• ISSN: 1674-7461
  • CN: 11-5823/TU
  • 主管:中国科学技术协会
  • 主办:中国图学学会
  • 承办:中国建筑科学研究院有限公司

基于图像处理的隧道掌子面地质构造信息提取研究

李鹏云, 赵科, 陈孜迪, 秦利

李鹏云, 赵科, 陈孜迪, 秦利. 基于图像处理的隧道掌子面地质构造信息提取研究[J]. 土木建筑工程信息技术, 2017, 9(6): 67-72. DOI: 10.16670/j.cnki.cn11-5823/tu.2017.06.11
引用本文: 李鹏云, 赵科, 陈孜迪, 秦利. 基于图像处理的隧道掌子面地质构造信息提取研究[J]. 土木建筑工程信息技术, 2017, 9(6): 67-72. DOI: 10.16670/j.cnki.cn11-5823/tu.2017.06.11
Li Pengyun, Zhao Ke, Chen Zidi, Qin Li. Research on Extraction of Geological Structure Information of Tunnel Excavation Faces based on Image Processing[J]. Journal of Information Technologyin Civil Engineering and Architecture, 2017, 9(6): 67-72. DOI: 10.16670/j.cnki.cn11-5823/tu.2017.06.11
Citation: Li Pengyun, Zhao Ke, Chen Zidi, Qin Li. Research on Extraction of Geological Structure Information of Tunnel Excavation Faces based on Image Processing[J]. Journal of Information Technologyin Civil Engineering and Architecture, 2017, 9(6): 67-72. DOI: 10.16670/j.cnki.cn11-5823/tu.2017.06.11

基于图像处理的隧道掌子面地质构造信息提取研究

基金项目: 

河北省科技计划项目 16222101D-2

河北省高等学校青年拔尖人才计划项目 BJ2017105

详细信息
    作者简介:

    李鹏云(1985-),男,工学学士,工程师,主要从事BIM技术咨询及软件开发工作;

    赵科(1984-),男,硕士,助教,主要从事岩土工程、BIM技术教学与科研工作。

  • 中图分类号: TP391

Research on Extraction of Geological Structure Information of Tunnel Excavation Faces based on Image Processing

  • 摘要: 针对隧道施工过程中掌子面信息的提取难和提取复杂问题,本文采用图像处理的方法进行隧道掌子面地质信息统计与分析。过程中借助OpenCV提供的图像处理技术,首先采用对比度受限的自适应直方图均衡化方法提高图像质量,为后续锐化处理提供清晰图像,然后采用拉普拉斯算子进行锐化操作突出边缘信息,最后利用Canny算子进行边缘检测,将边缘检测的结果采用Hough变换检测直线,生成岩层和节理的直线描述以及统计结果。将处理结果生成掌子面地质素描,同时对检测出的直线进行统计与分析为围岩等级确定以及地质分析提供技术支持。
    Abstract: In view of the difficulty and complexity of extracting the information of the tunnel excavation faces during the tunnel construction, this paper uses the image processing method to implement the statistics and analysis of the geological information of the tunnel excavation faces. The study is done with the help of image processing of OpenCV. Firstly, contrast-limited adaptive histogram equalization is applied to improve the image quality and provide a sharp image for the subsequent sharpening process. Then the sharpening operation using Laplace operator is adopted to highlight the edge information. Finally, the edge detection is performed by using Canny operator. The results of edge detection are detected by Hough transform, and the straight line description and statistics of rock formation and joint are generated. The results will generate the geological sketch of the excavation faces. The statistics and analysis of the detected lines will provide technical support for the determination of the grade of surrounding rock and the geological analysis.
  • 隧道施工中需要考虑工程地质条件,由于其复杂性、多变性及精确调查的困难性,仅依靠开挖前的地质情况调查难以充分了解隧道工程地质条件。掌子面揭示的地质信息最直观、最准确,传统的掌子面描述由工作人员实地观察并记录绘制地质素描,主要描绘地层及节理分布情况,观察结果受环境及观察者自身地质知识水平的影响较大,且手工绘制信息更新慢,观察结果难以得到有效的利用[1]。通过计算机视觉技术对掌子面图像进行处理,可以减小环境及人工观察带来的影响,从掌子面中提取出更多信息,充分利用这些信息,实现对工程地质情况的快速反馈和有效分析。

    掌子面图像的处理结果可作为掌子面地质素描图,结合统计分析结果与其他方式探测结果,能更准确地对掌子面前方地质条件进行描述,为围岩等级确定提供决策数据支持,从而增强施工安全性与效率。国内外很多学者对隧道掌子面的信息提取进行了一定的研究。冷彪[2]等利用边缘检测技术对岩层节理进行提取,以此提取各种特征参数以便对掌子面岩体状况作出评价;叶英[3]等利用数学形态学对掌子面图像的纹理进行提取,通过对纹理密度、长度及面积的测量等对围岩类别提供支持;仇文革[4]等使用图像处理技术对隧道掌子面进行边界提取,并提取到节理组数、平均裂隙间距、产状等特征参数,以便对围岩类别的确定提供依据。本文对图像处理过程中的算法加以取舍,选择了效果更优的Canny边缘检测算法,同时利用直线段来表现地层及节理的特征有助于把握地层走向,为量化描述掌子面地质构造提供了可靠,准确的途径。

    掌子面照片中包含具有边界特征的地层和节理,相比于其它部位颜色更深,基于此特征设计算法,基本思想是突出地层及节理特征进行边缘检测[5]。前期图像采集过程中需要注意尽量使光线适中、灰尘较少,尽量使成像面与掌子面平行,质量过差则难以得到有效的检测结果。对于采集的隧道掌子面图像,首先进行图像预处理提高图像质量,通过平滑与锐化消除噪声、提高边界对比度;之后进行边缘检测提取地层节理边缘;最后根据提取得到的边缘进行直线检测。通过对描绘地层节理的直线段进行统计,得出不同走向的地层节理线分布情况,对于自动检测结果中遗漏,添加手工绘线功能,弥补自动检测的不足。技术流程图如图 1所示。

    图 1 流程图
    图  1  流程图

    隧道掌子面是施工工作面,大部分时间都处在施工状态,所以掌子面附近通常粉尘较多且光线弱,恶劣的图像采集环境对图像质量影响极大。除在图像采集过程中要注意光线的补给外,对于采集的图像需要进一步的图像预处理来提高图像质量,便于工作人员的观察及后续图像处理。本研究采用直方图变换的方法来提高图像质量,使图像亮度均匀、成像清晰;再利用拉普拉斯算子锐化图像,突出边缘信息。

    隧道掌子面图像采集环境恶劣,光线不足及粉尘较多使成像亮度不均,整体画面易模糊,图像直方图可以反映出图像对比度、明暗程度等特征,通过调整图像的直方图,对图像进行非线性拉伸,重新分配像素值,可以整体提高图像质量。

    直方图变换是一种常用的图像增强算法,它产生了两种变体:直方图均衡化(AHE)和对比度受限的自适应直方图均衡化(CLAHE)。通过拉伸直方图的方法可以简单有效地提升图像质量,但是在多数情况下,一些图像的缺陷并不是因为使用过窄的强度范围,而是由于某些颜色值出现的概率远高于其他值。直方图均衡化试图使一幅图像平均地使用所有像素的强度值,这是对图像全局进行调整的方法,不能有效地提高局部对比度,某些场合效果会非常差,有时候会过度放大图像中相同区域的噪声,掌子面图像亮度较暗且明暗不均,直方图均衡化方法的增强效果较差。对比度受限的自适应直方图均衡化是将图像分成若干子块,分别对子块进行直方图均衡化,能有效增强图像局部对比度,改善AHE中放大噪声的问题,对于亮度不均的图像进行增强操作时效果变好[6]

    原则上直方图均衡方法仅适用于灰度图像,但事实上使用直方图处理彩色图像同样可行,只是可能需要一些额外的处理。对于彩色图像,有几种较为主流的直方图均衡方法。本文采用基于YUV空间的Y分量均衡法,基本步骤是将输入的RGB图像转换到YUV空间,对Y分量即亮度通道进行直方图均衡化,再转换回RGB图像即可。这种方法的颜色空间转换公式更简单,效率较高,处理后的图像效果也更佳[7]。综合考虑,本研究基于YUV空间的Y分量进行对比度受限的自适应直方图均衡化,提升图像质量。

    图像整体效果提高之后,为了突出显示图像的边界和其他的细节还需要突出其边缘信息,通常进行图像锐化操作可以提高边缘检测的准确性。常用的锐化算法包括拉普拉斯锐化和USM锐化。拉普拉斯算子作为二阶导数算子,能够很好的识别并加强边界。拉普拉斯图像锐化采用模板如公式(1)。通过某个像素和邻域范围内的像素值的关系重新定义该像素,使亮者更亮,暗者更暗,以此实现图像的锐化处理[8-9]。USM锐化算法是将原图像与经过高斯降噪的图像做差,通过掩码叠加进行锐化。Photoshop中的算法较传统的USM锐化方法多引进了一个阈值参数,如果差异的绝对值大于指定的阈值,则对该点进行所谓的锐化。实际的效果表明,这种方式的锐化要比传统的USM锐化能获得更好的调节效果。USM锐化可以有效突出图片边缘,但会在边缘两侧生成一条较亮的线和一条较暗的线[10]

    $ \left[{\begin{array}{*{20}{c}} 0&{-1}&0\\ {-1}&5&{-1}\\ 0&{ - 1}&0 \end{array}} \right] $

    (1)

    两种方法比较来看,拉普拉斯锐化可以加强图像的边缘特征,使图像的边缘信息更加明显,适用于在对图像进行梯度法边缘提取之前。USM锐化后的图像进行边缘检测时会提取出两条轮廓,造成数据冗余。综合考虑,本研究选择拉普拉斯算子进行锐化。注意到拉普拉斯算子除了可以增强边缘,对噪声也特别敏感,所以需要在锐化之前进行图像平滑[11]。本研究选择了高斯平滑处理。

    对于边缘检测的研究已经比较成熟,边缘检测算子多种多样,其中Canny算子是一种经过改进的算子,它采用多级边缘检测算法,它能在尽量地减少噪声产生的误报之下,标识出尽量多的实际边缘,且能够达到检测出的边缘与实际边缘最大程度的接近的效果,图像中的边缘也只标识一次[12]。Canny算子一般都基于索伯尔算子,使用了滞后阈值,Canny算法通过组合得到的两幅边缘图得到检测结果,这样既能检测图像中重要的、显著的线条、轮廓等,又去掉了那些过于细节的边缘,因此它被看做是边缘检测的最佳算法。综合考虑本研究中的边缘检测采用Canny算子。

    边缘检测所得结果为离散的点,视觉效果为一些曲线段,难以进行有效的统计,在机器视觉应用中,我们经常要提取图像中的各种特征,最基本的特征就是图像中的线条、拐角等,所以通过小的直线段对这些边缘进行描绘,便于掌握图像特征,有利于后续的统计与分析。因此用小的直线段描绘隧道掌子面上的地层及节理,并对他们的方向及数量做统计,则可对围岩等级的确定做出支持。

    OpenCV中提供Hough变换和直线拟合两种方式来生成直线,前者采用的是一种证据收集的方式,遍历一幅图像上所有的直线位置,哪条直线上的特征点(证据)更多,哪条直线就更可能是我们希望找到的直线[13],通常将边缘检测结果作为输入值,在此基础上检测直线。后者需要输入点集,针对所有点使用最小二乘算法拟合直线,内在并没有一个检测和去除坏点的机制,所以使用拟合法之前需要把尽量无关的点去除。OpenCV提供fitLine函数来进行直线拟合。综合考虑,Hough变换无需剔除点,根据特征点来检测直线,更适合本研究。以边缘检测结果为输入值,调整参数至最佳效果。自动检测结果往往存在纰漏,辅以手动绘线,将未检测出的直线段绘制出来。根据直线的倾斜角的不同用以不同的颜色,线段统计结果即时输出。

    本文采用OpenCV2.4.9版本,系统环境为Windows 7、64位操作系统,RAM为32GB,选择VS2010作为开发平台,利用OpenCV中的提供的相关函数对上述算法进行实现。

    http://opencv.org/

    首先利用cvtColor()函数对读入的掌子面图像进行颜色空间的转化,将图像从RGB空间转换到YUV空间,然后对亮度分量进行对比度受限的自适应直方图均衡化,完成后再将颜色空间转换至RGB空间。分别对两幅图像进行上述操作,结果如图 2所示,由图可见图 2a(c)为原始采集的图像,总体来看颜色较暗,岩层和节理对比度不明显,经过直方图变换处理之后,较暗部分得到增强,影子处的亮度提高,图像整体亮度差异变小,纹理特征更加明显,如图 2b(d)所示。

    图 2 直方图变换
    图  2  直方图变换

    为了更好的突出边缘信息,需要在通过平滑去除噪声后对图像进行锐化操作,通过GaussianBlur算法进行图形平滑去除噪声,之后使用拉普拉斯算子进行锐化,效果如图 3,观察可知,边缘特征得到显著突出。

    图 3 锐化
    图  3  锐化

    本文利用Canny算法进行边缘检测,对锐化后的图像进行处理,通过调整控制条参数可以控制边缘检测的阈值,检测结果如图 4所示。

    图 4 边缘检测
    图  4  边缘检测

    最后利用HoughLinesP函数进行直线检测,调整控制条参数至最佳效果,也可通过调节边缘检测窗口控制条来对检测结果进行调整。对于不能检测出来的线条采用手动绘制,岩层和节理的数量实时统计和输出,如图 56所示。

    图 5 直线检测1
    图  5  直线检测1
    图 6 直线检测2
    图  6  直线检测2

    利用OpenCV对隧道掌子面进行图像处理,得到描绘地层及节理的直线段,对于自动检测的不足之处,通过手动绘制解决,描绘完成后根据线段的斜率对其进行统计,相关技术人员可结合统计结果和地质素描图及经过直方图变换处理过的高质量图像对围岩等级进行确定与修正,提高了掌子面地质素描的效率,降低了人工影响。

    本文通过算法的不断比较,选择出适合掌子面图像且效果较好的算法实现对隧道掌子面图像的预处理,同时采用直线段描绘纹理,有助于结果的统计分析,为定量确定围岩等级提供了技术支持。这种方法有助于相关资料的归档,相比手绘地质素描效率得到极大提升。充分利用了掌子面的信息,使工作人员可以快速、准确地对地质构造情况进行了解,同时提高了超前地质预报的精度,对提高隧道施工的安全度有重要意义。

  • 图  1   流程图

    图  2   直方图变换

    图  3   锐化

    图  4   边缘检测

    图  5   直线检测1

    图  6   直线检测2

  • [1] 冷彪. 基于数码成像的隧道掌子面地质信息系统研究[D]. 西南交通大学, 2009.
    [2] 叶英, 王梦恕.隧道掌子面地质信息数字编录识别技术研究[J].北京交通大学学报, 2007, (1): 59-62. https://www.wenkuxiazai.com/doc/b29ca2bcc77da26925c5b05a-2.html
    [3] 冷彪, 仇文革, 王刚, 张列.数字图像处理在隧道工程地质分析中的应用研究[J].铁道标准设计, 2013, (11): 77-81. http://d.old.wanfangdata.com.cn/Periodical/tdbzsj201311019
    [4] 王洋, 王述红, 郭牡丹, 董智慧.隧道掌子面节理信息快速数字识别及稳定性分析[J].岩土工程学报, 2011, 33(11): 1734-1739.
    [5] 张延欢. 隧道掌子面围岩结构数字化获取与信息表征方法及工程应用[D]. 山东大学, 2017.
    [6] 柳杨, 顾昭艺. 彩色图像直方图均衡算法性能分析[EB/OL]. 北京: 中国科技论文在线[2011-04-18]. http//www.paper.edu.cn/releasepaper/content/201104-377.
    [7] 邵威. 面向人体骨组织3D打印的三维重建技术研究[D]. 哈尔滨工业大学, 2016.
    [8] 王小俊, 刘旭敏, 关永.基于改进Canny算子的图像边缘检测算法[J].计算机工程, 2012, (14): 196-198+202. DOI: 10.3969/j.issn.1000-3428.2012.14.059
    [9] 刘贤辉.基于OpenCV在移动端的图像处理技术[J].电子技术与软件工程, 2017, (09): 70.
    [10]

    Brown L.Tunnel Face Image Segmentation Optimization[J].Applied Mechanics & Materials, 2013, 397-400(397-400): 2148-2151.

    [11]

    Leu S S, Chang S L.Digital image processing based approach for tunnel excavation faces[J].Automation in Construction, 2005, 14(6): 750-765. DOI: 10.1016/j.autcon.2005.02.004

    [12] 祝志恒.数字图像处理技术在岩土工程测试领域的应用与发展[J].广东公路交通, 2014, (4): 71-76. http://d.old.wanfangdata.com.cn/Periodical/gdgljt201404018
    [13] 周春霖, 朱合华, 李晓军.新奥法施工隧道掌子面红外照相及图像处理[J].岩石力学与工程学报, 2008, (S1): 3166-3172.
图(6)
计量
  • 文章访问数:  2877
  • HTML全文浏览量:  1289
  • PDF下载量:  27
  • 被引次数: 0
出版历程
  • 发布日期:  2017-11-30
  • 刊出日期:  2017-11-30

目录

/

返回文章
返回