典型文献
基于SLIC超像素分割与合并的隧道围岩节理裂隙识别
文献摘要：
在隧道施工中,围岩节理裂隙统计是隧道地质信息编录调查和量化分析的重要前提条件.传统的数字图像处理算法均以直接标记节理裂隙的分布位置为目的,因此难以识别没有宽度的节理裂隙.另一方面,阈值分割法、边缘检测法等传统检测方法由于未考虑对象的几何信息,因此对不均匀光照、阴影、地下水等隧道围岩表面常见干扰因素非常敏感,影响识别精度.针对传统识别算法的局限性,提出了一种基于SLIC超像素分割与合并的节理裂隙识别算法.首先,基于非局部均值滤波对围岩RGB图像进行了降噪处理,初步改善图像的识别条件.随后,基于SLIC超像素分割获得了图像的超像素区块.最后,计算了相邻超像素区块之间的合并权重,构建了区域邻接图(RAG),并执行了层次区域合并算法,将该合并结果的轮廓经过坐标转化获得最终的节理裂隙分布图.对比试验表明:该算法的识别精度可达85.44％,显著高于Canny边缘检测算法的68.59％和自适应高斯阈值法的54.05％,且高于同类型的Quickshift超像素分割算法,并在鲁棒性上具有明显优势;该算法在节理裂隙识别效果上较传统节理裂隙检测算法具有明显的优势,能够适应隧道围岩节理裂隙的形态特征,克服拍摄环境中的各类干扰因素,实现节理裂隙精准定位与识别.
文献关键词：
隧道工程;节理裂隙识别;超像素分割;岩体稳定性;计算机视觉
中图分类号：
作者姓名：
陈宝林;王宇;王浩宇;朱长根;傅金阳
作者机构：
浙江数智交院科技股份有限公司,浙江 杭州 310013;中南大学 土木工程学院,湖南 长沙 410075;上海宝冶集团有限公司,上海 201799
文献出处：
引用格式：
[1]陈宝林;王宇;王浩宇;朱长根;傅金阳-.基于SLIC超像素分割与合并的隧道围岩节理裂隙识别)[J].公路交通科技,2022(07):139-146,156
A类：
节理裂隙识别,自适应高斯阈值法,Quickshift
B类：
SLIC,超像素分割,隧道围岩,隧道施工,施工中,地质信息,编录,前提条件,数字图像处理,图像处理算法,分布位置,阈值分割,分割法,检测法,几何信息,匀光,阴影,干扰因素,识别精度,识别算法,非局部均值滤波,RGB,降噪处理,邻接,RAG,区域合并,裂隙分布,分布图,Canny,边缘检测算法,分割算法,精准定位,隧道工程,岩体稳定性,计算机视觉
AB值：
0.230652
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
