礦井安全已經(jīng)成為眾多安全問題中最主要的問題，大部分礦井研究都是針對煤礦等大規(guī)模礦產(chǎn)而進(jìn)行的，對于鎢礦這類有色金屬的礦井安全研究卻比較少見。但在地大物博的中國，有色礦井的遍布范圍也不可忽視，而組成該類礦井的成分就是本文重點研究的巖體。礦井的塌陷很多是由于忽視早期的巖體裂縫所致?？梢姡趲r體裂縫的特征分析對礦難的預(yù)防具有防患于未然的重大意義。

    礦井下的結(jié)構(gòu)以巖體結(jié)構(gòu)為主，巖體由于受到礦井下溫度和濕度環(huán)境變化，以及人為開采等因素的影響，會出現(xiàn)一些細(xì)小的裂縫[1]。如果在開采中不提前防范，就可能會拉伸、貫通，從而形成更大的裂縫，對礦井的安全構(gòu)成威脅。
    傳統(tǒng)的巖體裂縫檢測方法是通過人工井下觀察、記錄，來進(jìn)行定期的檢測。這種方法不僅會浪費大量的勞動力，而且還給作業(yè)人員的人身安全帶了一定的危險。由于巖體的紋路特征和人體的指紋有著一定的相似性，因此本文將指紋識別算法技術(shù)引入巖體的動態(tài)裂縫識別算法中，并針對礦井巖體的紋路特征加以改進(jìn)，形成一種巖體動態(tài)裂縫快速算法，從而為礦井巖體安全的智能無損檢測提供了理論基礎(chǔ)。
1 算法具體過程
    指紋識別算法引入到巖體的動態(tài)裂縫識別中，首先需要對生成的紋理圖像進(jìn)行預(yù)處理，并進(jìn)行圖像分割，也就是二值化，然后再細(xì)化，在細(xì)化的圖像中提取特征點，再將特征點進(jìn)行相應(yīng)的匹配。
    本文提出的算法總體框圖如圖1所示,主要部分為圖像預(yù)處理、圖像二值化、圖像細(xì)化及紋理匹配等。

1.1圖像預(yù)處理
    圖像的預(yù)處理是至關(guān)重要的部分，直接關(guān)系到特征提取是否取得很好的效果。為了保證從巖體內(nèi)采集的圖像不會失真，從而得到很好的增強效果，不能使用傳統(tǒng)而又單一圖像處理算法。因此需要融合多種處理技術(shù)，采用有針對性的一些處理方法。本文針對巖體裂縫圖像特殊性，引入一種融合了多種處理技術(shù)的方法——SFC結(jié)合法[2]。該算法處理后的巖體裂縫圖像不僅能有效地去除噪聲而且還能銳化邊緣，提高圖像的對比度，能夠把巖體紋路的前景圖和背景圖很好地分離開。
    SFC算法的具體步驟如下。
    (1) 利用改進(jìn)的直方圖灰度拉伸法進(jìn)行對比度增強，該方法是對傳統(tǒng)的直方圖灰度變換和均衡的改進(jìn)，目的在于改善圖像的對比度，可以表示為：
    
 
1.3 紋理匹配
    紋理匹配就是圖像匹配技術(shù)，主要包括基于灰度的圖像匹配技術(shù)、基于特征的圖像匹配技術(shù)、基于理解的圖像匹配技術(shù)，而本文中所使用的圖像匹配技術(shù)就是基于特征點的匹配。平面上的點模式匹配的一般問題是確定仿射變換下兩個點集是否匹配[6]。原始裂縫圖像紋理識別過程及出現(xiàn)裂縫圖像紋理識別過程如圖3、圖4所示。

    兩幅圖像中的點匹配算法有：(1)選擇物體投影圖像上的特征點，如局部灰度極大值點、角頂點等。(2)利用所選擇特征點在結(jié)構(gòu)上或其他特征上的差異進(jìn)行匹配。但由于紋理的特殊性,不能直接借鑒平面點進(jìn)行匹配,而需要進(jìn)行一定的轉(zhuǎn)換。因而可以借鑒指紋識別中的指紋信息的特征點匹配算法來進(jìn)行相應(yīng)的紋理匹配。紋理細(xì)節(jié)點的兩種模型分別是紋線末端及紋線的分叉點[7]。
    記錄每一個細(xì)節(jié)點的如下信息：橫坐標(biāo)和縱坐標(biāo)，即x軸和y軸的有關(guān)信息；所在紋線的切線方向角；細(xì)節(jié)點的類型，即屬于末端點還是分叉點。對于一幅顯示較好的紋理圖像，通常能提取出40~100個細(xì)節(jié)點。在圖3(d)以及圖4(d)中可以看出所提取出的特征點通過細(xì)節(jié)點表示，指紋匹配問題就能轉(zhuǎn)化成為平面點模式匹配問題。
2 實驗結(jié)果
    選取了一個典型的角度采集原始巖體圖像以及出現(xiàn)裂縫的同一角度和位置，使用Matlab 7.0對本文給出的算法逐步進(jìn)行仿真測試，結(jié)果如圖3所示。
     圖3表示的是原始的巖體圖像的一個圖像預(yù)處理、二值化、細(xì)化并提取了圖像特征點后的結(jié)果。可以看到該圖像細(xì)化后的紋理和原始的紋理有著很大程度的吻合,達(dá)到了實驗的預(yù)期效果。圖像特征的提取主要針對圖像紋線的末端或者有分叉的部分。通過特征點的數(shù)量可以看出，該特征點的提取效果較好，因為細(xì)小的分叉和紋理都被提取出來了。
    在與圖3(a)同樣的角度所拍攝的圖像中在中間的位置出現(xiàn)了一道細(xì)小的裂縫,如圖4所示。圖像的分割結(jié)果以及圖像的細(xì)化結(jié)果都在該裂縫所在的區(qū)域出現(xiàn)了復(fù)雜的紋理。因而在圖4(d)提取的特征點中可以看出，在裂縫存在的位置出現(xiàn)了大量的特征點。由于該裂縫本身并不規(guī)整，該區(qū)域集中識別到了大量的特征點。
     圖5所示為裂縫位置局部放大圖的效果，可以看出雖然只是出現(xiàn)一道細(xì)小的裂縫，但是特征點卻多出很多。由于特征點在該裂縫區(qū)域的分布已出現(xiàn)了很大的不同，因而匹配的結(jié)果也會不同，會出現(xiàn)不匹配的現(xiàn)象。當(dāng)出現(xiàn)這一現(xiàn)象的時候，可以初步判定為出現(xiàn)了動態(tài)裂縫。

    已經(jīng)有一些國內(nèi)外的學(xué)者將指紋識別技術(shù)應(yīng)用于其他圖像識別中，尤其是針對圖形較為復(fù)雜的圖像，這種方法帶來了一種新的角度和突破。而指紋識別技術(shù)的發(fā)展也到達(dá)了較高的水平，因此，可適當(dāng)?shù)剡x用一些比較成熟的指紋識別技術(shù)引入到其他的圖像識別算法中。本文算法能夠有效地檢測出巖體裂縫的動態(tài)過程，接下來的工作是建立動態(tài)裂縫形變閾值的定量算法，從而給出巖體動態(tài)裂縫形變的量級定義。
    礦井巖體動態(tài)裂縫的識別算法對大型建筑、橋梁、公路物體的動態(tài)裂縫的監(jiān)測研究都有較好的推廣價值。本文針對巖體紋路所特有的特征，從盡量減少算法的復(fù)雜度出發(fā)，考慮到可能會被應(yīng)用移植到硬件處理器上，因而也對實時性有一定的要求。所以綜合考慮選取了適合的算法，通過實驗驗證了該算法的可行性。后續(xù)的工作就是不斷改進(jìn)和完善該算法，以提高識別率并且得到更好的處理結(jié)果。
參考文獻(xiàn)
[1] 馮增朝，趙陽升，文再明.巖體裂縫面數(shù)量三維分形分布規(guī)律研究[J]．巖石力學(xué)與工程學(xué)報,2005,24(4):601-609.
[2] 尹蘭.基于數(shù)字圖像處理技術(shù)的混凝土表面裂縫特征測量和分析[D].江蘇：東南大學(xué)，2006.
[3] GONZALEZ R C， WOODS R E. Digital image processing[M]. Publishing House Of Electeonics Industry, 2007.
[4] 廖昌俊，李玉柏. 指紋識別的二值化和細(xì)化的DSP實現(xiàn)[J].電子產(chǎn)品世界，2004(5):46-48.
[5] 王業(yè)琳，寧新寶，尹義龍. 指紋圖像細(xì)化算法的研究[J].南京大學(xué)學(xué)報（自然科學(xué)），2003,4(39):468-475.
[6] Luo Xiping, Tian Jie, A minutia matching algorithm in fingerprint verification[C]. Proceeding of the 15th International Conference on Pattern Recognition, 2000.
[7] 傅景廣，許嗣，王裕國.基于細(xì)節(jié)點方向分布的指紋特征匹配[J].計算機工程，2003,29(19):17-19.