一种基于高光谱的高陡岸坡碳酸盐岩体溶蚀快速评估方法与流程

本发明实施例涉及岩体溶蚀评估，具体涉及一种基于高光谱的高陡岸坡碳酸盐岩体溶蚀快速评估方法。

背景技术：

1、碳酸盐岩体经常受到水-岩相互作用影响，由于岩体长时间的暴露于水环境中，因而会受到物理、化学等因素的影响而发生碳酸盐的溶解，同时生成次生矿物，进而使岩体原有的稳定状态被破坏，引发地质灾害。因此，岩体的溶蚀评估一直是地质环境研究中的重要课题。

2、但是，目前面对地形的不断变化和与水作用的岩质边坡变质机理的复杂的问题，采用传统方法进行溶蚀评估存在一定程度的滞后性，并且工人在评估垂直面时面临临空的意外风险。因此，亟需一种方便、准确、安全的岩体溶蚀评估方法。

技术实现思路

1、鉴于上述问题，本发明实施例提供了一种基于高光谱的高陡岸坡碳酸盐岩体溶蚀快速评估方法，用于解决传统方法进行溶蚀评估存在滞后性和工作过程中风险较高的问题。

2、根据本发明实施例的一个方面，提供了一种基于高光谱的高陡岸坡碳酸盐岩体溶蚀快速评估方法，如附图1所示，所述方法包括：

3、步骤1：采集岩体待评估区域高光谱图像和岩体已评估区域高光谱图像，

4、并进行预处理和存储；

5、步骤2：将岩体已评估区域高光谱图像选择红、绿和蓝三个固定通道，获取岩体已评估区域rgb图像：

6、步骤3：将岩体已评估区域rgb图像转化为灰度图像后进行归一化处理；

7、步骤4：提取岩体已评估区域内特定区域(未溶蚀、轻微溶蚀、中度溶蚀、高度溶蚀四种溶蚀等级区域)的灰度值用于计算分形维数；

8、步骤5：提取岩体已评估区域内特定区域的外部和内部各至少10条岩体本区域的平均光谱曲线作均值处理后获得最终光谱曲线；

9、步骤6：将已评估区域内特定区域内部和外部的最终光谱曲线进行连续性移除处理以显示吸收特征；

10、步骤7：根据特定区域内部和外部经连续性移除处理后的最终光谱曲线的吸收特征计算相对吸收深度、溶解值和结构表面光谱指数；

11、步骤8：划分岩体已评估区域内特定区域的溶蚀等级；

12、步骤9：把分形维数、溶解值、结构表面光谱指数作为输入值，溶蚀等级作为岩体已评估区域高光谱图像的样本标签，在随机森林分类模型上构建岩体的溶蚀评估模型，并用添加了标签的已评估区域高光谱图像样本数据对溶蚀评估模型进行训练和优化；

13、步骤10：将预处理后的岩体待评估区域高光谱图像输入到溶蚀评估模型中，获取岩体待评估区域的溶蚀程度。

14、在一种可选的方式中，所述步骤1中采用便携式的可见光-近红外高光谱成像仪对岩体已评估区域和岩体待评估区域进行高光谱信息的采集。可见光-近红外高光谱成像仪具有多光谱信息、物质识别能力、非接触式成像、实时成像和非破坏性检测等优势，能多获取到多个波段内的光谱信息。

15、在一种可选的方式中，所述步骤1中预处理采用黑白校正、savitzky-golay平滑滤波器和忽略1400nm和1900nm附近受水汽影响的噪声数据对高光谱图像进行处理。

16、黑白校正是数字图像处理中的一种校正方法，用于消除图像中的背景噪声和不均匀性；savitzky-golay平滑滤波器是一种常用的数字信号处理方法，用于对数据进行平滑处理，去除噪声，保留信号的特征，并提高信号的信噪比；忽略1400nm和1900nm附近受水汽影响的噪声数据可以减小噪声对数据的影响，同时可减小数据处理量。

17、在一种可选的方式中，所述步骤2中将岩体已评估区域高光谱图像选择470nm、550nm和640nm三个固定通道，获取岩体已评估区域rgb图像。

18、在一种可选的方式中，所述步骤3中归一化采用的公式为：

19、

20、其中，nnor为归一化的灰度值，f(x，y)为原始图像的灰度值，ng为图像的最大灰度值，nmin为图像的最小灰度值。

21、在一种可选的方式中，所述步骤4中采用局部自适应二值化算法提取岩体已评估区域内特定区域的灰度值。局部自适应二值化算法是一种常用的图像处理算法，用于将灰度图像转换为二值图像，局部自适应二值化算法的优势在于能够处理光照不均匀、背景噪声等复杂情况下的图像，并且保留了图像中的细节信息。

22、在一种可选的方式中，所述分形维数的计算公式为：

23、d＝lim[log nr/log(1/r)]

24、式中，d为分形维数，nr为差分盒计数法覆盖m×m的图像需要的s×s的网格数，r为s与m的比值，d的值最终通过多个lognr与log(1/r)的比值结果经线性拟合得到；

25、所述nr的计算公式为：

26、

27、式中，nr(i，j)为灰度图像中第(i，j)网格所需s×s的网格来覆盖图像的数量；

28、所述nr(i，j)的计算公式为：

29、nr(i，j)＝l-k+1

30、式中，l和k分别为最大和最小灰度的图像在第(i，j)网格覆盖图像需要的s×s网格的数量。分形维数在自然界、数学、物理学等领域都有广泛的应用，它可以用于描述自然界中的复杂结构，如云朵形状、山脉轮廓、树枝分布等，在图像处理和计算机图形学中，分形维数可以用于生成逼真的自然景物。

31、在一种可选的方式中，所述最终光谱曲线吸收特征为碳酸盐矿物的碳酸根离子在2300～2400nm波段区间具有明显的吸收特征，相对吸收深度的计算方法为2300～2400nm波段区间的最小反射率与基线对应的反射率之差；所述基线为与2300～2400nm波段区间最低反射率波段相邻的两个光谱曲线的波峰，具有较低反射率波峰的水平切线。相对吸收深度(relativeabsorptiondepth)是指在光学吸收过程中，光线在材料中被吸收的距离与入射光线波长之比。它用来描述材料对不同波长光的吸收程度。相对吸收深度越大，表示材料对该波长光的吸收能力越强。在光谱分析中，相对吸收深度可以用来确定材料的吸收特性，从而分析样品的成分和浓度。

32、在一种可选的方式中，所述最终光谱曲线吸收特征为碳酸盐矿物的碳酸根离子在560nm和645nm波段处的反射率的组合与岩体回弹的相关性最好，所述溶解值的计算公式为：

33、

34、式中，doutside和dinside分别为岩体内部和外部2300～2400nm波段区间的相对吸收深度，k为矿物的溶解值。溶解值(solubility)是指在特定条件下，溶质能够在溶剂中溶解的最大量。

35、在一种可选的方式中，所述结构表面光谱指数的计算公式为：

36、spis＝(b645-b560)/(b645+b560)

37、式中，b560和b645分别为560nm和645nm波段处对应的反射率值，spis为结构面光谱指数。结构表面光谱指数是描述结构表面对不同波长光的反射特性的一种参数。

38、在一种可选的方式中，所述步骤9中在随机森林分类模型上构建岩体的溶蚀评估模型，并用添加了标签的已评估区域高光谱图像样本数据对溶蚀评估模型进行训练和优化。该模型具是一种多决策树的集成分类器，具有较强的鲁棒性，抗干扰能力强的优点。训练模型时，模型内置的4个超参数采用具有全局优化解的灰狼优化器(gwo)自动进行优化。

39、在一种可选的方式中，所述4个超参数包括：1.决策树的数量；2.树的最大深度；3.分割树中一个节点需要的最小样本数；4.叶子节点需要的最小样本数。

40、与现有技术相比，本发明的优点及有益效果在于：通过采集和预处理已评估和待评估区域的高光谱信息，获取高光谱数据并存储，在已评估区域中选定特定区域，获取特定区域的高光谱数据和溶蚀等级，并对高光谱数据添加溶蚀等级标签，构成原始样本数据库，根据随机森林算法构建岩体溶蚀评估模型，并通过标签样本数据进行训练和优化，经性能评估后将待评估区域的高光谱数据导入优化后的评估模型，获取待评估区域的岩体溶蚀等级，能够对岩体溶蚀程度进行原位、无损、快速的评估，实现了大面积岩体溶蚀的快速评估，节省了工作量，降低工人的意外风险，评估精度高，为地质灾害的预防和治理提供数据支撑。

41、上述说明仅是本发明实施例技术方案的概述，为了能够更清楚了解本发明实施例的技术手段，而可依照说明书的内容予以实施，并且为了让本发明实施例的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。