1.一种岩质边坡滑面识别方法,其特征在于,所述方法还包括:获得目标岩质边坡的几何与力学模型数据,所述几何与力学模型数据通过对所述目标岩质边坡进行地质勘察获得;
生成总位移云图,所述总位移云图通过有限元-强度折减软件对所述目标岩质边坡的几何与力学模型数据进行计算获得;
获得多个块体二值图,所述块体二值图通过对所述总位移云图进行图像分割并二值化图像获得;
得到滑块区域,所述滑块区域通过对多个所述块体二值图中的每个连通域进行标记并计算其面积,并根据面积计算结果进行筛选获得;
使用alpha shapes算法对所述滑块区域进行边界提取,获得滑块边界,其中所述滑块边界包含部分边坡边界;
将所述滑块边界中的边坡边界去除,获得所述目标岩质边坡的滑面。
2.如权利要求1所述的方法,其特征在于,所述获得多个块体二值图,所述块体二值图通过对所述总位移云图进行图像分割并二值化获得,还包括:基于K-means聚类的图像分割技术对所述总位移云图进行图像分割,获得多个块体图像;
对多个所述块体图像进行图像二值化处理,获得多个所述块体二值图。
3.如权利要求2所述的方法,其特征在于,所述基于K-means聚类的图像分割技术对所述总位移云图进行图像分割,还包括:读取所述总位移云图中每个像素点的色彩信息,构建目标像素数据集;
对所述目标像素数据集中任意两个像素点的距离进行计算,其中像素点距离计算公式为:其中,dij表征两个像素点之间的距离,pi=(ri,gi,bi)(i=[1,2,…,N])表征第i个像素的色彩信息;
在所述目标像素数据集的N个像素点中,随机选择2个像素点作为初始聚类中心;
以每个像素点与2个聚类中心之间的距离dij作为划分依据,将各个像素点划分到最近的簇中;
重新计算每个簇的簇心;
不断进行迭代聚类,直至簇心不再发生变化,完成所述总位移云图的图像分割。
4.如权利要求1所述的方法,其特征在于,所述方法还包括:连通区域标记是指多个所述块体二值图中黑色像素构成的连通域进行标识,且对于连通域,其面积Ak计算方法如下:式中,
其中,Ck表征连通域,Ak表征连通域面积;
所述的根据面积筛选即为将除面积最大的连通域进行反色,反色即将像素点的颜色由黑色变为白色或将像素点的颜色由白色变为黑色。
5.如权利要求1所述的方法,其特征在于,所述使用alpha shapes算法对所述滑块区域进行边界提取,生成滑块边界,其中所述滑块边界包含部分边坡边界,还包括:所述alpha shapes算法可通过Python编程语言编程实现;
所述的滑块边界是指滑块边界点的有序数组。
6.如权利要求5所述的方法,其特征在于,所述将所述滑块边界中的边坡边界去除,获得所述目标岩质边坡的滑面,还包括:将所述有序数组中的边界点坐标与边坡边界线段方程进行遍历对比;
当所述有序数组中的边界点处于所述边坡边界线段方程上时,则将所述边界点进行剔除,获得剩余滑块边界点;
将所述剩余滑块边界点的有序数组作为滑面。
7.一种岩质边坡滑面识别系统,其特征在于,用于执行权利要求1-6中所述的一种岩质边坡滑面识别方法中任意一项方法的步骤,所述系统还包括:岩质边坡几何与力学模型数据获取模块,所述岩质边坡几何与力学模型数据获取模块用于获得目标岩质边坡的几何与力学模型数据,所述几何与力学模型数据通过对所述目标岩质边坡进行地质勘察获得;
总位移云图生成模块,所述总位移云图生成模块用于生成总位移云图,所述总位移云图通过有限元-强度折减软件对所述几何与力学模型数据进行计算获得;
多个块体二值图获得模块,所述多个块体二值图获得模块用于获得多个块体二值图,所述块体二值图通过对所述总位移云图进行图像分割并二值化获得;
滑块区域获得模块,所述滑块区域获得模块用于得到滑块区域,所述滑块区域通过对多个所述块体二值图中的每个连通域进行标记并计算其面积,并根据面积计算结果进行筛选获得;
滑块边界提取模块,所述滑块边界提取模块用于使用alpha shapes算法对所述滑块区域进行边界提取,获得滑块边界,其中所述滑块边界包含部分边坡边界;
岩质边坡滑面获得模块,所述岩质边坡滑面获得模块用于将所述滑块边界中的边坡边界去除,获得所述目标岩质边坡的滑面。