找回密码
 注册会员
更新自动建库工具PCB Footprint Expert 2024.04 Pro / Library Expert 破解版

[嵌入式/ARM] 一种矿井岩体动态裂缝快速识别算法

[复制链接]
admin 发表于 2013-3-25 15:35:58 | 显示全部楼层 |阅读模式

本文包含原理图、PCB、源代码、封装库、中英文PDF等资源

您需要 登录 才可以下载或查看,没有账号?注册会员

×
摘  要: 由于人体指纹和岩体的纹路有着一定的相似性,在指纹识别技术的基础上提出一种算法用于岩体的动态裂缝识别。通过对矿井现场岩体动态裂缝纹路差异的检测和分析,证明了该种方法在岩体的动态裂缝识别上的可行性。
关键词: 岩体裂缝;指纹识别;纹理匹配
       矿井安全已经成为众多安全问题中最主要的问题,大部分矿井研究都是针对煤矿等大规模矿产而进行的,对于钨矿这类有色金属的矿井安全研究却比较少见。但在地大物博的中国,有色矿井的遍布范围也不可忽视,而组成该类矿井的成分就是本文重点研究的岩体。矿井的塌陷很多是由于忽视早期的岩体裂缝所致。可见,基于岩体裂缝的特征分析对矿难的预防具有防患于未然的重大意义。
     矿井下的结构以岩体结构为主,岩体由于受到矿井下温度和湿度环境变化,以及人为开采等因素的影响,会出现一些细小的裂缝[1]。如果在开采中不提前防范,就可能会拉伸、贯通,从而形成更大的裂缝,对矿井的安全构成威胁。
     传统的岩体裂缝检测方法是通过人工井下观察、记录,来进行定期的检测。这种方法不仅会浪费大量的劳动力,而且还给作业人员的人身安全带了一定的危险。由于岩体的纹路特征和人体的指纹有着一定的相似性,因此本文将指纹识别算法技术引入岩体的动态裂缝识别算法中,并针对矿井岩体的纹路特征加以改进,形成一种岩体动态裂缝快速算法,从而为矿井岩体安全的智能无损检测提供了理论基础。
1 算法具体过程
     指纹识别算法引入到岩体的动态裂缝识别中,首先需要对生成的纹理图像进行预处理,并进行图像分割,也就是二值化,然后再细化,在细化的图像中提取特征点,再将特征点进行相应的匹配。
     本文提出的算法总体框图如图1所示,主要部分为图像预处理、图像二值化、图像细化及纹理匹配等。
    20121107045946109541697.gif
   
1.1图像预处理
     图像的预处理是至关重要的部分,直接关系到特征提取是否取得很好的效果。为了保证从岩体内采集的图像不会失真,从而得到很好的增强效果,不能使用传统而又单一图像处理算法。因此需要融合多种处理技术,采用有针对性的一些处理方法。本文针对岩体裂缝图像特殊性,引入一种融合了多种处理技术的方法--SFC结合法[2]。该算法处理后的岩体裂缝图像不仅能有效地去除噪声而且还能锐化边缘,提高图像的对比度,能够把岩体纹路的前景图和背景图很好地分离开。
     SFC算法的具体步骤如下。
     (1) 利用改进的直方图灰度拉伸法进行对比度增强,该方法是对传统的直方图灰度变换和均衡的改进,目的在于改善图像的对比度,可以表示为:
      20121107045946140791698.gif
    20121107045946312661699.gif
1.3 纹理匹配
     纹理匹配就是图像匹配技术,主要包括基于灰度的图像匹配技术、基于特征的图像匹配技术、基于理解的图像匹配技术,而本文中所使用的图像匹配技术就是基于特征点的匹配。平面上的点模式匹配的一般问题是确定仿射变换下两个点集是否匹配[6]。原始裂缝图像纹理识别过程及出现裂缝图像纹理识别过程如图3、图4所示。
    20121107045946328281700.gif
       两幅图像中的点匹配算法有:(1)选择物体投影图像上的特征点,如局部灰度极大值点、角顶点等。(2)利用所选择特征点在结构上或其他特征上的差异进行匹配。但由于纹理的特殊性,不能直接借鉴平面点进行匹配,而需要进行一定的转换。因而可以借鉴指纹识别中的指纹信息的特征点匹配算法来进行相应的纹理匹配。纹理细节点的两种模型分别是纹线末端及纹线的分叉点[7]。
     记录每一个细节点的如下信息:横坐标和纵坐标,即x轴和y轴的有关信息;所在纹线的切线方向角;细节点的类型,即属于末端点还是分叉点。对于一幅显示较好的纹理图像,通常能提取出40~100个细节点。在图3(d)以及图4(d)中可以看出所提取出的特征点通过细节点表示,指纹匹配问题就能转化成为平面点模式匹配问题。
2 实验结果
     选取了一个典型的角度采集原始岩体图像以及出现裂缝的同一角度和位置,使用Matlab 7.0对本文给出的算法逐步进行仿真测试,结果如图3所示。
      图3表示的是原始的岩体图像的一个图像预处理、二值化、细化并提取了图像特征点后的结果。可以看到该图像细化后的纹理和原始的纹理有着很大程度的吻合,达到了实验的预期效果。图像特征的提取主要针对图像纹线的末端或者有分叉的部分。通过特征点的数量可以看出,该特征点的提取效果较好,因为细小的分叉和纹理都被提取出来了。
     在与图3(a)同样的角度所拍摄的图像中在中间的位置出现了一道细小的裂缝,如图4所示。图像的分割结果以及图像的细化结果都在该裂缝所在的区域出现了复杂的纹理。因而在图4(d)提取的特征点中可以看出,在裂缝存在的位置出现了大量的特征点。由于该裂缝本身并不规整,该区域集中识别到了大量的特征点。
      图5所示为裂缝位置局部放大图的效果,可以看出虽然只是出现一道细小的裂缝,但是特征点却多出很多。由于特征点在该裂缝区域的分布已出现了很大的不同,因而匹配的结果也会不同,会出现不匹配的现象。当出现这一现象的时候,可以初步判定为出现了动态裂缝。
    20121107045946422031701.gif
*滑块验证:
您需要登录后才可以回帖 登录 | 注册会员

本版积分规则

QQ|手机版|MCU资讯论坛 ( 京ICP备18035221号-2 )|网站地图

GMT+8, 2024-12-27 13:42 , Processed in 0.058423 second(s), 10 queries , Redis On.

Powered by Discuz! X3.5

© 2001-2024 Discuz! Team.

快速回复 返回顶部 返回列表