32、岩石特征提取：传统图像算法与深度学习算法的应用与挑战

岩石特征提取：传统图像算法与深度学习算法的应用与挑战

1. 数字成像技术处理岩石表面照片的局限性

数字成像技术在处理岩石表面照片时具有处理速度快、自动化程度高的显著优势。然而，其计算精度、检测效率和鲁棒性会受到不连续表面纹理、颜色、水渍、阴影等因素的显著影响。传统的数字图像处理算法在特征提取方面较为繁琐，且提取精度受图像投影畸变的影响较大，同时也不适用于获取岩石结构（如不连续表面结构）的三维信息。

2. 传统图像算法

研究人员曾应用多种图像处理算法进行岩石特征检测，以下为部分算法的介绍：
- Krishnan和Sommer III ：结合傅里叶变换和霍夫变换，生成与图像纹理相关的准确定量信息（如裂缝方向、分布和数量），以支持岩体稳定性分析。
- Fitton和Cox ：提出改进的霍夫变换算法用于提取岩体图像中的裂缝参数，在霍夫变换前对图像进行预处理和降噪可显著改善结果，尤其在提取短裂缝方面效果更佳。
- Lepisto等人 ：使用有效的自然颜色纹理分类方法从岩石样本的二维图像中提取纹理特征，实现对纹理不均匀的岩石样本的准确分类。
- Lemy和Hadjigeorgiou ：使用各种边缘和直线检测算法提取岩体的不连续表面痕迹，并比较和选择适合岩体现场裂缝分割的算法。

此外，还有其他相关研究：
- Havermann和Vogt ：集成TUCIPS系统，基于岩石块的图像计算和表征块度，实践证明具有理想的精度。
- <