抑制图像纹理的岩石节理裂隙检测

抑制图像纹理的岩石节理裂隙检测博士论坛◎◎抑制图像纹理的岩石节理裂隙检测12许姜严，王卫星12，XUJiang-yanWANGWe-ixing电子科技大学电子工程学院，成都1.610054重庆邮电大学计算机科学与技术学院，重庆2.400065，，，1.SchoolofElectronicEngineerinUniversitygofElectronicScienceandTechnologyofChinaChengdu610054China，，，2.SchoolofComputerScienceandTechnologyChongqingUniversityofPostsandTelecommunicationChongqings400065China:E-mailxujiangyan@126.com，XUJiang-yanWANGWei-xing.Rockfracturedetectionalgorithmbasedonsuppressingcolorimagetexture.Computer，，():EngineeringandApplications20104661-2.:AbstractRockfractureedgedetectionisimportantinrockengineering.ThecolorimagesaretransformedfromRGBspaceto，，CIELABspaceandthenvarianceimagesareobtained.Aftercalculatingtheforcethatisweightedbywaveletcoefficienthette,xturecanbesuppressed.Thecoloredgeimageisobtainedbyamorphologicalgradientapproach.Experimentalresultsshowtheproposedmethodisefficientandrobustforrockfractureedgedetection.:;;;Keywordsrockfractureedgedetectiotexturnecolorimage摘要:岩石节理裂隙图像由于噪声多、色彩复杂而分割困难，同时岩石节理裂隙检测在工程应用中又具有重要意义。将彩色图像从转换到色彩空间后，计算其方差图像。并将原始图像与方差图像相减得到图像的势能向量，同时利用小波系数进RGBCIELAB行加权，以此抑制岩体纹理噪声。最后，通过图像形态学方法获得边缘图像。实验结果表明，算法可以较好地抑制纹理噪声并能精确定位，以及获得理想的岩石节理裂隙边缘图像。关键词:岩石节理裂隙;边缘检测;纹理;彩色图像:文章编号:)文献标识码:中图分类号:(DOI10.3778/j.issn.1002-8331.2010.06.0011002,8331201006-0001-02ATP391近年来，彩色图像处理已经成为新的研究热点。尤其是在引言1图像边缘检测中，彩色图像比相应的灰度图包含更多的边缘细岩石在长期的地应力的作用下，往往产生裂隙而出现碎裂节信息。和研究发现，灰度图大约只包含彩色图NovakShafer或变形。因此岩石节理裂隙检测在岩石工程运用中具有重要意像的边缘信息。也就是说，大约有的边缘，这些边缘90%10%义。当放射性物质掩埋后，岩石节理裂隙就成为放射线泄漏的主要途径。年，瑞典核燃料与废料管理公司(1994SwedishNu,[4]是由于色彩变化而非强度变化引起的，在相应的灰度图中丢失。)认为有必要深入了解放射clearFuelandWasteManagement这些丢失的边缘往往在图像处理中也具有非常重要的作用。性物质在裂隙岩体中的传输特性。因而，对裂隙岩体中节理裂[1-3]目前，已有的彩色图像边缘检测算法较多针对彩色纹理。隙的几何形态特征进行研究显得十分必要。图像，等提出一种以图像方差加权的纹理图像边缘检Hidayat在瑞典实验室，典型的岩石节理裂隙图像的获取流魧sp觟[5]测算法，获得了较好效果。等提出一种基于形态梯度学Adrian程如下:首先在岩石上钻出一小孔(直径、深)，然后60mm2m[6]的彩色图像边缘检测方法。等提出了一种基于向量Trahanias将绿色液态树脂注入岩石缝隙内待树脂干燥后，对这些岩石。降序排列的彩色图像边缘检测算法。这种算法是获取排序后的采样切片后拍照以获得彩色岩石节理裂隙图像。最小向量差()来检测边缘，但这种方法不具有方法性，无MVD与其他彩色图像类似，岩石节理裂隙是指岩石图像中的强法较好地获取细化边缘。提出了计算图像各分量二次Cumani度或色彩的突变或不连续这些边缘体现了岩石图像的结构，。[7]偏微分的彩色图像边缘检测算法。携带了图像的重要信息。而数字图像的边缘检测是图像处理的通过分析岩石节理裂隙图像，提出了以小波系数加权的岩一个重要研究方向，是图像分割模式识别机器视觉等图像分、、石节理裂隙边缘检测算法。通过计算图像的方差，并结合图像析的一个重要基础。像素方向，得到强度和方向信息结合体最后使用模极大抑制。基金项目:国家自然科学基金();瑞典theNationalNaturalScienceFoundationofChinaunderGrantNo.60873186/F020509TracerRetentionUn,()项目支持。derstandingExperimentsTRUE作者简介:许姜严()，男，博士研究生，主要研究领域为图像处、理模式识别等;王卫星()，男，博士生导师，教授，主要研究领域为图像处。理1978,1948,收稿日期:修回日期:2009-10-102009-11-30ii维平滑函数，定义两个小波函数为:jj+1右分别包含两个，即共有个像素。设反对称双正交小22+112(，)鄣θxy鄣θ(x，y)ψ(x，y)=，ψ(x，y)=()1波系数的一半正系数为，那么势能加权向量可计算为:wk鄣x鄣yj2212j軈軈軍对ψ(x，y)和ψ(x，y)进行二进伸缩和平移构成基函数:F()()=P-O×V×w8ΣΣ，ikiklil=1k=0(，)11xy鄣θjxy12(，)，)(xy=ψ=ψj其中，分别表示水平和垂直方向。l=122j2jj鄣x()222在一定尺度下，当岩石图像通过式()计算后，大部分的纹8()2(，)22xy鄣θjxy12理及噪声可以被滤除;同时可以得到岩石节理裂隙边缘附近的(，)，)(xy=ψ=ψj2j2jj鄣y()222势能向量。由于势能向量是在色彩空间计算得到，且CIELAB对于二维离散图像函数(，)，其小波变换可通过水平和fxy势能向量有如下特征:垂直两个方向的卷积实现。(1)在非边缘区域，势能向量幅值较小。11()在边缘点上，势能向量较大且其方向为相反方向。2(，)(，)Wfxy=f*ψxyjj22()3()在边缘点附近，势能向量较大但其方向为同向。322(，)(，)Wfxy=f*ψxyjj22通过以上分析，边缘点的定位已经变得较为明确因此，可。j在尺度上，两个方向的梯度矢量的模为:2以采用较小尺度窗口来检测边缘点位置。当势能向量经过平滑22后，在该文中采用5×5的检测窗口来检测边缘位置。12(，)()Mxy=4j+(，)(，)WfxyWfxyjj2姨2212设为检测窗口内势能向量的集合，即，，X5×5X=[FF梯度矢量与水平方向的夹角为:252…，那么边缘定位算法为:。F]W(fx，y)j2(，)()Axy=arctan5j1ij2姨姨軃())()(f=max‖F-F9‖(，)WfxyΣjp2，ij?Xk梯度方向指向梯度的模极大值的方向。于是，只要沿着梯其中和以检测窗口中心点相互对称;为恒定值，当图像噪ijk度方向检测小波变换系数模的局部极大值点，即可得到图像的声较大时，值适当加大;当等于时，其代表了欧氏距离。kp2边缘点。实验结果与分析4基于纹理的岩石节理裂隙检测3实验采用典型的岩石节理裂隙图像如图()所示。可以1a看出其细节表现较好，易于对局部图像详细分析图中填充物。岩石节理裂隙图像与其他类型的图像相比，有自己独有的为不同浓度的凝固后的环氧树脂，周围是不同质地、含有大量一些特点岩石节理裂隙是岩体中最常见的一类结构面，具有。杂质纹理的岩体因此，检测这样的岩石节理裂隙具有较大的。数量大分布广粗细不均匀填充物各异表面粗糙和随机噪、、、、困难。当尺度较小时，存在大量的噪声边缘。为了抑制噪声并准声等特点，这也是处理岩石节理裂隙图像首要考虑的基础和难确对边缘定位，在实验中采用的小波尺度为。j=3点。同时，图像表面还残留部分岩石切割痕迹，这些都增加了岩石节理裂隙检测难度。设原始图像为，利用公式()计算彩色图像某一分量的方I6差图像为:VM22()V=μ(I)-μ(I)6M()原始图像()该文方法()()abcMVDdCumani其中μ为高斯核函数。图岩石节理裂隙检测实验11由于色彩空间更接近人眼视觉特性，将岩石图像CIELAB从实验中可以看出，该算法较好地去除了岩体的各种纹理从空间转换到空间后。为了得到单通道的方差RGBCIELAB噪声，对岩石节理裂隙检测精度较高，定位也较准确。图给出2图像，可以利用欧氏距离空间将其简化为:了另外一个实验。222()V=V+V+V7***姨M，LM，AM，B222***其中，和分别代表了方差图像的和、VVVVLAB***，，，MLMAMBM通道。文献中提出了一种在待检测像素的一个圆形区域内计[5]()原始图像()该文方法()()abcMVDdCumani算势能向量。但在岩石节理裂隙图像中，岩石图像有其典型的(下转页)图岩石节理裂隙检测实验922jointresourcemanagementincognitiveradio[C]//ProcIEEEInter,的重构技术的实现，也是在今后研究中需要进一步讨论的课。 题 快递公司问题件快递公司问题件货款处理关于圆的周长面积重点题型关于解方程组的题及答案关于南海问题 (’)，nationalConferenceonCommunications2008ICC0819-23:May20084175-4180.参考文献:，，:[10]AttarANakhaiMRAghvamiAH.CognitiveradiogameA，[1]DiBenedettoMGDeNardisL.CognitiveroutingmodelsinUWBnetworks[C]//ProcThirdInternationaConferenceonCognitive,Ral，frameworkforefficiencyfairnessandQoSguarantee[C]//Proc(dioOrientedWirelessNetworksandCommunicationsCrownCom(’InternationalConferenceonCommunicationsIC2008CIEEE2008).Singapor:eIEEE，2008:1-6.)，:0819-23May20084170-4174.，[2]MaMiaoTsangDHK.Jointspectrumsharingandfairroutingin滑楠，曹志刚无线认知网络概念与实例研究计算机工程与应[11].[J].cognitiveradionetworks[C]//ProcConsumerCommunicationsand用，，():20094521-6.()，:NetworkingConference2008CCNC2008.IEEE2008978-982.，，，[12]KurodaMIshizuKHaradaHetal.Astudyofradio-information，[3]LiuYi-mingGraceD.ImprovingcapacityforwirelessAdhocservicesfornetworksofcognitiveradios[C]//Proc4thAnnualIEEEcommunicationsusingcognitiverouting[C]//ProcThirdInternational，CommunicationsSocietyConferenceonMeshSensoandAdrHocConferenceonCognitiveRadioOrientedWirelessNetworksand(’)，:CommunicationsandNetworks2007SECON07.IEEE2007():，:CommunicationCrownComs2008.SingaporeIEEE20081-6.662-669.，，，[4]MaHui-shengZhengLi-liMaXiaoetal.Spectrumawarerouting，，HuaNanYuNingGuoYi.Researchonserviceorientedand[13]formultihopcognitiveradionetworkswithasingletransceiver[C]//-middlewarebasedactiveQoSinfrastructureofwirelesssensorProcThirdInternationalConferenceonCognitiveRadioOrientednetworks[C]//ProcThe10thInternationalSymposiumonPervasive()WirelessNetworksandCommunicationsCrownCom2008.Singa,，，()，，SystemsAlgorithmandsNetworksI-SPAN2009TaiWanDec:，:poreIEEE20081-6.14-162009.:，，[5]PefkianakisIWongSHYLuSong-wu.SAMERSpectrumaware，，，，MarojevicSalazarVRevesJXetal.Onintegratingradiocom,[14]meshroutingincognitiveradionetworks[C]//ProcThe3rdIEEE，putingandapplicationresourcemanagementincognitiveradioSymposiumonNewFrontiersinDynamicSpectrumAccessNet,systems[C]//ProcThirdIEEEInternationalConferenceonWireless()，:works2008DySPAN200814-17Oct20081-5.，andMobileComputingNetworkingandCommunications2007，:[6]ChowdhuryKRDiFeliceM.SEARCHAroutingprotocolfor()，WiMOB2007.IEEE2007.mobilecognitiveradioad-hocnetworks[C]//ProcIEEESarnoffSy,m[15]MitolaIIIJ.Thesoftwareradioarchitecture[J].IEEECommunica,(’)，:posium2009SARNOFF09March302009-April120091-6.，，():tionMagazine199533526-38.，[7]JavadiFJamalipourA.Multi-pathroutingforacognitivewireless[16]BuracchiniE.Thesoftwareradioconcept[J].IEEECommunicationmeshnetwork[C]//ProcIEEERadioandWirelessSymposium2009，，():Magazine2000389138-143.()，:’RWS0918-22Jan2009232-235.:[17]TuttlebeeWHW.SoftwaredefinedradioFacetsofadeveloping，，[8]XieJiangHowittIRajaA.Cognitiveradioresourcemanagement，，():technology[J].IEEEPersonalCommunication19996238-44.usingmulti-agentsystems[C]//ProcThe4thIEEEConsumerCom,，:[18]HadimSMohamedN.MiddlewareforwirelesssensornetworkAs()，municationsandNetworkingConference2007CCNC200711-survey[C]//ProcFirstInternationalConferenceonCommunication:13Jan20071123-1127.()，SystemSoftwareandMiddleware2006Comsware2006.IEEE:20061-7.，，，al.Resourcemodelingfora[9]MarojevicVSalazarJRevesXet，，[2]XuJiang-yanWangWei-xingYeLin-ning.Rockfractureedge(上接页)2detectionbasedonquaternionconvolutionbyscalemultiplication[J].，，()OpticalEngineering2009489.结论5使用可见光获取岩石节理裂隙图像具有成本低、精度高的，，[3]WangWei-xingLiLeiHakamiE.Imageanalysisofmultiplerock特点。该算法能够较好地去除由于岩体纹理引起的噪声，相对fractures[C]//ProceedingsoftheIEEEInternationalConferenceon于其他方法，能更快速准确地对岩石节理裂隙图像进行分割，，，:Mechatronics&Automation200531272-1276.其结果为进一步的岩石节理裂隙研究与预测裂隙的发展情况，[4]NovakCShaferLSA.Coloredgedetection[C]//ProceedingsDARPA提供了更有效的数据实验中的岩石裂隙图像由于填充的环氧。，，:ImageUnderstandingWorkshop1987135-37.树脂作用而使边缘检测变得更加容易和准确。由于该算法不完，[5]HidayatRGreenR.Texture-suppressingdetectioedgeninreal-全依靠颜色信息，在实验中，即使填充物与裂隙壁毗邻很紧，以，，:time[C]//ImageandVisionComputingNewZealand20081-6.至于环氧树脂无法渗透入两者之间的空隙，也能够检测出两者，[6]EvansANLiuXU.Amorphologicalgradientapproachtocolor间的节理裂隙。大量实验结果表明，该算法对岩石节理裂隙检，，edgedetection[J].IEEETransactionsonImageProcessin2006g15测具有较高的准确性和鲁棒性。(6):1454-1463.，[7]KoschanAAbidiM.Detectionandclassificationofedgesincolor，，():images[J].IEEESignalProcessingMagazin200522e164-73.[8]MallatS，ZhongSi-fen.Characterizationofsignalsfrommultiscale参考文献:，，[1]WangWJiaZong-puChenLi-wan.Rockfractureimageacquisi,，edges[J].IEEETransactionsPatternonandMachineIntelligencetionandanalysis[C]//3rdInternationalSymposiumonAdvanced,Op，():1992147710-732.:ticalManufacturingandTestingTechnologieAdvancedsOptical魏海，沈兰荪反对称双正交小波应用于多尺度边缘提取的研究[9].[J].，，电子学报，，():ManufacturingTechnologie2007s6722.2002303313-316.