一种基于图像二维熵的土体裂隙定量评价方法技术

本发明专利技术涉及一种基于图像二维熵的土体裂隙定量评价方法，包括以下步骤：1)干缩裂隙提取，具体包括：11)对原始彩色裂隙图片进行灰度化处理，得到裂隙图片灰度图；12)对灰度图进行图像分割，得到裂隙二值图；2)计算裂隙二值图的二维熵值；3)基于二维熵对土裂隙几何特征进行定量评价。与现有技术相比，本发明专利技术具有计算量小且结果具有确定性等优点。

【技术实现步骤摘要】
一种基于图像二维熵的土体裂隙定量评价方法
本专利技术涉及岩土工程
，尤其是涉及一种基于图像二维熵的土体裂隙定量评价方法。
技术介绍
受地表蒸发的影响，土体表面常常由于失水收缩而开裂。裂隙的出现会影响土体的压缩性、强度以及渗透性等工程性质。裂隙网络的几何形态特征在一定程度上反映了土体失水过程中应变场的演化规律。因此，定量分析裂隙表面的几何形态对研究裂隙发育过程有重要意义，为揭示裂隙开展机理提供了重要的研究手段。同时，也为土体开裂现象引起的边坡失稳、地基破坏等工程事故的预防和处理奠定基础。一直以来，在众多裂隙评价指标中，分形维数常被用来表征裂隙几何特征的复杂程度。然而，自然界中的分形只是统计意义上的自相似，分形特征只存在于一定尺度范围，即所谓的“无标度区”。在分形研究中，无标度区间的确定是一个难点，至今仍然缺乏一个统一的、公认的标准用于判定无标度区。以往的研究中，土裂隙网络分形维数的计算常常忽略无标度区。这可能会使计算出的分形维数失去原有的意义。
技术实现思路
本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种基于图像二维熵的土体裂隙定量评价方法。本专利技术的目的可以通过以下技术方案来实现：一种基于图像二维熵的土体裂隙定量评价方法，包括以下步骤：1)干缩裂隙提取，具体包括：11)对原始彩色裂隙图片进行灰度化处理，得到裂隙图片灰度图；12)对灰度图进行图像分割，得到裂隙二值图；2)计算裂隙二值图的二维熵值；3)基于二维熵对土裂隙几何特征进行定量评价。所述的步骤11)中，在MATLAB软件中采用rgb2gray函数对原始图像R、G、B分量进行加权平均，权重分别为0.2989、0.5870、0.1140，计算出像素点的灰度值，得到原始裂隙图片的灰度图。权值选取为rgb2gray函数内置，根据人眼对色彩的敏感度及色彩的重要性等指标设置，由于人眼对绿色敏感度最高，对蓝色敏感度最低，所以采用这一组权值对RGB分量进行加权平均能得到较合理的灰度图像。所述的步骤12)中，采用局部阈值分割方法获取裂隙二值图，具体为：将图像分为n2个区域，对每个区域分别用大津法进行阈值分割，提取裂隙部分，再整合得到新的二值图像。所述的步骤2)中，裂隙二值图的二维熵值的计算式为：Pij＝f(i,j)/M其中，H为裂隙二值图的二维熵值，N为图像的像素值类别，二值化后取2，Pij为特征二元组(i,j)出现的频率，，f(i,j)为特征二元组(i,j)出现的频数，M为图像的总像素数。选择二值化后裂隙图像的邻域像素均值作为裂隙分布的空间特征量，与图像的像素值组成特征二元组(i,j)，其中i表示像素值，j表示邻域像素均值。所述的步骤3)中，裂隙二维熵表示裂隙图像信息量的大小，宏观上表示为裂隙的数量和裂隙的分布特征，反映了裂隙网络的复杂特性，二维熵越大，裂隙网络越复杂。选择n值的条件为：在局部区域尺寸不小于裂隙网络块区尺寸的前提下，保证每个区域都有裂隙存在，n值越大越好。图像分割后会产生较多全局分布的杂点，在MATLAB中采用bwareaopen函数将面积小于阈值的杂点去掉。在MATLAB中采用imclose函数对裂隙二值图进行桥接用以修复断裂和局部缺失的情况。与现有技术相比，本专利技术具有以下优点：一、本专利技术率先提出了将裂隙图像二维熵作为土裂隙几何特征评价指标，具有首创性。二、与传统图像灰度熵的计算过程相比，本专利技术在计算二维熵前先对裂隙图像进行二值化处理，将裂隙网络单独提取出来，极大地避免了图像光照、干湿不均匀对裂隙灰度熵计算结果的影响，可以更好的反映裂隙的空间特征和发育情况。三、与传统评价指标(分形维数)相比，二维熵计算不受无标度区的影响，具有确定性，且计算过程简单，对于土裂隙评价指标体系构建具有一定的参考价值。附图说明图1为将原始图片灰度化的过程图，其中，左图为原始图片，右图为灰度图。图2为采用局部阈值分割方法提取裂隙网络的示意图，其中，左图为阈值分布图，右图为二值图。图3为除杂、桥接过程示意图，其中，图(3a)为除噪前图像，图(3b)为除噪后图像，图(3c)为桥接修复后图像。图4为3张裂隙网络复杂程度依次增大的图片及其对应的二维熵值，其中，图(4a)为二维熵值H＝0.120时的图片，图(4b)为二维熵值H＝0.354时的图片，图(4c)为二维熵值H＝0.869时的图片。图5为本专利技术方法的流程示意图。具体实施方式下面结合附图和具体实施例对本专利技术进行详细说明。实施例下面结合附图对本专利技术作进一步的说明。本专利技术的方法共包括3个阶段：土裂隙提取、裂隙图像二维熵的计算、基于二维熵的土裂隙定量评价。第一阶段，土裂隙提取，基于数码相机拍摄的土体裂隙彩色图像，运用数字图像处理技术将裂隙提取出来。试验中数码摄影获得的图像为彩色图像，一般不能直接用于定量分析，需先将图像灰度化，再进行二值化处理。在MATLAB软件中采用rgb2gray函数对原始图像R、G、B分量进行加权平均，权重分别为0.2989、0.5870、0.1140，计算出像素点的灰度值，得到原始裂隙图片的灰度图，如附图1所示。由于裂隙和土块的灰度对比度较大，因此可以通过阈值分割法对图像进行分割处理将裂隙网络单独提取出来。采用局部阈值分割的思想，先将图像分为n2个区域(n为整数，根据实际情况挑选合适的n值)，对每个区域分别用大津法(Ostu法)进行阈值分割，提取裂隙部分，再整合得到新的二值图像；在挑选n值时，原则上n越大越好，但不应使划分的局部区域尺寸明显小于裂隙网络块区尺寸，本次计算中n值取5，图像分割过程见附图2。图像分割后会产生较多全局分布的杂点，在MATLAB中采用bwareaopen函数将面积小于阈值的杂点去掉；分割、去杂操作后会出现一些细小裂隙断裂、缺失的情况，采用闭运算的方法，在MATLAB中使用imclose函数对裂隙二值图进行桥接修复，见附图3。第二阶段，裂隙图像二维熵的计算。选择二值化后裂隙图像的邻域(4邻域或8邻域)像素均值作为裂隙分布的空间特征量，与图像的像素值组成特征二元组，记为(i,j)，其中i表示像素值(i＝0或1)，j表示邻域像素均值(0≤j≤1)。二维熵计算方法如式(2)所示，本次计算中j取与该像素点相邻的4个像素点的平均值。其中，H为裂隙图像二维熵；N为图像的像素值类别，二值化后取2；Pij＝f(i,j)/M，f(i,j)为特征二元组(i,j)出现的频数；M为图像的尺度(总像素)。第三阶段，基于二维熵的土裂隙定量评价。裂隙二维熵表示裂隙图像信息量的大小，宏观上表示为裂隙的数量和裂隙的分布特征，二者反映了土体表面裂隙的空间分布和复杂性。当裂隙图像确定时，二维熵具有确定的唯一值，二维熵越大，裂隙越发育，裂隙网络越复杂。附图4展示了3张复杂程度依次增大的裂隙图像，使用上述方法，基于MATLAB软件对这3张裂隙图像的二维熵进行计算，分别为0.120、0.354、0.869，与实际情况吻合。可见将二维熵作为土裂隙几何特征复杂程度的量度指标具有可行性。以上所述仅是本专利技术的优选实施方式，应当指出：对于本
的普通技术人员来说，在不脱离本专利技术原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本专利技术的保护范围。本文档来自技高网...

【技术保护点】
1.一种基于图像二维熵的土体裂隙定量评价方法，其特征在于，包括以下步骤：1)干缩裂隙提取，具体包括：11)对原始彩色裂隙图片进行灰度化处理，得到裂隙图片灰度图；12)对灰度图进行图像分割，得到裂隙二值图；2)计算裂隙二值图的二维熵值；3)基于二维熵对土裂隙几何特征进行定量评价。

【技术特征摘要】
1.一种基于图像二维熵的土体裂隙定量评价方法，其特征在于，包括以下步骤：1)干缩裂隙提取，具体包括：11)对原始彩色裂隙图片进行灰度化处理，得到裂隙图片灰度图；12)对灰度图进行图像分割，得到裂隙二值图；2)计算裂隙二值图的二维熵值；3)基于二维熵对土裂隙几何特征进行定量评价。2.根据权利要求1所述的一种基于图像二维熵的土体裂隙定量评价方法，其特征在于，所述的步骤11)中，在MATLAB软件中采用rgb2gray函数对原始图像R、G、B分量进行加权平均，权重分别为0.2989、0.5870、0.1140，计算出像素点的灰度值，得到原始裂隙图片的灰度图。3.根据权利要求1所述的一种基于图像二维熵的土体裂隙定量评价方法，其特征在于，所述的步骤12)中，采用局部阈值分割方法获取裂隙二值图，具体为：将图像分为n2个区域，对每个区域分别用大津法进行阈值分割，提取裂隙部分，再整合得到新的二值图像。4.根据权利要求1所述的一种基于图像二维熵的土体裂隙定量评价方法，其特征在于，所述的步骤2)中，裂隙二值图的二维熵值的计算式为：Pij＝f(i,j)/M其中，H...

【专利技术属性】
技术研发人员：蔡奕，蔡万贤，石涛，吴乔枫，
申请(专利权)人：同济大学，
类型：发明
国别省市：上海,31