基于SVM和数字图像处理的岩体裂隙自动检测新方法

本文主要探讨了"基于数字图像处理和SVM的岩体裂隙迹线自动检测"这一主题，发表于2012年11月的《四川大学学报(工程科学版)》第44卷第6期。作者郭立钱、廖俊铋、钟方平等在研究中提出了一个创新的岩体裂隙迹线自动化检测方法。这种方法首先通过分析图像的光强度函数，计算出2阶导数的最大值方向上的每个像素点的1阶导数，这些导数过零点被识别为线特征点。接着，利用边缘相似性原则将这些特征点连接成线段，形成初步的线索。 特征参数的提取是关键步骤，包括线分段的光度参数（如亮度、对比度等）和几何学参数（如长度、角度等），这些参数用于描述裂隙迹线的特性。研究人员采用了盒约束的软间隔优化方法，这是一种改进的支持向量机(SVM)分类技术，它能够有效地处理高维数据并实现对裂隙迹线的准确识别和分类。 实验结果表明，这种方法成功地实现了从岩体暴露面图像中自动检测和识别裂隙迹线，生成的迹线图与地质工作人员手工绘制的结果有很高的契合度，这验证了所提方法的有效性和实用性。研究的关键词包括岩体结构面、裂隙检测、数字图像处理以及支持向量机，反映出这项工作结合了多领域的专业知识，对于提高地质勘探和灾害预防的效率具有重要意义。 这篇论文不仅介绍了新的岩体裂隙迹线检测算法，还展示了其在实际应用中的效果，为岩石力学研究和地质工程提供了有力的工具和技术支持。通过数字化手段提升岩体裂隙分析的自动化水平，对于推动地质科学的发展具有重要的理论价值和实践价值。