基于图像结构信息的隧道围岩快速智能分级方法技术

本发明专利技术涉及图像结构信息的隧道围岩快速智能分级技术领域，且公开了基于图像结构信息的隧道围岩快速智能分级方法，使用相机、摄像机、VR扫描仪和激光扫描仪对隧道围岩进行图像收集，收集的图像上传至电脑，电脑通过S1～S8等步骤，最终通过建立隧道围岩分级图像样本库和隧道围岩图像结构信息模型，计算待分级图像与样本库之间的图像结构信息因子，能够精准的对隧道围岩进行快速智能分级。该基于图像结构信息的隧道围岩快速智能分级方法，通过检测模块利用LOG边缘检测算子检测图像并进行计算，通过图像合并模块使用鲁棒主成分分析，再通过算术技术：比值变换法得到最终的融合结果图像信息，能够精准的对隧道围岩进行分级。能够精准的对隧道围岩进行分级。能够精准的对隧道围岩进行分级。

【技术实现步骤摘要】
基于图像结构信息的隧道围岩快速智能分级方法


[0001]本专利技术涉及图像结构信息的隧道围岩快速智能分级
，具体为基于图像结构信息的隧道围岩快速智能分级方法。

技术介绍

[0002]隧道围岩分级是指根据岩体完整程度和岩石强度等指标将无限的岩体序列划分为具有不同稳定程度的有限个类别，即将稳定性相似的一些围岩划归为一类，将全部的围岩划分为若干类。在围岩分类的基础上再依照每一类围岩的稳定程度给出最佳的施工方法和支护结构设计。围岩分类是选择施工方法的依据、是进行科学管理及正确评价经济效益、确定结构上的荷载(松散荷载)、确定衬砌结构的类型及尺寸、制定劳动定额、材料消耗标准等的基础。
[0003]现有的隧道围岩分级步骤繁杂，且分级精度差，不能进行正确评价经济效益、确定结构上的荷载(松散荷载)、确定衬砌结构的类型及尺寸、制定劳动定额、材料消耗标准等的基础，且目前现有的隧道围岩分级方法主要采用物探设备和室内试验来获得围岩的基本力学参数，再根据BQ分级公式确定围岩的级别，此方法需要花费大量的人力、物力，成本高，效率低。此外，施工单位基于成本和效率等考虑，在施工阶段对隧道围岩级别的判定仍然依靠施工人员的主观判断，这样容易导致大量的误判情况，因此需要进行重新分析。

技术实现思路

[0004](一)解决的技术问题
[0005]针对现有技术的不足，本专利技术提供了图像收集、图像预处理、图像形态学处理、图像修复检测处理、图像融合处理和分级处理，具备步骤简单，精准度高等优点，解决了隧道围岩分级步骤繁杂，且分级精度差，不能进行正确评价经济效益、确定结构上的荷载(松散荷载)、确定衬砌结构的类型及尺寸、制定劳动定额、材料消耗标准等的基础的问题。
[0006](二)技术方案
[0007]为实现上述步骤简单，精准度高等目的，本专利技术提供如下技术方案：基于图像结构信息的隧道围岩快速智能分级方法，包括以下步骤：基于图像结构信息的隧道围岩快速智能分级方法，包括以下步骤：
[0008]S1、图像收集
[0009]使用相机、摄像机、VR扫描仪和激光扫描仪对隧道围岩进行图像收集，收集的图像上传至电脑，电脑内包含有储存模块、图像预处理模块、图像筛选模块、图像删除模块、图像修复模块和图像合并模块，上传至电脑内的图像和视频信息储存在储存模块内，将收集到待分级隧道围岩图像分辨率归一化为2048Pixel*2048Pixel。
[0010]S2、建立隧道围岩分级图像样本库
[0011]采集大量隧道围岩图像，依据勘察资料和BQ分级公式对隧道围岩进行分级。将分级后的大量隧道围岩图像分辨率归一化为2048Pixel
×
2048Pixel，并根据分级后的图像，
建立隧道围岩分级图像样本库，共五个样本库，分别对应Ⅰ级围岩样本库、Ⅱ级围岩样本库、Ⅲ级围岩样本库、Ⅳ级围岩样本库、
Ⅴ
级围岩样本库。
[0012]S3、图像预处理
[0013]上传至储存模块内的图像和视频信息经过图像预处理模块进行处理，从而使得图像平滑，在经过图像预处理模块平滑处理后，上传至图像筛选模块进行筛选，将损坏和重复的图像信息进行排出。
[0014]S4、图像形态学处理
[0015]经过步骤S3进行预处理后的图像直接上传至图像删除模块和图像修复模块，将图像信息进一步进行补充，得到完整无损的图像目标信息。
[0016]S5、图像修复检测处理
[0017]在步骤S4中通过图像删除模块和图像修复模块修复后，重新上传至储存模块内进行储存，储存模块包含有检测模块，检测模块在检测到上传图像信息为修复完整后的图像信息时，此时检测模块利用LOG边缘检测算子检测图像并进行计算，从而将检测前和检测后的图像信息目标区域进行对比差分，从而进一步得到准确的目标区域图像。
[0018]S6、图像融合处理
[0019]将步骤S5中得到准确的目标区域图像，通过图像合并模块使用鲁棒主成分分析，将数据矩阵表示为低秩矩阵和稀疏矩阵的叠加，图像中的目标热源部分会突出，灰度值明显高于其他区域，在采用NSCT变换的方法融合源图像的低秩分量得到目标图像的低秩分量，在得到融合之后的低秩分量和稀疏分量后通过叠加得到融合结果，再通过算术技术：比值(Brovey)变换法得到最终的融合结果图像信息，将采集的待分级图像与结构元素掩码进行卷积运算后，得到滤波后的待分级图像，具体用公式表示如下：
[0020][0021]式中R(m,n)表示进行卷积滤波后的待分级图像，I(m
‑
i,n
‑
j)表示采集的原始待分级图像，m和n表示像素坐标，S(i,j)表示结构元素掩码。
[0022]S7、建立隧道围岩图像结构信息模型
[0023]采集的待分级图像和样本库图像的像素灰度值集合用x和y分别表示，且分别用公式表示为：x＝{x
i
|i＝1,2,
···
,N}和y＝{y
i
|i＝1,2,
···
,N}，其中N表示一幅图像的像素数目，μ
x
和μ
y
分别表示待分级图像x和样本库图像y的像素灰度均值，σ
x
和σ
y
分别表示待分级图像x和样本库图像y的像素灰度标准差，用公式表示为：
[0024][0025][0026]由于图像信号是高度结构化的，对于M幅样本库图像，待分级图像与样本库图像之间的图像结构信息因子Q用公式表示如下：
[0027][0028]图像结构信息因子Q位于0～1之间，Q值越大，采集的待分级图像接近于样本库图像的可能性就越大；反之采集的待分级图像接近于样本库图像的可能性就越小。
[0029]在建模过程中需要使用数据矩阵表示为低秩矩阵和稀疏矩阵的叠加来对模型进行优化。
[0030]S8、分级处理
[0031]根据隧道围岩图像结构信息模型对待分级图像进行分析，确定其围岩分级，首先根据公式：对采集的待分级图像进行卷积滤波运算，然后根据公式：分别计算待分级图像与五个样本库图像之间的图像结构信息因子Q
i
(i＝1,2,3,4,5)，并求出Q
i
的最大值，最大值Q
i
的下标i所对应的数字即为待分级图像的围岩级别。
[0032]优选的，所述步骤S3中，图像预处理模块使用高斯型平滑函数卷积将上传的图像对其进行平滑处理，从而得到准确和精准的图像目标。
[0033]优选的，所述步骤S4中，图像删除模块和图像修复模块删除图像中多余区域，同时修复图像中小的孔洞，并将整个图像补充完整。
[0034]优选的，所述步骤S6中，稀疏矩阵表示图像的显著特征，低秩矩阵包含图像的细节纹理背景信息。
[0035]优选的，所述步骤S6中，源图像经过RPCA变换后得到稀疏分量和低秩分量，分别表示不同的图像信息，在红外图像中，显著区域是相对背景突出的一部分图像本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于图像结构信息的隧道围岩快速智能分级方法，其特征在于，包括以下步骤：S1、图像收集使用相机、摄像机、VR扫描仪和激光扫描仪对隧道围岩进行图像收集，收集的图像上传至电脑，电脑内包含有储存模块、图像预处理模块、图像筛选模块、图像删除模块、图像修复模块和图像合并模块，上传至电脑内的图像和视频信息储存在储存模块内，将收集到待分级隧道围岩图像分辨率归一化为2048Pixel*2048Pixel；S2、建立隧道围岩分级图像样本库采集大量隧道围岩图像，依据勘察资料和BQ分级公式对隧道围岩进行分级，将分级后的大量隧道围岩图像分辨率归一化为2048Pixel
×
2048Pixel，并根据分级后的图像，建立隧道围岩分级图像样本库，共五个样本库，分别对应Ⅰ级围岩样本库、Ⅱ级围岩样本库、Ⅲ级围岩样本库、Ⅳ级围岩样本库、
Ⅴ
级围岩样本库；S3、图像预处理上传至储存模块内的图像和视频信息经过图像预处理模块进行处理，从而使得图像平滑，在经过图像预处理模块平滑处理后，上传至图像筛选模块进行筛选，将损坏和重复的图像信息进行排出；S4、图像形态学处理经过步骤S3进行预处理后的图像直接上传至图像删除模块和图像修复模块，将图像信息进一步进行补充，得到完整无损的图像目标信息；S5、图像修复检测处理在步骤S4中通过图像删除模块和图像修复模块修复后，重新上传至储存模块内进行储存，储存模块包含有检测模块，检测模块在检测到上传图像信息为修复完整后的图像信息时，此时检测模块利用LOG边缘检测算子检测图像并进行计算，从而将检测前和检测后的图像信息目标区域进行对比差分，从而进一步得到准确的目标区域图像；S6、图像融合处理将步骤S5中得到准确的目标区域图像，通过图像合并模块使用鲁棒主成分分析，将数据矩阵表示为低秩矩阵和稀疏矩阵的叠加，图像中的目标热源部分会突出，灰度值明显高于其他区域，在采用NSCT变换的方法融合源图像的低秩分量得到目标图像的低秩分量，在得到融合之后的低秩分量和稀疏分量后通过叠加得到融合结果，再通过算术技术：比值(Brovey)变换法得到最终的融合结果图像信息，将采集的待分级图像与结构元素掩码进行卷积运算后，得到滤波后的待分级图像，具体用公式表示如下：式中R(m,n)表示进行卷积滤波后的待分级图像，I(m
‑
i,n
‑
j)表示采集的原始待分级图像，m和n表示像素坐标，S(i,j)表示结构元素掩码；S7、建立隧道围岩图像结构信息模型采集的待分级图像和样本库图像的像素灰度值集合用x和y分别表示，且分别用公式表示为：x＝{x
i
|i＝1,2,
…
,N}和y＝{y
i
|i＝1,2,
…
,N}，其中N表示一幅图像的像素数目，μ
x
和μ
y
分别表示待分级图像x和样本库图像y的像素灰度均值，σ
x
和σ
y
分别表示待分级图像x和样
本库图像y的像素灰度标准差，用公式表示为：本库图像y的像素灰度标准差，用公式表示为：由于图像信号是高度结构...

【专利技术属性】
技术研发人员：王平让，陈波，李柄成，王亮亮，郭继强，赵帅明，
申请(专利权)人：郑州航空工业管理学院，
类型：发明
国别省市：