从岩石照片中提取节理或不连续性特征---直接识别和机器学习
1 引言
摄影测量技术(Photogrammetry)已经在岩土工程特别是在边坡工程中得到了广泛应用，最流行的处理软件有：ContextCapture[Bentley ContextCapture的最新版本Version 10.20.00.4145, 安装文件2.68G], Metashape, Pix4Dmapper, Recap Pro, RealityCapture, 3DF Zephyr, Trimble Inpho等，能从岩石照片中提取节理或不连续性特征的工具有：Split-FX【使用现代三维成像技术进行岩体不连续分析(Split-FX数据集)】, ShapeMetrix 3D，Sirovision，Coltop-3D，3DM Analyst，CloudCompare 等，包括开源的工具DSE【岩体不连续提取工具---Discontinuity Set Extractor (DSE)】。
如果进行该领域的学术研究，则需要使用一些库自己开发从岩石照片中提取节理或不连续性特征的工具，本文描述了开发的一般步骤和代码，包括直接图像识别方法和基于卷积神经网络CNN的深度学习方法。最后精选出2017~2022期间这一领域的11篇研究论文。
2 基本原理
岩体不连续性特征包括岩石的地层、纹理和脉理，以及由于构造断裂而出现的节理、裂隙、断层和剪切带等特征。节理面是指沿特定方向划分的岩石裂隙，节理面的参数包括方向、迹长、间距、粗糙度和张开度等。节理可以通过获取岩体的三维点云从中提取其特征参数。此外，可以通过分析三角网格单元的几何特征来获取节理的特征。对于单一的节理集，如果已知节理的方向，则可以通过分析岩芯中的空隙计算出节理的真实间距和表观间距。
一些学术研究使用数字图像处理和深度学习技术，致力于实现自动或半自动地提取节理或不连续性特征，如节理组、产状、连续性、间距、节理面的不规则度和块体尺寸等。另一个数字图像处理的方法是检测图像中的边缘来识别节理轮廓，并生成可用于进一步分析的结构图。使用数字图像处理方法来检测节理轮廓可以应用于隧道和边坡稳定性等方面的工程问题。
3 直接提取
从岩石照片中提取节理或不连续的特征相当复杂，因为它涉及到图像处理和模式识别。主要使用的视觉任务库是OpenCV-Python。下面的代码能够检测图像中的边，这对识别节理和不连续的地方很有用，实际应用时需要为特定图像调整参数。
