引 en

引用本文: 来俊海，白向举，蔺华锋，李会双，孙世勇. 2024. 基于改进FCM聚类算法的隐伏地质构造三维图像分割方法[J]. 矿产勘查，15（12）： 2337-2344.

Citation: Lai Junhai, Bai Xiangju, Lin Huafeng, Li Huishuang, Sun Shiyong. 2024. 3D image segmentation method of hidden geological structure based on improved FCM clustering algorithm[J]. Mineral Exploration, 15（12）: 2337-2344.

基于改进FCM聚类算法的隐伏地质构造三维图像分割方法

来俊海

机构：

山西潞安集团潞宁孟家窑煤业有限公司，山西忻州 036700

×
，白向举

机构：

山西潞安集团潞宁孟家窑煤业有限公司，山西忻州 036700

×
，蔺华锋

机构：

山西潞安集团潞宁孟家窑煤业有限公司，山西忻州 036700

×
，李会双

机构：

山西潞安集团潞宁孟家窑煤业有限公司，山西忻州 036700

×
，孙世勇

机构：

山西潞安集团潞宁孟家窑煤业有限公司，山西忻州 036700

×

山西潞安集团潞宁孟家窑煤业有限公司，山西忻州 036700；

3D image segmentation method of hidden geological structure based on improved FCM clustering algorithm

LAI Junhai

Affiliation：

Luning Mengjiayao Coal Industry Ltd., Co., Shanxi Lu’an Group, Xinzhou 036700 , Shanxi, China

×
，BAI Xiangju

Affiliation：

Luning Mengjiayao Coal Industry Ltd., Co., Shanxi Lu’an Group, Xinzhou 036700 , Shanxi, China

×
，LIN Huafeng

Affiliation：

Luning Mengjiayao Coal Industry Ltd., Co., Shanxi Lu’an Group, Xinzhou 036700 , Shanxi, China

×
，LI Huishuang

Affiliation：

Luning Mengjiayao Coal Industry Ltd., Co., Shanxi Lu’an Group, Xinzhou 036700 , Shanxi, China

×
，SUN Shiyong

Affiliation：

Luning Mengjiayao Coal Industry Ltd., Co., Shanxi Lu’an Group, Xinzhou 036700 , Shanxi, China

×

Luning Mengjiayao Coal Industry Ltd., Co., Shanxi Lu’an Group, Xinzhou 036700 , Shanxi, China；

作者简介:

来俊海，男，1966年生，硕士，工程师，主要从事煤田地质勘查、采矿学等研究；E-mail: 1324442015@qq.com。

中图分类号:P631

文献标识码:A

文章编号:1674-7801(2024)12-2337-08

DOI:10.20008/j.kckc.202412016

全文
图表
评论
参考文献
相似文献
出版信息

参考文献

邓念东，石辉，崔阳阳. 2022. 基于ArcGIS的府谷县地质灾害与影响因素耦合分析[J]. 矿产勘查， 13(4)： 507-516.

查找原文

参考文献

杜玉龙，方维萱. 2021. 综合构造岩相学勘查技术在玻利维亚古布利达铜矿床找矿中的应用[J]. 地球科学与环境学报， 43(5)： 800-813.

查找原文

参考文献

黄天怡，冉小炜，郭增才. 2020. 基于深度学习的轴突三维图像分割与重构[J]. 神经解剖学杂志， 36(3)： 261-269.

查找原文

参考文献

李琳，陈松林，修晓龙. 2021. 基于多源遥感数据的福建双旗山地区地质构造解译[J]. 长春工程学院学报（自然科学版）， 22(1)： 57-60， 64.

查找原文

参考文献

李清. 2021. 基于改进PSO-PFCM聚类算法的电力大数据异常检测方法[J]. 电力系统保护与控制， 49(18)： 161-166.

查找原文

参考文献

刘成军，刘恒光，侯卫生，王典，陈晓丹，张华，陈勇华. 2022. 基于多点统计学的地质体三维重构及其在地铁工程中的应用[J]. 中山大学学报：自然科学版(中英文)， 61(1)： 94-104.

查找原文

参考文献

苏士星，宋双全，魏明君. 2022. 综合物探方法在河南济源疙瘩深隐伏铁矿床勘查中的应用[J]. 矿产勘查， 13(8)： 1191-1197.

查找原文

参考文献

田彦彦，孙静. 2021. 分块自适应加权改进大规模模糊聚类[J]. 机械设计与制造， (9)： 279-282.

查找原文

参考文献

吴辰文，马宁，蒋雨璠. 2021. 基于Jeffrey散度相似性度量的加权FCM聚类算法[J]. 激光与光电子学进展， 58(8)： 96-105.

查找原文

参考文献

熊玖琦，刘星. 2022. 基于支持向量机的顾北煤矿北一矿区三维地质模型构建[J]. 科学技术与工程， 22(19)： 8194-8199.

查找原文

参考文献

许国，王长海，周晓琴. 2022. 基于地质特征驱动的三维地质建模技术[J]. 深圳大学学报：理工版， 39(4)： 417-423.

查找原文

参考文献

易柯，张志勇，李曼，原源，郭一豪，周峰. 2022. 基于FCM聚类算法的二维RMT电阻率与介电常数联合反演[J]. 地球物理学报， 65(6)： 2340-2350.

查找原文

参考文献

俞胜，赵保青，贾轩，董顺利，赵斌斌，白永波，李生喜，杨瑞东. 2022. 沉积型锰矿隐伏矿体定位预测及深部验证——以阿克塞县赛马沟锰矿为例[J]. 矿产勘查， 13(4)： 473-480.

查找原文

参考文献

赵泉华，王春畅，李玉. 2021. 基于混合邻域约束项的改进FCM算法[J]. 控制与决策， 36(6)： 1457-1464.

查找原文

参考文献

周子棋，康莉，黄建军. 2021. 多站点新冠肺炎肺部CT图像的三维深度卷积分割[J]. 信号处理， 37(11)： 2178-2184.

查找原文

参考文献

邹键，唐文龙，王凤华，胡峰，薄军委，王志新，刘治，魏绪峰，李勇. 2022. 高分遥感数据在胶东水道地区金成矿远景区圈定中的应用研究[J]. 地质论评， 68(6)： 2336-2348.

查找原文

目录contents

摘要 Abstract
关键词 Keywords
0 引言
1 隐伏地质构造三维图像分割方法研究
1.1 三维图像归一化处理
1.2 三维图像曲面去噪处理
1.3 目标隐伏地质构造定位
1.4 三维图像分割实现
2 实验与结果分析
2.1 实验区域确定
2.2 实验数据处理
2.3 实验结果分析
3 结论
参考文献

摘要

隐伏地质构造中蕴含着较多的矿产资源，是现今地质研究领域的关键所在。由于隐伏地质构造位置较深，再加之信号传输衰减、环境、光线等因素的影响，致使隐伏地质构造三维图像复杂度较高，无法获取精准的隐伏地质构造信息。本文提出基于改进FCM聚类算法的隐伏地质构造三维图像分割方法研究，归一化处理三维图像，应用拉普拉斯算子去除三维图像曲面噪声信息，提升三维图像信噪比与清晰度，基于分形维数理论定位目标隐伏地质构造，采用自适应邻域加权改进FCM聚类算法，基于改进FCM聚类算法制定三维图像分割程序，执行制定程序即可实现隐伏地质构造三维图像的分割。实验数据显示：应用提出方法获得的三维图像分割精度最大值达到了96.32%，充分证实了提出方法三维图像分割效果更好。

Abstract

Hidden geological structure contains more mineral resources, which is the key in the current geological research field. Due to the deep location of the hidden geological structure and the influence of signal transmission attenuation, environment, light and other factors, the 3D image of the hidden geological structure has a high complexity, which makes it impossible to obtain accurate information of the hidden geological structure. A study on the segmentation method of the 3D image of the hidden geological structure based on the improved FCM clustering algorithm is proposed. Normalize the 3D image, apply Laplace operator to remove the surface noise information of the 3D image, improve the signal-to-noise ratio and clarity of the 3D image, locate the hidden geological structure of the target based on the fractal dimension theory, use adaptive neighborhood weighting to improve FCM clustering algorithm, develop a 3D image segmentation program based on the improved FCM clustering algorithm, and implement the developed program to achieve the segmentation of the 3D image of the hidden geological structure. The experimental data show that the maximum accuracy of 3D image segmentation obtained by the proposed method reaches 96.32%, which fully proves that the proposed method has better 3D image segmentation effect.

关键词

三维图像；隐伏地质构造；图像分割；改进FCM聚类算法；曲面去噪；遥感图像

Keywords

3D image ； hidden geological structure ； image segmentation ； improved FCM clustering algorithm ； surface denoising ； remote sensing images

0 引言
隐伏地质构造指的是隐伏在第四纪地表松散沉积物下面或隐伏在表层基岩下面的独特地质构造类型，主要包括褶皱、断层、凹陷、隆起等（黄天怡等，2020；杜玉龙和方维萱，2021；邓念东等，2022）。随着遥感技术的不断发展与升级，人们对地质构造信息的获取更加便利，其主要是通过可见光、电磁波、红外线等辐射或者反射对目标物体进行识别及其探测，为地质研究提供精确的数据支撑。常规情况下，隐伏地质构造解译标志并不显著，很难与普通地质构造解译标志区分开，极大地限制着隐伏地质构造研究步伐的前进（李琳等，2021）。隐伏地质构造解译标志需要符合一定的原则，（1）综合分析隐伏地质构造多源信息；（2）对比分析相邻地质构造解译结果；（3）全面分析隐伏地质构造展布规律，提取隐伏地质构造特征。将地球化学、地球物理、遥感图像等多种类型的信息进行综合考虑，提取隐伏地质构造信息，保障隐伏地质构造解译标志的全面性和准确性。
隐伏地质构造遥感图像（三维图像）中信息是通过间接传输或者反应得到的，由于传输衰减、反应微弱等因素的影响，使得隐伏地质构造三维图像形迹隐晦（李清，2021；刘成军等，2022）。与其他遥感图像相比，隐伏地质构造三维图像清晰度较差，通过观测无法直接判别地质构造情况，制约着隐伏地质构造研究的进行与发展。
FCM 算法是一种基于划分的聚类算法，能够使划分到同一簇的对象之间相似度最大，而不同簇之间的相似度最小（苏士星等，2022）。使用FCM算法柔性模糊划分方式可以挖掘形迹隐晦、相似度较大的隐伏地质构造图像特征。因此，提出基于改进 FCM 聚类算法的隐伏地质构造三维图像分割方法研究，为隐伏地质构造信息的获取提供便利。
1 隐伏地质构造三维图像分割方法研究
1.1 三维图像归一化处理
遥感技术应用过程中，由于环境因素、光线因素等的影响，致使获得的隐伏地质构造三维图像像素分布的区间较大，不利于改进FCM聚类算法的应用。因此，此研究采用归一化处理方式将三维图像像素控制在[0，1]范围内，方便后续三维图像分割操作的进行。三维图像归一化处理公式表示为

g (x, y, z) = \frac{f (x, y, z) - \bar{f} (x, y, z)}{m a x (\hat{f} (x, y, z), \frac{1.0}{\sqrt{n}})}

(1)

式（1）中，g（x，y，z）表示的是三维图像归一化处理后，像素点（x，y，z）对应的像素数值；f（x，y，z）表示的是三维图像归一化处理前，像素点（x，y，z）对应的像素数值； $\bar{f} （ x ， y ， z ）$ 与 $\hat{f} （ x ， y ， z ）$ 表示的是原始三维图像 f（x，y，z）像素的平均值与标准方差；n 表示的是三维图像像素的总数量。
应用式（1）可以将隐伏地质构造三维图像像素取值范围[0，255]转换为[0，1]，并且不会对三维图像本身携带信息产生了任何改变。由此可见，归一化处理在保障三维图像内部信息的基础上，降低了像素对三维图像分割的不利影响，是三维图像分割实现的基础环节。
1.2 三维图像曲面去噪处理
以上述归一化处理完成的隐伏地质构造三维图像为基础，应用拉普拉斯算子对三维图像进行曲面去噪处理，以此为基础，提升三维图像信噪比，增加三维图像清晰度，保障三维图像的分割精度。
现有方法主要适用于二维图像去噪，应用到三维图像去噪过程中，获得的去噪效果较差，无法满足后续三维图像的分割需求。因此，应用拉普拉斯算子构建三维图像曲面去噪模型，表达式为

\begin{matrix} E [u (x, y, z)] = α^{*} \int_{Ω} | Δ u (x, y, z) | d X + \\ \frac{1}{2} \int_{Ω} (u (x, y, z) - g (x, y, z))^{2} d X \end{matrix}

(2)

式（2）中，E [ u（ x，y，z）]表示的是三维图像曲面去噪模型函数表达式；u（ x，y，z）表示的是去噪处理后的三维图像，即光滑三维图像；α^∗ 表示的是权重系数，取值范围为（0，+∞]；Ω表示的是三维图像定义空间；dX表示的是面积元，由dX = dxdydz计算而得。
从整体角度出发，式（2）中 $α^{*} \int_{Ω} | Δ u （ x ， y ， z ） | d X$ 表示的是光滑项，承担着去噪操作任务，而 $\frac{1}{2} \int_{Ω} （ u （ x ， y ， z ） - g （ x ， y ， z ））^{2} d X$ 表示的是保真项，承担着保证三维图像携带信息完整、准确的任务。
式（2）在实际应用过程中，存在着一定的困难与挑战，故引入辅助变量 υ 与 τ（由 υ = ∇u 与 τ = ∇ ⋅ υ 计算而得），约束变量 χ₁ 与 χ₂，制定三维图像去噪算法具体步骤，具体如下所示：
步骤一：初始化三维图像去噪算法相关参数，设定 u（ x，y，z）= g（ x，y，z），υ⁰ = 0，τ⁰ = 0，χ⁰ ₁ = 0，χ⁰₂= 0，k = 0，k表示的是算法迭代次数；
步骤二：三维图像去噪算法采用的是循环迭代模式，相关参数与变量也需要根据迭代次数的变化重新进行数值更新，尤其是 u 与辅助变量 υ、τ。因此，制定u、υ与τ的更新规则，具体如下式所示：

\{\begin{matrix} u^{k + 1} = a r g m i n E [u, v^{k}, τ^{k}] \\ v^{k + 1} = a r g m i n E [u^{k + 1}, v, τ^{k}] \\ τ^{k + 1} = a r g m i n E [u^{k + 1}, v^{k + 1}, τ] \end{matrix}

(3)

式（3）中，u^k^{+ 1} 表示的是迭代次数 k + 1 对应的三维图像；υ^k 与 υ^k^{+ 1} 表示的是迭代次数 k 与 k + 1 对应的辅助变量υ数值；τ^k 与τ^k^{+ 1}表示的是迭代次数 k 与k + 1对应的辅助变量τ数值。
步骤三：约束变量χ₁与χ₂也是影响三维图像曲面去噪处理效率的关键，需要对其更新规则进行确定，表示为

\{\begin{matrix} χ_{1}^{k + 1} = χ_{1}^{k} + β_{1} (v^{k + 1} - \nabla u^{k + 1}) \\ χ_{2}^{k + 1} = χ_{2}^{k} + β_{2} (τ^{k + 1} - \nabla \cdot v) \end{matrix}

(4)

式（4）中， $χ_{1}^{k}$ 与 $χ_{1}^{k + 1}$ 表示的是迭代次数 k 与 k + 1 对应的约束变量 χ₁ 数值； $χ_{2}^{k}$ 与 $χ_{2}^{k + 1}$ 表示的是迭代次数k与k + 1对应的约束变量χ₂数值；β₁与β₂表示的是惩罚参数，需要根据隐伏地质构造三维图像的具体情况进行设置。
步骤四：计算三维图像曲面去噪率，表达式为

ζ^{k + 1} = \frac{E^{k + 1} [u (x, y, z)] - E^{k} [u (x, y, z)]}{E^{k} [u (x, y, z)]}

(5)

式（5）中，ζ^k^{+ 1} 表示的是迭代次数 k + 1 对应的三维图像曲面去噪率；E^k [ u（ x，y，z）]与 E^k^{+ 1} [ u（ x，y，z）] 表示的是迭代次数 k 与 k + 1 对应的三维图像曲面去噪效果。
以式（5）计算结果——三维图像曲面去噪率 ζ^k^{+ 1}为基础，选取适当阈值，制定三维图像曲面去噪算法迭代停止条件，具体如下式所示：

(6)

式（6）中，ζ^∗ 表示的是三维图像曲面去噪率对应阈值。
依据上述过程完成了三维图像的曲面去噪操作，极大地降低了三维图像中的噪声信息（田彦彦和孙静，2021），有效提升了三维图像的清晰度，为后续目标隐伏地质构造定位提供一定的便利。
1.3 目标隐伏地质构造定位
以上述曲面去噪处理完成后的三维图像为基础，应用分形维数理论定位目标隐伏地质构造，为后续三维图像分割的实现做好充足的准备（吴辰文等，2021）。
基于分形维数理论的目标隐伏地质构造定位步骤如下所示：
步骤一：加载无噪三维图像 u（ x，y，z），将其划分为若干个矩形区域，需要注意的是，矩形区域大小需要保持完全一致（熊玖琦和刘星，2022）。应用 Blanket方法计算不同尺度背景下的分形面积，计算公式为

\{\begin{matrix} S_{γ_{i}} = \frac{\sum (R_{γ_{i}}^{1} (x, y) - R_{γ_{i}}^{2} (x, y))}{2 γ_{i}} \\ R_{γ_{i}}^{1} (x, y) = m a x \{R_{γ_{i} - 1}^{1} (x, y) + 1, m a x R_{γ_{i} - 1}^{1} (x, y)\} \\ R_{γ_{i}}^{2} (x, y) = m i n \{R_{γ_{i} - 1}^{2} (x, y) - 1, m i n R_{γ_{i} - 1}^{2} (x, y)\} \end{matrix}

(7)

式（7）中，S_γi 表示的是尺度 γ_i对应的分形面积； $R_{γ_{i}}^{1} （ x ， y ）$ 与 $R_{γ_{i}}^{2} （ x ， y ）$ 表示的是尺度 γ_i 对应的 Blanket 上、下表面。
以公式（7）计算结果为基础，计算每个分块区域的分形维数，表达式为

ψ = 2 - \frac{N \sum {l o g}_{2} γ_{i} {l o g}_{2} S_{γ_{i}} - \sum {l o g}_{2} γ_{i} \sum {l o g}_{2} S_{γ_{i}}}{N \sum {(\log_{2} γ_{i})}^{2} - {(\sum {l o g}_{2} S_{γ_{i}})}^{2}}

(8)

式（8）中，ψ 表示的是分形维数；N 表示的是三维图像分块区域的总数量。
步骤二：依据三维图像具体情况设置分形维数阈值，记为 $\tilde{ψ}$ 。当 $ψ > \tilde{ψ}$ 时，对分块区域进行标记，为后续目标隐伏地质构造定位提供便利；
步骤三：对标记的分块区域进行连通区域处理，利用连通阈值 $\hat{ψ}$ 对分块区域进行保留与消除处理，剩余的块就是定位出的目标隐伏地质构造区域。
上述过程完成了目标隐伏地质构造的定位，能有效简化三维图像分割的程序，进而提升隐伏地质构造三维图像分割的效率。
1.4 三维图像分割实现
以上述目标隐伏地质构造定位结果为依据，采用Zadeh模糊数学理论和自适应邻域加权改进FCM 聚类算法。基于改进 FCM 聚类算法制定三维图像分割程序，执行制定程序即可实现隐伏地质构造三维图像的分割。
基于改进 FCM 聚类算法的三维图像分割程序如图1所示。
图1 三维图像分割程序图
根据图1程序，以 Zadeh 模糊数学理论为主，引入聚类分析，改进 FCM 算法，利用最小化目标函数确定三维图像分割体的所属类别（许国等，2022），其表示形式定义：

J_{m} (A, P) = \sum_{i = 1}^{c} \sum_{j = 1}^{n} u_{i j}^{m} d_{i j}^{2}

(9)

式（9）中，m表述分块区域数量，J_m（ A，P）表述聚类目标函数，c表述聚类类别， $u_{i j}^{m}$ 表述分块区域聚类隶属度矩阵， $d_{i j}^{2}$ 表述所属类别，i、j均表述系数。
基于上式，结合拉格朗日乘法，令上式最小值满足下述条件：

c_{i} = \sum_{j = 1}^{n} u_{i j}^{m} + x_{f} / \sum_{j = 1}^{n} u_{i j}^{m}

(10)

u_{i j} = 1 / \sum_{k = 1}^{c} {(\frac{d_{i j}}{d_{k j}})}^{2 / m - 1}

(11)

式（10）、（11）中，x_f表述偏导数，c_i聚类中心矩阵。
通过 FCM 算法可知，c_i、u_ij与参数之间具有耦合关系，所以需要对其实施有效求解。基于FCM参数初始值在确定过程中具有不确定性，为避免这一问题，利用自适应邻域加权计算单点隶属度与邻域隶属度（赵泉华等，2021；易柯等，2022；俞胜等， 2022），公式为：

\{\begin{matrix} η_{i j} = (\sum \frac{{‖u_{j} (x, y, z) - C_{i}‖}^{\frac{2}{M - 1}}}{‖u_{j} (x, y, z) - C_{k}‖} \\ μ_{i j} = \frac{D_{i j} Q_{i j} / C}{\sum D_{i j} Q_{i j} / C} \end{matrix}

(12)

式（12）中，η_ij与 μ_ij表示的是单点隶属度与邻域隶属度；M表示的是模糊加权指数；C_i与C_k表示的是第i个与第k个聚类中心；D_ij表示的是邻域内所有C_i像素点与 C_i的距离之和；Q_ij表示的是邻域内属于 C_i 像素点的数量；Q_ij/C表示的是邻域像素点影响程度因子。
以公式（12）计算结果为基础，计算综合隶属度，表达式为

ξ_{i j} = \frac{η_{i j} + ρ_{0} μ_{i j}}{\sum η_{i j} + ρ_{0} μ_{i j}}

(13)

式（13）中，ρ₀表示的是综合隶属度 ξ_ij辅助计算参量。
依据综合隶属度数值即可获得三维图像分割结果 $C_{1}^{'} ， C_{2}^{'} ， \dots ， C_{m}^{'}$ 为隐伏地质构造研究提供帮助。
2 实验与结果分析
2.1 实验区域确定
选取某含有隐伏地质构造的矿产开发环境作为实验区域，该地质构造包含多个不同高度的山丘，地层主要由不同的岩石和土壤组成，包括砂岩、页岩、石灰岩等，且存在多个隐伏断层构造，赋矿围岩的种类和性质较为多样，包括不同类型的沉积岩、变质岩和岩浆岩，形成会沿断层带分布，呈成脉状的矿体。实验区域的概况如图2所示。
图2中，此研究区受地质构造活动的影响较大，导致该地区形成断层、褶皱等地质构造。其中含有 4 个区域性隐伏断层构造。在这些区域内，岩石地层常常受到地壳板块的构造应力影响而形成折皱，即岩石地层会发生弯曲变形、剪切，即岩石地层发生沿某一方向的相对位移而形成剪切带或剪切面、错断，即岩石地层发生断裂形成的断层等地质构造，出现了复杂多样的地形地貌（图3）。该地区的地质结构和沉积物分布特征如图4所示。
图2 实验区域示意图
图3 岩石地层的折皱、剪切和错断地质构造图
a—褶皱构造；b—剪切构造；c—错断构造
图4 研究区地质结构和沉积物分布特征示意图
根据图4 可知，不同类型的岩石和地层之间存在明显的变形，图中的断层切割了不同时代的岩石地层，表明此区域内断层为早期存在的断层，在后期经过活化，得到目前的隐伏断层，对于此地区成矿带构成控矿作用。
故将其作为实验区域，能够有效验证提出方法的应用性能。该区域的不同矿种占地面积如表1所示。实验区域实际三维图像如图5所示。
表1 试验区不同矿种占地面积统计
图5 研究区三维图像
上述过程完成了实验区域的选取，并获取了对应的三维图像，为后续实验的进行提供充足的依据支撑。
2.2 实验数据处理
实验区域三维图像数量较多，由于图像获取设备的不同，致使三维图像尺寸存在着较大的差异，容易增加实验的运算量与时间。因此，在实验之前需要对实验数据——三维图像进行尺寸统一化处理，表达式为

ς^{'} = \frac{ς - ς_{m i n}}{ς_{m a x} - ς_{m i n}}

(14)

式（14）中， $ς$ 与 $ς^{'}$ 表示的是统一化处理前、后的三维图像尺寸； $ς_{m i n}$ 与 $ς_{m a x}$ 表示的是三维图像尺寸的最小值与最大值。
以式（14）计算结果 $ς^{'}$ 为标准，将全部实验数据——三维图像尺寸调整到 $ς^{'}$ ，为后续实验进行提供便利。
2.3 实验结果分析
受地质活动频繁影响，研究区地质构造的走向主要包括东西向、南西向、北西向和北东向。东西向构造带中，相对典型区域是西江屯、邓屋矿段、西山盆地等；南西向构造带中，相对典型的区域是罗定坡；北西向构造带中，典型区域主要为古水向斜北端构造、九所—陵水构造带；东北向构造带中，典型区域主要为老虎塘、龙山洼、佛冈。
结合地质构造的走向，应用提出方法对图2 所示隐伏地质构造三维图像进行分割处理，获得结果如图6所示。
如图6 所示，提出方法可以有效地将三维图像分割为多个部分，分割结果与实际情况一致。这是因为本文方法通过应用拉普拉斯算子，有效地去除了图像中的高频噪声，提升了图像的信噪比和清晰度，通过计算三维图像的分形维数描述图像的复杂性和不规则性，有助于识别出图像中的异常区域，准确定位出隐伏地质构造的位置。并通过制定详细的分割程序，提高了分割的针对性和准确性。
为了客观体现本文方法对三维图像分割的精度，选取基于深度学习的轴突三维图像分割与重构（周子棋等，2021）与多站点新冠肺炎肺部CT图像的三维深度卷积分割（邹键等，2022）作为对比方法，对相同区域进行分割，结果如图7所示。
图6 隐伏地质构造三维图像分割结果图
图7 对比方法的分割结果
a—对比方法1；b—对比方法2
对比图7 和图5 可知，两种对比方法的分割结果与实际结果具有较大差别，分割效果较差。
为了量化三种方法的分割效果，通过应用提出方法、对比方法 1与对比方法 2，通过识别图像中各部分的像素类型和位置，计算三维图像分割精度。由于精度直接反映了不同分割方法对于图像中各部分的像素类型和位置的识别能力，因此当分割结果精度提高时，分割结果会具有更高的鲁棒性和泛化能力，正确率也会相应地提高，分割效果就会越好。具体结果如表2所示。
如表2 数据所示，相较于对比方法 1 与对比方法 2 来看，应用提出方法获得的三维图像分割精度更高，最大值达到了96.32%。这是因为本文方法采用自适应邻域加权改进FCM聚类算法，解决了传统 FCM聚类算法在处理复杂图像时收敛速度慢、对初始值敏感的问题。引入的自适应邻域加权机制使得 FCM 聚类算法能够更灵活地调整聚类中心的位置，提高了算法的收敛速度和稳定性，从而获得了更高的分割精度。
表2 三维图像分割精度数据（%）
上述实验结论显示：与两种对比方法相比较，应用提出方法可以获得更精准的三维图像分割结果，证实了提出方法的应用性能较佳。
3 结论
（1）此研究采用邻域加权改进 FCM 聚类算法，以此为基础，提出了新的隐伏地质构造三维图像分割方法研究。
（2）实验数据显示，提出方法有效地提升了三维图像分割精度，为隐伏地质构造研究提供更加准确的支撑作用，也为图像分割相关研究提供一定的借鉴。
参考文献
- 邓念东，石辉，崔阳阳. 2022. 基于ArcGIS的府谷县地质灾害与影响因素耦合分析[J]. 矿产勘查， 13(4)： 507-516.
- 杜玉龙，方维萱. 2021. 综合构造岩相学勘查技术在玻利维亚古布利达铜矿床找矿中的应用[J]. 地球科学与环境学报， 43(5)： 800-813.
- 黄天怡，冉小炜，郭增才. 2020. 基于深度学习的轴突三维图像分割与重构[J]. 神经解剖学杂志， 36(3)： 261-269.
- 李琳，陈松林，修晓龙. 2021. 基于多源遥感数据的福建双旗山地区地质构造解译[J]. 长春工程学院学报（自然科学版）， 22(1)： 57-60， 64.
- 李清. 2021. 基于改进PSO-PFCM聚类算法的电力大数据异常检测方法[J]. 电力系统保护与控制， 49(18)： 161-166.
- 刘成军，刘恒光，侯卫生，王典，陈晓丹，张华，陈勇华. 2022. 基于多点统计学的地质体三维重构及其在地铁工程中的应用[J]. 中山大学学报：自然科学版(中英文)， 61(1)： 94-104.
- 苏士星，宋双全，魏明君. 2022. 综合物探方法在河南济源疙瘩深隐伏铁矿床勘查中的应用[J]. 矿产勘查， 13(8)： 1191-1197.
- 田彦彦，孙静. 2021. 分块自适应加权改进大规模模糊聚类[J]. 机械设计与制造， (9)： 279-282.
- 吴辰文，马宁，蒋雨璠. 2021. 基于Jeffrey散度相似性度量的加权FCM聚类算法[J]. 激光与光电子学进展， 58(8)： 96-105.
- 熊玖琦，刘星. 2022. 基于支持向量机的顾北煤矿北一矿区三维地质模型构建[J]. 科学技术与工程， 22(19)： 8194-8199.
- 许国，王长海，周晓琴. 2022. 基于地质特征驱动的三维地质建模技术[J]. 深圳大学学报：理工版， 39(4)： 417-423.
- 易柯，张志勇，李曼，原源，郭一豪，周峰. 2022. 基于FCM聚类算法的二维RMT电阻率与介电常数联合反演[J]. 地球物理学报， 65(6)： 2340-2350.
- 俞胜，赵保青，贾轩，董顺利，赵斌斌，白永波，李生喜，杨瑞东. 2022. 沉积型锰矿隐伏矿体定位预测及深部验证——以阿克塞县赛马沟锰矿为例[J]. 矿产勘查， 13(4)： 473-480.
- 赵泉华，王春畅，李玉. 2021. 基于混合邻域约束项的改进FCM算法[J]. 控制与决策， 36(6)： 1457-1464.
- 周子棋，康莉，黄建军. 2021. 多站点新冠肺炎肺部CT图像的三维深度卷积分割[J]. 信号处理， 37(11)： 2178-2184.
- 邹键，唐文龙，王凤华，胡峰，薄军委，王志新，刘治，魏绪峰，李勇. 2022. 高分遥感数据在胶东水道地区金成矿远景区圈定中的应用研究[J]. 地质论评， 68(6)： 2336-2348.

图1 三维图像分割程序图

图2 实验区域示意图

图3 岩石地层的折皱、剪切和错断地质构造图

图4 研究区地质结构和沉积物分布特征示意图

图5 研究区三维图像

图6 隐伏地质构造三维图像分割结果图

图7 对比方法的分割结果

表1 试验区不同矿种占地面积统计

表2 三维图像分割精度数据（%）

相似文献

基本信息

中图分类号: P631
文献标识码: A
DOI: 10.20008/j.kckc.202412016
文章编号: 1674-7801(2024)12-2337-08

基金信息

本文受江苏省重要地质灾害隐患点调查项目（苏财资环（2020）20号）资助；

引用信息

来俊海，白向举，蔺华锋，李会双，孙世勇. 2024. 基于改进FCM聚类算法的隐伏地质构造三维图像分割方法[J]. 矿产勘查，15（12）： 2337-2344.

Lai Junhai, Bai Xiangju, Lin Huafeng, Li Huishuang, Sun Shiyong. 2024. 3D image segmentation method of hidden geological structure based on improved FCM clustering algorithm[J]. Mineral Exploration, 15（12）: 2337-2344.

稿件历史

收稿日期: 2023-03-28

参考文献

邓念东，石辉，崔阳阳. 2022. 基于ArcGIS的府谷县地质灾害与影响因素耦合分析[J]. 矿产勘查， 13(4)： 507-516.
杜玉龙，方维萱. 2021. 综合构造岩相学勘查技术在玻利维亚古布利达铜矿床找矿中的应用[J]. 地球科学与环境学报， 43(5)： 800-813.
黄天怡，冉小炜，郭增才. 2020. 基于深度学习的轴突三维图像分割与重构[J]. 神经解剖学杂志， 36(3)： 261-269.
李琳，陈松林，修晓龙. 2021. 基于多源遥感数据的福建双旗山地区地质构造解译[J]. 长春工程学院学报（自然科学版）， 22(1)： 57-60， 64.
李清. 2021. 基于改进PSO-PFCM聚类算法的电力大数据异常检测方法[J]. 电力系统保护与控制， 49(18)： 161-166.
刘成军，刘恒光，侯卫生，王典，陈晓丹，张华，陈勇华. 2022. 基于多点统计学的地质体三维重构及其在地铁工程中的应用[J]. 中山大学学报：自然科学版(中英文)， 61(1)： 94-104.
苏士星，宋双全，魏明君. 2022. 综合物探方法在河南济源疙瘩深隐伏铁矿床勘查中的应用[J]. 矿产勘查， 13(8)： 1191-1197.
田彦彦，孙静. 2021. 分块自适应加权改进大规模模糊聚类[J]. 机械设计与制造， (9)： 279-282.
吴辰文，马宁，蒋雨璠. 2021. 基于Jeffrey散度相似性度量的加权FCM聚类算法[J]. 激光与光电子学进展， 58(8)： 96-105.
熊玖琦，刘星. 2022. 基于支持向量机的顾北煤矿北一矿区三维地质模型构建[J]. 科学技术与工程， 22(19)： 8194-8199.
许国，王长海，周晓琴. 2022. 基于地质特征驱动的三维地质建模技术[J]. 深圳大学学报：理工版， 39(4)： 417-423.
易柯，张志勇，李曼，原源，郭一豪，周峰. 2022. 基于FCM聚类算法的二维RMT电阻率与介电常数联合反演[J]. 地球物理学报， 65(6)： 2340-2350.
俞胜，赵保青，贾轩，董顺利，赵斌斌，白永波，李生喜，杨瑞东. 2022. 沉积型锰矿隐伏矿体定位预测及深部验证——以阿克塞县赛马沟锰矿为例[J]. 矿产勘查， 13(4)： 473-480.
赵泉华，王春畅，李玉. 2021. 基于混合邻域约束项的改进FCM算法[J]. 控制与决策， 36(6)： 1457-1464.
周子棋，康莉，黄建军. 2021. 多站点新冠肺炎肺部CT图像的三维深度卷积分割[J]. 信号处理， 37(11)： 2178-2184.
邹键，唐文龙，王凤华，胡峰，薄军委，王志新，刘治，魏绪峰，李勇. 2022. 高分遥感数据在胶东水道地区金成矿远景区圈定中的应用研究[J]. 地质论评， 68(6)： 2336-2348.

分享给微信好友或者朋友圈

使用微信“扫一扫”功能。

基于改进FCM聚类算法的隐伏地质构造三维图像分割方法

3D image segmentation method of hidden geological structure based on improved FCM clustering algorithm

摘要

Abstract

关键词

Keywords

0 引言

1 隐伏地质构造三维图像分割方法研究

1.1 三维图像归一化处理

(1)

1.2 三维图像曲面去噪处理

(2)

(3)

(4)

(5)

(6)

1.3 目标隐伏地质构造定位

(7)

(8)

1.4 三维图像分割实现

(9)

(10)

(11)

(12)

(13)

2 实验与结果分析

2.1 实验区域确定

2.2 实验数据处理

(14)

2.3 实验结果分析

3 结论

参考文献

相似文献

基本信息

基金信息

引用信息

稿件历史

参考文献