当前位置：首页 > 技术资讯

一种矿井岩体动态裂缝快速识别算法

• 摘 要： 由于人体指纹和岩体的纹路有着一定的相似性，在指纹识别技术的基础上提出一种算法用于岩体的动态裂缝识别。通过对矿井现场岩体动态裂缝纹路差异的检测和分析，证明求购电感了该种方法在岩体的动态裂缝识别上的可行性。
  关键词： 岩体裂缝；指纹识别；纹理匹配

  矿井安全已经成为众多安全问题中最主要的问题，大部分矿井研究都是针对煤矿等大规模矿产而进行的，对于钨矿这类有色金属的矿井安全研究却比较少见。但在地大物博的中国，有色矿井的遍布范围也不可忽视，而组成该类矿井的成分就是本文重点研究的岩体。矿井的塌陷很多是由于忽视早期的岩体裂缝所致。可见，基于岩体裂缝的特征分析对矿难的预防具有防患于未然的重大意义。
  矿井下的结构以岩体结构为主，岩体由于受到矿井下温度和湿度环境变化，以及人为开采等因素的影响，会出现一些细小的裂缝[1]。如果在开采中不提前防范，就可能会拉伸、贯通，从而形成更大的裂缝，对矿井的安全构成威胁。
  传统的岩体裂缝检测方法是通过人工井下观察、记录，来进行定期的检测。这种方法不仅会浪费大量的劳动力，而且还给作业人员的人身安全带了一定的危险。由于岩体的纹路特征和人体的指纹有着一定的相似性，因此本文将指纹识别算法技术引入岩体的动态裂缝识别算法中，并针对矿井岩体的纹路特征加以改进，形成一种岩体动态裂缝快速算法，从而为矿井岩体安全的智能无损检测提供了理论基础。
  1 算法具体过程
  指纹识别算法引入到岩体的动态裂缝识别中，首先需要对生成的纹理图像进行预处理，并进行图像分割，也就是二值化，然后再细化，在细化的图像中提取特征点，再将特征点进行相应的匹配。
  本文提出的算法总体框图如图1所示,主要部分为图像预处理、图像二值化、图像细化及纹理匹配等。

  

  
  1.1图像预处理
  图像的预处理是至关重要的部分，直接关系到特征提取是否取得很好的效果。为了保证从岩体内采集的图像不会失真，从而得到很好的增强效果，不能使用传统而又单一图像处理算法。因此需要融合多种处理技术，采用有针对性的一些处理方法。本文针对岩体裂缝图像特殊性，引入一种融合了多种处理技术的方法——SFC结合法[2]。该算法处理后的岩体裂缝图像不仅能有效地去除噪声而且还能锐化边缘，提高图像的对比度，能够把岩体纹路的前景图和背景图很好地分离开。
  SFC算法的具体步骤如下。
  (1) 利用改进的直方图灰度拉伸法进行对比度增强，该方法是对传统的直方图灰度变换和均衡的改进，目的在于改善图像的对比度，可以表示为：
  
  
  1.3 纹理匹配
  纹理匹配就是图像匹配技术，主要包括基于灰度的图像匹配技术、基于特征的图像匹配技术、基于理解的图像匹配技术，而本文中所使用的图像匹配技术就是基于特征点的匹配。平面上的点模式匹配的一般问题是确定仿射变换下两个点集是否匹配[6]。原始裂缝图像纹理识别过程及出现裂缝图像纹理识别过程如图3、图4所示。

  

  两幅图像中的点匹配算法有：(1)选择物体投影图像上的特征点，如局部灰度极大值点、角顶点等。(2)利用所选择特征点在结构上或其他特征上的差异进行匹配。但由于纹理的特殊性,不能直接借鉴平面点进行匹配,而需要进行一定的转换。因而可以借鉴指纹识别中的指纹信息的特征点匹配算法来进行相应的纹理匹配。纹理细节点的两种模型分别是纹线末端及纹线的分叉点[7]。
  记录每一个细节点的如下信息：横坐标和纵坐标，即x轴和y轴的有关信息；所在纹线的切线方向角；细节点的类型，即属于末端点还是分叉点。对于一幅显示较好的纹理图像，通常能提取出40~100个细节点。在图3(d)以及图4(d)中可以看出所提取出的特征点通过细节点表示，指纹匹配问题就能转化成为平面点模式匹配问题。

  基于TMS320F2812的双通道高精度伺服系统0 引 言 以无刷直流电动机为核心的无刷直流伺服系统具有优越的调速特性以及寿命长、效率高、维护性好等优点,高精度、高可靠性、高智能化的无刷直流伺服系统是当前伺服系统的重要发展方向[ 1 - 2 ] 。

  基于ARM9的交通违章抓拍系统的设计 智能交通系统（ITS）将先进的信息技术、数据通讯传输技术、电子控制技术、计算机处理技术等应用于交通运输行业，从而实现各种运输方式发展规划的现代化、决策的科学化和管理的智能化。数码电子警察是现在应用比

  文艺复兴时期音乐印刷发展述要音乐印刷术大抵始于1473年前后，常常应用于带有圣咏乐谱的宗教礼仪书籍之中。在15世纪晚期，出现木版刻制版印刷音乐谱符的情形，用于基本理论书或教科书的印制。1498年，出生于福松

   1/2    1 2 下一页 尾页

上一篇：便于集成的智能化电源模块监控系统研究

下一篇：ZigBee无线传输技术综述