隧道掌子面巖體裂隙快速識別方法

冷 彪 ，張 毅 ，楊 輝 ，侯高鵬

（1. 西南交通大學(xué)土木工程學(xué)院，四川 成都 610031；2. 西南交通大學(xué)交通隧道工程教育部重點實驗室，四川 成都610031；3. 中鐵二院工程集團(tuán)有限責(zé)任公司，四川 成都 610031）

隧道工程中，工程地質(zhì)情況一直是參建各方十分關(guān)注的問題. 隧道施工期形成的掌子面蘊(yùn)含大量地質(zhì)信息，隨工程推進(jìn)，掌子面不斷產(chǎn)生變化，地質(zhì)狀態(tài)也在發(fā)生改變. 掌子面巖體結(jié)構(gòu)特征評價是隧道工程的基本工作，可用于圍巖分級、穩(wěn)定性預(yù)測、支護(hù)設(shè)計[1]和施工工藝設(shè)計. 實際工程中，受現(xiàn)場條件、技術(shù)條件限制，多數(shù)情況下仍然通過技術(shù)人員，根據(jù)既定記錄格式實錄填寫掌子面地質(zhì)信息. 如填寫人員無實際經(jīng)驗，記錄結(jié)果不夠準(zhǔn)確，易導(dǎo)致對圍巖地質(zhì)狀況評價結(jié)果出現(xiàn)偏差. 另外，對掌子面地質(zhì)信息主要以定性分析為主，缺少定量描述，難以更加精細(xì)的指導(dǎo)設(shè)計和施工.

目前國內(nèi)外對掌子面地質(zhì)信息自動提取和分析已開展了一定研究. 通過數(shù)碼照相采集掌子面圖像信息并自動分析是其中的一種方法. 數(shù)碼相機(jī)的普及，使掌子面數(shù)碼圖像獲取相對容易，圖像處理采用數(shù)字圖像處理技術(shù)，當(dāng)自動圖像處理和識別巖體裂隙等特征難度較大時，加入人工干預(yù)，以實現(xiàn)對掌子面巖體特征分析，也能滿足一定使用需求.

Leu等[2]對隧道掌子面數(shù)字圖像的處理及應(yīng)用過程進(jìn)行了分析. 周春霖等[3-4]介紹了基于Hough變換檢測和識別巖體裂隙的算法，但Hough變換僅適用于檢測近似直線的裂隙，不適合檢測連續(xù)的非直線裂隙. 范留明等[5-6]利用模板匹配和閾值匹配算法檢測巖體裂隙，其檢測結(jié)果采用人工方式提取巖體裂隙，效率較低，對具有大量裂隙的巖體處理工作量極大. 葉英等[7-8]對預(yù)處理后的巖體圖像進(jìn)行了統(tǒng)計特征分析，用于統(tǒng)計特征的圖像已經(jīng)過圖像處理，是否可直接用于特征提取未經(jīng)驗證，故統(tǒng)計特征的可靠性仍有待證實.

掌子面巖體裂隙是掌子面上的典型特征，可用于統(tǒng)計節(jié)理分組、平均裂隙間距、單位面積裂隙長度等特征參數(shù)[6]，以評價掌子面巖體穩(wěn)定性. 本文對掌子面巖體圖像的采集、圖像處理、裂隙識別及節(jié)理分組方法進(jìn)行了研究，提出一種對掌子面數(shù)字圖像中巖體裂隙識別的算法. 通過巖體裂隙分析，實現(xiàn)對直線和非直線狀巖體裂隙邊界線自動提取，提高了巖體裂隙提取速度. 根據(jù)提取結(jié)果，建立了巖體裂隙邊界線自動分組方法. 該研究成果可作為掌子面巖體地質(zhì)素描的一部分，大大降低掌子面地質(zhì)素描時間，提高地質(zhì)素描準(zhǔn)確性. 可據(jù)此生成掌子面地質(zhì)素描圖，自動計算掌子面巖體特征參數(shù)，對掌子面地質(zhì)情況做出定量分析和定性評價.

1 掌子面巖體信息分析方法

掌子面巖體信息分析方法如圖1所示. 首先采用圖像增強(qiáng)算法使圖像與視覺響應(yīng)特性相匹配，提高掌子面圖像視覺效果；然后對圖像進(jìn)行邊緣檢測和邊界線提取，對提取邊界線進(jìn)行擬合、拆分和連接，得到巖體裂隙邊界線自動提取結(jié)果，對提取結(jié)果進(jìn)行人工修正后，采用算法對裂隙邊界線進(jìn)行自動分組，若分組結(jié)果有誤，可再次進(jìn)行人工分組修正；最后得到不同分組下巖體裂隙邊界線掌子面地質(zhì)素描圖.

圖1 掌子面巖體信息分析流程Fig. 1 Flow chart of analysis of rock mass in the face

隧道施工環(huán)境復(fù)雜，采集掌子面圖像時，盡量避免施工粉塵影響、人工和施工機(jī)械干擾，為便于圖像處理和圖像解析，攝影位置盡量位于掌子面后方中間位置，攝影距離以相機(jī)能剛好采集到完整掌子面區(qū)域圖像為宜，攝影時應(yīng)盡量保證良好光照條件，保持光線均勻，鏡頭主軸方向與掌子面垂直，有條件時，盡量設(shè)置三角架采集圖像.

采集圖像前，在掌子面兩側(cè)底部各設(shè)置一標(biāo)記點，測量兩標(biāo)記點間實際距離，以對不同時期采集掌子面圖像設(shè)置統(tǒng)一圖像像素與實際尺寸比例關(guān)系.采集圖像時，若受客觀條件制約，圖像成像質(zhì)量欠佳，應(yīng)通過圖像增強(qiáng)算法進(jìn)行預(yù)處理，以提高圖像質(zhì)量.

2 裂隙邊界線提取

2.1 邊緣檢測

邊緣檢測能夠檢測出掌子面上的巖體裂隙，以便于提取和識別巖體裂隙.

傳統(tǒng)邊緣檢測算子具有對噪聲敏感、邊緣定位精度低、邊緣連續(xù)性差等特點[9]. 而Canny檢測算子[10]能盡量降低噪聲影響，標(biāo)識出盡可能多的實際邊緣，且檢測邊緣與實際邊緣能最大程度接近，因此首先將Canny算子應(yīng)用于掌子面巖體圖像分析，如圖2所示. 由圖可知：圖2（b）中Canny算子邊緣檢測結(jié)果極大保留了真實巖體裂隙連續(xù)邊緣，能夠較好反映圖2（a）中真實巖層邊界，有利于提高巖體裂隙邊界提取成功率.

圖2 Canny算子邊緣檢測Fig. 2 Canny operator edge detection

2.2 邊界提取

邊界提取算法用于提取邊緣檢測結(jié)果中所有可能的巖體裂隙邊界線目標(biāo). 由于一些邊界線目標(biāo)存在分叉，使真實裂隙邊界識別變得復(fù)雜，采用以下方法實現(xiàn)邊界提?。?/p>

1） 圖像細(xì)化

對圖像進(jìn)行細(xì)化，得到單像素寬目標(biāo)邊界，使任意邊界像素點P的8連通區(qū)域內(nèi)目標(biāo)像素點只能通過P相連.

2） 清除分叉節(jié)點

對邊界線上任一目標(biāo)像素點，統(tǒng)計其8鄰域目標(biāo)像素點數(shù)N，若N≥ 3，則當(dāng)前目標(biāo)點為分叉節(jié)點時，將該點標(biāo)記為背景像素灰度值.

3） 提取邊界

對邊界線上任一目標(biāo)像素點，若其8鄰域目標(biāo)像素點數(shù)N= 1，則當(dāng)前目標(biāo)點為邊界線端點時，以此點為起點，跟蹤邊界線目標(biāo)像素點，直至另一端點，此過程將查找到邊界線上所有像素點. 以此類推，可查找到所有邊界像素點.

圖3（a）為圖像細(xì)化后一條完整的裂隙邊界線，清除分叉節(jié)點后，得到圖像3（b）中3條裂隙邊界線.

圖3 單像素寬裂隙邊界線處理示意Fig. 3 Diagram of single-pixel-width fracture boundary line processing

2.3 邊界分析

2.3.1邊界擬合

巖體裂隙通常在較小范圍內(nèi)近似呈直線，根據(jù)該特點，范留明等[5]采用Hough變換，對所有邊界像素點進(jìn)行分析，識別出巖體裂隙，該算法對識別近似直線裂隙邊界具有良好效果，若巖體裂隙邊界線曲率較大，則識別效果欠佳. 章毓晉[11]介紹了一種基于聚合的線段逼近法近似表達(dá)目標(biāo)輪廓，該算法可將閉合目標(biāo)邊界擬合成多段線，若單像素寬裂隙邊界線未閉合，則其擬合效果不穩(wěn)定，且約有1/2的數(shù)據(jù)冗余. 這里采用以下方法提取出單像素寬未閉合裂隙邊界線.

設(shè)一條邊界線從一端到另一端像素點分別為pi（i= 1，2，···，n）（見圖4），將p1作為擬合多段線起點，沿邊界線依次分析各像素點. 設(shè)當(dāng)前像素點為pj，依次計算像素點p2,p3,···,pj?1, 到線段p1pj的距離dj. 若所有像素點到線段p1pj的距離值均小于給定值dT，則繼續(xù)分析pj+1；反之，則將pj?1作為擬合多段線上的端點之一保存，然后以pj?1為起始點，采用相同方法繼續(xù)分析其后的像素點，直至完成所有像素點分析，即得到擬合多段線上的所有頂點.

采用不同距離閾值dT對圖3（b）中的邊界線進(jìn)行多段線擬合，如圖5所示. 結(jié)果顯示：dT值越大，其擬合效果越差.

圖4 原始邊界及聚合結(jié)果Fig. 4 Original boundary and aggregation results

圖5 邊界線多段線擬合Fig. 5 Boundary line polyline fitting

2.3.2 邊界拆分及合并

所有提取出的邊界線目標(biāo)可能是較平滑的直線，也可能是曲率較小的曲線，而巖體裂隙在較小范圍內(nèi)通常呈近似直線，因此采用以下步驟對可能為巖體裂隙的邊界線進(jìn)行篩選.

步驟1設(shè)定分離閾值αT，若多段線上某兩相鄰線段間夾角小于αT，則將多段線從這兩相鄰線段的公共點處分離成兩條多段線. 圖6中，原擬合多段線L1中p2、p3、p4構(gòu)成的夾角α小于αT，則將L1從端點p3處分離成L2和L3兩條多段線.

圖6 擬合多段線分離Fig. 6 Fitted the polyline separation

步驟2對兩兩相鄰多段線，以R值表示兩多段線通過最近鄰點連接合并的可能性大小，令

式中：l1、l2均為兩相鄰多段線長度；D為兩相鄰多段線的最近鄰點間連線長度；β1、β2均為連線與相鄰兩線段間夾角；βT、DT為給定閾值.

計算所有與當(dāng)前多段線某端點可能相連多段線的R值并進(jìn)行比較，將R值取最大值Rmax對應(yīng)的多段線與當(dāng)前多段線從最近距離端點處相連，合并成一條多段線. 圖7中，L0與L1滿足βT≤β3，≤180°，D3

圖7 兩近鄰多段線相似性分析示意Fig. 7 Schematic diagram of similarity analysis of neighboring polylines

步驟3對連接后的多段線進(jìn)行篩選，設(shè)置長度閾值LT，清除所有長度小于LT的多段線.

在圖8（a）中，以不同顏色表示邊界拆分后的各條多段線，圖8（b）根據(jù)式（1）計算分析后合并形成的各條多段線以不同顏色標(biāo)記，圖8（c）顯示了以不同顏色標(biāo)記的最終邊界篩選結(jié)果，在圖8（d）中通過與原圖對比，較好的實現(xiàn)了對裂隙的提取.

圖8 邊界拆分、合并及篩選結(jié)果（dT = 2）Fig. 8 Boundary split，merge and filter results (dT = 2)

3 邊界線分組

在掌子面上，同一組巖體裂隙其擬合多段線方向基本一致. 統(tǒng)計所有多段線角度，根據(jù)角度值分布情況對裂隙進(jìn)行分組，分組方法如下：

1） 計算所有多段線角度γk，如式（2）.

式中：lkm為多段線Lk上第m條線段長度，與水平向右方向射線間夾角為γkm；M為多段線上的線段條數(shù)；

2） 將多段線按γk分類，每10° 為一類，得到{Po|o= 1，2，···，18}；

3） 計算Po的多段線長度之和so，查找函數(shù)so=f（o）的所有極大值點，合并相鄰且對應(yīng)o值之差不大于2的極大值點，得到集合{Sq|q= 1，2，···，Q}；

4） 根據(jù){Sq}子集{Sqt|t= 1，2，···，T}中的Sq1和SqT，在so=f（o）中對應(yīng)位置分別查找Sq1前最近鄰極小值點位置o1、Sq1和SqT間極小值點o2、SqT后最近鄰極小值點o3. 若T< 3，則在{Po|o= 1，2，···，18}中，將[o1，o3）間所有對應(yīng)多段線劃分為一組；若T≥ 3，則在{Po|o= 1，2，···，18}中，分別將[o1，o2）、[o2，o3）間所有對應(yīng)多段線各劃分為一組.

4 實際效果與討論

為了驗證方法的可行性和可靠性，開發(fā)了“隧道掌子面地質(zhì)信息系統(tǒng)”，對隧道內(nèi)拍攝的掌子面圖像進(jìn)行分析. 系統(tǒng)中包含了“圖像預(yù)處理”“裂隙自動提取”“裂隙編輯”“裂隙過濾”“裂隙分組”等功能.

在系統(tǒng)中，采用論文給出算法對3幅具有明顯裂隙的掌子面區(qū)域巖體圖像進(jìn)行自動圖像處理和解析，如圖9所示. 調(diào)用裂隙自動提取算法處理時，基于經(jīng)驗，參數(shù)取值如表1.

圖9 掌子面圖像及巖體裂隙邊界提取與分組結(jié)果Fig. 9 Image of the face and the boundary of the rock mass are extracted and grouped.

表1 巖體裂隙自動提取及分組結(jié)果與人工修正結(jié)果對比Tab. 1 Comparison of automatic extraction results and artificial correction results of rock mass fractures

在圖9（a）①中：左上角有2條裂隙未成功提取，是因為該裂隙與背景對比底過低，使提取的裂隙不連續(xù)，被自動過濾刪除. 圖9（b）①中：有部分顏色較深、對比度不明顯裂縫邊界未被成功提取. 圖9（a）、（b）、（c）中的圖②分別有少量偽邊界，是由偽邊界與周邊區(qū)域有一定對比度造成的. 圖9（b）②上部有兩條夾角較小邊界多段線被正確分割成兩條不同方向邊界線. 圖9（a）、（b）、（c）中的圖③中，邊界線對原始圖像中的裂隙定位非常準(zhǔn)確.

為衡量裂隙自動提取結(jié)果是否較好反映真實巖體裂隙分布情況，在表1中，對自動提取裂隙邊界線總長度、人工刪除偽裂隙邊界線情況、人工添加未成功自動提取裂隙邊界線情況、自動分組出錯情況進(jìn)行統(tǒng)計. 其中，Lt根據(jù)提取的擬合多段線進(jìn)行計算，Rd=Ld/Lt，Ra=La/Lt，Re=Le/（Lt?Ld+La）.

從表1可以看出：自動提取結(jié)果均進(jìn)行了人工修正，但人工刪除和添加的裂隙邊界線長度占比極小，說明算法能夠較好提取巖體裂隙邊界. 在測試圖像中，僅有圖9（a）③中有一條錯誤分組邊界線，結(jié)合圖9（a）③、（b）③、（c）③可知，自動分組方法能夠較好實現(xiàn)對巖體裂隙邊界線分組.

根據(jù)測試結(jié)果，論文給出方法基本實現(xiàn)對掌子面巖體裂隙的提取，提取結(jié)果對巖體裂隙定位精度較高，裂隙邊界線分組能夠反映掌子面巖體裂隙的真實分組情況. 對自動處理結(jié)果，采用較少人工干預(yù)，即可得到實際的巖體裂隙提取和分組結(jié)果，形成掌子面地質(zhì)素描圖.

5 結(jié) 論

1） 論文提供了一種掌子面巖體裂隙自動提取和分組算法，該算法可用于分析掌子面圖像巖體裂隙. 即采用Canny邊緣檢測算子檢測出掌子面上所有可能的巖體裂隙邊界，并根據(jù)真實巖體裂隙特征，對可能的裂隙邊界線進(jìn)行擬合、拆分、篩選、合并，獲得巖體裂隙邊界線提取結(jié)果，再根據(jù)裂隙邊界線視傾角對篩選結(jié)果通過算法自動進(jìn)行分組.

2） 論文給出的算法能夠?qū)崿F(xiàn)掌子面上巖體裂隙的自動提取和分組，論文通過實際掌子面圖像測試，驗證了算法的實際效果，提高了掌子面巖體裂隙提取和分組的自動化程度. 論文沒有考慮滲水、挖土機(jī)挖掘痕跡等復(fù)雜情況，需要在后續(xù)研究中排除這些因素帶來的干擾，進(jìn)一步提高巖體裂隙自動提取方法的準(zhǔn)確性和連續(xù)性.