CN110487794A - 一种基于数字图像技术的岩石强度的均质度识别方法 - Google Patents

Abstract

本发明涉及一种基于数字图像技术的岩石均质度识别方法，其特征在于，包括试样制作与图像采集，通过对岩石表面图像的拍摄，获取岩石表面颜色信息，利用颜色的分布特征求解颜色均质度，并拟合得出颜色均质度与强度均质度间的函数关系，并利用该函数关系求解岩石强度均质度。该方法建立了岩石表面颜色均质度与岩石强度均质度之间的拟合关系，基于图像识别技术可方便地计算得出同类型、同批次岩石试样的强度均质度。可避免采用室内基本力学试验测试方法所带来的操作复杂性，以及有效的降低强度均质度的计算误差。

Description

一种基于数字图像技术的岩石强度的均质度识别方法

技术领域

本发明属于图像处理技术领域，具体涉及一种基于数字图像技术的岩石强度的均质度识别方法。

背景技术

均质度是描述岩石材料内部均匀程度的重要参数，对岩石的破裂过程及力学参数等方面均有显著影响，也是考虑岩石非均质性数值模拟计算需要确定的重要参数之一。基于岩石介质微元体强度服从Weibull随机分布的假设，许多学者提出了均质度的计算方法。徐涛等基于岩石应变强度理论，推导出利用单轴压缩全应力应变曲线的峰值点确定均质度计算公式，杨圣奇等在此基础之上引入损伤比例系数，计算了大理岩的均质度。曹文贵基于现有岩石损伤软化统计本构模型研究，通过引进Mohr-Coulomb强度准则和岩石应力-应变全程曲线峰值应变与围压的关系建立起特定围压下均质度与围压的解析表达式。罗荣等将岩石细观单元随机参数的变异系数定义为岩石均质度，并推导了计算方法。这些研究成果促进了岩石损伤软化统计本构模型本身的完善，加深了人们对均质度的认识，但是这些方法都是通过间接手段测量岩石强度的均质度。到目前为止依然没有直接测量岩石的均质度的有效手段。

岩石是由成岩矿物胶结而成，在胶结过程中，可能出现一些微裂纹和缺陷。岩石胶结矿物的不同和岩石内部的微裂纹、缺陷的存在是造成岩石非均质性的最主要原因。在对岩石照片进行分析时，可以发现岩石不同的胶结矿物和岩石内部的微裂纹、缺陷对应着不同的颜色特征，并且不同的胶结矿物对应着不同的强度，因此基于数字图像技术的岩石均质度识别是可行的。基于以上推论，通过岩石表面的数字图像获取岩石表面颜色信息，利用颜色的分布特征求解颜色均质度，并拟合得出颜色均质度与强度均质度间的函数关系，利用该函数关系即可达到基于数字图像技术识别岩石强度均质度的目的。

发明内容

本发明的目的是提供一种基于数字图像技术的岩石强度的均质度识别方法，通过岩石表面的数字图像获取岩石表面颜色信息，利用颜色的分布特征求解颜色均质度，并拟合其与强度均质度间的函数关系，用该函数关系即可达到基于数字图像技术识别岩石强度均质度的目的。

本发明的目的是通过下述技术方案实现的：

本发明的一种基于数字图像技术的岩石强度的均质度识别方法，其特征在于，一种基于数字图像技术的岩石均质度识别方法，其特征在于，包括试样制作与图像采集，通过对岩石表面图像的拍摄，获取岩石表面颜色信息，利用颜色的分布特征求解颜色均质度，并拟合得出颜色均质度与强度均质度间的函数关系，并利用该函数关系求解岩石强度均质度，具体步骤如下：

步骤一：试样制作与图像采集，用于建立岩石图像颜色信息数据库；

步骤二：采用图像离散矩阵函数对岩石试件图像颜色信息进行提取；

步骤三：通过拟合获取试件图像颜色均质度m；

步骤四：拟合颜色均质度与强度均质度的函数关系，通过拟合关系函数，即可在已知岩石表面颜色均质度的情况下，求解任一同类岩石试件的强度均质度m'。

进一步地，所述的步骤一：试样制作与图像采集包括下列步骤：

1.1采用钻孔取芯的方式获取所需识别岩石的深部岩石试样，将现场钻取的岩芯表面呈螺纹状凹凸不平，岩芯也长短不一，上下表面不平整的岩芯进行二次加工，加工成长度一致的圆柱体试样，同时采用砂纸将试样表面打磨平整；

1.2二次加工后的圆柱体试样，采用多角度、同亮度平移拍摄，并将拍摄的多张图像拼接成一张包含有许多像素的图像，作为下一步颜色信息提取所用图像。

进一步地，所述的步骤二：采用图像离散矩阵函数对岩石试件图像颜色信息进行提取是；

将步骤1.2中和拍摄的多张图像拼接成一张包含有许多像素的图像作为一个像素矩阵看待，每一个像素都包含三个颜色分量，根据红色(R)、绿色(G)和蓝色(B)三基色，将图像离散为一个矩阵函数，即

式中：i为图像的像素高度，j为图像的像素宽度，

利用数字图像处理技术提取数字图像中颜色分量对应的像素个数，并绘制出岩石颜色分量(R)的分布曲线。

进一步地，所述步骤三：通过拟合获取试件图像颜色均质度m是：

对绘制的岩石颜色分量(R)的分布曲线进行以颜色均质度m为自变量的Weibull曲线拟合，选取拟合度最高的Weibull曲线的均质度m作为岩石颜色均质度m。

Weibull分布函数的形式为：

φ(α)＝m/α₀(α/α₀)^m-1exp(-(α/α₀)^m) (2)

式中：α为随机变量，对于颜色分量的分布曲线，其为颜色分量变量；m为统计分布函数的形态参数,也即均质度系数；α₀是尺度参数，可通过随机变量α的均质E(α)及均质度m利用式α₀＝E(α)/Г(1+1/m)求出，其中Г()为gamma函数。

进一步地，所述步骤四：拟合颜色均质度与强度均质度m'的函数关系是：

基于岩石应变强度理论和岩石强度的随机统计分布假设，采用损伤力学理论，强度均质度m'可由下式计算：

m'＝(ln(Eε_c/σ_c))^-1 (3)

式中：σ_c、ε_c分别为单轴加载条件下全程应力应变曲线的峰值点对应的应力及应变；E为弹性模量，

根据同一批岩石试样进行基本力学测试，获取σ_c、ε_c、E等参数，即可求出该批次岩石试样的强度均质度m'。

同现有技术相比，本发明的优点是：

该方法建立了岩石表面颜色均质度与岩石强度均质度之间的拟合关系，基于图像识别技术可方便地计算得出同类型、同批次岩石试样的强度均质度。可避免采用室内基本力学试验测试方法所带来的操作复杂性，以及有效的降低强度均质度的计算误差。

附图说明

图1a为大块岩石加工成尺寸为Φ50×100mm的岩石试件图。

图1b从不同的方向对试件表面进行拍摄，并将4张图像拼接成一个整体图。

图2某铁矿岩石试样颜色分布曲线及Weibull分布拟合曲线图。

图3为不同求解方法下均质度的拟合关系图。

具体实施方式

下面结合实施例对本发明作进一步说明。

如图1-图3所示，本发明的一种基于数字图像技术的岩石强度的均质度识别方法，其特征在于，包括试样制作与图像采集，通过对岩石表面图像的拍摄，获取岩石表面颜色信息，利用颜色的分布特征求解颜色均质度，并拟合得出颜色均质度与强度均质度间的函数关系，并利用该函数关系求解岩石强度均质度，具体步骤如下：

步骤一：试样制作；

1)采用钻孔取芯的方式获取所需识别岩石的深部岩石试样，将现场钻取的岩芯表面呈螺纹状凹凸不平，岩芯也长短不一，上下表面不平整的岩芯进行二次加工，加工成长度一致的圆柱体试样，同时采用砂纸将试样表面打磨平整；

2)二次加工后的圆柱体试样，采用多角度、同亮度平移拍摄，并将拍摄的多张图像拼接成一张包含有许多像素的图像，作为下一步颜色信息提取所用图像。

取某铁矿的大块岩石，工程现场普遍采用钻孔取芯的方式获取深部岩石试样，所以获取的岩石试样一般为圆柱体。现场钻取的岩芯表面多呈螺纹状凹凸不平，岩芯也长短不一，上下表面不平整，需要对现场取芯进行二次加工。一般将岩芯截成长度一致的圆柱体试样，同时采用砂纸将试样表面打磨平整，避免表面不平导致图像分析出现误差。针对于加工后的圆柱体，

以基于图像识别技术获取某铁矿岩石试样强度均质度为例，介绍图像采集方式：

将取某铁矿的大块岩石加工成尺寸为Φ50×100mm的岩石试件，如图1(a)。为了充分利用岩石试件表面的图像信息，从4个不同的方向对试件表面进行拍摄，并将4张图像拼接成一个整体，作为下一步颜色信息提取所用图像，如图1(b)所示。

步骤二：岩石试件图像颜色信息提取；

将步骤1中拼接的岩石表面图像，利用数字图像处理技术提取数字图像中颜色分量对应的像素个数，并绘制出颜色分量(R)的分布曲线，如图2中黑色曲线所示。

图像中包含有许多像素，可将图像本身作为一个像素矩阵看待。每一个像素都包含3个颜色分量，红色(R)、绿色(G)、蓝色(B)，即三基色。因此图像可离散为一个矩阵函数，即

式中：i为图像的像素高度，j为图像的像素宽度。

利用数字图像处理技术提取数字图像中颜色分量对应的像素个数并绘制出颜色分量(R)的分布曲线。

步骤三3：通过拟合获取图像颜色均质度m；

图像颜色均质度m获取方法：对绘制的岩石颜色分量(R)的分布曲线进行以颜色均质度m为自变量的Weibull曲线拟合，选取拟合度最高的Weibull曲线的均质度m作为岩石颜色均质度m。

Weibull分布函数的形式为：

φ(α)＝m/α₀(α/α₀)^m-1exp(-(α/α₀)^m) (2)

式中：α为随机变量，对于颜色分量的分布曲线，其为颜色分量变量；m为统计分布函数的形态参数,也即均质度系数；α₀是尺度参数，可通过随机变量α的均质E(α)及均质度m利用式α₀＝E(α)/Г(1+1/m)求出，其中Г()为gamma函数。

拟合结果如图2中红色曲线所示。其拟合系数R²高达0.98，说明颜色分量(R)呈Weibull分布，颜色均质度的拟合具有事实依据。按照以上步骤计算出其他岩石试件的颜色均质度m，部分结果如表1所示。

表1颜色均质度

步骤四：通过室内试验获取岩石试件的强度均质度m'

对同一批岩石试样进行基本力学测试，获取σ_c、ε_c、E等参数，根据式(5)可求出该批次岩石试样的强度均质度，

基于岩石应变强度理论和岩石强度的随机统计分布假设，采用损伤力学理论，强度均质度m'可由下式计算：

m'＝(ln(Eε_c/σ_c))^-1 (3)

式中：σ_c、ε_c分别为单轴加载条件下全程应力应变曲线的峰值点对应的应力及应变；E为弹性模量，

步骤五：建立颜色均质度与强度均质度之间对应关系，通过该关系即可实现基于数字图像技术的岩石强度的均质度识别，而无需进行岩石试件基本力学测试。

图3为各岩石试件颜色均质度及强度均质度的对应关系图。采用指数函数拟合二者间的关系，拟合结果如下：

m'＝0.069e^0.6084m

通过上式即可在已知岩石表面颜色均质度m的情况下，求解任一取该铁矿的岩石试件的强度均质度m'，而无需进行岩石试件基本力学测试。

Claims (5)

1.一种基于数字图像技术的岩石均质度识别方法，其特征在于，包括试样制作与图像采集，通过对岩石表面图像的拍摄，获取岩石表面颜色信息，利用颜色的分布特征求解颜色均质度，并拟合得出颜色均质度与强度均质度间的函数关系，并利用该函数关系求解岩石强度均质度，具体步骤如下：

步骤一：试样制作与图像采集，用于建立岩石图像颜色信息数据库；

步骤二：采用图像离散矩阵函数对岩石试件图像颜色信息进行提取；

步骤三：通过拟合获取试件图像颜色均质度m；

步骤四：拟合颜色均质度与强度均质度的函数关系，通过拟合关系函数，即可在已知岩石表面颜色均质度的情况下，求解任一同类岩石试件的强度均质度m'。

2.根据权利要求1所述的基于数字图像技术的岩石均质度识别方法，其特征在于，所述的步骤一：试样制作与图像采集包括下列步骤：

1.1 采用钻孔取芯的方式获取所需识别岩石的深部岩石试样，将现场钻取的岩芯表面呈螺纹状凹凸不平，岩芯也长短不一，上下表面不平整的岩芯进行二次加工，加工成长度一致的圆柱体试样，同时采用砂纸将试样表面打磨平整；

1.2 二次加工后的圆柱体试样，采用多角度、同亮度平移拍摄，并将拍摄的多张图像拼接成一张包含有许多像素的图像，作为下一步颜色信息提取所用图像。

3.根据权利要求2所述的基于数字图像技术的岩石均质度识别方法，其特征在于，所述的步骤二：采用图像离散矩阵函数对岩石试件图像颜色信息进行提取是；

将步骤1.2中和拍摄的多张图像拼接成一张包含有许多像素的图像作为一个像素矩阵看待，每一个像素都包含三个颜色分量，根据红色(R)、绿色(G)和蓝色(B)三基色，将图像离散为一个矩阵函数，即

式中：i为图像的像素高度，j为图像的像素宽度，

利用数字图像处理技术提取数字图像中颜色分量对应的像素个数，并绘制出岩石颜色分量(R)的分布曲线。

4.根据权利要求3所述的基于数字图像技术的岩石均质度识别方法，其特征在于，所述步骤三：通过拟合获取试件图像颜色均质度m是：

对绘制的岩石颜色分量(R)的分布曲线进行以颜色均质度m为自变量的Weibull曲线拟合，选取拟合度最高的Weibull曲线的均质度m作为岩石颜色均质度m。

Weibull分布函数的形式为：

φ(α)＝m/α₀(α/α₀)^m-1exp(-(α/α₀)^m) (2)

式中：α为随机变量，对于颜色分量的分布曲线，其为颜色分量变量；m为统计分布函数的形态参数,也即均质度系数；α₀是尺度参数，可通过随机变量α的均质E(α)及均质度m利用式α₀＝E(α)/Г(1+1/m)求出，其中Г()为gamma函数。

5.根据权利要求1所述的基于数字图像技术的岩石均质度识别方法，其特征在于，所述步骤四：拟合颜色均质度与强度均质度m'的函数关系是：

基于岩石应变强度理论和岩石强度的随机统计分布假设，采用损伤力学理论，强度均质度m'可由下式计算：

m'＝(ln(Eε_c/σ_c))^-1 (3)

式中：σ_c、ε_c分别为单轴加载条件下全程应力应变曲线的峰值点对应的应力及应变；E为弹性模量，

根据同一批岩石试样进行基本力学测试，获取σ_c、ε_c、E等参数，即可求出该批次岩石试样的强度均质度m'。