CN101153850A - 一种沥青混合料的检测方法及系统 - Google Patents
一种沥青混合料的检测方法及系统 Download PDFInfo
- Publication number
- CN101153850A CN101153850A CNA200610159678XA CN200610159678A CN101153850A CN 101153850 A CN101153850 A CN 101153850A CN A200610159678X A CNA200610159678X A CN A200610159678XA CN 200610159678 A CN200610159678 A CN 200610159678A CN 101153850 A CN101153850 A CN 101153850A
- Authority
- CN
- China
- Prior art keywords
- image
- asphalt
- carried out
- pretreatment
- images acquired
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种沥青混合料的检测方法,包括:沥青混合料数字图像采集;对获取的数字图像进行图像处理,得到沥青混合料各组成成分的含量。此外,本发明还公开了一种沥青混合料的检测系统。本发明所提供的方法及系统,可以有效的分离与提取沥青、空隙、集料和不同粒径集料颗粒,再依据所提取的特征参数换算成体积比,实现了沥青混合料体积组成特征参数的直接测定与计算;提高了沥青混合料的力学性能,为沥青路面技术研究的科学性提供了可靠依据。
Description
技术领域
本发明涉及沥青混合料测试技术,尤其涉及一种沥青混合料的检测方法及检测系统。
背景技术
随着我国经济建设的高速发展,公路建设也迈进了前所未有的发展阶段。人们的生活、生产与公路运输的关系日益紧密,好的路面质量能够有效的推动经济的发展,改善人们的生产生活水平。沥青路面作为公路建设的主要结构形式在公路建设中得到了越来越广泛的研究和应用。
沥青路面由沥青混合料构成,沥青混合料包括沥青、空隙及集料,集料又包括不同粒径的矿料。沥青混合料各组成成分不同的配给方案所配置出的沥青路面质量不同,质量差的沥青路面容易出现低温开裂、早期损坏、冻胀以及高温车辙等现象,降低路面的使用寿命,因此为了更好的保证路面质量,优化配给方案,需要一套科学的检测方法,对沥青混合料成品进行直接检测,根据检测结果优化配给方案。
现有技术中的检测方法主要是依靠机械及手工方式,庞大的机械设备不仅成本高、占用空间大,而且无法一次性检测出沥青混合料的各组成成分的含量。如对沥青混合料中沥青含量的检测使用离心式抽提仪、回流式抽提仪等,对沥青混合料中集料的检测则需使用摇筛机等,并且检测过程需要人为参与的因素较多,不同人员的判断差异也会引起检测误差。可见现有技术中的检测过程不仅需要耗费大量人力物力,而且检测效率较低。
发明内容
有鉴于此,本发明一方面提供一种沥青混合料的检测方法,能够提高检测效率。
本发明另一方面提供一种沥青混合料的检测系统,能够直接高效的完成沥青混合料组成的检测。
本发明所提供的沥青混合料的检测方法,包括如下步骤:
A、采集沥青混合料的图像,得到采集图像;
B、对采集图像进行图像处理,得到沥青混合料各组成成分的含量。
所述步骤B具体包括:
B1、对采集图像进行图像预处理,得到预处理图像;
B2、对预处理图像进行图像分割及特征提取,得到沥青混合料各组成成分的含量。
所述步骤B1具体包括:
B11、对采集图像的灰度图像进行对比度增强处理和/或噪声消除处理;
B12、对灰度图像进行边缘突显处理,得到预处理图像。
其中,步骤B11中所述对采集图像的灰度图像进行对比度增强处理为:对采集图像的灰度图像绘制其灰度直方图,对灰度直方图进行直方图均衡化和/或灰度拉伸处理;所述对灰度图像进行噪声消除处理为:对灰度图像采用滤波的方式进行平滑和/或复原处理。
其中,步骤B12中所述对灰度图像进行边缘突显处理为:对灰度图像采用高通滤波和/或高频加强滤波进行锐化。
所述步骤B2具体包括:
B21、对预处理图像进行图像分割,得到沥青混合料中空隙、沥青和集料的含量,并得到集料二值图像;
B22、对集料二值图像进行特征提取,得到各种粒径集料颗粒的特征参数,根据所得到的特征参数,计算得到集料中各粒径集料颗粒的含量。
步骤B21中所述对预处理图像进行图像分割为:对预处理图像采用阈值分割的方法进行图像分割,所述阈值的选取方法包括:双峰法、大津法、平均灰度法、状态法以及迭代法。
步骤B22所述对集料二值图像进行特征提取为:对集料二值图像中的较小粒径集料颗粒采用数学形态法进行分离,对集料二值图像中的较大粒径集料颗粒采用边缘检测法及链码跟踪法进行分离;对分离后的各粒径集料颗粒计算特征参数。
该方法进一步包括:将步骤A中的采集图像、步骤B中产生的图像处理信息及沥青混合料各组成成分的信息存储在数据库中。
本发明所提供的沥青混合料的检测系统,包括:图像预处理模块和图像分割及特征提取模块,其中,
图像预处理模块,用于对沥青混合料的采集图像进行预处理,得到预处理图像,并将所得到的预处理图像输出;
图像分割及特征提取模块,用于接收预处理图像,对预处理图像进行图像分割及特征提取,得到沥青混合料各组成成分的含量。
该系统进一步包括:数据库模块,用于存储图像预处理模块和图像分割及特征提取模块产生的图像处理信息及沥青混合料各组成成分的信息。
其中,所述图像分割及特征提取模块包括:图像分割子模块和特征提取子模块,其中,
图像分割子模块,用于对预处理图像进行图像分割,得到沥青混合料中空隙、沥青和集料的含量,并得到集料二值图像;
特征提取子模块,用于对集料二值图像进行特征提取,得到各种粒径的集料颗粒的特征参数,根据所得到的特征参数,计算得到集料中各粒径集料颗粒的含量。
从上述方案可以看出,本发明通过采集沥青混合料的图像,并对采集图像进行图像处理,得到沥青混合料各组成成分的含量。实现将计算机的数字图像处理技术应用于沥青混合料的检测领域,如沥青混合料的体积组成特性的自动检测领域,无需笨重的机械设备进行检测,从而节省了人力物力,并且高效的完成了沥青混合料的自动检测,降低了传统检测方法的成本;并且由于整个检测过程人为参与的因素减少,从而有效克服了现有技术中由于人员的判断差异而引起的误差,提高了检测精度。
此外,本发明由于无需笨重的机械设备进行检测,从而应用灵活,可随时随地进行直接检测,并且可实时对沥青混合料拌和设备生产出的沥青混合料取样压实后进行检测,并根据检测结果作为沥青混合料制造设备的反馈信息即时指导生产,进一步保证了沥青混合料级配的优化和成品的质量。
另外,本发明通过设置数据库,可以将采集图像、图像处理过程中的大量的中间处理图像以及沥青混合料各组成成分的各种相关信息进行保存,从而可以为观察沥青混合料在某种配给方案下在该地区的使用状况,可以提供大量有效的数据及图像处理结果信息,为后续的使用和配给方案理论及标准的修订提供了宝贵的技术资料。
最后,本发明还为沥青混合料体积组成特性的自动检测提出了一种新的思路和方式,为正在研究的更加合理的沥青混合料的试件制作方法提供了科学的参考价值。
附图说明
图1为本发明实施例中沥青混合料的检测方法的示例性流程图;
图2(a)为图1所示方法实施例中的一个采集图像;
图2(b)为图1所示方法实施例中的又一个采集图像;
图3为图1所示方法实施例中均值滤波的模板;
图4为图1所示方法实施例中高通滤波的模板;
图5为图1所示方法实施例中高频加强滤波的模板;
图6(a)为对图2(a)所示采集图像进行图像分割后得到的沥青混合料中空隙、沥青和集料的比例示意图;
图6(b)为对图2(b)所示采集图像进行图像分割后得到的沥青混合料中空隙、沥青和集料的比例示意图;
图7为图1所示方法实施例中拉普拉斯(Laplace)算子的模板;
图8(a)为图1所示方法实施例中四连通链码的示意图;
图8(b)为图1所示方法实施例中八连通链码的示意图;
图9(a)为对图2(a)所示采集图像的集料二值图像进行特征提取后,得到的各粒径集料颗粒的比例示意图;
图9(b)为对图2(b)所示采集图像的集料二值图像进行特征提取后,得到的各粒径集料颗粒的比例示意图;
图10为本发明实施例中沥青混合料的检测系统的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施例和附图,对本发明进一步详细说明。
本发明的基本思想是:对沥青混合料进行数据采集,得到采集图像;对采集图像进行图像处理,得到沥青混合料各组成成分的含量。其中,沥青混合料各组成成分的含量具体包括:沥青混合料中沥青、空隙和集料的体积组成,以及集料中各粒径集料颗粒的体积组成,并且组成关系可以用三维图形显示。
具体实现时,对沥青混合料的数据采集可通过数码相机或专门的图像采集相机对沥青混合料进行拍摄,获取采集图像;然后对采集图像进行灰度直方图处理或平滑、复原以及锐化等预处理,然后对预处理后的图像进行图像分割及特征提取等,得到沥青混合料各组成成分所占的比例。进一步地,可将采集图像与处理后的图像及相关参数存储在数据库中作为参考与查询。
下面结合实施例对本发明沥青混合料的检测方法及系统进行详细描述。
参见图1,图1为本发明实施例中沥青混合料的检测方法的示例性流程图。该流程包括如下步骤:
步骤101,采集沥青混合料的图像,得到采集图像。
本步骤中,对沥青混合料的图像采集可通过数码相机或专门的图像采集相机对沥青混合料进行拍摄,获取采集图像。若采用数码相机或专门的图像采集相机获取采集图像,可通过相机与计算机的接口,将采集图像直接输入计算机中。与普通相机相比,数码相机和专门的图像采集相机获取的图像可以直接进行数据传输,并可直接预览,图像质量高,采集效果好。本实施例中采用分辨率为2016×1512的索尼(Sony)P8数码相机,对沥青混合料进行数据采集,并将得到的采集图像存储在数码相机的记忆棒中,然后使用数码相机与计算机的通用串行总线(USB)接口将采集图像输入计算机中。如图2所示,图2(a)和图2(b)分别为其中的两幅采集图像。
步骤102,对采集图像进行图像预处理,得到预处理图像。
由于步骤101中进行图像采集时会存在几方面的问题:①相机分辨率设置问题。若分辨率设置过低,则获取的采集图像会存在模糊的问题。②由于图像拍摄时的光照不均匀,获取的采集图像存在图像中心较亮,而边缘偏暗的问题。③沥青混合料中含有的颗粒数量多且密集,小颗粒的集料在获取的采集图像中不明显。④图像中存在着拍摄过程中引入的人为噪声以及在传输、处理中引入的噪声。
本步骤中为了削弱或除去上述噪声,降低对后续图像处理的影响,也为了方便进行后续图像处理,需要对采集图像进行图像预处理。由于图像处理技术主要是针对灰度图像进行处理的,因此若步骤101中是数码相机获取彩色采集图像,则需要先将彩色图像转换为灰度图像,若步骤101中是专门的采集照相机获取的灰度采集图像,则不必进行灰度图像转换。在将彩色图像转换为灰度图像时,所采用的转换公式可以为:gray=0.3r+0.59g+0.11b,其中r,g,b分别为在彩色图像中红,绿,蓝的颜色强度,gr是转换为灰度图像之后的图像灰度值。
图像预处理主要包括:对比度增强处理、噪声消除处理以及边缘突显处理。其中对比度增强处理是为了增强图像的对比度,方便后续图像处理进行识别,主要包括灰度直方图处理;噪声消除处理是为了减少噪声的干扰,主要包括灰度图像平滑处理以及灰度图像复原处理;边缘突显处理是为了突出沥青混合料的边缘,便于边缘提取,主要包括灰度图像锐化处理。上述各种预处理方法可同时使用,也可选择使用,具体使用什么预处理方法,根据实际情况而定。如可以先对灰度图像进行灰度直方图处理,然后再进行灰度图像平滑处理和灰度图像复原处理;或者对灰度图像进行直方图处理后只进行灰度图像平滑处理,或只进行灰度图像复原处理;或者只对灰度图像进行平滑处理和/或复原处理,而不进行灰度图像直方图处理等。下面分别对各种预处理方法进行介绍。
灰度直方图处理,主要包括灰度直方图均衡化和灰度拉伸。首先将灰度图像转换为灰度直方图形式,然后对灰度直方图进行均衡化处理和/或灰度拉伸处理。均衡化处理可使原始图像的直方图变换成均匀分布的形式,这样可扩大像素灰度值的动态范围,突出在原始图像中看不清楚的细节,从而达到增强图像整体对比度的效果。灰度拉伸处理是将在某一段的灰度通过函数变换的方式变换到另一个灰度段,从而可增加原图像中一些灰度相近的不同物体的对比度,便于对后续图像处理进行识别操作,然后再将灰度直方图转换为灰度图像。对于直方图均衡化和灰度拉伸可以根据需要进行选择操作。如果原始图像的直方图已经是均匀分布的形式,则无需对原始图像的直方图进行均衡化处理。
灰度图像平滑处理,主要是对图像中的噪声进行消除,此外也可使图像模糊,在提取较大目标之前去除一些无关紧要的环节。灰度图像平滑处理可采用滤波的方式进行,滤波过程包括:选取滤波模板,按照行或者列的方式对原图像进行扫描,并按照所选取的滤波模板的大小每次处理相同大小的邻域的像素,将各邻域的像素值与模版的对应系数矩阵相乘作为该像素的值。其中,滤波方式包括:维纳滤波、中值滤波、均值滤波、逆滤波、盲反卷积滤波和小波变换等方式,下面对均值滤波和中值滤波进行说明。均值滤波是线性平滑滤波的一种,它是一种用当前像素和与当前像素相邻的几个像素的灰度值的求和平均值来代替该当前像素值的方法。实际应用中,可根据图像的模糊程度和计算机的处理速度等情况,对模板进行选取,如可选取3×3的模板,3×3的均值滤波模板如图3所示。中值滤波是非线性平滑滤波的一种,它是一种邻域运算,类似于卷积,运算思路与均值相似,也是对邻接的几个像素进行运算。不同的是中值滤波不进行加权平均计算,而是对模板内所涵盖的像素灰度值由小到大排列,取排序的中间值作为当前像素值。同理根据实际情况对中值滤波模板进行选取。
灰度图像复原处理,主要也是对图像中的噪声进行消除。主要可采用逆滤波、盲反卷积滤波以及维纳滤波等对原始的灰度图像进行处理。
灰度图像锐化处理,主要是突出图像中沥青混合料的边缘,便于后续进行图像边缘提取。在图像的锐化过程中主要是通过滤波方法对高频的部分进行突显,所使用的滤波方法主要有高通滤波和高频加强滤波,高通滤波是通过一个传递函数确定一个值,以该值作为圆的半径,理想的高通滤波器可以将以这一定值为半径的圆内低频部分衰减掉,而圆外的高频部分则可以无损通过,如图4所示,图4为高通滤波的模板;高频加强滤波是在高通滤波的基础上做了些改进。先将原始图像乘上一个大于1的倍率,再减去该图像经低通滤波后的结果,如图5所示,图5为高频加强滤波的模板。经过锐化处理之后,图像的边缘部分就可以突出显示出来,方便后续对于边缘的提取。
步骤103,对预处理图像进行图像分割,得到沥青混合料中空隙、沥青和集料的含量,并得到集料二值图像。
图像分割是指把物体从背景中检测、分离出来。本实施例中,主要是将沥青混合料图像中的空隙、集料、沥青分离出来,从而得到沥青混合料的空隙、集料和沥青的含量,如沥青混合料的空隙、集料和沥青的体积以及体积百分比,或根据体积及密度得到的质量及质量百分比等。本步骤中,将预处理图像转换为灰度直方图,根据灰度值可以区分出空隙。虽然空隙与沥青的颜色相近,但由于灰度图像中空隙为深黑色,有固定的灰度值范围,可以与沥青相区分。具体实现时,可根据经验值,将灰度值小于20的部分,划归为空隙的部分。对于剩下的部分,集料与沥青的区分,可采用阈值分割的方法实现进一步分割。其中,阈值的选取有平均灰度法、状态法、迭代法、双峰法以及大津法等。对于沥青混合料的图像,因为大部分沥青混合料具有很好的双峰性,因此可选用双峰法或大津法来选取区分沥青和集料的阈值,双峰法是首先求图像的灰度分布,然后用统计方法按照将沥青错分为集料和将集料错分为沥青的错分误差最小原则确定最佳阈值;大津法是利用选取阈值将沥青从集料中分离出来,即将图像中的像素分为两类,或属于沥青,或属于集料,并根据概率论中的原理,在使分割的两组间方差最大时,所得到的两组数据错分误差最小,由此原理确定出最佳阈值。对于灰度直方图具有较好双峰性的图像可以选用双峰法,也可以选用大津法;但是对于灰度直方图双峰性不明显的图像,选用大津法处理的效果明显优于双峰法。进行图像分割处理之后的图像,即为集料二值图像,其中集料为白色,剩下的部分都为背景黑色,以方便后续处理。
通过上述图像分割处理,便得到了空隙、沥青与集料的体积组成,即体积百分比。如图6所示,图6为对图2所示两个采集图像进行图像分割后分别得到的沥青混合料中空隙、沥青和集料的体积比例示意图。其中,图6(a)为对图2(a)所示采集图像进行图像分割后得到的沥青混合料中空隙、沥青和集料的比例示意图;图6(b)为对图2(b)所示采集图像进行图像分割后得到的沥青混合料中空隙、沥青和集料的比例示意图。
步骤104,对集料二值图像进行特征提取,得到各种粒径的集料颗粒的特征参数,根据所得到的特征参数,计算得到集料中各粒径集料颗粒的含量。
将空隙、沥青和集料所占的体积比例得出后,本步骤中对分离出来的集料运用数学形态学和边缘检测及链码跟踪的方法,提取出各种不同粒径集料颗粒的面积、周长、高度、宽度、圆形度、矩形度等参数,根据这些参数计算出不同粒径集料颗粒的含量,如各粒径集料颗粒所占用的体积百分比,各自的体积,或者根据体积及密度得到的质量,以及质量百分比等。
具体实现时,对于较小粒径集料颗粒,即细集料选用数学形态学的运算方法处理。在数学形态学中,由于各集料有粘连的情况,所以采用开运算的方法,即先进行腐蚀,消除集料粘连的情况,然后再对腐蚀后的图像进行膨胀运算恢复颗粒本来的大小,再运用形态学中的结构元素与二值图进行逻辑运算,得出细集料所占用的比例。
对于剩下的较大粒径集料颗粒,即粗集料运用边缘检测的方法检测出集料的边缘。边缘检测是指将物体的边缘提取出来的过程。边缘检测的依据为:如果一个像素处于物体边界上,那么它的邻域就是一个灰度级变化的带。对这种变化最有用的两个特征是灰度的变化率和方向。边缘检测算子基于方向导数掩模求卷积的方法,检查每个像素的邻域并对灰度变化率进行量化,通常也包括方向的确定。本实施例中,对于边缘检测的方法主要有:梯度法,以及在此基础上演化而来的各种算子,包括罗伯茨(Roberts)算子、Sobel算子、Prewitt算子以及Laplace算子等。通过对大量沥青混合料图像处理的结果对比发现,选用Laplace算子来提取集料的效果比较好。Laplace算子是一个二阶导数,它将在边缘处产生一个陡峭的零交叉。Laplace算子是一个线性的、移不变算子,它的传递函数在频域空间的原点为零。因此,一个经Laplace滤波过的图像具有零平均灰度。Laplace算子的模板如图7所示。经过边缘检测之后的图像边缘像素为白色,其它都为背景黑色,且是一个个封闭的区域。
进行边缘检测之后,运用链码跟踪的方式进行边缘跟踪。边缘跟踪法的基本思路是:先根据某些严格的“探测准则”找寻目标物体边缘上的像素,再根据这些像素的某些特征用一定的“跟踪准则”找出目标物体上的其他像素。对图像中的像素点而言,有四连通链码和八连通链码,简称四链码和八链码,如图8所示,图8为四连通链码和八连通链码的示意图。为方便后续计算,本实施例中采用八链码跟踪的方式精确得出各集料颗粒的结果。对沥青混合料数字图像中的集料边缘的跟踪“探测准则”为从左到右,自上而下扫描图像。本实施例中,对于较大粒径集料颗粒的边缘跟踪,不仅得到颗粒边缘的链码,同时还记录了颗粒包围的像素数,颗粒边缘的像素数,颗粒边缘上最大和最小的坐标值。这些数据用于后面的参数计算。
参数计算中各粒径集料颗粒的尺寸可以通过像素数乘以像素间隔或像素的面积得到。在进行了目标物体的边缘跟踪后,各相关参数也就可以计算得到了。各参数的计算公式如下所示:
周长:P=Ne+No,式中Ne表示链码中偶数码的数目,No表示链码中奇数码的数目。
面积:A=No-[(Nb/2)+1],式中No和Nb分别是物体的像素(包括边界像素数目和边界上像素)数目。
圆形度:C=P2/A,式中P为周长,A为所围部分的面积。
矩形度:R=AO/AR,式中,AO是该物体的面积,而AR是其最小外接矩形(MER)的面积。
高度和宽度:搜索物体的边缘链码,可以得到该物体的最大和最小的行、列号,其差值就是高度和宽度。
在得出各种粒径集料颗粒的参数后,由于集料中较大的颗粒在压实的过程中可能被压分裂,以及在运用形态学处理的时候系统的一些误差,导致大粒径集料颗粒所占的比例偏小。对此,本实施例中,加入通过对海量图像拟合而成的动态比例因子,在计算结果显示中进行动态的拟合,提高了精度。
上述得到的各参数,一方面可以应用于工程实际中对各参数的需求,即根据各参数的值评判沥青混合料的质量,以及是否合乎要求等;另一方面可以利用其中的一些参数完成集料中各粒径集料颗粒的体积计算。如提取集料颗粒的外接矩形,然后依据矩形的长边长度和短边长度,或者说其拟合椭圆的长轴长度和短轴长度,即集料颗粒的高度和宽度,进行伪三维的图像复原,即使图像绕长轴旋转,得到椭球体,然后求取椭球体的体积。对于属于相同粒径范围的集料颗粒,对每个集料进行上述操作后对体积累计求和,作为该粒径范围的集料颗粒的体积。最后得到各粒径范围集料颗粒的体积组成百分比。具体对于体积的计算过程还可以利用现有技术中的其它方法。此外,还可以利用体积和密度得到各粒径集料颗粒的质量及质量百分比等。
通过上述特征提取及参数计算过程,便得到集料中各粒径集料颗粒的体积组成,即体积比例。如图9所示,图9为对图2所示两个采集图像进行图像分割得到的集料二值图像进行特征提取后,得到的各粒径集料颗粒的比例示意图。其中,图9(a)为对图2(a)所示采集图像的集料二值图像进行特征提取后,得到的各粒径集料颗粒的比例示意图;图9(b)为对图2(b)所示采集图像的集料二值图像进行特征提取后,得到的各粒径集料颗粒的比例示意图。
上述图1所示方法实施例中,还可以进一步包括:预先设置数据库,用于存储上述各步骤中的采集图像、包括处理过程中的中间图像在内的图像处理信息以及图像中沥青混合料各组成成分的信息等,其中,沥青混合料各组成成分的信息可以包括沥青混合料中空隙、沥青及集料所占的体积比例以及集料中各粒径集料颗粒的面积、周长、高度、宽度、圆形度、矩形度等参数以及各粒径集料颗粒含量的体积比例,或平均颗粒面积比等中的全部信息或部分信息,并将处理过的一组图像与原始采集图像以及图像中沥青混合料各组成成分的相关信息作为一条记录存储在数据库中,并建立索引,方便使用这些信息时查找。
并且在步骤102中还可以进一步包括:图像格式转换的步骤。因为采集到的沥青混合料的彩色图像,一般是以jpg格式存储的,而jpg存储方式虽然数据量不大,但它是把图像本来的大量信息丢失之后的结果,在对图像进行处理的时候,这种类型的图像不利于图像处理;而bmp格式是对图像的信息保存得比较完整的格式,所以本实施例中可以进一步包括:进行处理时首先要将jpg格式存储的图像转换为bmp的格式。实现这一处理过程时,可在用户打开jpg格式的图像时,提示用户将图像转换为bmp的格式。
上述为本发明实施例中的沥青混合料检测方法的详细描述,下面再对本实施例中基于上述方法的沥青混合料的检测系统进行详细描述。
图10为本发明实施例中沥青混合料的检测系统的结构示意图。如图10所示,该系统包括:图像预处理模块和图像分割及特征提取模块。
其中,图像预处理模块,用于对沥青混合料的采集图像进行预处理,得到预处理图像,并将所得到的预处理图像输出。
图像分割及特征提取模块,用于接收预处理图像,对预处理图像进行图像分割及特征提取,得到沥青混合料各组成成分的含量。
其中,图像分割及特征提取模块包括:图像分割子模块和特征提取子模块。其中,图像分割子模块,用于对预处理图像进行图像分割,得到沥青混合料中空隙、沥青和集料的比例,并得到集料二值图像。
特征提取子模块,用于对集料二值图像进行特征提取,得到各种粒径的集料颗粒的特征参数,根据所得到的特征参数,得到集料中各组成成分的含量。
此外,该系统可以进一步包括:数据库模块,用于存储图像预处理模块和图像分割及特征提取模块产生的图像及沥青混合料各组成成分的信息。具体存储信息可与图1所示方法实施例中的描述一致。
各模块进行处理的具体方法及原则可以与图1所示的方法实施例中的介绍相同。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (12)
1.一种沥青混合料的检测方法,其特征在于,该方法包括如下步骤:
A、采集沥青混合料的图像,得到采集图像;
B、对采集图像进行图像处理,得到沥青混合料各组成成分的含量。
2.如权利要求1所述的方法,其特征在于,所述步骤B具体包括:
B1、对采集图像进行图像预处理,得到预处理图像;
B2、对预处理图像进行图像分割及特征提取,得到沥青混合料各组成成分的含量。
3.如权利要求2所述的方法,其特征在于,所述步骤B1具体包括:
B11、对采集图像的灰度图像进行对比度增强处理和/或噪声消除处理;
B12、对灰度图像进行边缘突显处理,得到预处理图像。
4.如权利要求3所述的方法,其特征在于,步骤B11中所述对采集图像的灰度图像进行对比度增强处理为:对采集图像的灰度图像绘制其灰度直方图,对灰度直方图进行直方图均衡化和/或灰度拉伸处理;所述对灰度图像进行噪声消除处理为:对灰度图像采用滤波的方式进行平滑和/或复原处理。
5.如权利要求3所述的方法,其特征在于,步骤B12中所述对灰度图像进行边缘突显处理为:对灰度图像采用高通滤波和/或高频加强滤波进行锐化。
6.如权利要求2所述的方法,其特征在于,所述步骤B2具体包括:
B21、对预处理图像进行图像分割,得到沥青混合料中空隙、沥青和集料的含量,并得到集料二值图像;
B22、对集料二值图像进行特征提取,得到各种粒径集料颗粒的特征参数,根据所得的特征参数,计算得到集料中各粒径集料颗粒的含量。
7.如权利要求6所述的方法,其特征在于,步骤B21中所述对预处理图像进行图像分割为:对预处理图像采用阈值分割的方法进行图像分割,阈值的选取方法包括:双峰法、大津法、平均灰度法、状态法以及迭代法。
8.如权利要求6所述的方法,其特征在于,步骤B22所述对集料二值图像进行特征提取为:对集料二值图像中的较小粒径集料颗粒采用数学形态法进行分离,对集料二值图像中的较大粒径集料颗粒采用边缘检测法及链码跟踪法进行分离;对分离后的各粒径集料颗粒计算特征参数。
9.如权利要求1至8中任意一项所述的方法,其特征在于,该方法进一步包括:将步骤A中的采集图像、步骤B中产生的图像处理信息及沥青混合料各组成成分的信息存储在数据库中。
10.一种沥青混合料的检测系统,其特征在于,该系统包括:图像预处理模块和图像分割及特征提取模块,其中,
图像预处理模块,用于对沥青混合料的采集图像进行预处理,得到预处理图像,并将所得到的预处理图像输出;
图像分割及特征提取模块,用于接收预处理图像,对预处理图像进行图像分割及特征提取,得到沥青混合料各组成成分的含量。
11.如权利要求10所述的系统,其特征在于,该系统进一步包括:数据库模块,用于存储图像预处理模块和图像分割及特征提取模块产生的图像处理信息及沥青混合料各组成成分的信息。
12.如权利要求10或11所述的系统,其特征在于,所述图像分割及特征提取模块包括:图像分割子模块和特征提取子模块,其中,
图像分割子模块,用于对预处理图像进行图像分割,得到沥青混合料中空隙、沥青和集料的含量,并得到集料二值图像;
特征提取子模块,用于对集料二值图像进行特征提取,得到各种粒径的集料颗粒的特征参数,根据所得到的特征参数,计算得到集料中各粒径集料颗粒的含量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA200610159678XA CN101153850A (zh) | 2006-09-30 | 2006-09-30 | 一种沥青混合料的检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA200610159678XA CN101153850A (zh) | 2006-09-30 | 2006-09-30 | 一种沥青混合料的检测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101153850A true CN101153850A (zh) | 2008-04-02 |
Family
ID=39255618
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA200610159678XA Pending CN101153850A (zh) | 2006-09-30 | 2006-09-30 | 一种沥青混合料的检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101153850A (zh) |
Cited By (49)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101776566A (zh) * | 2010-03-18 | 2010-07-14 | 长安大学 | 基于数字图像的集料级配实时检测方法 |
CN101793664A (zh) * | 2010-03-18 | 2010-08-04 | 长安大学 | 一种集料级配实时检测方法和图像采集系统 |
CN102012356A (zh) * | 2010-11-25 | 2011-04-13 | 东南大学 | 一种沥青混凝土路面集料级配的快速检测方法 |
CN101294950B (zh) * | 2008-06-11 | 2011-05-04 | 长安大学 | 一种检测沥青混合料中矿粉含量的方法及装置 |
CN102288522A (zh) * | 2011-06-30 | 2011-12-21 | 河海大学 | 基于数字图像技术的泥沙颗粒分析装置及分析方法 |
CN102494977A (zh) * | 2011-11-29 | 2012-06-13 | 浙江工商大学 | 大米碎米率在线检测方法和系统 |
CN102938067A (zh) * | 2012-11-16 | 2013-02-20 | 上海工业自动化仪表研究院 | 一种污水处理过程中出水渠团状污泥识别方法 |
CN103364315A (zh) * | 2012-03-30 | 2013-10-23 | 鞍钢股份有限公司 | 一种烧结固体燃料粒度在线检测方法及检测装置 |
CN102809647B (zh) * | 2009-03-02 | 2015-01-21 | 深圳市市政工程总公司 | 粗集料压碎后沥青混合料级配变异性的测试方法 |
CN104537674A (zh) * | 2015-01-08 | 2015-04-22 | 东南大学 | 一种环氧沥青混凝土集料级配的检测方法 |
CN104850854A (zh) * | 2015-05-08 | 2015-08-19 | 广西师范大学 | 一种滑石矿品分选处理方法及滑石矿品分选系统 |
CN104931397A (zh) * | 2015-06-29 | 2015-09-23 | 广州机械科学研究院有限公司 | 基于励磁吸附的三维数字颗粒图像生成装置及方法 |
CN104950004A (zh) * | 2015-06-17 | 2015-09-30 | 中国石油天然气股份有限公司 | 一种定量评价古老碳酸盐岩储层中沥青含量的方法 |
CN105115851A (zh) * | 2015-08-26 | 2015-12-02 | 中国十七冶集团有限公司 | 一种检测沥青砂混合料中沥青含量的方法 |
CN105136622A (zh) * | 2015-08-21 | 2015-12-09 | 河海大学 | 一种批量测试粗集料扁平率的方法 |
CN105403575A (zh) * | 2015-12-04 | 2016-03-16 | 南昌工程学院 | 一种沥青混合料局部应力的评价方法 |
CN105510195A (zh) * | 2015-12-07 | 2016-04-20 | 华侨大学 | 一种堆叠骨料的粒度粒形在线检测方法 |
CN105699258A (zh) * | 2016-01-28 | 2016-06-22 | 华侨大学 | 一种细骨料在线检测装置及方法 |
CN105954285A (zh) * | 2016-05-23 | 2016-09-21 | 中国石油大学(华东) | 一种快速测定催化裂化油浆固含量的方法 |
CN106296616A (zh) * | 2016-08-18 | 2017-01-04 | 中国航空工业集团公司洛阳电光设备研究所 | 一种红外图像细节增强方法和一种红外图像细节增强装置 |
CN106651825A (zh) * | 2015-11-03 | 2017-05-10 | 中国科学院沈阳计算技术研究所有限公司 | 一种基于图像分割的工件定位与识别的方法 |
CN107462524A (zh) * | 2016-06-02 | 2017-12-12 | 西派特(北京)科技有限公司 | 沥青多种性质快速分析仪 |
CN107615042A (zh) * | 2015-06-26 | 2018-01-19 | 栗田工业株式会社 | 树脂分析方法以及树脂处理方法 |
CN107784646A (zh) * | 2017-09-29 | 2018-03-09 | 长安大学 | 一种路用集料的自适应检测方法 |
CN107909584A (zh) * | 2017-11-09 | 2018-04-13 | 东南大学 | 一种通过冷料监控的沥青混合料级配预估方法 |
CN108106976A (zh) * | 2017-12-22 | 2018-06-01 | 江苏中路工程技术研究院有限公司 | 一种测定沥青混合料抽提过程中残留矿粉组成及含量的方法 |
CN108198165A (zh) * | 2017-12-04 | 2018-06-22 | 北京农业信息技术研究中心 | 籽粒真密度的测量方法及测量装置 |
CN108375529A (zh) * | 2018-02-12 | 2018-08-07 | 中国水利水电科学研究院 | 土石料级配自动检测方法及检测系统 |
CN108459019A (zh) * | 2017-12-06 | 2018-08-28 | 成都理工大学 | 滑坡坡体碎石含量检测方法及智能移动终端 |
CN108846825A (zh) * | 2018-04-24 | 2018-11-20 | 福州大学 | 一种基于图像处理技术的沥青混合料性能评价方法 |
CN108956400A (zh) * | 2018-07-20 | 2018-12-07 | 润电能源科学技术有限公司 | 一种基于图像识别的煤粉浓度测量方法及装置 |
CN109115785A (zh) * | 2018-08-08 | 2019-01-01 | 长沙理工大学 | 一种铸件打磨质量检测方法、装置及其使用方法 |
CN109211904A (zh) * | 2018-09-12 | 2019-01-15 | 长安大学 | 一种沥青混合料二维内部结构检测系统及检测方法 |
CN109431425A (zh) * | 2018-12-07 | 2019-03-08 | 余姚市盈宝电器有限公司 | 洗涤水量调控机构 |
CN109509355A (zh) * | 2019-01-07 | 2019-03-22 | 黄慧 | 智慧交通信息汇集终端 |
CN109724151A (zh) * | 2018-06-28 | 2019-05-07 | 永康市胜时电机有限公司 | 供暖器进水管道电控机构 |
CN110006137A (zh) * | 2018-07-25 | 2019-07-12 | 永康市异造科技有限公司 | 空调除湿模式细调平台 |
CN110135275A (zh) * | 2019-04-19 | 2019-08-16 | 苏交科集团股份有限公司 | 一种集料颗粒识别方法 |
CN110580493A (zh) * | 2019-06-10 | 2019-12-17 | 长安大学 | 基于机器学习的集料形状分类方法 |
CN110751620A (zh) * | 2019-08-28 | 2020-02-04 | 宁波海上鲜信息技术有限公司 | 估算体积和重量的方法、电子设备及计算机可读存储介质 |
CN110836850A (zh) * | 2019-11-21 | 2020-02-25 | 长沙理工大学 | 灌缝胶与沥青路面裂缝壁的粘附性确定方法 |
CN111202465A (zh) * | 2018-11-21 | 2020-05-29 | 余姚市雷阵雨电器有限公司 | 声控开关开启系统 |
CN111487155A (zh) * | 2020-04-08 | 2020-08-04 | 河海大学 | 一种沥青混合料连通孔隙对冻胀应力消解效应的测试方法 |
CN111553886A (zh) * | 2020-04-09 | 2020-08-18 | 哈尔滨工业大学 | 一种沥青混合料ct图像中颗粒的自适应识别方法 |
CN111632550A (zh) * | 2020-05-27 | 2020-09-08 | 三一汽车制造有限公司 | 沥青搅拌装置、沥青站和沥青搅拌装置的控制方法 |
CN112102265A (zh) * | 2020-08-31 | 2020-12-18 | 华南理工大学 | 一种基于乳化剂对沥青-集料粘附性能影响的测试方法 |
CN112308807A (zh) * | 2020-10-19 | 2021-02-02 | 泰州锐比特智能科技有限公司 | 科目类型现场检测系统 |
CN112801972A (zh) * | 2021-01-25 | 2021-05-14 | 武汉理工大学 | 一种桥梁缺陷检测方法、设备、系统及存储介质 |
CN113109219A (zh) * | 2021-04-29 | 2021-07-13 | 重庆交通大学 | 一种基于图像分析的沥青路面用粗集料级配监控方法 |
-
2006
- 2006-09-30 CN CNA200610159678XA patent/CN101153850A/zh active Pending
Cited By (64)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101294950B (zh) * | 2008-06-11 | 2011-05-04 | 长安大学 | 一种检测沥青混合料中矿粉含量的方法及装置 |
CN102809647B (zh) * | 2009-03-02 | 2015-01-21 | 深圳市市政工程总公司 | 粗集料压碎后沥青混合料级配变异性的测试方法 |
CN101793664A (zh) * | 2010-03-18 | 2010-08-04 | 长安大学 | 一种集料级配实时检测方法和图像采集系统 |
CN101776566B (zh) * | 2010-03-18 | 2011-08-10 | 长安大学 | 基于数字图像的集料级配实时检测方法 |
CN101793664B (zh) * | 2010-03-18 | 2011-08-31 | 长安大学 | 一种集料级配实时检测方法和图像采集系统 |
CN101776566A (zh) * | 2010-03-18 | 2010-07-14 | 长安大学 | 基于数字图像的集料级配实时检测方法 |
CN102012356B (zh) * | 2010-11-25 | 2012-06-13 | 东南大学 | 一种沥青混凝土路面集料级配的快速检测方法 |
CN102012356A (zh) * | 2010-11-25 | 2011-04-13 | 东南大学 | 一种沥青混凝土路面集料级配的快速检测方法 |
CN102288522A (zh) * | 2011-06-30 | 2011-12-21 | 河海大学 | 基于数字图像技术的泥沙颗粒分析装置及分析方法 |
CN102494977A (zh) * | 2011-11-29 | 2012-06-13 | 浙江工商大学 | 大米碎米率在线检测方法和系统 |
CN103364315A (zh) * | 2012-03-30 | 2013-10-23 | 鞍钢股份有限公司 | 一种烧结固体燃料粒度在线检测方法及检测装置 |
CN103364315B (zh) * | 2012-03-30 | 2016-04-06 | 鞍钢股份有限公司 | 一种烧结固体燃料粒度在线检测方法及检测装置 |
CN102938067A (zh) * | 2012-11-16 | 2013-02-20 | 上海工业自动化仪表研究院 | 一种污水处理过程中出水渠团状污泥识别方法 |
CN104537674B (zh) * | 2015-01-08 | 2017-04-05 | 东南大学 | 一种环氧沥青混凝土集料级配的检测方法 |
CN104537674A (zh) * | 2015-01-08 | 2015-04-22 | 东南大学 | 一种环氧沥青混凝土集料级配的检测方法 |
CN104850854A (zh) * | 2015-05-08 | 2015-08-19 | 广西师范大学 | 一种滑石矿品分选处理方法及滑石矿品分选系统 |
CN104950004A (zh) * | 2015-06-17 | 2015-09-30 | 中国石油天然气股份有限公司 | 一种定量评价古老碳酸盐岩储层中沥青含量的方法 |
CN107615042A (zh) * | 2015-06-26 | 2018-01-19 | 栗田工业株式会社 | 树脂分析方法以及树脂处理方法 |
CN104931397A (zh) * | 2015-06-29 | 2015-09-23 | 广州机械科学研究院有限公司 | 基于励磁吸附的三维数字颗粒图像生成装置及方法 |
CN105136622A (zh) * | 2015-08-21 | 2015-12-09 | 河海大学 | 一种批量测试粗集料扁平率的方法 |
CN105115851A (zh) * | 2015-08-26 | 2015-12-02 | 中国十七冶集团有限公司 | 一种检测沥青砂混合料中沥青含量的方法 |
CN106651825A (zh) * | 2015-11-03 | 2017-05-10 | 中国科学院沈阳计算技术研究所有限公司 | 一种基于图像分割的工件定位与识别的方法 |
CN105403575A (zh) * | 2015-12-04 | 2016-03-16 | 南昌工程学院 | 一种沥青混合料局部应力的评价方法 |
CN105510195A (zh) * | 2015-12-07 | 2016-04-20 | 华侨大学 | 一种堆叠骨料的粒度粒形在线检测方法 |
CN105699258A (zh) * | 2016-01-28 | 2016-06-22 | 华侨大学 | 一种细骨料在线检测装置及方法 |
CN105699258B (zh) * | 2016-01-28 | 2018-06-19 | 华侨大学 | 一种细骨料在线检测装置及方法 |
CN105954285A (zh) * | 2016-05-23 | 2016-09-21 | 中国石油大学(华东) | 一种快速测定催化裂化油浆固含量的方法 |
CN107462524A (zh) * | 2016-06-02 | 2017-12-12 | 西派特(北京)科技有限公司 | 沥青多种性质快速分析仪 |
CN106296616B (zh) * | 2016-08-18 | 2019-01-29 | 中国航空工业集团公司洛阳电光设备研究所 | 一种红外图像细节增强方法和一种红外图像细节增强装置 |
CN106296616A (zh) * | 2016-08-18 | 2017-01-04 | 中国航空工业集团公司洛阳电光设备研究所 | 一种红外图像细节增强方法和一种红外图像细节增强装置 |
CN107784646A (zh) * | 2017-09-29 | 2018-03-09 | 长安大学 | 一种路用集料的自适应检测方法 |
CN107909584A (zh) * | 2017-11-09 | 2018-04-13 | 东南大学 | 一种通过冷料监控的沥青混合料级配预估方法 |
CN108198165A (zh) * | 2017-12-04 | 2018-06-22 | 北京农业信息技术研究中心 | 籽粒真密度的测量方法及测量装置 |
CN108198165B (zh) * | 2017-12-04 | 2020-06-09 | 北京农业信息技术研究中心 | 籽粒真密度的测量方法及测量装置 |
CN108459019A (zh) * | 2017-12-06 | 2018-08-28 | 成都理工大学 | 滑坡坡体碎石含量检测方法及智能移动终端 |
CN108459019B (zh) * | 2017-12-06 | 2021-03-23 | 成都理工大学 | 滑坡坡体碎石含量检测方法及智能移动终端 |
CN108106976A (zh) * | 2017-12-22 | 2018-06-01 | 江苏中路工程技术研究院有限公司 | 一种测定沥青混合料抽提过程中残留矿粉组成及含量的方法 |
CN108375529A (zh) * | 2018-02-12 | 2018-08-07 | 中国水利水电科学研究院 | 土石料级配自动检测方法及检测系统 |
CN108846825A (zh) * | 2018-04-24 | 2018-11-20 | 福州大学 | 一种基于图像处理技术的沥青混合料性能评价方法 |
CN109724151A (zh) * | 2018-06-28 | 2019-05-07 | 永康市胜时电机有限公司 | 供暖器进水管道电控机构 |
CN108956400A (zh) * | 2018-07-20 | 2018-12-07 | 润电能源科学技术有限公司 | 一种基于图像识别的煤粉浓度测量方法及装置 |
CN110006137A (zh) * | 2018-07-25 | 2019-07-12 | 永康市异造科技有限公司 | 空调除湿模式细调平台 |
CN109115785A (zh) * | 2018-08-08 | 2019-01-01 | 长沙理工大学 | 一种铸件打磨质量检测方法、装置及其使用方法 |
CN109115785B (zh) * | 2018-08-08 | 2020-09-29 | 长沙理工大学 | 一种铸件打磨质量检测方法、装置及其使用方法 |
CN109211904A (zh) * | 2018-09-12 | 2019-01-15 | 长安大学 | 一种沥青混合料二维内部结构检测系统及检测方法 |
CN109211904B (zh) * | 2018-09-12 | 2021-07-30 | 长安大学 | 一种沥青混合料二维内部结构检测系统及检测方法 |
CN111202465A (zh) * | 2018-11-21 | 2020-05-29 | 余姚市雷阵雨电器有限公司 | 声控开关开启系统 |
CN111202465B (zh) * | 2018-11-21 | 2021-10-22 | 江苏九川科技有限公司 | 声控开关开启系统 |
CN109431425A (zh) * | 2018-12-07 | 2019-03-08 | 余姚市盈宝电器有限公司 | 洗涤水量调控机构 |
CN109509355A (zh) * | 2019-01-07 | 2019-03-22 | 黄慧 | 智慧交通信息汇集终端 |
CN110135275A (zh) * | 2019-04-19 | 2019-08-16 | 苏交科集团股份有限公司 | 一种集料颗粒识别方法 |
CN110580493A (zh) * | 2019-06-10 | 2019-12-17 | 长安大学 | 基于机器学习的集料形状分类方法 |
CN110751620A (zh) * | 2019-08-28 | 2020-02-04 | 宁波海上鲜信息技术有限公司 | 估算体积和重量的方法、电子设备及计算机可读存储介质 |
CN110836850A (zh) * | 2019-11-21 | 2020-02-25 | 长沙理工大学 | 灌缝胶与沥青路面裂缝壁的粘附性确定方法 |
CN110836850B (zh) * | 2019-11-21 | 2021-12-21 | 长沙理工大学 | 灌缝胶与沥青路面裂缝壁的粘附性确定方法 |
CN111487155A (zh) * | 2020-04-08 | 2020-08-04 | 河海大学 | 一种沥青混合料连通孔隙对冻胀应力消解效应的测试方法 |
CN111553886A (zh) * | 2020-04-09 | 2020-08-18 | 哈尔滨工业大学 | 一种沥青混合料ct图像中颗粒的自适应识别方法 |
CN111553886B (zh) * | 2020-04-09 | 2024-02-13 | 哈尔滨工业大学 | 一种沥青混合料ct图像中颗粒的自适应识别方法 |
CN111632550A (zh) * | 2020-05-27 | 2020-09-08 | 三一汽车制造有限公司 | 沥青搅拌装置、沥青站和沥青搅拌装置的控制方法 |
CN112102265A (zh) * | 2020-08-31 | 2020-12-18 | 华南理工大学 | 一种基于乳化剂对沥青-集料粘附性能影响的测试方法 |
CN112102265B (zh) * | 2020-08-31 | 2023-10-13 | 华南理工大学 | 一种基于乳化剂对沥青-集料粘附性能影响的测试方法 |
CN112308807A (zh) * | 2020-10-19 | 2021-02-02 | 泰州锐比特智能科技有限公司 | 科目类型现场检测系统 |
CN112801972A (zh) * | 2021-01-25 | 2021-05-14 | 武汉理工大学 | 一种桥梁缺陷检测方法、设备、系统及存储介质 |
CN113109219A (zh) * | 2021-04-29 | 2021-07-13 | 重庆交通大学 | 一种基于图像分析的沥青路面用粗集料级配监控方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101153850A (zh) | 一种沥青混合料的检测方法及系统 | |
WO2018107939A1 (zh) | 一种基于边缘完备度的图像分割最优识别方法 | |
CN107507173B (zh) | 一种全切片图像的无参考清晰度评估方法及系统 | |
CN109389163B (zh) | 一种基于地形图的无人机影像分类系统及方法 | |
CN113205051B (zh) | 基于高空间分辨率遥感影像的储油罐提取方法 | |
CN107705254B (zh) | 一种基于街景图的城市环境评估方法 | |
CN111191628B (zh) | 基于决策树与特征优化的遥感影像震害建筑物识别方法 | |
CN109635733B (zh) | 基于视觉显著性和队列修正的停车场和车辆目标检测方法 | |
CN110334760B (zh) | 一种基于resUnet的光学元器件损伤检测方法及系统 | |
CN106157323A (zh) | 一种动态分块阈值和块搜索结合的绝缘子分割提取方法 | |
CN111382658B (zh) | 一种基于图像灰度梯度一致性的自然环境下道路交通标志检测方法 | |
CN114596551A (zh) | 一种车载前视图像裂缝检测的方法 | |
CN113239733A (zh) | 一种多车道车道线检测方法 | |
CN115049640A (zh) | 一种基于深度学习的道路裂缝检测方法 | |
CN115330720A (zh) | 一种无人机影像地表固废检测模型及检测方法 | |
CN110070545B (zh) | 一种城镇纹理特征密度自动提取城镇建成区的方法 | |
Duan et al. | An index-based shadow extraction approach on high-resolution images | |
CN1252588C (zh) | 高光谱遥感图像联合加权随机分类方法 | |
CN114120218A (zh) | 一种基于边缘计算的河道漂浮物监测方法 | |
CN117218148A (zh) | 基于卫星图像的航道边界确定方法和系统、可读存储介质 | |
CN109859220B (zh) | 一种线形图像分割方法 | |
CN115063679B (zh) | 一种基于深度学习的路面质量评估方法 | |
Gao et al. | Intelligent crack damage detection system in shield tunnel using combination of retinanet and optimal adaptive selection | |
CN117011756A (zh) | 一种基于迁移学习方法的视频雨量反演方法 | |
CN114066861B (zh) | 一种基于交叉算法边缘检测理论和视觉特征的煤矸识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20080402 |