[发明专利]一种隧道爆破炮孔半眼痕识别和损伤平整度评价分类方法

权利要求书

1.一种隧道爆破炮孔半眼痕识别和损伤平整度评价分类方法，其特征在于，包括以下具体步骤：

S1：拍摄标准对照图像，标准对照图像尺寸根据分析尺度综合确定，选取理想半眼痕岩面第一对照图像和超欠挖不可接受第二对照图像作为标准对照图像；

S2：获取实际爆破后的半眼痕图像作为第三分析图像，分析图像尺寸和拍摄环境与前述对照图像一致；

S3：根据采集图像含有的高斯噪声服从正态分布的特点，对上述三类图像进行二维Gaussian算法去噪；

S4：为了减少图像原始数据量，根据图像直方图设定阈值对上述三类去噪后的图像进行灰度处理；

S5：对上述灰度处理图像进行二值化处理，通过最大熵阈值法设定最佳二值化阈值；

S6：采用梯度向量流-Snake和主动轮廓模型(GVF-Snake-ACM)对图像中半眼痕边界及相关区域进行识别；

S7：将半眼痕识别后的三类图像，分别导入ImageJ软件中，选用半眼痕区域面积与图像总面积的比率确定为平整度损伤变量：

S8：将选取第一对照图像和第二对照图像半眼痕面积占比区间归一化并建立损伤度与分形维数D之间的量化关系：ω＝(D)^β，从而确定半眼痕区域面积占比、损伤变量和分形维数三者间的量化关系；

S9：通过半眼痕面积占比值进行线性差值计算确定第三分析图像对象的损伤值；

S10：对多幅半眼痕识别图像采用灰度共生矩阵算法提取0°、45、90°、135°四个方向或180°、225°、270°、315°四个方向分别提取能量均值、熵均值、对比度均值、相关性均值、均匀度均值五个特征值，从而形成五维特征向量；

S11：分别拍摄隧道掘进采用相同炸药用量下常规爆破、预裂爆破和光面爆破三种爆破方案下各90幅隧道开挖面爆破效果图像，形成集合C＝{c₁,c₂,c₃}，分别对应常规爆破、预裂爆破和光面爆破目标矩阵，采用上述分析过程并获取不同爆破方案下的五维特征向量F＝{f₁,f₂,f₃,f₄,f₅}，每幅图像特征属性均由一个五维特征向量构成，分别对应能量均值、熵均值、对比度均值、相关性均值和均匀度均值，获得图像的多维度数字化信息特征；

S12：分别将三种不同爆破方案下图像集随机选取60幅图像的五维特征向量作为训练数据输入朴素贝叶斯(Naive Bayes Classifier,NBC)分类器，利用每幅图像的五个特征值f_i(i＝1,2,3,4,5)计算训练图像为某个类别c_j(j＝1,2,3)的概率，计算公式为：

对于特征向量F，其后验概率P(c_j/F)的值越大，说明F隶属于c_j的可能性越高，F所属类别的计算表达式为：

分别计算出P(c_j)与P(c_j/F)后，返回后验最大的类别，即可得到F的分类；

S13：将不同爆破方案下图像库中剩余的30幅图像特征向量输入训练成熟的贝叶斯分类器，由贝叶斯最大后验概率原则确定出给定不同类别c_j(j＝1,2,3)概率最大的状态作为爆破方案评价分类的最终结果，实现普通爆破、预裂爆破和光面爆破三类方案爆破成型效果和岩面损伤平整度的分类。

2.根据权利要求1所述的一种隧道爆破炮孔半眼痕识别和损伤平整度评价分类方法，其特征在于，所述S3中，Gaussian滤波器模型满足以下二维高斯分布：x、y为图像纵横方向的尺寸，σ²为正态分布方差。

3.根据权利要求1所述的一种隧道爆破炮孔半眼痕识别和损伤平整度评价分类方法，其特征在于，所述S5中，最大熵阈值法具体为：根据shannon熵概念，对于灰度范围为0，1，2，...，L-1的图像，其熵定义为：P_i为像素值为i的像素占整个图像的概率，并设定阈值t将图像划分为目标O和背景B两类，其概率分别为：

O区：其中，

B区：