基于计算机视觉的三峡库区消落带岩石裂缝识别方法研究

作     者：王汉通 

作者单位：重庆交通大学 

学位级别：硕士

导师姓名：潘国兵

授予年度：2024年

学科分类：08[工学] 081601[工学-大地测量学与测量工程] 0816[工学-测绘科学与技术] 

主      题：无人机影像 深度学习 裂缝识别 加权融合 

摘      要：自三峡库区蓄水以来,由于周期性的蓄水,库区水位会产生数十米的抬升,根据生产和运输需要,在海拔145m～175m范围内不断抬升和下降,在水位周期性的波动作用下,形成了消落带区域,此区域是地表水和地下水极为活跃的区域,水与岩石的相互作用下加剧了消落带岩石的损伤劣化进程,促使岸坡局部失稳。而岸坡消落带区域的岩石裂缝是水与岩石作用的集中区域,也是形成滑裂面的重要组成部分,若未及时发现与评估,会给人民财产、生态环境和社会经济带来严重后果。目前,对于三峡库区消落带岩石裂缝的检测识别方法相对较少,主要依赖于人工目视检查,从而存在效率低、主观性强和安全性差等问题。鉴于此,本文引入基于无人机影像的岩石裂缝非接触式检测识别方法,结合深度学习和图像处理技术,采用图像分割算法实现裂缝像素的高精度识别和提取。随后,对识别提取结果进行优化,进而提取裂缝的几何表征。本研究的主要内容如下: （1）通过研究采集图像具体步骤与预处理方法,进而构建深度学习模型训练数据集。首先对采集任务进行航线规划,并使用M300 RTK无人机采集岩石裂缝图像。针对采集的图像,进行不同的滤波去噪和图像增强方法的比较分析,最终确定了中值滤波和线性对比度增强的图像预处理方法。利用制作加工后的裂缝数据集,通过人工标注裂缝信息,构建了5134张裂缝图像的裂缝分割数据集,并采用数据增强方法提升裂缝训练样本的丰富性。 （2）研究深度学习图像分割算法,并构建基于U2-Net的裂缝分割模型。利用裂缝分割图像数据集,引入结合残差U型结构和预测输出模块的U2-Net图像分割算法进行训练,成功构建了裂缝分割模型。采用裂缝图像测试数据集对裂缝分割模型的精度进行评估,模型识别提取结果的总体精确率、召回率及F1分数分别达到91.71%、93.87%、92.77%,实现了裂缝像素的高精度提取。 （3）研究多种图像处理技术及色彩空间模型,对裂缝分割模型的识别提取结果进行优化。采用多种色彩空间作为优化参考指标,以裂缝分割模型的识别提取结果作为基准,结合K-means++算法、Otsu法、Zhang-Suen法、连通域去噪、边缘检测和形态学处理得到的多部分裂缝掩膜进行加权融合,构建线性回归模型来得到合适的权重,从而对裂缝分割模型的识别提取结果进行优化。并随机选取裂缝图像对裂缝掩膜优化算法进行评价分析。最后通过最大内切圆法及正交投影法对裂缝进行宽度信息提取。