北京市密云东庄铁矿区岩浆岩断面结晶度特征信息提取方法研究

李敏 王婷 王晓红 周嘉林 韩征 张诗檬 许飞青 周捷铭

收稿日期：2024-01-15；修回日期：2024-04-13

基金项目：北京市自然科学基金项目（8204076）资助

第一作者简介：李敏（1983- ），女，硕士，高级工程师，主要从事城市地质信息化相关领域研究。E-mail：83171426@qq.com

引用格式：李敏，王婷，王晓红，周嘉林，韩征，张诗檬，许飞青，周捷铭，2024.北京市密云东庄铁矿区岩浆岩断面结晶度特征信息提取方法研究［J］.城市地质，19（2）：267-273

摘 要：依托MATLAB仿真平台研究岩浆岩断面结晶度有效特征。采用直方图均衡化进行图像增强预处理，通过几何特征算法提取水平周长、垂直周长与面积数据，计算粒度相对值参数；采用频域算法将频谱图像分割成环形区域，分析高频数据，通过积分求和得到高频区参数。通过两种算法融合，综合提取8维图像特征向量，可以准确表征岩浆岩的结晶程度及粒度大小。

关键词：北京东庄铁矿区；岩浆岩；特征提取；几何特征；频域特征；地质勘查

Methods to extract crystallinity characteristic information of magmatic rock section in Miyun， Beijing

LI Min1， WANG Ting2， WANG Xiaohong1， ZHOU Jialin1， HAN Zheng1， ZHANG Shimeng1， XU Feiqing1， ZHOU Jieming3

（1.Beijing Institute of Geological and Mineral Exploration， Beijing 100195， China；

2.Shandong Special Industry Group Co.， Ltd.， Zibo 255201， Shandong， China；

3.Beijing Geological Survey and Research Institute， Beijing 102206， China）

Abstract： Based on the MATLAB simulation platform， the effective characteristics of the magma rock section crystallinity in the study area are studied. Histogram equalization was applied for image enhancement preprocessing. Geometric feature algorithms were used to extract horizontal perimeter， vertical perimeter， and area data to calculate the relative value parameters of granularity. The frequency domain algorithm was used to segment the spectral image into circular regions， and the high-frequency data were analyzed and integrated to obtain the high-frequency region parameters. By combining two algorithms and comprehensively extracting 8-dimensional image feature vectors， the crystallization degree and particle size of magmatic rocks are accurately characterized.

Keywords： Beijing Dongzhuang Iron Mine Area; magmatic rocks; feature extraction; geometric features; frequency domain characteristics; geological exploration

特征提取是岩石学研究中的基础性工作，是辨识岩石岩性的关键性技术。随着计算机科学的发展，图像处理技术逐渐应用于岩石矿物的识别和信息提取，对于一个特定地区， 研究岩石断面图像结晶度特征，对提高岩石识别分类具有重要的理论指导价值，可以为矿产资源的评估和开发提供重要的信息（王奇等，2023）。

岩浆岩的结晶程度、颗粒大小及它们之间的相互关系是判断岩石结构特征的主要标准，在岩性的辨别中起到重要意义，也是特征分析识别的重点研究内容（李雪晴等，2023）。从岩浆岩的矿物构成特征看，岩浆岩中常见的矿物有辉石、角闪石、橄榄石、云母、斜长石、钾长石和石英等。张诗檬等（2022）提出了以建立岩浆岩基础数据库为重点，对岩浆岩断面外部形态特征进行分析，根据各特征参数的量化规则，将抽象的外部特征量转化为具体的数值，形成每种特征的量化值区间。由于岩石的复杂性且采集条件易受多种干扰，识别准确度低，各算法存在鲁棒性的问题，因此需要采用多种方式提取结构中的信息（张强等，2022；柳博文等，2023）。叶润青等（2011）通过多尺度分割特征提取方法获取了岩石图像的边界及其体积分数、大小、周长等几何特征信息，有助于岩石图像的地学理解。李佳航等（2023）运用频域算法，通过二维离散傅里叶变换将岩石图像转换为频域图像，并结合主成分分析技术提取频域图像特征，建立页岩纹层结构发育程度的表征参数进行纹层适用性评价，从而提出了一种海陆过渡相页岩纹层结构识别方法。不同区域岩石采用不同的算法，其特征提取结果呈现出较大差异，结合区域岩性的特点，系统分析典型岩石矿物图像的空域、纹理及频域信息特征并进行特征量集成，建立岩石矿物外部特征量化的基础特征库，对区域特征提取系统建设进行初步探索有助于提升地质调查工程中岩石矿物识别的精度（李敏等，2023；张诗檬等，2020）。

本次研究以密云东庄铁矿区典型岩浆岩为研究对象，应用现有的频域特征和几何特征方法，开展岩浆岩断面结晶度特征的基础研究，提出可准确表征结晶程度及粒度大小的特征参数及其算法，实现了几何特征和频域特征提取算法的融合，为后续的岩石识别提供有效的理论支持和实践方法。

1  研究区地质概况

矿区位于密云水库东北部，大地构造位置处于中朝准地台（Ⅰ）燕山台褶带（Ⅱ1）密（云）怀（来）中隆断（Ⅲ2）密云迭穹断（Ⅳ2）西部。

密云岩群大漕组为本区主要地层，广泛分布；主要岩性为混合质角闪斜长片麻岩，夹有浅粒岩及透镜状麻粒岩，混合岩化较普遍；是本区铁矿主要赋存层位。新生界（Q）主要为第四系坡洪积砂土、卵石层及冲洪积含砾亚砂土等松散沉积物（北京市地方志编纂委员会，2001）。

矿区内岩浆岩比较发育，多为小的侵入体和脉岩，呈岩枝状和脉状产出，自酸性、中性、基性到超基性、半碱性均有出露。受到变质的主要有辉石岩、辉长岩、角闪石岩等。未变质的有橄榄石岩、放马峪橄榄辉石岩、黑云母花岗岩、四干顶似斑状花岗岩、花岗斑岩、花岗闪长岩、闪长岩、长峪沟似斑状石英二长岩、石英正长岩等岩体。脉岩有蛇纹岩、辉长岩、辉长辉绿岩、细晶岩、石英正长斑岩、伟晶岩等，遍布全区，方向各异，对矿体起到不同程度的破坏作用（方同明等，2017）。

研究区受长期地质作用影响，古老变质岩区以褶皱构造和断裂构造为主。区域内分布多个背斜和向斜，褶皱枢纽呈北东向近平行展布，以栗榛寨背斜为主（李怀永等，2017；冯驰，2019）。西侧有马家沟向斜，东侧为芹菜岭向斜、石匣背斜等褶皱构造。褶皱轴线展布有向北东收敛、向南西散开的趋势，背斜较紧闭，向斜相对开阔。东庄铁矿区位于栗榛寨背斜南东翼和芹菜岭向斜北西翼。由于多期多级次的褶皱叠加，大褶皱——复式背向斜控制地层和铁矿带的展布，小褶曲控制岩层和矿体空间形态的变化，致使变质岩层与矿层多次重复或缺失。区域断层主要分布在北西，规模较小。见有北东向、北西向两组，断层类型为正断层、逆断层和平移断层。

2  技术方法

2.1  几何特征参数提取法

几何形状是岩石纹理的基本特征，可以通过面积、周长等简单描述符来表示，结晶区域与基质边界周长与面积等是描述图像结晶程度的最基本特征。周长用矿物晶粒与基质之间边界的边缘像素的总数表示，面积可由边界及其内部的像素的总数得到。同样面积条件下，粒度大、结晶度高的周长相对较短，因此采用面积与周长的比值得到斑纹粒度特征参数。

1）图像预处理。采用灰度化、滤波、直方图均匀化图像增强等方法处理采集到的图像，提高图像质量，减少或消除图像采集中的噪声及其他干扰，增强有用信息，提高图像信噪比。

2）结晶度判断。由于结晶程度及粒度大小随着灰度值增高而上升，计算图像灰度均值、均方差相关的特征数据，初步判断结晶度。

3）对图像进行二值化和边缘提取。检测边缘跟踪计算周长，检测垂直方向连续的周长像素点、水平方向的周长像素点、结晶面积及粒度相对值等特征参数。计算公式

L=A/（Lr+Lc），

式中，L为粒度相对值，A为结晶面积，r为水平像素点所构成的集合，c为垂直像素点所构成的集合，Lr为水平周长，Lc为垂直周长。

2.2  频域特征参数提取法

幅值谱图像是图像在频域中的一种表现形式，可以通过快速傅里叶变换（fast Fourier transform，FFT）变换计算出来。频域特征有更好的抗噪性，可以不用提取纹理具体区域直接对图像进行特征提取，岩石的不同结晶程度在断面图像的频率域都会表现出不一样的性质。频谱中心反映图像平均亮度，低频区域反映图像实体细节，高频区域反映图像边缘轮廓，高频区域能量越高表明岩石结晶颗粒越大，结晶程度越高。图像频谱图经过频谱中心化、归一化处理后，对环形区域进行分割，通过计算环形区域能量谱可得到高频区参数实现结晶度的判断。计算公式

E =  ，

式中，I（x， y）为岩石图像像素灰度值，E 为图像能量谱，μ 代表图像的平均灰度值。

3  结果与分析

3.1  岩石图像采集与预处理

收集了研究区内125个样本图片（图1），采用MATLAB仿真平台进行实验分析。图像特征提取受各种因素影响，光照的不同、成像质量均会产生不同的偏差（吴德文等，2021；姚宏岗，2023），因此采集图像要首先进行图像滤波增强等预处理，图2为在MATLAB平台进行直方图均衡化处理前后的图像。由图3可看出，采集图像由于光线等原因，亮度值低，灰度值分布较为集中，直方图均衡化后，经过非线性变换的图像像素值实现了相对的均衡化，增大了对比度。

3.2  基于几何特征的结晶度特征分析

灰度均值反映了岩石的灰度亮度情况，通过灰度值可初步判定结晶程度及粒度大小，灰度越高结晶度越高。由表1可看出，角闪辉长岩灰度均值相对较低，表明颜色偏暗，结晶度较低。

均方差可判断纹理斑状结构情况，垂直周长数值与水平周长数值的差异对线条纹理具有较好的区分能力。流纹岩均方差值小，垂直周长数值与水平周长数值具有较大的差值，表明纹理信息较少，存在垂向纹理。

灰度参数易受光照强度、成像质量因素影响，粒度相对值针对结晶度具有更好的表征能力。粒度相对值越大，粒度直径越大，结晶程度越高。中粒闪长岩的灰度均值、均方差及粒度相对值均呈现较高的数值，说明颜色较浅，具有丰富的纹理细节信息及变晶结构，相对结晶程度高。

3.3  基于频域特征的结晶度特征分析

高频对应图像灰度变化剧烈的边缘部分，低频对应图像平坦区域。结晶度低的岩石断面图像灰度突变边缘数据量少，能量分布在频率值低的图像低频区；结晶度高的岩石断面图像有大量灰度突变的边缘数据，能量大量集中在频谱图的中心高频区。对于具有断口、节理、斑状结构等颜色纹理属性变换剧烈的岩石在频率域都会表现出不一样的性质。图4为典型断面标本图像，经过FFT变换之后，得到相应的幅值谱图像（图5）。中粒闪长岩结晶程度高，具有明显的斑状边缘高频特征，反映在频域上能量集中分布于中间高频区域；角闪辉长岩图像基质较多，斑晶颗粒小纹理少，能量主要分布在低频区域。

以傅里叶变换得到的幅值谱图像中心为圆心，以幅值谱图边长长度的1/40的倍数为半径画圆，将频谱图分割成20个环形频谱区（图6）。计算各个环形频谱区的频域积分值得到各频域环形能量谱，将数据以各频谱区为横坐标，以各频谱区环形能量谱为纵坐标，得到图7所示的环形能量谱分布图。

中心点周边为高频区，距离中心点距离越远频谱越低。岩浆岩的结晶程度频域特征主要分布在高频区，因此选取频谱图中频谱区1-5的高频率区域进行分析，通过对频谱区1-5的参数求和可得到高频频谱参数，可准确表征出特征区域的结晶度特征。从表2可以看出，高频区特征参数值越高，代表岩石结晶程度越高、晶粒较大。

3.4  特征融合

在复杂的地质环境下，岩石无论在颜色上还是在粒度上，都是不固定的，单一的算法通常只表达了图像内容的某一方面信息，泛化能力差，对数据要求高，很难判定岩性。特征集成的方法能实现对图像全面的描述，可增强特征向量的描述能力。本研究选取能够表征结晶度特征的典型参数将频谱特征和几何特征采取串行融合的机制（李熙莹等，2017）组合形成综合特征。选取频域特征参数频谱区4、高频区参数和耦合性低的几何特征参数，综合表示图像的结晶度特征。集成公式：

设图像的频域特征集公式为X 1=［x 11，x 12］，几何特征集的公式为X 2=［x 21，x 22，x 23，x 24，x 25］，

得到串行融合的7维特征向量为

X =［ x 11，x 12，x 21，x 22，x 23，x 24，x 25］，

式中，X 1为频域特征向量集，x 11为频谱区4，x 12为高频区参数，X 2为几何特征向量集，x 21为灰度均值，x 22为均方差，x 23为水平周长，x 24为垂直周长，x 25为粒度相对值，X为综合特征向量集。

4  结论

1）通过提取几何特征的水平周长、垂直周长与结晶面积特征参数得到粒度相对值，能够显著表征斑晶的结晶度特征。提出一种基于图像频域特征的提取方法，提取环形能量谱中的高频率区域特征参数，分析参数值与结晶程度、晶粒大小的正向关联规律性，受原始图像的噪声影响较小。基于单一类型算法的局限性，结合研究区实际条件，通过集成特征量能有效提高复杂地质环境下的特征提取能力。

2）限于采集图像集的数量有限，在几何特征提取过程中的周长、面积，在复杂纹理情况下部分数据检测的有效性方面，仍需要开展大量的后续工作，以期望获取更好的特征提取效果。

参考文献

北京市地方志编纂委员会，2001.北京志.地质矿产志［M］.北京：北京出版社.

方同明，孙永华，程新彬，刘鸿，吴虎峻，魏波，WANG Wei，DING Wang，2017.北京密云沙厂BIF型铁矿地质地球化学特征与成矿时代［J］.地质找矿论丛， 32（1）：42-49.

冯驰，2019.北京碰河寺沟泥石流成因及综合防治对策［J］.矿产勘查，10（11）：2 728-2 733.

李怀永，葛长峰，马海全，陈祥志，张海军，2017.北京市密云区沙厂铁矿地质特征［J］.中国锰业，35（6）：80-83.

李佳航，李玮，刘向君，李星涛，李永洲，熊健，梁利喜，2023.基于岩石薄片图像的海陆过渡相页岩纹层识别方法及应用［J］.特种油气藏， 30（4）： 44-53.

李敏，王晓红，张诗檬，韩征，王婷，2023.北京市延庆硅化木园区典型岩石矿物图像特征提取与分析［J］.矿产勘查，14（2）：251-257.

李熙莹，黄秋筱，2017.融合直方图高阶统计特征与GLCM 特征的室内红外图像人群密度分类［J］. 红外技术，39 （7）：626-631.

李雪晴，李国栋，2023.破碎岩石颗粒形态特征量化描述体系［J］.科学技术与工程，23（35）. 15 027-15 035.

柳博文，刘星，2023.多尺度卷积神经网络模型优化在矿物识别中的应用［J］.矿物岩石， 43（3）：10-19.

王奇，陈龙，郭碧君，2023，陕西汉中玉（蛇纹石）矿物学及成因研究［J］.矿产勘查，14（3）：325-334.

吴德文，张远飞，袁继明，杨自安，张建国，2021.航空高光谱岩相、矿物填图技术及应用研究［J］.矿产勘查，12（7）：1 626-1 634.

姚宏岗，2023.不同植被覆盖区无人机遥感影像矿化蚀变特征识别［J］.矿产勘查，14（2）：229-236.

叶润青，牛瑞卿，张良培，2011.基于多尺度分割的岩石图像矿物特征提取及分析［J］.吉林大学学报（地球科学版），41（4）：1 253-1 260.

张强，张润鑫，刘峻铭，王聪，张赫哲，田莹，2022.煤矿智能化开采煤岩识别技术综述［J］.煤炭科学技术，50（2）： 1-26.

张诗檬， 王文文， 付博， 韩征， 刘钊， 2020. 基于云服务的 e 地质应用系统研究［J］. 城市地质，15（2）：217-223.

张诗檬，韩征，刘钊，付博，王文文，2022.面向人工智能识别的岩浆岩断面形态特征研究［J］.城市地质，17（1）：96-105.