CN103033456A - 基于sfs算法的土壤孔隙度检测方法 - Google Patents
基于sfs算法的土壤孔隙度检测方法 Download PDFInfo
- Publication number
- CN103033456A CN103033456A CN201210541544XA CN201210541544A CN103033456A CN 103033456 A CN103033456 A CN 103033456A CN 201210541544X A CN201210541544X A CN 201210541544XA CN 201210541544 A CN201210541544 A CN 201210541544A CN 103033456 A CN103033456 A CN 103033456A
- Authority
- CN
- China
- Prior art keywords
- pixel points
- sampling pixel
- soil
- detection method
- height
- 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.)
- Granted
Links
Images
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于SFS算法的土壤孔隙度检测方法。包括以下步骤:S1:获取待测土壤显微图像,并记录光照入射角度;S2:从所述待测土壤显微图像中选取M行N列个采样像素点,其中,M、N均为大于1的整数,根据所述光照入射角度,利用SFS算法得到各采样像素点高度值;S3:对所述各采样像素点高度值进行平滑处理;S4:对所述各采样像素点高度值进行高度校正;S5:计算得出待测土壤的孔隙度。本发明的土壤孔隙度的检测方法,通过恢复土壤表面三维结构来计算土壤孔隙度,比其他方法更加快速而准确。而且可以大幅缩短相关研究的试验周期,提高相关研究结果的准确率。
Description
技术领域
本发明涉及土壤检测技术领域,尤其涉及一种基于SFS算法的土壤孔隙度检测方法。
背景技术
土壤孔隙度及颗粒组成是土壤重要的物理性质参数,是研究土壤最基础的数据资料,尤其是在土壤模型研究和土工试验方面。其中颗粒分布与土壤结构、土壤质地有密切关系,孔隙度直接影响水气二相在土体中的迁移与根系在土壤中的生长。
目前,测量土壤孔隙度的方法主要分为两种,一种是传统的实验法;一种是计算机图形学方法。传统的实验法以烘干法为代表,实验步骤为:首先用环刀取所需土样并称重,然后放入烘箱中于105℃下烘干24小时,取出后称重。计算过程如下:
1、土壤容重的计算:
其中,rs表示土壤容重(克/立方厘米),g表示环刀内湿土重(克),V表示环刀容积(立方厘米),w表示土壤含水率(g/kg)(如含水率为200g/kg应写成0.2)。
2、土壤含水率的计算:
g′为烘干后干土重。
3、土壤总孔隙度的计算:
ds表示土粒密度,一般认为耕地土壤表土的土粒密度为2.65克/立方厘米,土粒密度与土壤比重的数值相等,密度单位为克/立方厘米,比重无单位。此类传统方法速度慢、试验周期长,烘干法需要10小时左右;而且操作复杂,对实验员操作水平有较高要求;而且实验结果相对误差较大。
如图3和图4所示,计算机图形学检测方法首先将图像转化为灰度图像,然后选取阈值将图像转化为二值图像,阈值以上即为孔隙,最后计算二值图像中孔隙面积与总面积的比值即为土壤孔隙度。计算机图形学检测土壤孔隙度的方法最大的限制在于,1)丢失了图像中的三维信息;2)阈值的选取没有公认的标准,不同的阈值选取会得到不同的孔隙度结果,对研究者的经验依赖较强。
在计算机视觉中,从明暗求形状SFS(Shape from Shading)算法通常是把图像亮度建模成表面的几何函数,再根据已知成像模型重建表面,产生几乎与输入图像相同的图像或与物体外形相同的深度图。
发明内容
(一)要解决的技术问题
本发明要解决的技术问题是:如何提供一种方便快捷,且能够客观准确地测量土壤孔隙度的检测方法。
(二)技术方案
为解决上述问题,本发明提供了一种基于SFS算法的,根据图像中灰度信息恢复土壤表面三维结构,并据此计算土壤孔隙度的土壤孔隙度检测方法。所述方法包括以下步骤:
S1:获取待测土壤显微图像,并记录光照入射角度;
S2:从所述待测土壤显微图像中选取M行N列个采样像素点,其中,M、N均为大于1的整数,根据所述光照入射角度,利用SFS算法得到各采样像素点高度值;
S3:对所述各采样像素点高度值进行平滑处理;
S4:对所述各采样像素点高度值进行高度校正;
S5:计算得出待测土壤的孔隙度。
优选地,所述步骤S1在获取待测土壤显微图像时,光源采用矩阵LED光源,因为矩阵LED光源近似于无限远处点光源发出的光线,使得本方法获得的土壤孔隙度更准确。
优选地,所述步骤S2在计算各采样像素点高度值时,采用雅克比迭代法进行计算。
优选地,所述步骤S2选取采样像素点时,选取所述待测土壤显微图像的全部像素点作为采样像素点。
优选地,所述步骤S2选取采样像素点时,所述M行N列采样像素点的行距与列距相等,以实现均匀采样。
优选地,所述步骤S3进一步包括以下步骤:
S31:设置高度阈值参数,删去所述M行N列采样像素点中与周围邻接采样像素点平均高度之差超过高度阈值的采样像素点的高度值;
S32:根据步骤S31中删去的采样像素点的周围邻接采样像素点高度值对被删去的采样像素点或区域进行线性插值。
优选地,所述步骤S31在设置高度阈值参数时,根据所述土壤显微图像的采样像素点高度值分布的平滑程度或目测估算的土壤孔隙度大小来设置。
优选地,所述步骤S32在对被删去的采样像素点或区域进行插值时,通过其所在行或列的两侧采样像素点高度差值除以被删去的采样像素点的个数加一来确定每个被删去的采样像素点递增的高度。
优选地,所述步骤S32在对被删去的采样像素点或区域进行插值时,通过其所在的行或列的部分或全部像素点构造平滑的曲线或直线函数来确定其高度值。
优选地,所述步骤S4在进行高度校正时,通过拟合正态分布曲线除去小概率的高度值。
(三)有益效果
本发明所提出的土壤孔隙度的检测方法,通过恢复土壤表面三维结构来计算土壤孔隙度,比其他方法更加快速而准确。而且可以大幅缩短相关研究的试验周期,提高相关研究结果的准确率。
附图说明
图1为本发明的基于SFS算法的土壤孔隙度检测方法流程示意图;
图2为本发明的基于SFS算法的土壤孔隙度检测方法的步骤S3的流程示意图;
图3为现有技术的计算机图形学土壤孔隙度检测方法的土壤灰度图像图;
图4为现有技术的计算机图形学土壤孔隙度检测方法的二值图像图;
图5为本发明的基于SFS算法的土壤孔隙度检测方法的步骤S4拟合得到的正态分布曲线图;
图6为本发明的基于SFS算法的土壤孔隙度检测方法的点云重建结果图;
图7为本发明的基于SFS算法的土壤孔隙度检测方法的面绘制结果图。
具体实施方式
下面结合附图及实施例对本发明进行详细说明如下。
如图1所示,本发明的基于SFS算法的土壤孔隙度检测方法的实施方式如步骤S1-S5所示:
S1:获取待测土壤显微图像,并记录光照入射角度。
可用环刀,土钻等工具获取待测土壤样本,用显微镜拍摄待测土壤显微图像,并记录光照入射角度。光源可用矩阵LED光源,因为矩阵LED光源发出光的线为平行光,近似于无限远处点光源发出的光线,使得获得的土壤孔隙度更准确。
S2:从所述待测土壤显微图像中选取M行N列个采样像素点,其中,M、N均为大于1的整数。如果想要取得更高的精度,可以选取所述待测土壤显微图像的全部像素点作为采样像素点。然后根据所述光照入射角度,利用SFS算法得到各采样像素点高度值。
对于M行N列个采样像素点中的任一个采样像素点,其高度值可以采取如下算法:对M行N列个采样像素点建立二维平面坐标系,根据SFS算法和雅克比迭代法可以推出第n次迭代后坐标(x,y)处像素点高度Zn(x,y)算法如公式1:
公式1:
其中Is(x,y)为像素灰度I(x,y)归一化结果,ρ为反射率, θ为入射光与z轴夹角,为入射光与x轴夹角。公式1初始化条件为:像素灰度I(x,y)归一化Is(x,y)=I(x,y)/255,土壤反射率ρ取值一般在0.7-0.9,计算ps,qs,若入射光平行于z轴,则取ps=0.01,qs=0.01,近似,高度值Z0(x,y)初始化为0。迭代至结果趋于稳定。
S3:对所述各采样像素点高度值进行平滑处理;
如图2所示,步骤S3可包括以下步骤:
S31:设置高度阈值参数,删去所述M行N列采样像素点中与周围邻接采样像素点平均高度之差超过高度阈值的采样像素点的高度值。
在设置高度阈值参数时,可以根据所述土壤显微图像的采样像素点高度值分布的平滑程度来设置,也可以根据目测的待测土壤样本的孔隙度大小来设置。孔隙度越大,阈值参数可以越大。
在删去采样像素点时,将每个采样像素点的高度值与其周围邻接的8个采样像素点的平均高度相比较,如果差值超过高度阈值,则删去该采样像素点的高度值。而对于边缘的采样像素点,其周围邻接采样像素点个数可能为3个或5个,同样做上述比较,并删去差值超过高度阈值的采样像素点。
S32:根据步骤S31中删去的采样像素点的周围邻接采样像素点高度值对被删去的采样像素点或区域进行线性插值。
在对被删去的采样像素点或区域进行插值时,可以通过其所在行或列的两侧采样像素点高度差值除以被删去的采样像素点的个数加一来确定每个被删去的采样像素点递增的高度。即如果第3行的第6、7列的采样像素点被删去,那么可以通过计算第3行第5、8列的采样像素点的高度差值除以2得到每个空缺点递增的高度。如果第3行第5列的采样像素点高度为16,第3行第8列的采样像素点高度为28,那么每个空缺点递增的高度为(28-16)/(2+1)=4,即可以得到第3行第6列的采样像素点的高度为20,第3行第7列的采样像素点的高度为24。而对于边缘的采样像素点,由于其行或列的一侧可能没有采样像素点,可以通过其行或列的另一侧相邻的两个采样像素点的高度差值确定采样像素点递增的高度,也可以将其设定为周围若干采样像素点高度的平均值。当然,也可以通过其所在的行或列的部分或全部像素点构造平滑的曲线或直线函数来确定其高度值。
S4:对所述各采样像素点高度值进行高度校正;
M行N列采样像素点图像高度值分布如图5所示,横坐标为高度值区间,纵坐标为高度在该区间中采样像素点的个数。可以看出采样像素点高度值基本呈正态分布,对其进行正态分布拟合可得图中的正态曲线,计算出该正态曲线的均值μ与标准差σ。根据小概率事件和假设检验的基本思想,一般多采用0.01这个值作为小概率标准,即事件发生的概率在0.01以下的事件称为小概率事件。采样像素点高度值可能因为图像噪声,算法造成的局部极值点等原因落在小概率事件区间内,因此对这部分采样像素点进行滤波操作可以提高孔隙度计算结果的准确程度。横轴区间(μ-2.58σ,μ+2.58σ)内的面积为99%。据此分别计算出区间两侧极值,将区间外侧所有高度值用两侧极值替换。
S5:计算得出待测土壤的孔隙度。
孔隙度fp计算公式如公式2:
公式2:
其中Zx,y为坐标(x,y)处像素高度值,Zmax为所有像素值对应高度中的最大值,Zmin为最小值。
在本发明的一个实施例中,所述步骤S2选取采样像素点时,选取所述待测土壤显微图像的全部像素点作为采样像素点。
在本发明的一个实施例中,所述步骤S2选取采样像素点时,所述M行N列采样像素点的行距与列距相等,即所述M行N列采样像素点的连线将土壤显微图像分割为若干个正方形。能够使得采样像素点的分布更加均匀,检测到的土壤孔隙度更精确。
图6即为本发明的基于SFS算法的土壤孔隙度检测方法的点云重建结果图,图7为本发明的基于SFS算法的土壤孔隙度检测方法的面绘制结果图。
以上实施方式仅用于说明本发明,而并非对本发明的限制,有关技术领域的普通技术人员,在不脱离本发明的精神和范围的情况下,还可以做出各种变化和变型,因此所有等同的技术方案也属于本发明的范畴,本发明的专利保护范围应由权利要求限定。
Claims (10)
1.一种基于SFS算法的土壤孔隙度检测方法,其特征在于,包括以下步骤:
S1:获取待测土壤显微图像,并记录光照入射角度;
S2:从所述待测土壤显微图像中选取M行N列个采样像素点,其中,M、N均为大于1的整数,根据所述光照入射角度,利用SFS算法得到各采样像素点高度值;
S3:对所述各采样像素点高度值进行平滑处理;
S4:对所述各采样像素点高度值进行高度校正;
S5:计算得出待测土壤的孔隙度。
2.如权利要求1所述的基于SFS算法的土壤孔隙度检测方法,其特征在于,所述步骤S1在获取待测土壤显微图像时,光源采用矩阵LED光源。
3.如权利要求1所述的基于SFS算法的土壤孔隙度检测方法,其特征在于,所述步骤S2在计算各采样像素点高度值时,采用雅克比迭代法进行计算。
4.如权利要求1所述的基于SFS算法的土壤孔隙度检测方法,其特征在于,所述步骤S2选取采样像素点时,选取所述待测土壤显微图像的全部像素点作为采样像素点。
5.如权利要求1所述的基于SFS算法的土壤孔隙度检测方法,其特征在于,所述步骤S2选取采样像素点时,所述M行N列采样像素点的行距与列距相等。
6.如权利要求1所述的基于SFS算法的土壤孔隙度检测方法,其特征在于,所述步骤S3进一步包括以下步骤:
S31:设置高度阈值参数,删去所述M行N列采样像素点中与周围邻接采样像素点平均高度之差超过高度阈值的采样像素点的高度值;
S32:根据步骤S31中删去的采样像素点的周围邻接采样像素点高度值对被删去的采样像素点或区域进行线性插值。
7.如权利要求6所述的基于SFS算法的土壤孔隙度检测方法,其特征在于,所述步骤S31在设置高度阈值参数时,根据所述土壤显微图像的采样像素点高度值分布的平滑程度来设置或目测估算的土壤孔隙度大小来设置。
8.如权利要求6所述的基于SFS算法的土壤孔隙度检测方法,其特征在于,所述步骤S32在对被删去的采样像素点或区域进行插值时,通过其所在行或列的两侧采样像素点高度差值除以被删去的采样像素点的个数加一来确定每个被删去的采样像素点递增的高度。
9.如权利要求6所述的基于SFS算法的土壤孔隙度检测方法,其特征在于,所述步骤S32在对被删去的采样像素点或区域进行插值时,通过其所在的行或列的部分或全部像素点构造平滑的曲线或直线函数来确定其高度值。
10.如权利要求1所述的基于SFS算法的土壤孔隙度检测方法,其特征在于,所述步骤S4在进行高度校正时,通过拟合正态分布曲线除去小概率的高度值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210541544.XA CN103033456B (zh) | 2012-12-13 | 2012-12-13 | 基于sfs算法的土壤孔隙度检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210541544.XA CN103033456B (zh) | 2012-12-13 | 2012-12-13 | 基于sfs算法的土壤孔隙度检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103033456A true CN103033456A (zh) | 2013-04-10 |
CN103033456B CN103033456B (zh) | 2015-06-03 |
Family
ID=48020577
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210541544.XA Active CN103033456B (zh) | 2012-12-13 | 2012-12-13 | 基于sfs算法的土壤孔隙度检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103033456B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105352874A (zh) * | 2015-12-14 | 2016-02-24 | 山西省交通科学研究院 | 一种室内测量土体孔隙率的试验方法与装置 |
CN106053316A (zh) * | 2016-06-08 | 2016-10-26 | 燕山大学 | 土体微观结构孔隙分布及分形程序与计算方法 |
CN106530269A (zh) * | 2015-09-15 | 2017-03-22 | 苏州中启维盛机器人科技有限公司 | 焊缝检测方法 |
CN111982743A (zh) * | 2020-08-31 | 2020-11-24 | 长春工程学院 | 一种基于物联网的火山岩鉴定方法、系统、终端及介质 |
WO2022001259A1 (zh) * | 2020-06-30 | 2022-01-06 | 中国矿业大学 | 基于afm的页岩孔隙度计算及组分孔隙贡献评价方法 |
CN115830029A (zh) * | 2023-02-21 | 2023-03-21 | 山东水利建设集团有限公司 | 一种基于计算机视觉的弹簧土检测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0612329B2 (ja) * | 1988-10-20 | 1994-02-16 | 川崎製鉄株式会社 | 粉末粒子の比表面積自動測定装置 |
CN101004370A (zh) * | 2007-01-26 | 2007-07-25 | 中国建筑工程总公司 | 透水混凝土路面表面孔隙率与试块断面孔隙率检测方法 |
CN101021463A (zh) * | 2006-02-15 | 2007-08-22 | 通用电气公司 | 用于孔隙率测量的方法和设备 |
CN101344474A (zh) * | 2008-08-29 | 2009-01-14 | 中国农业大学 | 一种测量土壤孔隙率的方法 |
-
2012
- 2012-12-13 CN CN201210541544.XA patent/CN103033456B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0612329B2 (ja) * | 1988-10-20 | 1994-02-16 | 川崎製鉄株式会社 | 粉末粒子の比表面積自動測定装置 |
CN101021463A (zh) * | 2006-02-15 | 2007-08-22 | 通用电气公司 | 用于孔隙率测量的方法和设备 |
CN101004370A (zh) * | 2007-01-26 | 2007-07-25 | 中国建筑工程总公司 | 透水混凝土路面表面孔隙率与试块断面孔隙率检测方法 |
CN101344474A (zh) * | 2008-08-29 | 2009-01-14 | 中国农业大学 | 一种测量土壤孔隙率的方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106530269A (zh) * | 2015-09-15 | 2017-03-22 | 苏州中启维盛机器人科技有限公司 | 焊缝检测方法 |
CN105352874A (zh) * | 2015-12-14 | 2016-02-24 | 山西省交通科学研究院 | 一种室内测量土体孔隙率的试验方法与装置 |
CN105352874B (zh) * | 2015-12-14 | 2017-12-15 | 山西省交通科学研究院 | 一种室内测量土体孔隙率的试验方法与装置 |
CN106053316A (zh) * | 2016-06-08 | 2016-10-26 | 燕山大学 | 土体微观结构孔隙分布及分形程序与计算方法 |
WO2022001259A1 (zh) * | 2020-06-30 | 2022-01-06 | 中国矿业大学 | 基于afm的页岩孔隙度计算及组分孔隙贡献评价方法 |
CN111982743A (zh) * | 2020-08-31 | 2020-11-24 | 长春工程学院 | 一种基于物联网的火山岩鉴定方法、系统、终端及介质 |
CN115830029A (zh) * | 2023-02-21 | 2023-03-21 | 山东水利建设集团有限公司 | 一种基于计算机视觉的弹簧土检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103033456B (zh) | 2015-06-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103033456B (zh) | 基于sfs算法的土壤孔隙度检测方法 | |
CN109785379B (zh) | 一种对称物体尺寸及重量的测量方法及测量系统 | |
CN108986048B (zh) | 基于线激光扫描三维点云快速复合滤波处理方法 | |
CN108876799B (zh) | 一种基于双目相机的实时台阶检测方法 | |
CN109146948B (zh) | 基于视觉的作物长势表型参数量化与产量相关性分析方法 | |
Chen et al. | A multiresolution hierarchical classification algorithm for filtering airborne LiDAR data | |
Mayaud et al. | Dynamics of skimming flow in the wake of a vegetation patch | |
CN111598780B (zh) | 一种适用于机载LiDAR点云的地形自适应插值滤波方法 | |
CN112363236B (zh) | 一种基于pde的重力场数据等效源延拓与数据类型转换方法 | |
CN110335352B (zh) | 一种机载激光雷达点云的双基元多分辨率层次滤波方法 | |
CN115937151B (zh) | 一种作物叶片卷曲程度的判定方法 | |
CN109410265B (zh) | 一种基于往期dem辅助的tin滤波改进算法 | |
CN109002418B (zh) | 基于体素生长和地面激光点云的树木胸径自动计算方法 | |
CN112330673B (zh) | 一种基于图像处理的机织物密度检测方法 | |
CN111856598B (zh) | 一种磁测数据多层等效源上延拓与下延拓方法 | |
CN112085675B (zh) | 深度图像去噪方法、前景分割方法及人体运动监测方法 | |
CN112085750A (zh) | 一种三角网格的分割去噪方法 | |
CN111091079A (zh) | 基于tls的高寒脆弱区植被优势单株结构参数测定方法 | |
CN116612245B (zh) | 基于视频图像的海滩地形地貌构建方法、系统、存储介质 | |
CN111738278B (zh) | 一种水下多源声学图像特征提取方法及系统 | |
CN103824323B (zh) | 一种基于单幅二维图像的三维重建方法 | |
CN117974492B (zh) | 一种智能铣刨机优化控制方法及系统 | |
CN113177897A (zh) | 一种无序3d点云的快速无损滤波方法 | |
CN117437223A (zh) | 一种高速板对板连接器缺陷智能检测方法 | |
CN105488798B (zh) | 基于点集对比的sar图像相似性度量方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |