的人体骨骼点追踪方法及系统
CN108898610A (zh) 一种基于mask-RCNN的物体轮廓提取方法
CN105654445B (zh) 一种基于小波变换边缘检测的手机图像去噪方法
CN106780582B (zh) 基于纹理特征和颜色特征融合的图像显著性检测方法
CN110363719B (zh) 一种细胞分层图像处理方法及系统
CN105678806B (zh) 一种基于Fisher判别的生猪行为轨迹自动跟踪方法
CN106504244A (zh) 一种基于Retinex与小波尺度积的矿井图像边缘检测算法
CN111553425B (zh) 一种用于视觉定位的模板匹配lsp算法、介质和设备
CN109671092A (zh) 一种改进的Canny图像分割方法和系统
CN106204570B (zh) 一种基于非因果分数阶梯度算子的角点检测方法
CN109558908A (zh) 一种给定区域最优边缘的确定方法
CN108932699A (zh) 基于变换域的三维匹配调和滤波图像去噪方法
CN103903256B (zh) 一种基于相对高度深度线索的深度估计方法
CN110188730A (zh) 基于mtcnn的人脸检测与对齐方法
CN106204502B (zh) 基于混合阶l0正则化模糊核估计方法
CN107452028A (zh) 一种确定目标图像位置信息的方法及装置
CN106384338A (zh) 一种基于形态学的光场深度图像的增强方法
CN107451595A (zh) 基于混合算法的红外图像显著性区域检测方法
CN102005033A (zh) 一种图像平滑抑制噪声方法
CN108074223A (zh) 煤岩序列ct图中裂隙网络自动提取方法
CN110060260A (zh) 一种图像处理方法及系统
CN109886989A (zh) 一种基于Canny算子的探地雷达自动层位追踪方法
CN108537232A (zh) 一种基于边缘检测的地质构造信息识别提取方法
CN109102503A (zh) 一种基于色彩空间平滑和改进频率调谐显著模型的高分图像变化检测方法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180914