0 引言

随着人工智能的发展，学者们开始利用图像处理和深度学习等技术^[1-2]，对隧道内的地质信息进行自动化识别与分析，通过开发智能算法和系统，实现了对隧道内地质信息(如围岩级别^[3-4]、围岩岩性^[5-7]、岩体结构^[8-12]等)进行自动化判识。对隧道内建筑(如衬砌病害^[13-17], 结构变形^[18-20]等)进行自动化监测，为隧道施工过程中的安全性、效率性提供了强有力的支持。随着学者们对隧道建造领域的关键问题进行深入研究，计算机视觉技术在此领域的潜力和应用价值备受关注，从而导致对隧道内图像的数量需求和质量需求大幅提高。

隧道掌子面包含着丰富的围岩地质信息，其岩性尤为重要。不同的岩性表现出来的物理力学性质不同，能让施工人员快速判断开挖岩体的质量。当前岩性判识的主体对象仍为岩块、岩芯、岩石显微图像等，主要原因为隧道掌子面覆盖区域大，特征丰富且采集较困难。有部分学者开展了基于掌子面判识岩性的探索性研究，如向露露等^[5]提出了集成卷积神经网络(CNN)和视觉Transformer(ViT)技术来全面捕捉掌子面岩性特征进行判识；Zhang等^[7]提出了一种具有扩展卷积注意力块的残差网络，从多尺度提取岩性特征进行判识。由此可见，掌子面图像的清晰度和特征呈现度对岩性判识至关重要。虽然有学者^[21]采用图像分类技术，实现了对隧道掌子面图像质量的自动化评价，但并未从根本上解决问题。现场进行掌子面图像拍摄时，通常存在着大量失焦图像无法使用。存储压缩过程中造成的图像失真也使得部分图像较模糊而影响使用。此外，由于计算机算力的限制，现有的智能模型通常要求输入图像的尺寸较小，多为224×224像素。这种限制会导致拍摄的高分辨率图像在经过插值压缩后出现像素丢失的问题，从而损失原始图像的细节信息。因此有必要开展隧道掌子面图像清晰度修复研究，保证图像在细节不丢失的前提下进行有效的地质信息解析。

基于上述背景，本研究旨在构建超分辨率重建模型SRGAN^[22]，以解决隧道掌子面图像在拍摄或存储过程中引起的退化模糊问题。同时，本研究还构建了轻量化掌子面岩性判识模型MobileViT^[23]，进行高效且准确的岩性判识，并通过对比超分辨率重建前后图像质量对掌子面岩性判识的影响，评估图像清晰度修复研究的重要性。最后，通过工程实际应用验证了所提出方法的效果，构建了一套适用于工程实际的隧道掌子面模糊图像修复技术及掌子面岩性智能判识方法。

1 基于掌子面图像的超分辨率重建方法 1.1 超分辨率重建算法原理

超分辨率重建算法分为线性插值方法与基于深度学习的超分辨率算法，其中插值方法是一种简单直观的超分辨率算法^[24]，其原理是通过在低分辨率图像上进行插值来生成高分辨率图像。虽然该方法简单易用，但由于其无法利用额外的信息来恢复缺失的细节，因此通常会导致生成的高分辨率图像质量较低。而基于深度学习的超分辨率算法^[24-26]，通过从大量的训练数据中学习图像的映射关系，并生成高质量的高分辨率图像。该方法通常包括特征提取网络和上采样网络2个主要部分。特征提取网络负责从低分辨率输入图像中提取特征表示，而上采样网络则负责将这些特征映射到高分辨率图像空间。其训练过程是基于大量的低分辨率(LR)图像和其对应的高分辨率(HR)图像进行的。通过最小化生成图像与真实高分辨率图像之间的差异，学习到更准确的图像映射关系，从而生成更为逼真和清晰的高分辨率图像。

1.2 超分辨率模型构建 1.2.1 数据准备

为了构建低分辨率与高分辨率的数据对，通常采用一个特定的模糊核对高分辨率图像进行退化下采样得到对应的低分辨率图像，该退化模式可表达为：

(1)

式中，L为低分辨率图像；H为高分辨率图像；k为作用于高分辨率图像的模糊核；↓_s表示下采样操作；⊗表示卷积操作；n为附加噪声。

考虑到实际问题中图像模糊的机理较复杂，采用单一的退化模式会使得超分辨率重建模型的性能受限，很难重建其他情况下的退化图像。因此本研究参考文献[27]的作法，在模糊核的选择中，随机选择各向同性高斯模糊核或各向异性高斯模糊核。下采样操作中随机选取双三次下采样、双线性下采样或最近邻插值将原始图像下采样到224×224的大小。噪声的选择中，随机添加高斯噪声、椒盐噪声或泊松噪声。按照上述方法将原始6 200张掌子面高清图像全部随机退化得到对应的低分辨率。

1.2.2 模型选取与构建

本研究选取SRGAN^[22]作为超分辨率重建模型，该模型通过引入对抗性训练，能够生成更为逼真的高分辨率图像。该模型结构包含一个生成器(Generator)和一个鉴别器(Discriminator)。生成器接受低分辨率图像作为输入，并尝试将其映射到高分辨率图像空间。生成器是一个深度CNN，它通过上采样操作逐渐增加图像的尺寸。判别器接受高分辨率图像(真实图像)和生成器生成的高分辨率图像(假图像)作为输入，并尝试区分它们。在训练过程中，生成器和判别器交替进行训练。生成器试图生成更逼真的高分辨率图像，以欺骗判别器，而判别器则试图区分真实图像和生成图像。SRGAN引入了感知损失函数，其为两种不同损失的组合，分别为内容损失和对抗性损失。内容损失通过比较生成图像和真实图像在VGG19中的特征表示来衡量它们之间的相似度。内容损失的目标是使生成图像在特征空间上与真实图像尽可能接近。对抗性损失通过训练生成器来欺骗判别器，使得生成的图像更难以区分真实图像，该网络结构如图 1所示。图中, k9n3s1代表卷积核尺寸大小为9, 卷积核个数为3个, 卷积核滑动步长为1, 依此类推。

1.2.3 模型训练与评估

考虑到生成对抗网络训练的复杂性使得其收敛缓慢，为了使SRGAN中生成器与鉴别器充分对抗，提高生成图像的质量，设置模型的训练迭代次数为5 000次，批处理值batchsize为8，选择Adam优化器，学习率选择默认学习率，随机数种子设置为2 024。

在超分辨率重建任务中，一般采用峰值信噪比(PSNR)及结构相似性指数(SSIM)对模型进行评价，其中PSNR计算如(2)所示，SSIM计算如式(4)所示。

(2)

(3)

(4)

式中，P为PSNR；S为SSIM；M_I为图像像素点颜色的最大数值；E为2个m×n的单色图像I和图像K的均方差；(i, j)为每个像素点的坐标；μ_I和μ_K为图像I和图像K的均值；σ_I和σ_K为图像I和图像K的方差；σ_IK为图像I和图像K之间的协方差；L为图像像素值的范围。模型训练时，记录其训练过程中生成器与鉴别器的损失变化如图 2所示，PSNR变化曲线如图 3所示，SSIM变化曲线如图 4所示。

由图 2~4可见，在约80次迭代之前，生成器的损失持续上升，鉴别器的损失不断下降，PSNR值低于15 dB，SSIM＜0，这表明生成器生成的高分辨率图像质量很差，易被鉴别器识别。经过80次迭代后，生成器生成的图像质量开始改善，其损失下降，鉴别器的损失上升，这表明鉴别器对假图像的识别出现少量偏差。在200次迭代后，生成器和鉴别器的对抗效果增强，损失逐渐接近，PSNR和SSIM值开始上升。在1 000次迭代后，生成器生成的高分辨率图像质量显著提高，损失曲线逐渐贴合并下降，PSNR和SSIM值在相对较优的范围内波动。这表明生成器和鉴别器在不断对抗中互相促进，生成器迫使鉴别器提高鉴别能力，鉴别器反过来促使生成器生成更真实的高分辨率图像。

2 基于掌子面图像的岩性判识方法 2.1 数据集构建

选取8种常见的隧道掌子面岩性，分别为闪长玢岩、白云质灰岩、板岩、板岩夹石英砂岩、片麻岩、泥岩夹砂岩、花岗岩、花岗闪长岩。为了充分训练模型同时动态评估模型的性能，将数据按照经验值7∶2∶1的比例划分为训练集和测试集，岩性样本分布如表 1所示。

2.2 模型构建与训练 2.2.1 模型构建

掌子面的岩性分布较复杂，通常同时包含全局特征与局部特征，因此依靠传统的卷积神经网络对其进行判识时可能会造成特征损失，降低判识效果^[5]。基于此，本研究引入轻量化模型MobileViT^[23]，该模型是一种结合了CNN和ViT的图像分类模型，其主体为CNN结构，通过在中间层串联Transformer编码层来搭建。通过采用深度可分离卷积、局部注意力机制等轻量级设计策略，有效降低了模型的参数数量和计算量，从而可以在资源受限的环境下高效运行，适用于移动设备的嵌入。同时，该网络利用注意力机制来捕捉图像中的全局信息，同时结合了局部信息，以综合的应用图像特征，提高分类准确性，该网络模型结构如图 5所示。图中，H为特征图高度，W为特征图宽度，d为特征图厚度，C为通道数，↓2为执行下采样操作。

2.2.2 模型训练及评估

由2.1节可见，本研究中的岩性数据集属于不平衡样本集，会导致模型倾向于常见类别，且针对隧道工程而言，其地质条件的复杂性会直接导致所收集到的岩性样本不均衡。为了缓解上述问题，引入中心损失函数^[28]来代替传统图像分类任务中的交叉熵损失函数。中心损失函数通过降低类别特征的散布来改善模型的特征表示，其核心思想是为每个类别维护一个中心点，并鼓励每个样本的特征向量与其真实标签对应的中心点更加接近，有助于模型在特征空间中更好地区分不同类别，计算流程如下。

对于每个类别c，计算该类别的特征中心值μ_c，即该类别所有训练样本的特征向量的均值，通过式(5)进行计算：

(5)

式中，N_c为属于类别c的训练样本数量；x _i^c为属于类别c的第i个样本的特征向量。通过式(6)计算中心损失函数为：

(6)

式中，N为训练集中的总样本数量；x_i为第i个样本的特征向量；y_i为第i个样本的真实标签；μ_yi为真实标签y_i对应的中心点。

中心损失函数通常与交叉熵损失(Cross-entropy Loss)结合使用，形成总损失函数。总损失函数可以表示为：

(7)

式中，L_{cross-entropy}为交叉熵损失；λ为用来控制中心损失函数与交叉熵损失之间权重的超参数，本研究根据文献[28]的经验取值为0.5。

考虑到图像分类任务优化路径简单，在模型架构、数据量和优化算法都经过合理选择和调优后，本研究设置其训练迭代次数为500次，图像输入尺寸为224×224，批处理值batchsize为64。选择Adam优化器，学习率选择默认学习率，随机数种子设置为2 024。分别使用交叉熵损失和中心损失来进行训练，对比模型前后在测试集上的分类效果。模型训练过程准确率与损失变化如图 6所示，绘制2种模型在测试集上的混淆矩阵如图 7所示。

为了综合评价2种损失函数下模型各自的性能，引入精准率、召回率、F1分数、准确率这4项指标：

(8)

式中，A为准确率，即模型预测正确的样本占所有预测样本的比例；P为精准率，即模型所有预测为正样本的集合中预测正确的比例；R为所有正样本集合中预测正确的比例；F1为综合P与R的调和平均; TP为模型预测为正样本，实际为正样本的个数；FP为模型预测为正样本，实际为负样本的个数；FN为模型预测为负样本，实际为正样本的个数；TN为模型预测为负样本，实际为负样本的个数。根据式(8)计算出模型的各评价指标如表 2和表 3所示。

由表 2和表 3可见，使用交叉熵损失时，模型在测试集上的总体准确率为0.92。具体而言，模型对闪长玢岩的识别效果最差，F1分数为0.841，但其精准率为1，召回率较低。这表明模型对该岩性无误判但漏判较多，数据集中该岩性的掌子面图像差异性较大，导致模型无法完全捕捉其特征。相反，模型对花岗岩的识别效果最好，F1分数为0.965，误判率和漏判率均较低，这表明模型较好地学习到了花岗岩的特征。使用中心损失时，模型在测试集上的准确率提高至0.933，提升了1.3%。除板岩夹石英砂岩和花岗岩外，模型对其他岩性的识别效果均有所提升。尽管对闪长玢岩的识别效果仍然最差，但其漏判率有所下降，这表明引入中心损失后，模型加强了对闪长玢岩特征的捕捉。此时，模型对花岗闪长岩的识别效果最好，F1分数为0.968，这表明改进损失函数后，模型对特征提取的侧重点有所变化。

为了突出SRGAN对掌子面图像的超分辨率重建效果，将岩性测试集中的所有图像输入到该网络中进行超分辨率重建，并采用MobileViT对进行超分辨率重建后的测试集进行预测并计算相关评价指标。计算得到测试集上各分类评价指标如表 4所示。

由表 4可见，模型对各类岩性的判识效果均有所提高，总体准确率达到了0.961，提高了2.8%，模型多判对了13张掌子面图像的岩性。由此表明，经过超分辨率重建后，掌子面图像的特征更加丰富且接近于真实图像的像素分布，更有利于模型区分不同类别的岩性。

2.2.3 主流模型对比

为了综合表明所提出方法的合理性，在相同条件下训练了DenseNet169，MobileNetV2，ViT_b16，Swin Transformer等4个主流的图像分类模型，记录模型的判识效果及判识时间等相关指标如表 5所示。

由表 5可见，中心损失对5种模型的判识效果均有所提升，其中SwinTransformer的提升效果最为显著，为4%。此外，5种模型在超分辨率样本集上同样展现了更好的判识效果，但由于各模型结构的差异会对特征捕捉造成影响，使得模型对特征修复后图像的敏感性不同，导致其提升效果不同。就模型大小而言，MobileNetV2是最小的模型，尽管其推理速度最快，但由于轻量化设计导致其特征捕捉不足，总体判识准确率为90.1%，在所有模型中最低。相比之下，MobileViT虽然也采用了轻量化设计，但通过融合CNN和ViT结构，增强了其特征捕捉能力，因此判识效果最佳，且推理速度也表现优异。另外，虽然其他3种主流模型通过增加模型复杂度提升了准确率，但也导致了推理速度的显著下降，不利于实际应用。

3 工程实际应用

为验证本研究在隧道施工现场的应用效果，从相关隧道重新采集了本研究中8类岩性的掌子面图像，其样本分布如表 6所示。

由于上述样本中存在部分较模糊图像，因此采用SRGAN对样本集进行超分辨率重建，得到超分辨率样本集。采用2.2节在中心损失函数训练下的MobileViT对原始样本集及超分辨率样本集进行判识。根据式(8)计算出模型在2种样本集下的准确率如图 8所示，F1分数分布如图 9所示。

由图 8和图 9可见，MobileViT对现场隧道掌子面图像的岩性判识效果较好，总体准确率达到了88.1%，且对于片麻岩的识别效果最优。在经过超分辨率重建后的样本集上，模型对所有类别岩性的判识效果均有所提升，尤其对板岩的识别效果提升最为显著。模型总体准确率达到了91.7%，提高了3.6%，这表明采用超分辨率重建后，对各类岩性图像的原始纹理及细节均有所提升和修复，从而使得岩性判识模型能识别到更多的岩性特征，进行更好的分类。

4 结论

本研究基于隧道掌子面图像开展了超分辨率重建研究，并提出了一种适用于工程实际应用的掌子面岩性智能判识方法，得到的主要结论如下。

(1) 通过采用随机退化算法对6 200张高清掌子面图像进行退化处理，训练了SRGAN掌子面图像超分辨率重建模型。经过5 000次迭代训练后，模型的结构相似性指数及峰值信噪比均处于较优的范围，且模型能有效的修复退化图像中真实的色彩与纹理分布，提高了退化图像的清晰度。

(2) 采用MobileViT在4 660张掌子面岩性图像(8类岩性)样本集上进行训练，且考虑到本研究中样本不均衡分布，对比了交叉熵损失函数与中心损失函数对模型训练效果的影响。采用中心损失函数能很好地改善模型对不均衡样本之间的适应性，总体分类准确率达到了93.3%。

(3) 采用SRGAN对测试集上的图像进行超分辨率重建，并使用在中心损失下训练的MobileViT对重建后的测试集进行预测。经过重建后，模型的分类判识效果更好，总体准确率达到了96.1%，提高了2.8%。此外通过对比MobileViT与其他4款主流图像分类模型在岩性判识上的效果，就综合准确率与判识效率而言，MobileViT最优。

(4) 在工程应用中，采用SRGAN对掌子面图像进行重建后能显著提升MobileViT的岩性判识效果，其在219张图像上总体准确率达到了91.7%，相较于原始样本集提高了3.6%。这表明在地质信息解析模型的应用中，超分辨率修复技术能够较好地提升判识效果。