[发明专利]一种基于纹理特征的钻孔雷达影像岩层分类方法

说明书

技术领域

本发明涉及一种岩层分类方法，具体涉及一种基于纹理特征的钻孔雷达影像岩层分类方法，属于岩体工程与图像识别技术领域。

背景技术

在进行隧道施工、桥梁设计、石油开发、建筑质量检测、地质灾害防治等地质工程时，往往需要进行地质勘探，了解地质岩层的结构形态。岩层的结构质量严重影响着工程的设计与施工，工期和造价。因此，在施工过程中对裂隙、层理、断裂、破碎带、岩溶和地下水等不同形态特征的岩体结构进行自动化分类与识别具有重要的实际意义。

钻孔雷达方法是一种根据雷达波的传播受到不同电磁性质及几何形态的岩土影响，接收端电磁波强度和波形随之发生变化，利用最终形成的地质雷达影像剖面来检测岩层中介质成分的方法。目前，岩层结构检测主要通过地质雷达影像剖面中的反射波组的波形与强度特征进行反演、偏移成像进行人工解译，虽然在一定程度上满足了需求，但是由于检测分类效率的低下、自动化程度低、人工检测易于出错和出现误检等问题，不能够满足现代化工程对于岩体结构分类的实际需求。因此，如何实现结构面形态特征的全自动分类迫切需要解决。另外，如何在钻孔影像中寻找新的特征量来辅助结构面的识别判读，也是解决这个问题的关键。

随着信息化时代的发展，人工智能与机器视觉技术越来越广泛地应用于各行各业，由于地质雷达影像剖面中的反射波组的波形灰度特征及其分布特性明显，本发明提出了一种利用不同岩层结构形态形成的钻孔雷达影像反射波的纹理特征不同对典型岩层结构形态进行分类的方法，通过图像预处理、纹理特征提取、相似度匹配来解决钻孔雷达影像中不同岩体结构的自动化分类与识别。

发明内容

本发明的目的在于克服现有技术的缺陷，提供一种基于纹理特征的钻孔雷达影像岩层分类方法。该方法将图像识别技术应用岩体工程中，简单易行，稳定可靠，可以实现全自动化处理，无需人为因素干预，极大地提高了工作效率。

本发明是这样实现的：

一种基于纹理特征的钻孔雷达影像岩层分类方法，包括如下步骤：

步骤(1)、采集典型岩层结构类别的钻孔雷达影像剖面图，建立样本库；

步骤(2)、采集待分类的钻孔雷达影像剖面图，得到待分类图像；

步骤(3)、样本图像特征提取与训练：求取每个样本图像的灰度共生矩阵，并提取灰度共生矩阵的特征参数，将其归一化后形成一个特征向量，作为训练样本输入到纹理特征库中；

步骤(4)、待分类图像的特征提取：从待分类图像的左上角开始，对每个16×16像素的图像块进行分块，得到待分类图像块；按照步骤(3)的方法得到待分类图像的纹理特征矩阵；

步骤(5)、待分类图像块的岩层分类：根据步骤(3)和步骤(4)求得的纹理特征矩阵进行相似度匹配，待分类图像块分类为相似度最大的一类，输出岩层分类结果；

步骤(6)、重复步骤(4)～(5)直至待分类图像的每个图像块分类完毕，相似纹理区域的小块具有相同编号，然后根据编号的不同实施区域整合划分，实现钻孔雷达影像的纹理分类。

更进一步的方案是：

步骤(1)中，建立样本库，是预先收集不同岩层类别的钻孔雷达影像剖面图，对这些图像进行预处理，选取每种岩层的16*16像素的样本图像块50-100个，构成样本库。

更进一步的方案是：

对图像进行预处理，是指去除噪声和二值化处理，以便更好地提取图像特征；然后将图像的灰度分为16个灰度级，滤掉不需要的信息，减少共生矩阵的计算，从而提高图像识别的速度与准确率。

更进一步的方案是：

步骤(3)中，灰度共生矩阵的特征参数为能量(Energy)、对比度(Contrast)、熵(Entropy)、相关性(Correlation)4个参数。能量是灰度共生矩阵元素值的平方和，反映了图像灰度分布均匀程度和纹理粗细度；对比度反映了图像的清晰度和纹理沟纹深浅的程度；熵是图像所具有的信息量的度量，纹理信息也属于图像的信息；相关性可以度量空间灰度矩阵元素在行或列方向上的相似程度。它们的计算公式如下：

其中，k为灰度共生矩阵的行数(列数)，P(i,j)为图像在(i,j)处的灰度值，μ_i,μ_j,δ_i,δ_j的计算公式如下：