[发明专利]一种爆破后岩石粒度的智能图像统计方法

说明书

本发明公开了一种爆破后岩石粒度的智能图像统计方法，步骤是：A、在爆破现场使用照相机取得爆后的岩石爆堆二维图片；B、将初始粒度图片导入电脑，使用图像处理软件对照片做校正优化处理；C、将处理的图像代入基于matlab语言编写的第三代神经网络模型‑‑反馈式脉冲耦合神经网络模型进行处理；D、对预处理完成图像另进行梯度化处理获得梯度图像；E、将获得的岩石粒度标记图像与梯度图像代入标记分水岭分割方法，获得粒度分割图；F、统计二维图片中的块体大小及数量，绘制爆破块度分布曲线，完成岩石块度统计。操作简便，有效的利用智能图像处理实现了爆后岩石粒度统计，获得的块度统计数据相较于已有的处理技术具有更高的准确性。

技术领域

本发明属于岩土工程技术领域，更具体涉及一种爆破后岩石粒度的智能图像统计方法。

背景技术

爆破后爆堆的岩石粒度分布，是评价爆破效果的一种重要指标。爆堆岩石粒度的分布反映了爆破后的岩石的破碎程度，是设计和优化爆破参数的基础。现有的块度测量方法主要分为直接筛分法、二次爆破岩块计数法和图像技术处理法。随着图像处理技术的发展，已出现多种应用在爆破后岩石粒度测量的图像处理方法。可归纳为：WipFrag处理系统(WipFrag system)、FragScan处理系统(FragScan system)、Split处理系统(Splitsystem)以及某些高校与研究院研发的软硬件系统或统计方法，如马鞍山矿山研究院通过发大图片后人工加粗岩块边缘，以此获得现场岩块粒度分割图。

上述测量方法主要存在以下缺点：

(1)软件处理系统的工作原理为基于边缘的图像分割方法，这些边缘检测器对边缘的灰度值过渡较尖锐且噪声较小等情况简单的图像可以实现较好的分割，但对于边缘复杂、噪声干扰严重的图像处理效果不佳，会造成过分割、边缘丢失等情况。

(2)马鞍山矿山研究院等为代表的国内部分图像分割技术通过人工加粗岩块边缘，工作量大，难以应用于工程实际需要。

(3)分水岭区域分割法直接应用于现场统计时，始终无法克服现场灰度分布不均造成的“过分割”或者“欠分割”现象。

(4)已有的方法仅通过图像表现的灰度等部分信息对图像进行分割，与人类的视觉机理脱节,难以进行更精确的分割。寻找到具有较强鲁棒性、实时性的分割方法必须充分考虑人类的视觉特性机理。

发明内容

本发明的目的是在于提供了一种爆破后岩石粒度的智能图像统计方法，主要是解决了现有的爆破粒度图像测量时无法智能、高效、准确统计爆堆岩块粒度的技术难题，采用matlab编制相关程序后，仅需将现场爆堆图片代入程序即可，方法易行，操作简便，有效的利用反馈式脉冲耦合神经网络模型与标记分水岭分割方法实现爆后岩石粒度统计，获得的统计数据相较于之前的处理技术具有更高的准确度与便利性。该方法不仅充分考虑了人类的视觉特性机理，而且具有较强鲁棒性、实时性。

为了实现上述的目的，本发明采用以下技术措施：

一种爆破后岩石块度的图像统计方法，其步骤是：

步骤一、在爆破现场使用照相机取得爆后的岩石爆堆二维图片；

步骤二、将初始粒度图片导入电脑，使用adobe公司开发的photoshop图像处理软件对照片做预处理，如梯形校正、增加对比度；

步骤三、将预处理完成的图像代入基于matlab语言编写的第三代神经网络模型--反馈式脉冲耦合神经网络模型进行处理，从反馈式脉冲耦合神经网络模型输出的n组(n 为循环迭代次数)代表不同灰度信息的二值化图像中选择第二高点火集群生成的二进制图片作为岩石粒度标记图像；

步骤四、对预处理完成图像另进行梯度化处理获得梯度图像；

步骤五、将步骤三与步骤四中获得的岩石粒度标记图像、梯度图像代入Vincent发明的标记分水岭分割方法，获得最终的粒度分割图；