朱楚雄，徐金明，钟传江

（1.上海大学土木工程系，上海 200444；2.中铁十七局集团有限公司，山西 太原 030006）

0 引言

确定岩石中不同组分的实际分布，是分析岩石物理力学性质的重要基础，对分析岩石变形破坏过程具有重要意义。对于一幅岩石图像来说，确定不同组分分布的核心是确定不同位置组分的类别，本质上是对岩石图像进行图像分割处理。目前，图像分割的常规方法是阈值分割法和聚类法，利用图像中不同组分的颜色、轮廓、纹理等特征来确定类别。但使用常规图像分割方法确定组分类别，效果往往不能令人满意。

使用图像分割的方法确定岩石中不同组分的类别已经进行了很多研究。徐永进等[1]根据CT 图像中相邻图像的直方图相似性来确定岩石中不同组分的分割阈值；张嘉凡等[2]基于相似性度量标准的改进聚类分析，对岩石CT 图像进行了图像分割和损伤量化分析；钱庆波等[3]使用点选法和阈值分割技术，得到花岗岩中不同组分的分布情况；朱赛楠等[4]使用迭代最佳阈值算法提取了岩石CT 图像中的损伤区域；刘春等[5]使用改进种子算法分割岩石图像中的颗粒和孔隙，研究了岩石中微观颗粒与孔隙形状复杂度的变化；简文星等[6]编写了利用Sobel 算子进行边缘检测、进而对岩石图像中不同组分进行阈值分割的岩石裂隙检测系统。

近年来，随着人工智能技术的发展，使用深度学习确定物体中不同组分分布的研究取得了很多进展。与传统图像识别方法相比，使用深度学习算法进行图像分割的精确度更高，可以将比较复杂的目标识别出来。……