数字图像处理在隧道工程地质分析中的应用研究

冷 彪,仇文革,王 刚,张 列

(西南交通大学交通隧道工程教育部重点实验室，土木工程学院,成都 610031)

1 概述

隧道施工开挖过程中，为了实时掌握隧道的地质状况，通常会对出露的掌子面、围岩等进行分析。对隧道掌子面而言，隧道开挖过程中形成的掌子面随地质情况不同而不同，其中蕴含的信息量巨大，然而要提取出其中的有用信息并加以分析利用却并不容易。施工现场受各种因素的制约，通常不允许在施工现场逗留太多时间对隧道掌子面进行观测和分析。另外，受技术条件限制，很多情况下仍然通过技术人员，根据既定的记录格式，进行实录填写。如填写人员无实际经验，往往造成填写漏项或出现失误，而导致围岩分级的判断不正确或出现失误。

因此，如何快速、可靠、客观地取得隧道掌子面地质数据变得至关重要。隧道掌子面数据主要包含节理裂隙信息。针对岩体节理裂隙的自动提取，一些学者如T.R.Reid、F.Lemy、王卫星等人[1-6]基于数字图像处理技术对岩体节理裂隙的自动提取算法进行了研究。根据已经提取出的节理裂隙，吴志勇、胡刚等人[7-9]进一步分析了能够用于评价岩体的量化特征参数。另外，一些学者[10-13]根据已经提取出岩体节理裂隙等，研究了建立三维地质结构数字模型的算法。

目前，针对隧道掌子面岩体进行的分析评价较为少见，大部分研究都是直接围绕岩体展开，不具有针对性。基于此，本论文对利用数码相机采集隧道掌子面图像以及利用图形学和图像处理技术处理掌子面图像进行了分析研究，分别从以下几方面来论述。

2 掌子面图像采集时间选择

为了分析整个掌子面的地质情况，需要采集完整的掌子面图像。然而在实际施工过程中，几乎所有工序都围绕掌子面展开，很难采集到完整的掌子面图像。以隧道采用光面爆破开挖为例，围绕掌子面的施工工序有：掌子面爆破钻孔→装药→爆破→出渣→掌子面排险→放样→衬砌支护。其中爆破钻孔、装药、爆破、出渣等工序均有施工人员围绕掌子面进行，且受工程进度制约，一般工序安排非常紧凑，使得在这几道工序之间没有时间也无法采集完整的掌子面数字图像。在掌子面排险完成后至衬砌支护前这段时间，不会对掌子面进行施工。只有此时可以采集到完整的掌子面地质图像。因此，选择在这段时间内在施工单位的配合下，对掌子面进行图像采集。

3 比例尺设置

在采集隧道掌子面地质图像时，掌子面两侧靠近边墙部位各设置一个标记点，用钢卷尺测量两标记点间的实际距离，如图1所示。

图1 隧道掌子面地质图像上两点间的距离测量

可按下式计算出图像与实际尺寸的比例

(1)

式中，λ为图像比例转换系数，pixel/cm；(x1，y1)、(x2，y2)为隧道掌子面地质图像中两标记点的像素坐标；D为施工现场两标记点间的实际距离，cm。

对隧道掌子面上左右边墙靠近底面部分取近似水平两点，测量这两点间的实际距离D。同时，在隧道掌子面图像中测量这两点的像素距离d，则此时图像与实际掌子面比例转换系数为d/D。

每次随施工进度采集到的掌子面图像与实际掌子面比例不一定完全相同，为了便于对所有掌子面图像统一分析，须将所有图像通过放大或缩小达到某一给定的比例转换系数。

4 掌子面图像分析

利用图像处理技术提取出掌子面图像中的结构面边界线，可用于统计分析掌子面特征参数和生成地质素描图，另外根据各相邻掌子面上对应的结构面边界线，可建立三维地质结构模型，预测掌子面前方的地质结构面，计算各结构面的岩层产状。

4.1 结构面边界线提取

岩体结构面的成因非常复杂，加上后期又经历了不同性质、不同时期构造运动的改造和表生演化，造成了结构面自然特征的千差万别。在隧道开挖过程中，对岩体结构面的现状亦即自然特征的研究十分重要。

(1)掌子面图像预处理

首先通过常用的图像处理算法[14]，调节图像质量，达到图像增强的目的，如直方图变换、亮度/对比度调节、色相/饱和度调节、灰度折线变换等。图2为隧道掌子面原始图像，图3为按式(1)对图像亮度和对比度调节的结果。其中，图像亮度增加了39、对比度增加了20。亮度/对比度调节按下式进行计算

(2)

式中，C表示对比度增加值；B表示图像亮度增加值；p和P分别表示原始像素灰度值和经亮度、对比度调整后的像素灰度值。

图2 掌子面原始图像

图3 掌子面图像亮度/对比度调节结果

(2)边缘检测及边界提取

在掌子面图像中，由岩层层理、节理、裂隙等形成的结构面通常为脉冲状或阶梯状边缘，如图4、图5所示。

图4 脉冲状边缘

图5 阶梯状边缘

应用传统的Prewitt、Sobel、高斯-拉普拉斯算子等图像卷积模板对图像进行卷积操作，尽管能够起到一定边缘检测效果，但这些算子主要的特点是对噪声敏感，边缘定位精度低。经综合比选，确定采用Canny算子[15，16]，检测图像边缘。

图6中，所有的白色边界线并非单像素宽，为了最终提取出里面的边界线，需要经过图像细化形成单像素宽边界，然后采用特定的边界连接算法[17]查找边界，并将不连续的边界线连接起来，最终提取出结构面边界，如图7所示。

图6 Canny算子边缘检测结果

图7 边界提取结果

在掌子面上，可能存在人工挖掘的痕迹，同时受掌子面附近粉尘较大，拍摄光线较暗淡等因素的影响，使掌子面图像上可能存在一定的图像噪声，影响了结构面边界的提取，故需要加入一定的人工干预，使最终得到的边界线能够真正与实际的结构面边界相吻合。

4.2 地质素描

在地质素描中，通常会包含节理组数、平均裂隙间距、产状、地质素描图等信息。若在施工现场对掌子面直接量测，则将耗费许多的人力、物力，且危险性较大。而利用掌子面图像量测则非常容易。

(1)节理组数：指组成交叉节理系统的节理组数目。将产状大致相同的节理划分为一组。根据对实际隧道掌子面上节理的分析，将视倾角之差小于10°的节理划分为一组。

(2)平均裂隙间距：结构面间距指结构面间的垂直距离，通常指一个节理组的平均的或最常见的间距。结构面间距是反映岩体完整程度和岩石块体大小的重要指标。公式如下

(3)

(3)产状：利用已测得的位于结构面的三个点的空间坐标，计算出结构面的平面方程，进而得出平面法线方程，法线与水平面间夹角的余角，即为结构面的倾角；由法线在水平面上的投影向量计算出结构面倾向。

如图8所示，设岩层节理L1和L2分别在两相邻掌子面上，且为同一结构面上的对应节理，已知L1的两端点为A(XA，YA，ZA)、B(XB，YB，ZB)，L2的两端点为C(XC，YC，ZC)，D(XD，YD，ZD)。建立全局坐标系OXYZ，其中X为正东方向，Y指向正北方向，Z轴垂直于水平面指向上方。oxyz为结构面ABDC上的局部坐标系，其中y轴在水平面与结构面ABDC的交线上，x轴垂直于y轴且在水平面上。

图8 结构面倾向、倾角示意

根据点A、B、C可建立结构面的平面方程

(4)

式(4)经变换可得如下方程

aX+bY+cZ+d=0(5)

其中，

则该平面方程的法线N的方向数为a，b，c，设结构面的倾向为α，倾角为β，则可以得到如下方程组

(6)

由方程组(6)可计算出该结构面的倾向α和倾角β。

在实际计算时，根据掌子面在空间中的实际位置对掌子面图像中的结构面边界线端点进行坐标定位，从而计算得到结构面的倾向和倾角。

(4)地质素描图：利用对掌子面图像结构面边界线提取结果加入一定的人工干预，可形成掌子面地质素描图，如图9和图10所示。

图9 掌子面原始图像

图10 边界提取后形成的地质素描图

综合提取出的掌子面特征参数和地质素描图，加入埋深、地下水状态等相关信息，可形成最终的地质素描。

4.3 建立隧道三维地质结构模型

掌子面上通常结构面比较复杂，可根据隧道各相邻掌子面上主要结构面边界线的对应关系，建立隧道三维地质结构模型，通过模型展示出隧道开挖区域的岩层结构面，并根据已知结构面平面向前延伸，可形成掌子面前方未开挖区域的结构面预测结果，如图11、图12所示。

图11 结构面三维示意

图12 隧道掌子面、结构面及预测结果

5 结论

隧道掌子面上含有大量的地质信息，然而要充分利用却并不容易。论文利用隧道掌子面图像对掌子面地质信息进行了初步分析，实现了以下功能：

(1)通过数字图像处理技术自动提取隧道掌子面上的结构面边界线；

(2)根据掌子面上的结构面边界线的统计分析和处理，得到平均裂隙间距、节理组数、结构面产状、地质素描图等信息，最终形成地质素描；

(3)根据掌子面上的主要结构面边界线的对应关系，建立三维地质结构模型，并对地质结构模型前方的结构面分布情况作出预测。

由于掌子面本身十分复杂，受地域、施工等因素的影响，掌子面图像也千差万别，故利用数字图像处理技术自动提取结构面边界线难以在各种情况下都达到理想的结果，这对后续地质素描和建立三维地质结构模型势必产生影响，故还需要对自动提取结构面边界线的算法作进一步的研究。

[1] T.R. Reid， J.P. Harrison. A semi-automated methodology for discontinuity trace detection in digital images of rock mass exposures[J]. International Journal of Rock Mechanics & Mining Sciences， 2000(37):1073-1089.

[2] F. Lemy， J. Hadjigeorgiou. Discontinuity trace map construction using photographs of rock exposures[J]. International Journal of Rock Mechanics & Mining Sciences，2003(40):903-917.

[3] Weixing Wang， Lei Li， Eva Hakami. Image Analysis of Multiple Rock Fractures. Proceedings of the IEEE International Conference on Mechatronics & Automation， 2005:1272-1276．

[4] 崔冰，王卫星.基于统计模式识别的岩石节理图像分割方法[J].计算机工程与应用，2006(10):213-215.

[5] Wang Weixing， Jin Wenbiao， Huang Ying. Rock Fractures Tracing by Image Processing[J].复旦大学学报：自然科学版，2004，43(5):930-932.

[6] 李锐，金文标.岩石节理二值图像的细化[J].微计算机信息，2007，23(2-3):294-296．

[7] 吴志勇，聂德新，李雪峰，等.基于数码图像的岩体结构信息采集处理研究[J].岩石力学与工程学报，2003，22(S2):2568-2571.

[8] 王卫星，段姣.基于数宇图像处理技术的岩石节理宽度测量[J].微型机与应用，2005(10):51-52.

[9] 胡刚，金乾坤.岩体天然裂隙计算机图像处理技术研究[J].有色金属，2004(5):39-40.

[10] ZU-QIANG XIONG， CE YUAN. Study on the 3D Engineering-Geological Modeling and Visualization System. 2008 International Conference on Computer Science and Software Engineering， 2008:931-934.

[11] 徐能雄，何满潮.层状岩体三维构模方法与空间数据模型[J].中国矿业大学学报,2004，33(1):103-108.

[12] 柴贺军，黄地龙，黄润秋.地质结构面三维扩展模型研究[J].水文地质工程地质,1999(4):16-18.

[13] 钟登华，李明超，杨建敏.复杂工程岩体结构三维可视化构造及其应用[J].岩石力学与工程学报,2005，24(4):575-580.

[14] 章毓晋.图象工程(上册)：图像处理和分析[M].北京：清华大学出版社,1999．

[15] 李弼程，彭天强，彭波,等.智能图像处理技术[M].北京：电子工业出版社，2004．

[16] Canny J F. A computational approach to edge detection[J]. IEEE Trans on PAMI， 1986，8(6):679-698.

[17] 冷彪.基于数码成像的隧道掌子面地质信息系统研究[D].成都：西南交通大学，2009:55-66.