基于连通性阈值分割的煤岩裂隙识别方法OA北大核心CSTPCD

煤岩裂隙发育形态是影响煤岩渗透性、决定煤岩体力学特征的重要因素。针对煤岩裂隙识别过程中存在的复杂结构处理不当、裂隙边界特征保留不足、噪声干扰等问题,提出了一种基于连通性阈值分割的煤岩裂隙识别方法。首先,采用直方图均衡化增强算法和非局部均值滤波去噪算法对图像进行预处理,其次,利用自适应Otsu阈值分割确定预处理后图像的阈值,识别出可能的裂隙区域,应用形态学运算对这些区域进行精细化处理,进一步突出裂隙的边界特征。然后,通过Canny边缘计算提取种子点,以识别图像中的关键特征。最后,基于这些种子点进行区域生长操作,从而有效抑制噪声,并在平滑图像裂隙的同时更加清晰地突出裂隙信息。实验结果表明:①连通性阈值分割的均方误差较自适应Otsu阈值分割和自适应阈值分割分别平均减少了7.20,7.10 dB,连通性阈值分割的峰值信噪比较自适应Otsu阈值分割和自适应阈值分割分别平均提高了0.60,0.59 dB。②连通性阈值分割不仅有效解决了裂隙提取不明显、末端提取效果差及连接处特征消失的问题,而且显著减少了噪声的干扰,使裂隙特征变得更加突出,从而极大地提高了裂隙识别的准确性和完整性。③连通性阈值分割在自适应Otsu阈值分割的基础上,强化了裂隙特征并有效消除了噪声点,平均准确率较自适应阈值分割算法和自适应Otsu阈值分割分别提高了8%和0.8%,达98.9%。