CN110672072A - 一种用于裂隙岩体结构的信息多元解译与表征方法 - Google Patents
一种用于裂隙岩体结构的信息多元解译与表征方法 Download PDFInfo
- Publication number
- CN110672072A CN110672072A CN201910958857.7A CN201910958857A CN110672072A CN 110672072 A CN110672072 A CN 110672072A CN 201910958857 A CN201910958857 A CN 201910958857A CN 110672072 A CN110672072 A CN 110672072A
- Authority
- CN
- China
- Prior art keywords
- rock mass
- information
- mass structure
- extraction
- image
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/02—Picture taking arrangements specially adapted for photogrammetry or photographic surveying, e.g. controlling overlapping of pictures
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30184—Infrastructure
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Analytical Chemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Quality & Reliability (AREA)
- Multimedia (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明涉及一种用于裂隙岩体结构的信息多元解译与表征方法。本方法使用的开发环境主要是MATLAB R2015b,MATLAB本身提供的数值计算功能、图形功能、以及交互式操作可很好地实现本系统中涉及到的图像处理算法。本方法充分考虑裂隙岩体图像特征,分别针对规则长大裂隙、特殊地质体(软弱夹层、破碎带及断层等)、细小随机裂隙3种不同几何特征与展布形态的结构面,以霍夫变换、智能剪刀,以及图像形态学结合多参数表征三种算法,对裂隙岩体结构信息进行靶向性特征提取,构建了集裂隙岩体结构信息线性成组提取、磁性追踪提取及形态学边缘检测于一体的多元解译系统。
Description
技术领域
本发明涉及隧道、岩土和地下工程技术领域,尤其是一种用于裂隙岩体结构的信息多元解译与表征方法。
技术背景
在裂隙岩体隧道工程的修建,岩体结构信息是后续岩体质量评定、网络模型构建、裂隙演化规律、围岩非连续变形、动态风险评估等系列岩体力学、变形问题的数据支撑,也是隧道快速化施工的重要保障。然而,不同于地上工程,虽然非接触摄影量测技术与计算机图形学的飞速发展为其提供了有力工具,但由于随道工程昏暗、多尘、潮湿的特殊环境,快速、高效地采集序列掌子面岩体图像并非易事。同时,岩体本身作为一种混沌介质,岩体结构面表现为分布随机、形态各异,其组合形式更是千差万别,虽然目前就岩体图像处理及特征提取方面的研究不在少数,但该问题仍未有效解决。为此,本文针对隧道特有环境条件,探究不同摄影量测图像采集模式的环境因素敏感性与采集设备的优化选型,以期在设备层上提升图像采集质量,并提出了专门针对隧道岩体图像的去雾增强预处理算法。此外,从岩体结构不确定性本身出发,基于直线检测、智能剪刀、图像形态学及梯度运算等,构建了集裂隙岩体结构信息线性成组提取、磁性追踪提取及多元参数表征于一体的多元解译系统,并以此构建了相应的岩体结构信息数据集成化平台。
发明内容
本发明的目的是针对隧道特有环境条件,探究不同摄影量测图像采集模式的环境因素敏感性与采集设备的优化选型,以期在设备层上提升图像采集质量,并提出专门针对隧道岩体图像的去雾增强预处理算法。此外,从岩体结构不确定性本身出发,基于直线检测、智能剪刀、图像形态学及梯度运算等,构建了集裂隙岩体结构信息线性成组提取、磁性追踪提取及多元参数表征于一体的多元解译系统,并以此构建了相应的岩体结构信息数据集成化平台。
为实现上述目的,采用如下技术方案:
本发明基于MATLAB R2015b,MATLAB本身提供的数值计算功能、图形功能、以及交互式操作。充分考虑裂隙岩体图像特征,分别针对规则长大裂隙、特殊地质体(软弱夹层、破碎带及断层等)、细小随机裂隙3种不同几何特征与展布形态的结构面,以霍夫变换、智能剪刀,以及图像形态学结合多参数表征三种算法,对裂隙岩体结构信息进行靶向性特征提取,构建了集裂隙岩体结构信息线性成组提取、磁性追踪提取及形态学边缘检测于一体的多元解译系统,并以此构建了相应的岩体结构信息数据集成化平台,并可以报表形式自动导出,为隧道施工及后续分析提供可靠数据支撑。
一种用于裂隙岩体结构的信息多元解译与表征方法,其特征在于,包括以下步骤:
隧道裂隙岩体图像处理与结构信息多元解译系统的核心即为图像处理及后续特征提取,通过程序编程完成人机交互的界面化操作,实现岩体结构信息的快速采集与精细量化表征。其平台界面如图1所示。其中,图像处理与特征提取安排在同一个界面,如此可便于处理图像的同时进行结构面信息解译、提取,方便地质人员在做信息检录时,明确了解是哪一条裂隙的信息。此外,所提取信息记录均暂时保存于右侧表格中,以方便后续数据自动导出。以下将分别从图像处理、特征解译、信息输出三方面进行说明。
(1)首先打开“隧道裂隙岩体图像处理与结构信息多元解译系统.exe”,软件进入到图像前处理界面,一般现场拍摄图像由于受光照、粉尘、水雾以及拍摄人员经验等因素影响,大多不能直接使用,需提前进行预处理以提升图像质量。该系统主界面左上位置有6个按钮,分别代表预处理流程的6个操作。除图像压缩、灰度变换、以及图像去噪、去雾增强、边缘锐化等功能外。如果图像质量本身良好,可使用“一键优化”功能,会自动将图像调整到合适分辨率与亮度。
(2)所开发平台中岩体结构信息解译方法共有3种,即线性成组提取、磁性追踪提取以及形态学边缘检测,以下分别介绍其使用及操作说明。
A. 线性成组提取方法:在图像上用鼠标绘制一条直线,然后可得到该方向上一组直线,右侧表格内可直接得到此一组提取的详细信息,包括迹长,间距、坐标及倾角等。此处显示的只是一个比值,并非实际数值,因此,还需进行工程尺度变化。在此仅需在提取结构信息后,填写系统中图像与工程实际值之比例即可,默认以图像底部长度作为工程尺度的比例参考。
B. 磁性追踪提取方法:鼠标在需要提取的数据附近滑动,产生一自动贴合的闭合曲线,即可得到所圈定区域的面积、宽度、主干像素长度、中心坐标及倾角等信息,并显示在右侧表格内。同时,该平台可实现信息的连续提取,每次提取的结果会叠加显示,且信息会更新在右侧表格内。
C. 形态学边缘检测方法:基于多尺度多结构形态学边缘检测算法主要针对细小、连续性差、随机分布的次生节理、裂隙等,点击“常规算法提取”即可得到其边缘检测处理图像,进而点击“岩体裂隙率”或“分形分维数”,即可对其进行量化表征。
(3)信息录入与数据输出及统计校验。所提取信息均实时保存于右侧表格栏中,可通过操作删除提取效果差或不符合实际的岩体结构信息,点击“信息导出”,所保存数据最终可导出至一Excel文件中,按照规定格式输出,同时,可对所处理图像组进行工程信息的编制,包括“隧道名称”、“起止桩号”、“图像采集里程”,以及该处的“开挖工法”与“设计围岩等级”等,信息录入与地质编录、统计分析界面如图2所示。以方便地质人员做相应的管理、保存,同时可进行岩体结构信息的地质编录。
应该指出,以上所述旨在对本申请提供进一步的说明。仅为本发明的优选示例而已,并不用于限制本发明。除非另有说明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。而这种改变或变化都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求书的保护范围为准。
以上所述仅为本发明的优选实施方式,但本发明保护范围并不局限于此,任何本领域的技术人员在本发明公开的技术范围内,可容易地进行改变或变化,而这种改变或变化都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求书的保护范围为准。
附图说明
图 1 裂隙岩体结构图像处理与信息特征提取执行界面;
图 2 软件中工程背景信息录入与裂隙岩体结构地质编录、统计分析界面;
图3 Retinex算法进行图像处理的应用效果显示;
图 4所开发软件中针对规则的成组的结构面所提的线性成组提取算法解译结果;
图 5 是所开发软件中针对宽大的不规则特殊地质体所提的磁性追踪提取算法解译结果;
图 6 所开发软件中针对细小、随机裂隙所提出的裂隙形态学边缘检测算法解译结果;
图7软件算法解译后所得裂隙岩体结构信息的概率分布模型效果图;
图 8 所开发软件裂隙岩体结构的信息多元解译与表征方法的执行流程。
具体实施方式
基于所开发“隧道裂隙岩体图像处理与结构信息多元解译系统”可自动获取岩体节理、裂隙以及断层、软弱破碎带等的几何信息,实现岩体结构信息的精细化自动获取及量化表征。以下以某隧道为例,每一次爆破循环均进行图像采集,通过连续跟踪拍摄获取若干原始图像;进一步图像处理与特征解译后,获取大量岩体结构面的几何信息;通过上述工程信息导出成Excel文件后,进行信息统计分析。
(1)裂隙岩体图像增强处理
基于Retinex算法处理前后的直方图如图3所示,Retinex图像增强可在一定程度上保持原始图像局部特征,处理效果平滑,去雾效果良好。
(2)岩体结构信息解译
所开发平台中岩体结构信息解译方法共有3种,即线性成组提取、磁性追踪提取以及形态学边缘检测,其基本使用说明已在上节介绍。此处仅展示其处理效果(如图4~6所示)。
(3)岩体结构信息统计分析
该隧道某里程段内,岩体结构面可见迹长、裂隙率、间距、结构面密度的概率分布函数如图7所示。
有益效果
1.本方法充分考虑了不同岩体结构展布与空间形态的差异性,可依据岩体结构的自身特征,择优选取合理的对应特征提取算法,以获取可靠的、可直接应用的岩体结构数据。
2.本方法针对不同岩体结构特征提取所得数据,相应增设了与其匹配的岩体结构信息表征指标及求解算法,可满足用户对裂隙岩体信息统计、分析的各种需求。
3.本方法的集成平台设计,即建立一种隧道及地下工程专用的基于岩体数码图像的结构面信息提取与统计分析集成化平台,可实现隧道及地下岩体开挖过程中岩体结构信息提取、分析的高度集成化、自动化,无需人工作业,极大地提高了地质编录、信息采集的效率。
4.本方法与Excel文件格式耦合性好,支持在计算机内查找任意扩展名为.xlsx和.xls格式的文件。使得大量岩体结构信息提取数据的输出、储存、统计分析更为简单方便,并可自动输出支持格式的报表文件,后处理模块人工界面友好。
Claims (4)
1.一种用于裂隙岩体结构的信息多元解译与表征方法,其特征在于:图像处理及后续特征提取,通过程序编程完成人机交互的界面化操作;基于包括MATLAB本身提供的数值计算功能、图形功能、以及交互式操作,构建了集裂隙岩体结构信息线性成组提取、磁性追踪提取及形态学边缘检测于一体的多元解译系统,并以此构建了相应的岩体结构信息数据集成化平台,并可以报表形式自动导出。
2.根据权利要求1所述的一种用于裂隙岩体结构的信息多元解译与表征方法,其特征在于:图像处理及后续特征提取,其中图形处理步骤应需提前进行预处理以提升图像质量,如果图像质量本身良好,可使用“一键优化”功能,会自动将图像调整到合适分辨率与亮度。
3.根据权利要求1所述的构建了集裂隙岩体结构信息线性成组提取、磁性追踪提取,不同岩体应与其匹配的岩体结构信息表征指标及求解算法进行对裂隙岩体信息统计、分析。
4.根据权利要求1所述构建了相应的岩体结构信息数据集成化平台,即建立一种隧道及地下工程专用的基于岩体数码图像的结构面信息提取与统计分析集成化平台,大量岩体结构信息提取数据的输出、储存,支持扩展名为.xlsx和.xls格式的文件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910958857.7A CN110672072A (zh) | 2019-10-10 | 2019-10-10 | 一种用于裂隙岩体结构的信息多元解译与表征方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910958857.7A CN110672072A (zh) | 2019-10-10 | 2019-10-10 | 一种用于裂隙岩体结构的信息多元解译与表征方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110672072A true CN110672072A (zh) | 2020-01-10 |
Family
ID=69081452
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910958857.7A Pending CN110672072A (zh) | 2019-10-10 | 2019-10-10 | 一种用于裂隙岩体结构的信息多元解译与表征方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110672072A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111476850A (zh) * | 2020-04-08 | 2020-07-31 | 华东交通大学 | 一种裂隙土裂隙率计算方法 |
CN112508866A (zh) * | 2020-11-23 | 2021-03-16 | 沈阳工业大学 | 基于机器视觉与数字图像处理的岩体裂隙分析系统及方法 |
CN112508766A (zh) * | 2020-06-16 | 2021-03-16 | 湖北工业大学 | 一种基于点云和gpu技术的岩体结构面智能解译方法 |
CN113032599A (zh) * | 2021-04-16 | 2021-06-25 | 西安科技大学 | 一种矿山物理相似模型围岩运动数字智能素描分析方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101190135A (zh) * | 2006-11-29 | 2008-06-04 | 深圳迈瑞生物医疗电子股份有限公司 | 在超声成像系统中用于优化超声图像的灰度值的方法 |
CN103632355A (zh) * | 2012-08-29 | 2014-03-12 | 郭昊 | 图像自动合成处理方法及其装置 |
-
2019
- 2019-10-10 CN CN201910958857.7A patent/CN110672072A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101190135A (zh) * | 2006-11-29 | 2008-06-04 | 深圳迈瑞生物医疗电子股份有限公司 | 在超声成像系统中用于优化超声图像的灰度值的方法 |
CN103632355A (zh) * | 2012-08-29 | 2014-03-12 | 郭昊 | 图像自动合成处理方法及其装置 |
Non-Patent Citations (2)
Title |
---|
李勇: "《基于图像处理的隧道掌子面地质信息研究》", 《硕士学位论文》 * |
王诗言: "《基于数字图像的隧道掌子面裂隙提取算法的研究和实现》", 《硕士学位论文》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111476850A (zh) * | 2020-04-08 | 2020-07-31 | 华东交通大学 | 一种裂隙土裂隙率计算方法 |
CN111476850B (zh) * | 2020-04-08 | 2023-04-18 | 华东交通大学 | 一种裂隙土裂隙率计算方法 |
CN112508766A (zh) * | 2020-06-16 | 2021-03-16 | 湖北工业大学 | 一种基于点云和gpu技术的岩体结构面智能解译方法 |
CN112508766B (zh) * | 2020-06-16 | 2022-04-26 | 湖北工业大学 | 一种基于点云和gpu技术的岩体结构面智能解译方法 |
CN112508866A (zh) * | 2020-11-23 | 2021-03-16 | 沈阳工业大学 | 基于机器视觉与数字图像处理的岩体裂隙分析系统及方法 |
CN112508866B (zh) * | 2020-11-23 | 2024-03-08 | 沈阳工业大学 | 基于机器视觉与数字图像处理的岩体裂隙分析系统及方法 |
CN113032599A (zh) * | 2021-04-16 | 2021-06-25 | 西安科技大学 | 一种矿山物理相似模型围岩运动数字智能素描分析方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110672072A (zh) | 一种用于裂隙岩体结构的信息多元解译与表征方法 | |
Chen et al. | Automated extraction and evaluation of fracture trace maps from rock tunnel face images via deep learning | |
CN100530167C (zh) | 固体矿床三维可视化储量计算系统及计算方法 | |
CN103548032B (zh) | 使用微震事件数据的水力裂缝表征的系统和方法 | |
WO2017114443A1 (zh) | 一种确定储层岩溶发育程度的方法及装置 | |
CN104166163B (zh) | 基于三维大数据量地震数据体的断层曲面自动提取方法 | |
CN109872311A (zh) | 一种岩体完整性判识方法 | |
CN104077447A (zh) | 基于纸质平面数据的城市三维空间矢量建模方法 | |
Song et al. | A semi-automatic method for 3D modeling and visualizing complex geological bodies | |
CN101493528A (zh) | 海量地震三维可视化显示方法 | |
CN103077277A (zh) | 基于标准土层的岩土工程勘察图形化分层及数据处理方法 | |
Leng et al. | Rock mass trace line identification incorporated with grouping algorithm at tunnel faces | |
CN102446214B (zh) | 工程勘察内业数据处理方法及装置 | |
CN110827406A (zh) | 一种实现大水网隧洞快速三维重构方法 | |
Ni et al. | Lineament length and density analyses based on the segment tracing algorithm: a case study of the gaosong field in gejiu tin mine, China | |
CN103329134B (zh) | 标绘相关数据的方法和系统 | |
CN115330940A (zh) | 一种三维重建方法、装置、设备和介质 | |
CN109522646A (zh) | 岩体交叉裂隙图像自动分离及其矢量化表达方法 | |
CN103777244B (zh) | 一种地震裂缝属性体的定量分析方法 | |
CN111445446B (zh) | 一种基于改进的U-net的混凝土表面裂缝检测方法 | |
CN105574930B (zh) | 一种汉字立体化数据采集与处理系统 | |
Pollock et al. | 3D exploratory analysis of descriptive lithology records using regular expressions | |
CN111966732B (zh) | 全智能化地质填图方法、装置、设备及可读存储介质 | |
Yuan et al. | Automated identification of fissure trace in mining roadway via deep learning | |
CN108805154A (zh) | 一种基于空间聚类的地质断层识别方法 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20200603 Address after: 266590 No. 579, Bay Road, Huangdao District, Shandong, Qingdao Applicant after: Shandong University of Science and Technology Applicant after: Sichuan Jingyu Biotechnology Co., Ltd Address before: 266590 No. 579, Bay Road, Huangdao District, Shandong, Qingdao Applicant before: Shandong University of Science and Technology |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200110 |