郭欽鵬,相志斌,楊仕教,王昱琛,尹 裕

(1．南華大學(xué)資源環(huán)境與安全工程學(xué)院,湖南 衡陽(yáng) 421000;2．中國(guó)有色金屬長(zhǎng)沙勘察設(shè)計(jì)研究院有限公司,長(zhǎng)沙 410000)

爆破以其經(jīng)濟(jì)、高效等優(yōu)點(diǎn),被廣泛應(yīng)用于采礦和土木工程中。塊度分布作為衡量爆破效果的重要技術(shù)指標(biāo),直接影響后續(xù)鏟運(yùn)、破碎及粉磨等工序的成本和效率,也為爆破參數(shù)優(yōu)化提供必要的依據(jù)[1-3]。因此,建立爆破塊度快速準(zhǔn)確的檢測(cè)方法對(duì)指導(dǎo)爆破施工,提高爆破效益具有重要的理論意義和實(shí)用價(jià)值。

爆堆具有規(guī)模大、巖塊粘連嚴(yán)重且形狀不規(guī)則、粒度差異大、灰度差異小等特點(diǎn)?，F(xiàn)有的爆破塊度測(cè)量方法可概括為傳統(tǒng)爆破塊度測(cè)量、基于三維點(diǎn)云數(shù)據(jù)的爆破塊度測(cè)量和基于圖像處理的爆破塊度測(cè)量3大類。傳統(tǒng)的爆破塊度測(cè)量方法,如大塊計(jì)量法和篩分法等,雖然檢測(cè)結(jié)果相對(duì)準(zhǔn)確,但存在工作量大、檢測(cè)樣本數(shù)少、對(duì)生產(chǎn)干擾大等缺點(diǎn)。而基于三維點(diǎn)云數(shù)據(jù)的爆破塊度測(cè)量方法和基于圖像處理的爆破塊度測(cè)量方法避免了傳統(tǒng)測(cè)量法的缺點(diǎn),成為智能爆破、智能礦山生產(chǎn)領(lǐng)域的研究熱點(diǎn)[4-7]。劉強(qiáng)等[8]采用Locally Convex Connected Patches (LCCP)算法對(duì)表面巖塊點(diǎn)云模型進(jìn)行分析,小規(guī)模試驗(yàn)表明基于三維點(diǎn)云數(shù)據(jù)的爆破塊度統(tǒng)計(jì)存在1～3 cm粒徑偏差。WANG Y等[9]基于平面擬合改進(jìn)LCCP算法對(duì)德興銅礦的爆堆進(jìn)行分析,實(shí)現(xiàn)了0.5 m以上巖塊的正確計(jì)算, 但無(wú)法有效分割較小巖塊?；谌S點(diǎn)云數(shù)據(jù)的爆破塊度測(cè)量方法研究成果較少,分析方法主要以聚類分析為主,而基于圖像處理的爆破塊度測(cè)量方法作為目前最常用的檢測(cè)手段,分析方法較多,研究成果主要集中于基于區(qū)域的分割和基于神經(jīng)網(wǎng)絡(luò)的分割[10-14]。李鴻翔等[15]采用GAN-Unet模型對(duì)傳送帶上礦石的圖像進(jìn)行分割,結(jié)果表明該方法可減少邊緣未閉合和錯(cuò)誤分割等問(wèn)題,提高分割準(zhǔn)確性。柳小波等[16]首先采用U-Net模型提取傳送帶礦石圖像輪廓,并將圖像二值化處理,然后采用Res_UNet模型進(jìn)行輪廓優(yōu)化,分割結(jié)果表明該方法相較于分水嶺算法和不進(jìn)行輪廓優(yōu)化的U-Net模型更適合于傳送帶礦石圖像分割。然而基于神經(jīng)網(wǎng)絡(luò)的巖石圖像分割訓(xùn)練異常耗時(shí),且上述研究針對(duì)的是粒度差異較小的傳送帶礦石,是否適用于大規(guī)模且粒度差異大的爆堆巖塊分割有待研究。YANG Z等[17]提出一種新的親和度構(gòu)建模型改進(jìn)超像素圖像分割技術(shù),實(shí)現(xiàn)爆堆圖像的巖塊分割。楊丹丹等[18]利用尺度變換改進(jìn)基于圖論的聚類分割算法對(duì)礦巖圖像進(jìn)行分割,結(jié)果表明該方法可以滿足多種礦巖顆粒圖像的分割要求。葉平坤[19]通過(guò)采用強(qiáng)制最小技術(shù)改進(jìn)分水嶺算法實(shí)現(xiàn)礦巖顆粒的分割,并與人工篩分結(jié)果相對(duì)比,證明了圖像檢測(cè)的準(zhǔn)確性和可行性。MA L C等[20]將分水嶺分割算法與Canny邊緣檢測(cè)獲得的礦巖圖像分割線相結(jié)合從而得到優(yōu)化后的分割圖像,研究結(jié)果表明該方法可減少巖塊的過(guò)分割和欠分割。

分水嶺算法因其對(duì)微弱邊緣具有較好的反應(yīng),被廣泛應(yīng)用于巖塊顆粒分割,但由于爆堆圖像存在較多無(wú)意義的局部極小值,即冗余種子點(diǎn),導(dǎo)致分水嶺算法產(chǎn)生嚴(yán)重的錯(cuò)誤分割,尤其是過(guò)分割[12,19-21]。針對(duì)分水嶺算法在爆堆巖塊圖像分割過(guò)程中存在的局限性,提出基于巖塊輪廓堅(jiān)實(shí)度的種子點(diǎn)標(biāo)記方法,形成基于巖塊輪廓屬性的分水嶺算法,減少過(guò)分割和欠分割現(xiàn)象,實(shí)現(xiàn)對(duì)爆堆中粘連巖塊的有效分割。

1 爆堆圖像預(yù)處理和二值分割

由于爆破現(xiàn)場(chǎng)環(huán)境復(fù)雜,采集的爆堆圖像存在較為嚴(yán)重的噪聲,且?guī)r塊堆積嚴(yán)重,相互粘連,背景差異度小、顏色信息不明顯。為有效地對(duì)爆堆巖塊進(jìn)行分割,需對(duì)爆堆圖像進(jìn)行預(yù)處理和二值分割,流程如圖1所示。首先采用雙邊濾波對(duì)爆堆灰度圖像去噪,其次通過(guò)限制對(duì)比度自適應(yīng)直方圖均衡化使巖塊邊緣更加明顯,然后利用基于局部圖像性質(zhì)的Phansalkar法[22]對(duì)爆堆圖像進(jìn)行二值分割,最后對(duì)爆堆二值圖像進(jìn)行形態(tài)學(xué)優(yōu)化,并進(jìn)行面積濾波。經(jīng)預(yù)處理和二值分割后的效果如圖2所示。

圖1 爆堆圖像預(yù)處理和二值分割流程Fig.1 Blasting pile of pre-processing and binary segmentation effects

圖2 爆堆圖像預(yù)處理和二值分割效果Fig.2 Blasting pile image preprocessing and binary segmentation effect

Phansalkar方法[22]是一種基于局部圖像性質(zhì)的自適應(yīng)局部閾值方法,該方法對(duì)圖像中每個(gè)像素(x,y)處理,考慮以該像素為中心的一個(gè)w×w大小的窗口,該窗口內(nèi)的像素灰度平均值為m(x,y),標(biāo)準(zhǔn)差為s(x,y),則針對(duì)該像素的局部閾值T(x,y)為

T(x,y)=m(x,y)[1+pe-qm(x,y)+

(1)

式中:p和q為常數(shù)。

Phansalkar方法可以根據(jù)局部平均值與標(biāo)準(zhǔn)差的大小確定閾值的選取,通過(guò)調(diào)整參數(shù)p,q,k的取值,可以調(diào)整Phansalkar方法的結(jié)果,具有很大的靈活性,處理效果見圖2d。為表明該方法的有效性,將該方法與Otsu[23]和Sauvola[24]進(jìn)行對(duì)比,對(duì)比的閾值方法對(duì)圖2c處理的效果如圖3所示。從圖中可看出Otsu方法會(huì)產(chǎn)生2種錯(cuò)誤:①把巖石較暗區(qū)域和被陰影遮擋的巖石錯(cuò)誤分割為背景;②把部分大巖石內(nèi)部區(qū)域分為背景。部分錯(cuò)誤區(qū)域見圖中方框部分,嚴(yán)重影響后續(xù)的粘連巖塊的分割。Sauvola方法只是把巖塊的大致輪廓分割出來(lái),并沒有區(qū)分出目標(biāo)和背景區(qū)域。而Phansalkar方法能準(zhǔn)確地將背景與巖石顆粒區(qū)分,效果理想。

圖3 不同方法的二值分割效果Fig.3 Binary segmentation effects of different methods

圖2e為經(jīng)形態(tài)學(xué)優(yōu)化后的爆堆二值圖像,將該圖與圖2d對(duì)比可發(fā)現(xiàn),形態(tài)學(xué)優(yōu)化可消除二值圖像中較小的“孔洞”和噪聲點(diǎn),平滑目標(biāo)邊緣,但是仍有部分“孔洞”較大區(qū)域和噪聲點(diǎn)無(wú)法去除。圖2f為采用面積濾波消除較大“孔洞”和噪聲點(diǎn)后的爆堆二值圖像,取得了較為理想的結(jié)果,但仍存在部分噪點(diǎn),對(duì)巖塊分割造成影響,如果增加面積閾值,就會(huì)造成部分小巖塊周圍的背景被去除。

2 基于巖塊輪廓屬性的爆堆圖像分割方法

2.1 分水嶺算法原理

分水嶺算法[25-26]原理是以三維方式來(lái)把一幅圖像形象化為地形圖。在這種“地形學(xué)”中,考慮三種類型的點(diǎn),如圖4所示:①局部最小值點(diǎn)或最小值面,該點(diǎn)對(duì)應(yīng)一個(gè)盆地的最低點(diǎn),也稱為種子點(diǎn);②盆地的其他位置點(diǎn);③盆地的邊緣點(diǎn),即該盆地和其他盆地交接點(diǎn)。對(duì)于一個(gè)特定的區(qū)域最小值,滿足條件②的點(diǎn)的集合稱為該最小值的匯水盆地或分水嶺。滿足條件③的點(diǎn)形成地面的鋒線,稱為分割線或分水線?；谶@些概念的分割算法的主要目標(biāo)是找出分割線,也就是圖像中巖塊的邊緣。

圖4 分水嶺二維地形Fig.4 2D topographic image of watershed

傳統(tǒng)的分水嶺算法通常是無(wú)標(biāo)記分割,輸入對(duì)象是梯度圖像,是基于亮度變化的,它只反映圖像的邊緣信息,會(huì)因圖像存在許多無(wú)意義的局部極小值導(dǎo)致分水嶺產(chǎn)生過(guò)分割現(xiàn)象。

2.2 巖塊輪廓的堅(jiān)實(shí)度

在一些特殊粘連對(duì)象的分割過(guò)程中,例如粘連的細(xì)胞、球形顆粒等,可采用一些經(jīng)驗(yàn)知識(shí),如細(xì)胞核的顏色、球形顆粒的形狀等信息來(lái)對(duì)種子點(diǎn)進(jìn)行糾正。但對(duì)于爆堆巖塊分割,除了形狀外無(wú)其他經(jīng)驗(yàn)知識(shí),且爆堆巖塊形狀大部分為不規(guī)則的多邊形。為探究爆堆巖塊形狀規(guī)律,對(duì)爆堆圖像進(jìn)行人工分割,分割效果如圖5所示。

圖5 人工分割Fig.5 Manual segmentation

通過(guò)圖像輪廓檢測(cè)技術(shù),統(tǒng)計(jì)爆堆中巖塊的信息,其中包括巖塊的面積、巖塊輪廓凸包的面積、巖塊輪廓堅(jiān)實(shí)度,其中輪廓檢測(cè)為檢測(cè)并提取具有相同顏色或灰度的所有連續(xù)點(diǎn),這些點(diǎn)連接后為巖塊的邊緣曲線,即巖塊的輪廓。然后統(tǒng)計(jì)該輪廓內(nèi)部的像素點(diǎn)個(gè)數(shù),可獲得巖塊的面積。通過(guò)檢查巖塊的邊緣曲線是否存在凸凹缺陷并對(duì)凹處進(jìn)行校正,形成始終突出或至少平坦的凸曲線,即為巖塊輪廓凸包,統(tǒng)計(jì)該凸包內(nèi)部的像素點(diǎn)個(gè)數(shù),即巖塊輪廓凸包的面積。巖塊輪廓堅(jiān)實(shí)度為巖塊面積與巖塊輪廓凸包面積的比值。面積大于1 000 cm2的巖塊的輪廓堅(jiān)實(shí)度分布直方圖如圖6所示。從圖6可看出該圖中較大巖塊的輪廓堅(jiān)實(shí)度范圍在0.78～0.96之間,主要集中在0.84～0.96之間,因此爆堆巖塊輪廓的堅(jiān)實(shí)度較高,由此可得出爆堆巖塊形狀接近或等于凸多面體。

圖6 堅(jiān)實(shí)度分布直方圖Fig.6 Solidity distribution histogram

2.3 基于巖塊輪廓屬性的爆堆圖像自適應(yīng)分割

基于以上研究,為減少分水嶺算法對(duì)爆堆巖塊錯(cuò)誤分割的現(xiàn)象,在對(duì)爆堆圖像預(yù)處理和二值分割的基礎(chǔ)上,采用迭代腐蝕的方法對(duì)爆堆的二值圖像(圖2f)進(jìn)行處理,并利用巖塊輪廓堅(jiān)實(shí)度較高這一輪廓屬性標(biāo)記種子點(diǎn),最后采用分水嶺算法進(jìn)行分割。其中迭代腐蝕為采用同一個(gè)結(jié)構(gòu)元素對(duì)目標(biāo)進(jìn)行多次腐蝕處理,巖塊輪廓堅(jiān)實(shí)度作為評(píng)判是否為種子點(diǎn)的依據(jù)。

整個(gè)分割方法偽代碼如表1所示,其中第8行和第20行中f(x)代表對(duì)x進(jìn)行腐蝕操作。需說(shuō)明的是:①文中設(shè)置的堅(jiān)實(shí)度閾值為0.8;②背景區(qū)域?yàn)槎祱D像中像素為0的區(qū)域,其中包含著少量的噪點(diǎn),如圖2f方框中的黑色區(qū)域,對(duì)照?qǐng)D2a可知該區(qū)域?yàn)樵朦c(diǎn)。在對(duì)爆堆的二值圖像迭代腐蝕處理過(guò)程中,部分背景區(qū)域(尤其是噪點(diǎn))的輪廓堅(jiān)實(shí)度會(huì)逐漸增大,甚至?xí)笥趫?jiān)實(shí)度閾值,因此偽代碼(見表1)的14～18行的作用為判斷每個(gè)滿足堅(jiān)實(shí)度閾值的輪廓是否由背景區(qū)域膨脹之后產(chǎn)生。

表1 分割方法偽代碼

3 實(shí)驗(yàn)結(jié)果與分析

3.1 種子點(diǎn)標(biāo)記結(jié)果和分割效果

以上述圖2a中爆破后巖塊圖像為試驗(yàn)對(duì)象,驗(yàn)證基于巖塊輪廓屬性的爆堆圖像自適應(yīng)分割算法的性能。圖7分別為該方法對(duì)爆堆圖像的種子點(diǎn)標(biāo)記結(jié)果和分割結(jié)果。從圖7可以看出該分割方法可有效地對(duì)巖塊進(jìn)行標(biāo)記,并實(shí)現(xiàn)對(duì)嚴(yán)重堆疊和粘連的爆破堆石圖像較為準(zhǔn)確的分割。將爆破堆石種子點(diǎn)圖分別與其預(yù)處理后的二值圖像對(duì)比發(fā)現(xiàn)該種子點(diǎn)標(biāo)記方法可避免因二值圖像巖塊內(nèi)部噪聲對(duì)分割的影響,如圖2f方框內(nèi)。但該方法同樣存在一定問(wèn)題:

圖7 種子點(diǎn)標(biāo)記結(jié)果和分割效果Fig.7 Seed point marking result and segmentation result

1)部分嚴(yán)重粘連巖塊沒有分割開,如圖7a方框內(nèi)。對(duì)比圖2f相同位置可發(fā)現(xiàn)該情況主要是由于二值分割后粘連巖塊之間沒有存在明顯的界限,且在種子點(diǎn)標(biāo)記過(guò)程中粘連巖塊形成的輪廓的堅(jiān)實(shí)度大于堅(jiān)實(shí)度閾值;

2)對(duì)部分巖塊進(jìn)行多次種子點(diǎn)標(biāo)記,如圖7a橢圓框內(nèi)。從圖中可看出存在多個(gè)種子點(diǎn)的巖塊主要特征為在圖像中存在多個(gè)面或表面起伏較大。由于自然光的原因,造成了巖塊背面或者表面較低區(qū)域存在陰影,對(duì)種子點(diǎn)標(biāo)記造成影響。

3.2 與現(xiàn)有方法的比較

為了評(píng)估基于巖塊輪廓屬性的爆堆圖像自適應(yīng)分割方法的準(zhǔn)確性和先進(jìn)性,將該算法與其他2種用于巖石分割的分水嶺改進(jìn)方法進(jìn)行對(duì)比,并以人工分割結(jié)果作為分割標(biāo)準(zhǔn)對(duì)3種分割方法的分割效果進(jìn)行評(píng)價(jià),其中2種分水嶺改進(jìn)方法分別見文獻(xiàn)[27]和[28]。采用文獻(xiàn)[27]和[28]的分割方法對(duì)爆堆圖像的分割結(jié)果如圖8所示, 3種分割結(jié)果的面積累計(jì)分布曲線如圖9所示,其中巖塊面積累計(jì)曲線計(jì)算公式見公式(2)。分割結(jié)果的Area20,Area50和Area803個(gè)特征面積參數(shù)的對(duì)比如表3所示,分別代表累計(jì)面積分布百分?jǐn)?shù)達(dá)到20%、50%和80%時(shí)所對(duì)應(yīng)的面積。表3為分割結(jié)果在不同面積區(qū)間的巖石個(gè)數(shù)對(duì)比,需說(shuō)明的是只統(tǒng)計(jì)面積為100 cm2以上巖塊的個(gè)數(shù)。表2和表3均采用相對(duì)誤差(Re)作為評(píng)價(jià)指標(biāo)。

表2 3個(gè)特征面積參數(shù)

表3 爆堆圖像分割結(jié)果中的巖塊個(gè)數(shù)

圖8 采用文獻(xiàn)[27]和[28]分割方法的分割結(jié)果Fig.8 Segmentation results using the segmentation methods in literature [27] and [28]

圖9 面積累計(jì)分布曲線Fig.9 Cumulative area distribution curve

(2)

式中:P為巖塊累計(jì)面積比;Stotal為整個(gè)爆破堆石圖像所有被識(shí)別巖塊面積的總和;Sx為巖塊在面積分級(jí)x處的累計(jì)面積。

從圖8可看出文獻(xiàn)[27]和[28]提出的分割方法均可實(shí)現(xiàn)對(duì)嚴(yán)重堆疊和粘連的爆破堆石圖像的分割。從圖9可看出,文獻(xiàn)[28]方法的分割效果較差,其面積累計(jì)曲線高于人工分割的面積累計(jì)曲線,即在相同的巖塊累計(jì)面積比的條件下,文獻(xiàn)[28]方法分割結(jié)果所對(duì)應(yīng)的面積均小于人工分割結(jié)果所對(duì)應(yīng)的面積,如表2所示的3個(gè)特征面積參數(shù),表明文獻(xiàn)[28]方法存在較多的過(guò)分割現(xiàn)象,該現(xiàn)象也可從表3中文獻(xiàn)[28]方法分割結(jié)果與人工分割結(jié)果在100 cm2以上的巖塊個(gè)數(shù)對(duì)比結(jié)果看出。從圖9和表3可看出,相對(duì)于文獻(xiàn)[28]方法,文獻(xiàn)[27]方法的分割效果具有一定的改善,該方法在0～1 000 cm2面積區(qū)間內(nèi)具有欠分割現(xiàn)象,而對(duì)面積大于3 000 cm2的巖塊具有過(guò)分割現(xiàn)象,從而導(dǎo)致了在1 000～3 000 cm2面積區(qū)間內(nèi)的巖塊個(gè)數(shù)大于人工分割的巖塊個(gè)數(shù)。而本文方法對(duì)爆堆圖像的分割效果最好,其面積累計(jì)分布曲線更接近于人工分割,分割結(jié)果的3個(gè)特征面積參數(shù)的相對(duì)誤差最大僅為4.32%,不同面積區(qū)間內(nèi)巖塊個(gè)數(shù)的相對(duì)誤差最大僅為3.28%,優(yōu)于文獻(xiàn)[27]和[28]提出的分割方法。

4 結(jié)論

1) 闡述爆堆圖像預(yù)處理過(guò)程及其對(duì)分割結(jié)果的影響,并引入Phansalkar方法,通過(guò)與Otsu方法和Sauvola方法的結(jié)果對(duì)比,證明了該方法更適用于爆堆圖像的二值分割。

2) 通過(guò)對(duì)爆破堆石巖塊形狀進(jìn)行分析發(fā)現(xiàn)爆破堆石巖塊輪廓的堅(jiān)實(shí)度較高,因此提出了基于巖塊輪廓堅(jiān)實(shí)度的種子點(diǎn)標(biāo)記方法對(duì)分水嶺算法進(jìn)行改進(jìn),解決了因巖塊嚴(yán)重粘連和粒徑差異大造成的爆破堆石圖像錯(cuò)誤分割問(wèn)題。

3) 種子點(diǎn)標(biāo)記結(jié)果表明文中方法能夠有效地對(duì)爆堆巖塊進(jìn)行種子點(diǎn)標(biāo)記,并可避免因二值圖像巖塊內(nèi)部噪聲對(duì)種子點(diǎn)標(biāo)記的影響。分割結(jié)果表明本文方法結(jié)果與人工分割結(jié)果的面積累計(jì)分布曲線高度相似,其特征面積參數(shù)和不同面積區(qū)間內(nèi)巖塊個(gè)數(shù)的誤差均小于文獻(xiàn)[27]和[28]提出的分割方法。

4)建議在后續(xù)的研究工作中將開展兩方面的研究:分析并確定更多種類巖石的輪廓堅(jiān)實(shí)度閾值,提高該分割方法的應(yīng)用范圍;以巖塊輪廓堅(jiān)實(shí)度屬性為優(yōu)化基礎(chǔ),改進(jìn)其他爆堆圖像分割方法,探究不同改進(jìn)分割方法的分割性能。