我国正处于社会经济大发展的重要时期,国民经济结构中基础设施建设一直占有举足轻重的地位.近些年来,在工程建设的众多技术领域中隧道和地下工程技术十分突出,它有着越来越多的广泛运用和夺目诱人的商业前景.隧道和地下工程技术以开发利用地壳潜在资源为目的,进而能够更好地实现环保、安全、便利、节能和经济的工程要求.我国广大工程技术人员在这方面已经做出了大量的努力和杰出的贡献,并取得了举世瞩目的成就.在新的世纪,我们更需要进一步加强对隧道和地下工程技术的运用研究,促进其更加快速的发展,同时对我国扩大内需拉动经济增长,早日实现小康社会、加强国防安全有着十分重要的作用。下面是搜索整理的隧道毕业设计开题报告，欢迎借鉴参考。 课题名称:隧道掌子面岩体裂隙快速识别及应用 1、选题意义和背景 隧道工程中，工程地质情况一直是参建各方十分关注的问题。隧道施工期形成的掌子面蕴含大量地质信息，随工程推进，掌子面不断产生变化，地质状态也在发生改变。掌子面岩体结构特征评价是隧道工程的基本工作，可用于围岩分级、稳定性预测、支护设计[i]和施工工艺设计。实际工程中，受现场条件、技术条件限制，多数情况下仍然通过技术人员，根据既定记录格式，实录填写掌子面地质信息。如填写人员无实际经验，记录结果不够准确，易导致对围岩地质状况评价结果出现偏差。另外，对掌子面地质信息主要以定性分析为主，缺少定量描述，难以更加精细的指导设计和施工。 目前对掌子面地质信息自动提取和分析已开展了一定研究。通过数码照相采集掌子面图像信息并自动分析是其中的一种方法。数码相机的普及，使掌子面数码图像获取相对容易，图像处理采用数字图像处理技术，当自动图像处理和识别岩体裂隙等参数难度较大时，加入人工干预，以实现对掌子面岩体特征分析，也能满足一定使用需求。 Sou-Sen Leu等[ii]对隧道掌子面数字图像的处理及应用过程进行了分析。周春霖[iii]、李鹏云等[iv]介绍了基于Hough变换检测和识别岩体裂隙的算法，但Hough变换仅适用于检测近似直线的裂隙，不适合检测连续的非直线裂隙。范留明[v]、罗佳等[vi]利用模板匹配和阈值匹配算法检测岩体裂隙，其检测结果采用人工方式提取岩体裂隙，效率较低，对具有大量裂隙的岩体处理工作量极大。叶英[vii]、胡刚[viii]等对预处理后的岩体图像进行了统计特征分析，用于统计特征的图像已经过图像处理，是否可直接用于特征提取未经证实，故统计特征的可靠性仍有待证实。 掌子面岩体裂隙是掌子面上的典型特征，可用于统计节理分组、平均裂隙间距、单位面积裂隙长度等特征参数[6]，以评价掌子面岩体稳定性。本文对掌子面岩体图像的采集、图像处理、裂隙识别及节理分组方法进行了研究，提出一种对掌子面数字图像中岩体裂隙识别的算法。通过岩体裂隙分析，实现对直线和非直线状岩体裂隙边界线自动提取，提高了岩体裂隙提取速度。根据提取结果，建立了岩体裂隙边界线自动分组方法。该研究成果可作为掌子面岩体地质素描的一部分，大大降低掌子面地质素描时间，提高地质素描准确性。可据此生成掌子面地质素描图，自动计算掌子面岩体特征参数，对掌子面地质情况做出定量分析和定性评价。 2、论文综述/研究基础 首先采用图像增强算法使图像与视觉响应特性相匹配，提高掌子面图像视觉效果。然后对图像进行边缘检测和边界线提取，对提取边界线进行拟合、拆分和连接，得到岩体裂隙边界线自动提取结果；对提取结果进行人工修正后，采用算法对裂隙边界线进行自动分组，若分组结果有误，可再次进行人工分组修正，最后得到不同分组下岩体裂隙边界线掌子面地质素描图。 隧道施工环境复杂，采集掌子面图像时，尽量避免施工粉尘影响、人工和施工机械干扰，为便于图像处理和图像解析，摄影位置尽量位于掌子面后方中间位置，摄影距离以相机能刚好采集到完整掌子面区域图像为宜，摄影时应尽量保证良好光照条件，保持光线均匀，镜头主轴方向与掌子面垂直，有条件时，尽量设置三角架采集图像。 采集图像前，在掌子面两侧底部各设置一标记点，测量两标记点间实际距离，以对不同时期采集掌子面图像设置统一图像像素与实际尺寸比例关系。采集图像时，若受客观条件制约，图像成像质量欠佳，应通过图像增强算法进行预处理，以提高图像质量。 3、参考文献 [1] 李术才,刘洪亮,李利平,等. 基于数码图像的掌子面岩体结构量化表征方法及工程应用[J]. 岩石力学与工程学报,2017, 36(1): 1-9. [2] LEU Sou-Sen, CHANG Shiu-Lin. Digital Image Processing based approach for tunnel excavation faces[J]. Automation in Construction, 2005, 14: 750-765. [3] 周春霖,朱合华,李晓军. 新奥法施工隧道掌子面红外照相及图像处理[J]. 岩石力学与工程学报,2008.6, 27(增1): 3166-3172. [4] 李鹏云,赵科,陈孜迪,等. 基于图像处理的隧道掌子面地质构造信息提取研究[J]. 土木建筑工程信息技术,2017.12, 9(6): 67-72. [5] 范留明,李宁. 基于数码摄影技术的岩体裂隙测量方法初探[J]. 岩石力学与工程学报,2005.3, 24(5): 792-797. [6] 罗佳,刘大刚. 围岩结构面发育程度参数的图像处理技术研究[J]. 计算机科学与工程,2013.4, 35(4): 75-80. [7] 叶英,王梦恕. 隧道掌子面地质信息数字编录识别技术研究[J]. 北京交通大学学报,2007, 31(1): 59-62. [8] 胡刚,金乾坤. 岩体天然裂隙计算机图像处理技术研究[J]. 有色金属（矿山部分）. 2004, 56(5): 39-40. [9] 李弼程,彭天强,彭波,等. 智能图像处理技术[M]. 电子工业出版社,2004.7. 本文来源：https://www.wddqw.com/doc/4ae23ebddfccda38376baf1ffc4ffe473268fdcf.html