(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210601998.5 (22)申请日 2022.05.30 (71)申请人 中国地质大 学(武汉) 地址 430000 湖北省武汉市洪山区鲁磨路 388号 申请人 武汉地大坤迪科技有限公司 (72)发明人 徐凯　孔春芳　吴冲龙　田宜平　 王均坐　杨昌语　李岩　吴雪超　 武永进　 (74)专利代理 机构 济南知来知识产权代理事务 所(普通合伙) 37276 专利代理师 曹丽 (51)Int.Cl. G06V 10/40(2022.01) G06T 7/136(2017.01)G06T 5/00(2006.01) G06V 10/26(2022.01) G06V 10/34(2022.01) G06V 10/44(2022.01) G06V 20/10(2022.01) (54)发明名称 一种基于图像处理的隐伏基底古裂谷识别 提取方法及系统 (57)摘要 本发明提供了一种基于图像处理的隐伏基 底古裂谷识别提取方法及系统， 本发 明通过提供 的基于图像处理技术的隐伏基底古裂谷识别和 提取技术， 可用于自动识别和提取布格重力数据 中大陆裂谷区或深大断裂， 并可在其它航磁、 地 震、 遥感数据中推广应用。 其中， 高斯滤波、 最佳 阈值处理、 线特征扩展等图像处理技术， 快速准 确地识别和提取布格重力数据中重力异常边界， 克服了噪声和细小图斑的影 响， 为隐伏 基底古裂 谷识别和提取提供了新思路， 能够为成矿条件挖 掘和矿产资源预测提供有力的支持。 权利要求书2页 说明书5页 附图3页 CN 115239966 A 2022.10.25 CN 115239966 A 1.一种基于 图像处理的隐伏基底古裂谷识别提取方法， 其特征在于， 所述方法包括以 下操作： S1、 将研究区原始布格重力数据向上延拓20km， 并将延拓数据转为栅格8位灰度图像； 利用大津法寻找最佳阈值对灰度图像进行分割， 获得重力高异常与低异常不同灰度 的图 像； S2、 使用2 ×2大小模板， 计算每个像素的梯度， 并采用非递归方法对整幅图像的梯度进 行快速排序， 并采用自适应算法确定梯度阈值， 去除平滑 区域或梯度变化缓慢 区域较小的 梯度值； S3、 以梯度排序中当前未使用、 幅值最大的像素点作为种子点， 以该点的水平线角度作 为区域初始角度， 在8邻域寻找与区域角度偏 差小于容忍值的点， 并将该点合并到区域中并 更新区域角度； S4、 利用旋转 卡壳方法构造包 含线性区域所有像素点的最小外 接矩形， 进行直线提取； S5、 采用线特征扩展方法处理提取的短线段， 按长度降序排序线段， 以当前长度最大、 未被使用的线段左右端点为基点， 其他未被使用线段的端点为候选点， 进 行线段遍历， 遍历 完成后选取候选列表中候选点距离基点最近的端点， 生成新的长线段， 长线段构成隐伏基 底古裂谷边界。 2.根据权利要求1所述的一种基于图像处理的隐伏基底古裂谷识别提取方法， 其特征 在于， 所述像素 的梯度计算前需要采用高斯滤波对分割后的图像进行平滑处理， 消除图像 中噪声和细碎图斑。 3.根据权利要求1所述的一种基于图像处理的隐伏基底古裂谷识别提取方法， 其特征 在于， 所述像素的梯度计算如下： 令坐标为(x,y)像素点的灰度值 为i(x,y)， 该点的梯度值G(x,y)计算如下： 梯度幅值计算如下： 4.根据权利要求1所述的一种基于图像处理的隐伏基底古裂谷识别提取方法， 其特征 在于， 所述梯度阈值的计算公式如下： 式中， τ 为区域增长的角度容忍度， ρ 为梯度阈值， q为 量化效应产生的可能误差 。 5.一种基于图像处 理的隐伏基底古裂谷识别提取系统， 其特 征在于， 所述系统包括： 图像分割模块， 用于将研究区原始布格重力数据向上延拓20km， 并将延拓数据转为栅 格8位灰度图像； 利用大津法寻找最佳阈值对灰度图像进行分割， 获得重力高异常与低异常 不同灰度的图像； 梯度去除模块， 用于使用2 ×2大小模板， 计算每个像素的梯度， 并采用非递归方法对整 幅图像的梯度进行快速排序， 并采用自适应算法确定梯度阈值， 去除平滑 区域或梯度变化权　利　要　求　书 1/2 页 2 CN 115239966 A 2缓慢区域较小的梯度值； 区域合并模块， 用于以梯度排序中当前未使用、 幅值最大的像素点作为种子点， 以该点 的水平线角度作为区域初始角度， 在8邻域寻找与区域角度偏差小于容忍值的点， 并将该点 合并到区域中并更新区域角度； 线段提取模块， 用于利用旋转卡壳方法构造包含线性区域所有像素点的最小外接矩 形， 进行直线提取； 边界识别模块， 用于采用线特征扩展方法处理提取的短线段， 按长度降序排序线段， 以 当前长度最大、 未被使用的线段左右端点为基点， 其他未被使用线段的端点为候选点， 进 行 线段遍历， 遍历 完成后选取候选列 表中候选点距离基点最近的端点， 生成新的长线 段， 长线 段构成隐伏基底古裂谷边界。 6.根据权利要求5所述的一种基于图像处理的隐伏基底古裂谷识别提取系统， 其特征 在于， 所述像素 的梯度计算前需要采用高斯滤波对分割后的图像进行平滑处理， 消除图像 中噪声和细碎图斑。 7.根据权利要求5所述的一种基于图像处理的隐伏基底古裂谷识别提取系统， 其特征 在于， 所述像素的梯度计算如下： 令坐标为(x,y)像素点的灰度值 为i(x,y)， 该点的梯度值G(x,y)计算如下： 梯度幅值计算如下： 8.根据权利要求5所述的一种基于图像处理的隐伏基底古裂谷识别提取系统， 其特征 在于， 所述梯度阈值的计算公式如下： 式中， τ 为区域增长的角度容忍度， ρ 为梯度阈值， q为 量化效应产生的可能误差 。权　利　要　求　书 2/2 页 3 CN 115239966 A 3