岩心高光谱三维扫描系统中图像失真校正与拼接

田青林; 潘蔚; 陈雪娇; 唐义

doi:10.12404/j.issn.1671-1815.2501259

科学技术与工程 ›› 2026, Vol. 26 ›› Issue (10) :4317-4321 DOI: 10.12404/j.issn.1671-1815.2501259

自动化技术、计算机技术

岩心高光谱三维扫描系统中图像失真校正与拼接

田青林 ¹ ,
潘蔚 ¹ ,
陈雪娇 ¹ ,
唐义 ²

作者信息 +

Image Distortion Correction and Stitching in Core Hyperspectral 3D Scanning System

Author information +

文章历史 +

摘要

岩心是矿产勘查、地质研究过程中产生的重要实物地质资料,具有原始、客观和不可再生等特征。然而,岩心在保管和使用过程中,有可能发生风化、断裂甚至丢失。高光谱三维扫描既能再现完整的岩心外观特征,实现长期保存,又包含丰富的岩矿光谱信息,是管理和存储岩心的有效方法。为了获得高质量的岩心全景图,提出了一种岩心高光谱图像失真校正与拼接方法,首先阐述了岩心高光谱三维扫描系统的组成及数据采集方法,再结合扫描系统几何关系和朗伯余弦定理推导出校正辐射亮度和几何形状失真的变换公式,最后通过加权平均算法拼接融合岩心图像。实验结果表明,该方法能够有效校正岩心高光谱图像扫描过程中产生的辐射失真与几何畸变,获得高质量的岩心全景图像,工程实用价值较高。

Abstract

Rock cores are important physical geological material generated during mineral exploration and geological research, which have characterizations of primitiveness, objectivity, and non-renewability. However, rock cores may undergo weathering, fracturing, or even loss in storage and use. Hyperspectral 3D scanning provides an efficient way to manage and store rock cores, which not only reproduces complete appearance features, enables long-term preservation, but also presents rich spectral information of rocks and minerals. In order to obtain high-quality core panorama, a core hyperspectral image distortion correction and stitching method was proposed. Firstly, the main components and its operating procedures of a hyperspectral 3D scanning apparatus for rock cores were introduced. Then, according to the geometric relationship of the scanning apparatus and the Lambert’s cosine law, correction formulas for correcting the radiometric and geometric distortions were derivated in detail. Finally, a weighted average algorithm was used to stitch and fuse core images. The results show that the proposed method can effectively correct both the radiometric and geometric distortions of the rock core images, and yields high-quality core panorama, which has high practical values in engineering projects.

Graphical abstract

关键词

岩心扫描 / 高光谱图像 / 畸变校正 / 图像拼接

Key words

rock core scanning / hyperspectral images / distortion correction / image stitching

引用本文

引用格式 ▾

田青林, 潘蔚, 陈雪娇, 唐义. 岩心高光谱三维扫描系统中图像失真校正与拼接[J]. 科学技术与工程, 2026, 26(10): 4317-4321 DOI:10.12404/j.issn.1671-1815.2501259

TIAN Qing-lin, PAN Wei, CHEN Xue-jiao, TANG Yi. Image Distortion Correction and Stitching in Core Hyperspectral 3D Scanning System[J]. Science Technology and Engineering, 2026, 26(10): 4317-4321 DOI:10.12404/j.issn.1671-1815.2501259

登录浏览全文

4963

注册一个新账户忘记密码

钻孔岩心是研究地下岩石层结构,了解地下矿产情况最重要、最直观的实物地质资料^[1]。但由于岩心出筒后容易受到风化和破坏,降低了岩心持续研究使用的价值。为了实现岩心特征的长久保存和远程使用,岩心编录一直是最常用和可靠的手段。然而,传统的人工编录不仅费时费力,且易受编录人员经验性和主观性影响,难以全面科学地记录岩心的真实外观。岩心高光谱扫描是一种有效的管理和存储岩心的方式,不仅能够较完整再现岩心外观特征,实现持久保存,还包含丰富的光谱信息,更有利于对岩心的矿物组成等进行无损分析^[2-3]。

近年来,澳大利亚实施了Online drilling项目研究,通过岩心光谱测量、矿物组分分析,提供线上公共服务^[4-5];加拿大同样开展了Deep search任务工作,以测量获取钻孔岩心的光谱数据^[6]。国内方面,核工业北京地质研究院引进了Hyspex高光谱传感器,并自主开发了岩心扫描平台^[7];中国地质调查局油气资源调查中心引入了澳大利亚的HyLogger岩心高光谱扫描系统,可实现岩心矿物的快速测量分析^[8];南京地质调查中心依托重大科学仪器专项自主研发了国产岩心光谱扫描装置CMS350^[9]。但是上述设备难以进行精准三维扫描,只能对某个感兴趣的岩心侧面进行扫描,无法获得高质量的岩心全景图,不利于对岩心表面的裂隙节理等结构进行直接观测^[10-12]。

获取岩心高光谱三维扫描数据的方式一般分为平动扫描和滚动扫描两种^[13]。但Hyspex高光谱传感器属于推扫式面阵成像,考虑到改造成本、采集效率、数据量等因素,采取平动扫描方式沿着岩心柱面进行多个角度的侧面扫描更为合理。然而,由于岩心外表面是圆柱弧面,Hyspex传感器成像面为平面,在图像采集过程中,不可避免地出现几何畸变,无法真实反映岩心的空间结构信息^[14-15]。此外,圆弧形状还会使得岩心外表面不同位置的点与Hyspex传感器产生辐射夹角差异,导致采集的岩心图像沿圆周方向产生规律性的亮度变化,引起辐射失真^[16]。

针对上述问题,现开展岩心高光谱三维扫描系统中图像失真校正与拼接研究。通过自主研发的岩心高光谱三维扫描装置获取柱状岩心多角度的外表面图像,并进行辐射校正和几何校正预处理,利用加权平均算法拼接融合多角度图像,获得高质量的岩心全景图,为钻孔岩心三维可视化提供数据支持,也为重大工程选址时岩心结构面和力学性质分析提供准确信息。

1 工作原理

所使用的岩心高光谱三维扫描装置结构如图1所示。该装置主要由Hyspex高光谱传感器、导轨、光源、转轴、转动控制平台及岩心6部分组成。其中,Hyspex传感器由挪威引进,主要技术参数如表1所示;待测岩心放置于两根平行的转轴之间;Hyspex传感器固定在导轨上,并与待测岩心的中心对齐;转动控制平台位于倾斜立柱侧面,用于控制电机带动转轴实现高精度自动化岩心翻转;光源安装在导轨下方的梯形灯架上,并聚焦于Hyspex传感器的正下方。

扫描时,导轨带动Hyspex传感器沿岩心轴向匀速移动,传感器对正下方岩心进行高光谱数据采集,完成单次推扫成像。通过转动控制平台设定转轴每次转动的角度为90°,分4次扫描以获得柱状岩心4个角度的外表面图像(图2中编号1~4部分)。由于每次扫描成像的光源、几何参数和传感器参数一致,得到的图像大小和畸变特征相同,因此可以通过辐射校正和几何校正预处理,结合图像拼接算法,获得高质量的岩心全景图,整体流程如图2所示。

2 图像失真校正与拼接算法实现

2.1 辐射校正

在均匀光照条件下,岩心各点表面法线方向发射的辐射通量大小一致,但Hyspex传感器与岩心各点表面法线方向所成角度存在差异,导致传感器接收到的各点的辐射通量不同,进而出现图像亮度分布不均匀的现象,产生辐射畸变。所采用的辐射校正思路为:根据朗伯余弦定理,对传感器与岩心表面各点法线方向所成角度不同导致的辐射通量余弦差异进行补偿,从而得到亮度均匀的图像。

如图3所示,在建立的直角坐标系中,以待测岩心上表面切线方向为X轴,过待测岩心中心的上表面垂线方向为Y轴,XY平面平行于岩心横切面。

设点P的坐标为(x,y),则直线SP的方程为

(1)

$\frac{h}{a}x-y+h=0$

点P所在圆的方程为

(2)

${x}^{2}+{(y+r)}^{2}={r}^{2}$

线段OP的长度为

(3)

$\left|OP\right|=\sqrt{{x}^{2}+{y}^{2}}$

线段OP对应的圆心角α为

(4)

$\alpha =2\mathrm{a}\mathrm{r}\mathrm{c}\mathrm{s}\mathrm{i}\mathrm{n}\frac{\left|OP\right|}{2r}$

直线SP与Y轴的夹角β为

(5)

$\beta =\mathrm{a}\mathrm{r}\mathrm{c}\mathrm{t}\mathrm{a}\mathrm{n}\frac{a}{h}$

点P的法线方向与直线SP的夹角θ为

(6)

$\theta =\alpha +\beta $

图像上点P校正前的亮度为L,校正后的亮度为L₁,根据朗伯余弦定理可得

(7)

${L}_{1}=\frac{L}{\mathrm{c}\mathrm{o}\mathrm{s}\theta }$

2.2 几何校正

利用Hyspex传感器采集岩心外表面图像时,由于岩心表面是圆柱弧面,只有岩心顶端成像不存在几何失真,沿着顶端越靠近边缘两侧,岩心表面的弧度越大,传感器镜头到岩心表面各点的距离会逐渐增加,获取的岩心图像挤压畸变也越来越严重^[17-19]。若不加以校正,会导致图像边缘的岩心信息发生变形甚至丢失。所采用的几何校正思路为:将待测岩心外表面图像投影到岩心顶端所在的平面上,并根据传感器与岩心的几何位置关系,拉伸展开被挤压的岩心图像边缘,从而有效保留图像边缘的特征信息。

如图3所示,岩心顶端的点O未产生图像挤压,因此无需几何校正操作。而点O两侧位置的点受圆柱弧面影响存在位置挤压,需重新计算拉伸展开后的像素点坐标值。

结合岩心半径与圆心角,得到线段OP对应的弧长l的计算公式为

(8)

$l=\alpha r$

根据l的长度确定几何校正后P₂的位置,其像素值通过校正前图像中同一行临近两个像素线性插值获得。利用上述几何模型实现两侧岩心外表面图像的几何校正。

2.3 图像拼接

岩心外表面图像越接近两侧,图像受挤压导致的信息损失越严重,单纯通过几何校正无法恢复损失的数据,只能通过多次多角度拍摄弥补信息损失。在实际操作中舍弃了边缘的部分图像,只截取传感器(-50°,50°)范围内数据作为有效区域。其次,由于相邻两个角度的岩心外表面有效图像的边缘存在小部分重叠区域,可以通过尺度不变特征变换算法进行配准^[20]。最后,对配准后的岩心多角度外表面图像进行拼接,同时为了缓解直接拼接过程中出现的拼接缝,对图像进行加权平均处理,计算公式为

(9)

$D(i,j)=\frac{n-i}{n-m}f(i,j)+\frac{i-m}{n-m}g(i,j)$

式(9)中:m、n分别为角度1岩心图像与角度2岩心图像的重叠区起始列横坐标和结束列横坐标;f(i,j)、g(i,j)和D(i,j)分别为角度1岩心图像、角度2岩心图像及重叠区第j行第i列处的像素值。

3 实验结果与分析

根据上述辐射校正方法对采集到的岩心外表面图像的每个波段进行辐射亮度校正实验,单波段图像校正结果如图4所示。图4(a)为岩心的原始采集图像,岩心沿圆周方向中心与边缘亮暗差异明显,存在颜色不均匀现象。图4(b)是经辐射亮度校正后的岩心外表面图像,对比发现辐射校正后的图像边缘与中心的亮度差异改善明显,图像整体亮度更均匀,与岩心外表面的真实情况更为接近,能够呈现更加逼真的岩心外观图像。

根据上述几何校正方法对辐射校正后的岩心外表面图像的每个波段进行几何校正实验,单波段图像校正结果如图5所示。图5(a)是经辐射校正后的岩心图像,岩心的边缘两侧明显被压缩,存在较为严重的挤压畸变。图5(b)是经辐射校正后再进行几何校正的结果,可以看出经几何校正后的图像边缘得到明显拉伸,岩心柱面图像实现有效扩展,有效地保留了图像的边缘特征信息。

根据上述图像拼接方法对几何校正后的岩心多角度外表面图像进行拼接实验,单波段图像拼接结果如图6所示。从图6可以看到,图像拼接结果无显著的亮度差异,整体亮度保持一致,同时结合加权平均算法进行融合处理,消除了图像拼接缝痕迹,完整展现了柱状岩心的全景图,能够真实地反映岩心表面的细节信息,符合工程应用过程中对岩心图像的使用要求。

此外,为了进一步评价图像拼接的质量,在实验室条件下将Hyspex传感器位置保持固定不变,对岩心进行滚动扫描成像,直接获取岩心的真实柱面展开图像。通过对比本文方法得到的拼接图像与真实图像之间的差异性,客观评价拼接效果。选取了用于衡量图像退化程度的信噪比(signal to noise ratio,SNR)指标进行量化评价,信噪比越大,表示拼接图像的退化程度越小,SNR的计算公式为

(10)

$SNR=10lg\frac{\stackrel{N}{\sum _{i=1}}\stackrel{M}{\sum _{j=1}}{\left[A(i,j)\right]}^{2}}{\stackrel{N}{\sum _{i=1}}\stackrel{M}{\sum _{j=1}}\left[A\right(i,j)-B{(i,j)]}^{2}}$

式(10)中:M和N分别为拼接图像的行数和列数;A(i,j)和B(i,j)分别为拼接图像和真实图像上第j行第i列处的像素值。

经计算分析,拼接图像与真实图像的信噪比达到了41 dB,拼接图像的视觉效果较为清晰。

核工业北京地质研究院承担的中国北山高放废物地质处置地下实验室建设工程项目,需要对北山地质条件和稳定性进行评价。通过本文方法得到的岩心外表面全景图,在地下实验室前期工程中已得到应用,不仅为钻孔岩心三维可视化提供了数据支持,还为开展地下实验室围岩矿物成分、力学性质及空间变化特征分析提供了全面准确的信息,以良好的实用性保障了重大工程的顺利推进。

4 结论

基于工程应用角度,提供了一种岩心高光谱三维数据采集的装置和获取方法。针对采集的岩心图像存在的辐射亮度和几何形状失真,提出了一种岩心高光谱图像失真校正与拼接方法。基于扫描系统成像特点构建几何模型,并根据朗伯余弦定理计算出辐射和几何校正变换公式。采用加权平均算法拼接融合外表面图像,有效缓解了重叠区域出现的拼接缝问题,得到高质量的360°岩心全景图。实验结果表明,本文方法能够对三维扫描装置获取的岩心外表面高光谱图像的辐射失真和几何畸变进行有效校正,获得的岩心全景图拼接效果较好,能够满足进一步的图像处理与分析要求,具有较高的工程实用价值。

参考文献

原文顺序 | 出版日期 | 本文引用

[1]	何田素, 李玮, 盖京明, 等. 基于小波去噪神经网络在数字岩心的应用[J]. 科学技术与工程, 2025, 25(1): 270-277.

[2]	He Tiansu, Li Wei, Gai Jingming, et al. Application of wavelet denoising neural network in digital core[J]. Science Technology and Engineering, 2025, 25(1): 270-277.

[3]	张国田. 岩心成像技术原理与图像采集[J]. 录井技术, 2013, 24(2): 37-40.

[4]	Zhang Guotian. Principle and image acquisition of core imaging technology[J]. Mud Logging Engineering, 2013, 24(2): 37-40.

[5]	姜宇, 李娜, 孟令杰, 等. 基于误差分析的岩芯高光谱数据几何校正方法[J]. 红外与激光工程, 2018, 47(5): 175-182.

[6]	Jiang Yu, Li Na, Meng Lingjie, et al. Geometric correction method of core hyperspectral data based on error analysis[J]. Infrared and Laster Engineering, 2018, 47(5): 175-182.

[7]	Guanter L, Kaufmann H, Segl K, et al. The EnMAP spaceborne imaging spectroscopy mission for earth observation[J]. Remote Sensing, 2015, 7(7): 8830-8857.

[8]	Tong Q X, Xue Y Q, Zhang L F. Progress in hyperspectral remote sensing scienceand technology in China over the past three decades[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2015, 7(1): 70-91.

[9]	修连存, 郑志忠, 殷靓, 等. 岩心扫描仪光谱数据质量评估方法研究[J]. 光谱学与光谱分析, 2015, 35(8): 2352-2356.

[10]	Xiu Liancun, Zheng Zhizhong, Yin Liang, et al. Research on assessment methods of spectrum data quality of core scan[J]. Spectroscopy and Spectral Analysis, 2015, 35(8): 2352-2356.

[11]	张川, 叶发旺, 徐清俊, 等. 钻孔岩心高光谱技术系统及其在矿产勘查中的应用[J]. 地质科技情报, 2016, 35(6): 177-183.

[12]	Zhang Chuan, Ye Fawang, Xu Qingjun, et al. Drill core hyperspectral technology system and its application in mineral prospecting[J]. Geological Science and Technology Information, 2016, 35(6): 177-183.

[13]	童鹏, 刘鹏飞, 赵英俊, 等. 基于改进后HyLogger岩芯测量系统的一种低反射率页岩气岩芯高光谱数据获取方法[J]. 中国矿业, 2018, 27(5): 147-152.

[14]	Tong Peng, Liu Pengfei, Zhao Yingjun, et al. A method of high spectral data acquisition for low reflectivity shale gas core based on the improved HyLogger core scanning system[J]. China Mining Magazing, 2018, 27(5): 147-152.

[15]	蒙亚平, 杜培军, 李二珠, 等. 国产岩心光谱扫描仪CMS350A数据预处理技术[J]. 国土资源遥感, 2017, 29(4): 73-81.

[16]	Meng Yaping, Du Peijun, Li Erzhu, et al. Data preprocessing methods of domestic core spectral scanner CMS350A[J]. Remote Sensing for Land and Resources, 2017, 29(4): 73-81.

[17]	梁涛, 郭建兵, 任海燕. 岩心图像扫描系统中自动拼接算法实现[J]. 控制工程, 2012, 19(6): 1059-1061.

[18]	Liang Tao, Guo Jianbing, Ren Haiyan. Automatic stitching algorithms implementation in core image scanning system[J]. Control Engineering of China, 2012, 19(6): 1059-1061.

[19]	张野, 陈金桥, 李炎隆. 基于多深度模型的钻孔结构面智能识别与量化分析[J]. 地质科技通报, 2023, 42(6): 31-41.

[20]	Zhang Ye, Chen Jinqiao, Li Yanlong. Intelligent recognition and quantitative analysis of borehole hydraulic geological images utilizing multiple deep learning models[J]. Bulletin of Geological Science and Technology, 2023, 42(6): 31-41.

[21]	韩宗晏, 王贵文, 武宏亮, 等. 古龙凹陷青一段页岩层系沉积构造特征与测井识别方法[J]. 地质科技通报, 2026, 45(2): 48-57.

[22]	Han Zongyan, Wang Guiwen, Wu Hongliang, et al. Sedimentary structural characteristics and well logging identification method for shale strata in the First Member of the Qingshankou Formation, Gulong Sag[J]. Bulletin of Geological Science and Technology, 2026, 45(2): 48-57.

[23]	徐圣滨, 李立华, 何小海, 等. 基于拉普拉斯金字塔融合的岩心图像拼接算法[J]. 计算机系统应用, 2023, 32(2): 316-321.

[24]	Xu Shengbin, Li Lihua, He Xiaohai, et al. Core image stitching algorithm based on laplacian pyramid fusion[J]. Computer System & Applications, 2023, 32(2): 316-321.

[25]	林科旭, 吴晓红, 符耀庆, 等. 岩心图像采集中的失真研究与校正[J]. 四川大学学报(自然科学版), 2014, 51(3): 517-521.

[26]	Lin Kexu, Wu Xiaohong, Fu Yaoqing, et al. Research and correction of distortion in core image acquisition[J]. Journal of Sichuan University (Natural Science Edition), 2014, 51(3): 517-521.

[27]	赵春华, 贾玥泽, 谭金铃, 等. 基于机器视觉的轴承外圈表面图像拼接方法[J]. 科学技术与工程, 2022, 22(14): 5729-5736.

[28]	Zhao Chunhua, Jia Yueze, Tan Jinling, et al. Image mosaic met-hod of bearing outer ring surface based on machine vision[J]. Science Technology and Engineering, 2022, 22(14): 5729-5736.

[29]	陈雪娇, 潘蔚, 田青林. 双根岩心图像采集中的失真研究与校正[J]. 铀矿地质, 2018, 34(4): 240-244.

[30]	Chen Xuejiao, Pan Wei, Tian Qinglin, et al. Research on image distortion and correction for double rock core scanning[J]. Ura-nium Geology, 2018, 34(4): 240-244.

[31]	Ngo H T, Asari V K. A pipelined architecture for real-time correction of barrel distortion in wide-angle camera images[J]. IEEE Transactions on Circuits and System for Video Technology, 2005, 15(3): 436-444.

[32]	吴开兴, 段马丽. 新的桶形畸变的点阵样板校正方法[J]. 计算机应用, 2012, 32(4): 1113-1115.

[33]	Wu Kaixing, Duan Mali. New method of correcting barrel distortion on lattice model[J]. Journal of Computer Applications, 2012, 32(4): 1113-1115.

[34]	尹德辉, 李炳法, 唐燕. 基于小波变换的最佳融合算法[J]. 四川大学学报(自然科学版), 2007, 44(6): 1205-1210.

[35]	Yin Dehui, Li Bingfa, Tang Yan. Optimal image fusion algorithmbased on wavelet transforms[J]. Journal of Sichuan University (Natural Science Edition), 2007, 44(6): 1205-1210.

[36]	王丹, 卿粼波, 腾奇志, 等. 基于SURF-球面模型的岩心图像拼接[J]. 科学技术与工程, 2014, 14(36): 217-221.

[37]	Wang Dan, Qing Linbo, Teng Qizhi, et al. Core images stitching based on SURF algorithm and spherical model[J]. Science Technology and Engineering, 2014, 14(36): 217-221.