岩石三维图像裂缝提取方法

doi:10.3778/j.issn.1002-8331.1705-0224

计算机工程与应用 ›› 2018, Vol. 54 ›› Issue (17): 186-191.DOI: 10.3778/j.issn.1002-8331.1705-0224

岩石三维图像裂缝提取方法

夏晨木，滕奇志，卿粼波，吴晓红，何小海

四川大学电子信息学院图像信息研究所，成都 610065

出版日期:2018-09-01 发布日期:2018-08-30

Crack recognition of 3D rock images

XIA Chenmu, TENG Qizhi, QING Linbo, WU Xiaohong, HE Xiaohai

Institute of Image Information, College of Electronics and Information Engineering, Sichuan University, Chengdu 610065, China

Online:2018-09-01 Published:2018-08-30

摘要/Abstract

摘要： 提出一种新的岩石三维图像裂缝提取算法。首先对三维岩石孔隙模型的每个连通分量执行表面重建、拉普拉斯网格平滑、网格简化等操作。根据三角网格面积和网格单位法向量方向特征，将三角网格划分为不同类别。利用形状因子判定每个三角网格类构成的三维空间结构是否具有裂缝特征。对具有裂缝特征的三维空间结构所包含的体素点集执行形态学膨胀操作，并与原始三维岩石孔隙模型连通分量的体素点集进行逻辑与操作，与操作结果即岩石裂缝。实验结果表明，该方法具有较好的裂缝提取效果。

关键词: 岩石三维图像, 裂缝识别, K-均值聚类, 形状因子, 形态学膨胀

Abstract: This paper presents a new three-dimensional image crack extraction algorithm. Firstly, surface reconstruction, Laplacian grid smoothing and mesh simplification are performed for each connected component of the three-dimensional rock pore model. According to the triangular mesh area and the grid unit normal vector direction feature, the triangular meshes are divided into different categories. The shape factor is used to determine whether the three-dimensional spatial structure of each triangular mesh class has a crack feature. The morphological dilation operation is performed on the set of voxels contained in the three-dimensional spatial structure with fracture characteristics. The intersection of the dilated voxels set and the voxels set of the connected components of the original three-dimensional rock pore model are rock cracks. The experimental results show that the method has a good effect of crack extraction.

Key words: 3D rock image, crack recognition, K- means clustering, shape factor, morphological dilation

夏晨木，滕奇志，卿粼波，吴晓红，何小海. 岩石三维图像裂缝提取方法[J]. 计算机工程与应用, 2018, 54(17): 186-191.

XIA Chenmu, TENG Qizhi, QING Linbo, WU Xiaohong, HE Xiaohai. Crack recognition of 3D rock images[J]. Computer Engineering and Applications, 2018, 54(17): 186-191.

[1]	张金敏1，雷江1，2. 统计建模与对象更新机制相结合的背景减法[J]. 计算机工程与应用, 2016, 52(11): 152-157.
[2]	闵永智1，康飞1，党建武1，邓岳2. 轨道视觉检测系统中行程编码的应用研究[J]. 计算机工程与应用, 2015, 51(19): 169-172.
[3]	段宝彬1，2，韩立新2. 改进的深度卷积网络及在碎纸片拼接中的应用[J]. 计算机工程与应用, 2014, 50(9): 176-181.
[4]	田大增1，吴静2. 改进的粗糙模糊和模糊粗糙K-均值聚类算法[J]. 计算机工程与应用, 2014, 50(17): 142-145.
[5]	陈坤，马燕，李顺宝. 融合直方图阈值和K-均值的彩色图像分割方法[J]. 计算机工程与应用, 2013, 49(4): 170-173.
[6]	何云斌，肖宇鹏，万静，李松. 基于密度期望和有效性指标的K-均值算法[J]. 计算机工程与应用, 2013, 49(24): 105-111.
[7]	丁雪洁，解恺，刘维，刘纪元，江泽林. 利用新特征空间的SAS图像目标分类算法[J]. 计算机工程与应用, 2013, 49(21): 138-140.
[8]	沈菊红，黄永东，孔妮娜. 一种Vague集的模糊支持向量数据描述[J]. 计算机工程与应用, 2012, 48(29): 196-200.
[9]	汪志亮1，高健1，赵伟明2. 面向OLED屏像素缺陷检测的新方法[J]. 计算机工程与应用, 2012, 48(26): 177-180.
[10]	杨会锋1，曹洁1，帅立国2. 一种改进的运动目标检测方法[J]. 计算机工程与应用, 2012, 48(20): 206-210.
[11]	李明，赵勋杰. 改进的基于高斯混合模型的运动目标检测算法[J]. 计算机工程与应用, 2011, 47(8): 204-206.
[12]	洪亮亮，罗可. 动态的粗糙增量聚类方法[J]. 计算机工程与应用, 2011, 47(24): 106-110.
[13]	李春英1，汤志康2，曹元大3. 神经网络集成的城市道路状态判别模型研究[J]. 计算机工程与应用, 2011, 47(15): 225-228.
[14]	蹇涛，李宏，郭跃健. 结合代价敏感及多数类分解的非平衡分类[J]. 计算机工程与应用, 2011, 47(1): 150-153.
[15]	苏清华^1，2，胡中波¹，熊一能¹. 聚类问题的自适应杂交差分演化模拟退火算法[J]. 计算机工程与应用, 2010, 46(23): 41-43.

岩石三维图像裂缝提取方法

Crack recognition of 3D rock images

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics