一種基于圖像分割的地質曲線重建方法
【技術領域】
[0001] 本發(fā)明屬于電子化領域，特別是一種基于圖像分割的地質曲線重建方法。
【背景技術】
[0002] 科學計算可視化（Visualization in Scientific Computing)興起于八十年代中 后期，涉及計算機圖形學、計算機視覺、計算機輔助設計等多個研究領域，是目前計算機應 用研究領域的一個重要研究方向。科學計算可視化是通過對數(shù)據(jù)的計算和探索來獲得對于 數(shù)據(jù)的深入理解，從而實現(xiàn)從原始數(shù)據(jù)到圖形圖像的轉換?？梢暬夹g以直觀形象的方式 解釋了抽象數(shù)據(jù)中所包含的客觀規(guī)律，為科學研究提供了準確、直觀、便捷的技術支持，被 廣泛應用于地質勘探、工程設計、氣象預報、生物醫(yī)學等眾多領域。
[0003] 工程圖紙是機械、電子、石油勘探等行業(yè)用于表達和交流技術思想的重要媒介，是 工程技術部門的重要技術資料，等值線圖紙是一種常見的工程圖紙。隨著計算機技術的發(fā) 展和普及，傳統(tǒng)的制圖方式正逐漸改變，在許多領域中人們需要使用計算機技術模擬顯示 現(xiàn)實世界中的各種信息，并對信息進行查詢和處理。紙質由于其存在數(shù)據(jù)有限、更新困難、 信息描述形式單一、查詢分析不方便等缺點，為科研工作帶來諸多麻煩，因此需要對紙質等 值線工程圖進行數(shù)字化處理，將其轉化為便于計算機處理的電子信息。
[0004] 圖像分割是模式識別領域中最熱門的研究主題之一，在工程圖紙的識別、三維模 型的重構、基于語義的圖紙檢索等領域有著廣闊的應用前景。在圖像處理領域，二值圖像運 算量小，并且能夠體現(xiàn)圖像的關鍵特征，因此被廣泛使用。

【發(fā)明內容】

[0005] 本發(fā)明所要解決的技術問題是對等值線圖紙進行基于圖像分割的處理和重建，提 出了一種基于圖像分割預處理，同時將分割出來的等值線和數(shù)字分離后各自單獨處理，最 后將處理結果匹配后重建成三維圖像的基于圖像分割的地質曲線重建過程。
[0006] 本發(fā)明的基于圖像分割的地質曲面重建方法，包括以下步驟：
[0007] 步驟1、等值線掃描圖片；
[0008] 步驟2、圖像預處理；將圖像分割為目標點和背景點，同時進行濾波去除噪聲點；
[0009] 步驟3、等值線和數(shù)字分離，分離后的等值線交由步驟4處理，分離后的數(shù)字交由 步驟7處理；
[0010] 步驟4、等值線的水平集演化，水平集演化得到的等值線數(shù)據(jù)交由步驟5處理；
[0011] 步驟5、提取等值線骨架，提取后的骨架交由步驟6處理；
[0012] 步驟6、等值線追蹤，追蹤得到的等值線矢量化結果交由步驟8處理；
[0013] 步驟7、神經網絡識別提取出來的數(shù)字，得到的數(shù)字結果交由步驟8處理；
[0014] 步驟8、將等值線矢量化后的結果和神經網絡識別過的數(shù)字進行匹配；
[0015] 步驟9、將匹配后的結果進行三維重建；
[0016] 步驟10、將三維重建后的結果輸出，輸出后流程結束。
[0017] 進一步地，所述步驟2包括如下步驟：
[0018] 步驟21、對彩色圖像進行灰度化處理，然后直接設定閾值進行二值化處理；
[0019] 步驟22、使用高斯平滑濾波器進行濾波。
[0020] 進一步地，所述步驟3的方法是找出步驟2處理后的圖中每個聯(lián)通區(qū)域的最小矩， 當范圍小于指定閾值時，將其連通區(qū)標記為數(shù)字，剩余的部分既是等值線。
[0021] 進一步地，所述步驟4包括如下步驟：
[0022] 步驟41、水平集模型的建立；
[0023] 步驟42、水平集演化方程；
[0024] 步驟43、演化終止。
[0025] 進一步地，所述步驟5包括如下步驟：
[0026] 步驟51、遍歷等值線網絡數(shù)據(jù)，尋找到所有類型的邊界點，并根據(jù)邊界點類型，將 邊界點進行分類，分為U型、B型、W型和E型；
[0027] 步驟52、根據(jù)邊界點的類型U型》B型》W型》E型的順序依次標記該類型邊界點 中滿足簡單邊界點條件同時不滿足曲線點條件的點，當邊界點中所有滿足條件的點都已標 記，則刪除這些標記的點，方法為將該點的值從目標點變成背景點；
[0028] 步驟53、重復步驟51和步驟52直到沒有滿足條件的點存在，得到最終結果。
[0029] 進一步地，所述步驟6的具體過程為，將步驟5得到的結果進一步的矢量化，連成 一條條的等值線；采用的方法是等值線間隔追蹤算法，即用細化的方法對等值線圖紙進行 追蹤，隨機拾取每條等值線骨架上的某一點為起點，沿頭尾兩個方向進行追蹤，直到整條等 值線追蹤完畢。
[0030] 進一步地，所述步驟7包括如下步驟：
[0031] 步驟71、樣本數(shù)據(jù)獲??；
[0032] 步驟72、樣本訓練機器學習；
[0033] 步驟73、誤識別為數(shù)字的等值線剔除。
[0034] 進一步地，所述步驟9的具體步驟為從步驟4、步驟5和步驟6中提取得到了等值 線數(shù)據(jù)，從步驟7中得到了每條等值線對應的高度值，然后通過三角剖分，再利用剖分的三 角面片重建三維空間的等值線曲面。
[0035] 本發(fā)明的有益效果：經過圖像分割以及三維重建得到的三維等值線圖以三維圖像 方式更加直觀地展示了數(shù)據(jù)的變化趨勢。數(shù)字化的等值線圖克服了傳統(tǒng)紙質等值線圖紙數(shù) 據(jù)有限、更新困難、信息描述形式單一、查詢分析不方便等缺點，將其轉化為了便于計算機 處理的電子信息，方便了人們的科研和生活。
【附圖說明】
[0036] 圖1為本發(fā)明的流程圖；
[0037] 圖2為本發(fā)明實施例的等值線工程圖紙局部原始圖像；
[0038] 圖3為本發(fā)明實施例等值線工程圖預處理后的圖像；
[0039] 圖4為本發(fā)明實施例等值線和字符分離效果圖；
[0040] 圖5為鄰近點不意圖；
[0041] 圖6為邊界點方向示意圖；
[0042] 圖7為等值線追蹤不意圖；
[0043] 圖8為本發(fā)明實施例追蹤得到的等值線矢量化結果圖；
[0044] 圖9為本發(fā)明實施例的輸入訓練樣本；
[0045] 圖10為本發(fā)明實施例的三層結構神經網絡圖；
[0046] 圖11為散亂點集的三角剖分示意圖；
[0047] 圖12為本發(fā)明實施例得到等值線三角剖分圖；
[0048] 圖13為本發(fā)明實施例的等值線重建結果圖。
【具體實施方式】
[0049] 下面結合附圖和具體的實施例對本發(fā)明作進一步的闡述。
[0050] 如圖1所示，本發(fā)明的基于圖像分割的地質曲面重建方法，包括以下步驟：
[0051] 步驟1、等值線掃描圖片；
[0052] 步驟2、圖像預處理；將圖像分割為目標點和背景點，同時進行濾波去除噪聲點； 所述步驟2包括如下步驟：
[0053] 步驟21、對彩色圖像進行灰度化處理，由于等值線圖的前景和背景相差比較大，可 以直接設定閾值進行二值化處理；進而將圖像分割為目標點和背景點兩部分，背景點為〇， 目標點為1 ;
[0054] 步驟22、使用高斯平滑濾波器進行濾波。
[0055] 圖2為本發(fā)明實施例的等值線工程圖紙局部原始圖像，圖3是圖2經過上述預處 理后的局部圖像。
[0056] 步驟3、等值線和數(shù)字分離，由于二值化后不論是等值線還是數(shù)字都只是0和1組 成的像素點，計算機還無法區(qū)分兩者，所以需要針對等值線和數(shù)字分別采用不同的算法進 行提取和識別，針對等值線圖中數(shù)字和線的形態(tài)差別很大這個自身特點，只管的反映就是 數(shù)字和線的最小矩的面積不同，所有數(shù)字的最小矩的面積大小值相對比較集中，而等值線 由于其形態(tài)特征，有意最小矩所占的面積要大，并且其值的范圍是無規(guī)律的。所述步驟3的 方法是找出步驟2處理后的圖中每個聯(lián)通區(qū)域的最小矩，當范圍小于指定閾值時，將其連 通區(qū)標記為數(shù)字，剩余的部分既是等值線。分離后的等值線交由步驟4處理，分離后的數(shù)字 交由步驟7處理；圖4為圖3經過上述方法等值線和字符分離效果圖。
[0057] 步驟4、等值線的水平集演化，步驟3得到等值線數(shù)據(jù)后，需要進行水平集的演化， 使得下一步骨架提取的數(shù)據(jù)更光滑，從而減少提取的骨架上的毛刺。水平集演化得到的等 值線數(shù)據(jù)交由步驟5處理；所述步驟4包括如下步驟：
[0058] 步驟41、水平集模型的建立；水平集模型的模型建立如下式所示：
[0059]
(1)
[0060] 其中，Ω表示整個等值線圖像區(qū)域，H是Heaviside函數(shù)，v是曲率，φ表示水 平集函數(shù)，其零水平集函數(shù)C= {(x，y):(i)(X，y) =0}將整個區(qū)域劃分為毗連的Ω1 = {(X，y) : Φ (X，y) = 0}和 Ω 2= {(X，y) : φ (X，y) = 〇}，在公式（1)中，前兩項表示數(shù)據(jù)項， 第三項用于平滑得到的零水平集曲線，所以，圖像分割可以通過水平集函數(shù)Φ、兩個區(qū)域的 圖像灰度均值cdP c :實現(xiàn)能量函數(shù)F CT的最小化來實現(xiàn)。
[0061] 針對本發(fā)明提取斷層點云，采用灰度不均勻圖像模型如下式所示：
[0062] I = bj+n (2)
[0063] 其中，J代表真實圖像，即步驟3得到的等值線分布數(shù)據(jù)，屬于一個不變量，b是偏 離場，表示與實際斷層散點分布的偏離程度，η為疊加噪聲。
[0064] 步驟42、水平集演化方程；使能量最小化，需要不斷的進行迭代處理：在每步迭代 過程中，需要根據(jù)Φ、c、b三個參數(shù)的更新使能量F ct ( Φ，c，b)達到最小，更新區(qū)中某個參 數(shù)時，則代入另外兩個參數(shù)的上一次迭代后的值進行