基于数学形态学的地层特征自动识别方法研究.docVIP

基于数学形态学的地层特征自动识别方法研究 　　摘要 　　数学形态学中的分水岭变换是一种有效的图像分割手段，已广泛应用于图像分析领域。分水岭算法是一种基于数学形态学的图像分割方法。但在通常的地质图片中运用分水岭算法进行图像处理时，通常会由于检测的局部极值过多，存在过分割现象。带标记的分水岭算法把原图像转化为标记图像，能够有效地解决这一问题。本文采用带标记的分水岭方法对野外拍摄的照片进行分析处理，仿真实验证明可以有效的提取精细和粗糙尺度下的地质信息。 　　关键字：数学形态学；标记；分水岭算法；图像分割 　　Abstract: 　　Watershed algorithm based on mathematical morphology is widely used in image analysis as an effective method for graph split. However, excessive partial extreme value which is detected during image processing leads to over-split when watershed algorithm is applied in particular image processing such as geological image. Therefore, marked watershed algorithm can be applied to transform original image to marked image to solve this problem. In this article, marked watershed algorithm is introduced and applied to process and analyze digital geological image, and to prove that this method could extract geological information effectively in fine and rough scale according to simulation experiment result. 　　Key words: mathematical morphology; mark; watershed algorithm; graph split 　　中图分类号：G623.5 文献标识码：A 文章编号： 　　引言 　　在地质勘查中，经常会对一些特殊的地质现象，如地质构造、矿体与围岩接触带等进行素描，以获得对探区地质特征的直观认识。希望获得各个尺度下的细节信息，但是手绘的素描图需要有经验的地质工作者进行较长时间的工作，而且很可能会遗漏部分信息。如果能找到一种自动处理识别地质体特征的方法，就可以对各类地质现象进行大量拍摄，让计算机来进行自动地辅助识别，这样可能会提高对地质体认识的深入程度和准确度。 　　数学形态学中的分水岭变换是一种有效的图像分割手段，已广泛应用于图像分析领域。由于检测的局部极值过多,标准的分水岭变换存在过分割现象，直接运用难以产生满意的分割效果。迄今为止，人们提出了百余种图像分割算法，这些方法大致可以分为基于门限化、边缘检测、像素分类，以及多种方式综合使用的人工神经网络、模糊集理论、多分辨分析等多种类型。 　　本文采用分水岭方法对野外拍摄的照片进行自动分析，仿真实验证明可以有效的提取精细和粗糙尺度下的地质信息 　　1 数学形态学 　　数学形态学(mathematical morphology)是一门新兴的图像分析科学，其基本理论是由法国巴黎矿业学院的地质学家创立的。它建立在严格数学理论基础上的学科，以集合论作为其数学基础。其基本思想是用具有一定形态的结构元素去量度和图像中的对应形状，以达到对图像分析和识别的目的。 　　这门学科最初是针对二值图像进行运算的,由于它不但能够简化图像数据，保持图像基本的形状特性,而且能够除去图像中不相干的结构，所以被广泛地应用在图像处理、模式识别和计算机视觉等领域。 　　数学形态学的基础是二值形态学，包括膨胀、腐蚀、开启、闭合这四种基本运算，其中膨胀和腐蚀互为对偶运算，开启和闭合互为对偶运算。在这些运算中,结构元素具有非常关键的作用，它调整图像特征变化的几何结构。通过基本变换运算，可以得出边缘检测算子。在形态学的操作中最重要的是结构元素的选择，结构元素是一个用来定义形态学操作中所用到的邻域的形状和大小的矩阵，该矩阵仅由0和1组成，具有任意的大小和维数，1代表邻域内的像素，形态学运算都是对数值为1的区域进行运算。 　　膨胀和腐蚀是基