CN105809646A - 基于迭代最佳阈值法计算冻土的孔隙参数的方法及系统 - Google Patents
基于迭代最佳阈值法计算冻土的孔隙参数的方法及系统 Download PDFInfo
- Publication number
- CN105809646A CN105809646A CN201610200755.5A CN201610200755A CN105809646A CN 105809646 A CN105809646 A CN 105809646A CN 201610200755 A CN201610200755 A CN 201610200755A CN 105809646 A CN105809646 A CN 105809646A
- Authority
- CN
- China
- Prior art keywords
- image
- value
- frozen soil
- calculating
- point
- 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
- 238000000034 method Methods 0.000 title claims abstract description 105
- 239000011148 porous material Substances 0.000 title claims abstract description 45
- 238000003708 edge detection Methods 0.000 claims abstract description 11
- 239000007787 solid Substances 0.000 claims abstract description 7
- 239000002689 soil Substances 0.000 claims description 52
- 238000001914 filtration Methods 0.000 claims description 18
- 238000001514 detection method Methods 0.000 claims description 16
- 238000006243 chemical reaction Methods 0.000 claims description 13
- 244000144992 flock Species 0.000 claims description 8
- 238000012545 processing Methods 0.000 abstract description 4
- 230000003044 adaptive effect Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000004445 quantitative analysis Methods 0.000 description 3
- 230000002902 bimodal effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005309 stochastic process Methods 0.000 description 1
- 230000008719 thickening Effects 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20004—Adaptive image processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30184—Infrastructure
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开一种基于迭代最佳阈值法计算冻土的孔隙参数的方法及系统,能够准确计算冻土的孔隙参数。所述方法包括:S1、利用CT机器扫描冻土样本获得冻土CT图像;S2、对所述图像进行去噪处理,去除噪声点干扰;S3、基于去噪后的图像,使用迭代最佳阈值法进行二值化处理,得到只有固体和孔隙的黑白二值图像;S4、对所述黑白二值图像进行边缘检测,获得孔隙结构,并计算各个孔隙的参数。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种基于迭代最佳阈值法计算冻土的孔隙参数的方法及系统。
背景技术
在对于冻土孔隙的研究中,国内很多的文章,都是应用一些现有的图像处理软件,对冻土图像进行简单的二值化处理后,把灰度值低的直接归于孔隙区域,以此来计算孔隙密度。这就使得实验结果不精确,无法准确的描述冻土中孔隙的参数。
关于图像二值化有以下几种方法:
全局阈值法是指在二值化过程中只使用一个全局阈值的方法。其基本思想是将图像的每个像素的灰度值与阈值进行比较,若大于,则取为前景色(白色);否则,取为背景色,以此实现灰度文本图像到二值图像的转化。其算法简单,对于目标和背景明显分离、直方图分布呈双峰的图像效果良好,但对于由于光照不均匀、噪声干扰较大等原因使直方图分布不呈双峰的图像,二值化效果明显变差。
局部阈值法是用像素灰度值和此像素邻域的局部灰度特性来确定该像素的阈值的。其基本思想是原图像划分为一些不相交的小块,将各块图像的灰度均值作为该部块图像的阈值,在局部上采用整体阈值法。局部阈值法一般用于识别干扰比较严重、品质较差的图像,相对整体阈值方法有更广泛的应用,但也存在实现速度慢、不能保证字符笔画连通性以及容易出现伪影现象等缺点。
由上面所述的固定阈值的二值化方法对图像进行二值化处理,得到图像的孔隙所围成的连通域变大,无法得到精确的冻土参数,而且固定阈值的方法,不能对每个CT图像都适应。因此,研究一种能精确测量冻土的孔隙参数、适用于冻土CT图像的处理方法成为本领域技术人员亟待解决的问题。
发明内容
针对现有技术中的缺陷,本发明实施例提供一种基于迭代最佳阈值法计算冻土的孔隙参数的方法及系统。
一方面,本发明实施例提出一种基于迭代最佳阈值法计算冻土的孔隙参数的方法,包括:
S1、利用CT机器扫描冻土样本获得冻土CT图像;
S2、对所述图像进行去噪处理,去除噪声点干扰;
S3、基于去噪后的图像,使用迭代最佳阈值法进行二值化处理,得到只有固体和孔隙的黑白二值图像;
S4、对所述黑白二值图像进行边缘检测,获得孔隙结构,并计算各个孔隙的参数。
另一方面,本发明实施例提出一种基于迭代最佳阈值法计算冻土的孔隙参数的系统,包括:
获取单元,用于利用CT机器扫描冻土样本获得冻土CT图像;
去噪单元,用于对所述图像进行去噪处理,去除噪声点干扰;
二值化单元,用于基于去噪后的图像,使用迭代最佳阈值法进行二值化处理,得到只有固体和孔隙的黑白二值图像;
计算单元,用于对所述黑白二值图像进行边缘检测,获得孔隙结构,并计算各个孔隙的参数。
本发明实施例提供的基于迭代最佳阈值法计算冻土的孔隙参数的方法及系统,主要通过在对图像进行分析之前,对冻土CT图像进行处理来实现,依次为进行去噪处理、使用迭代最佳阈值法进行二值化处理和进行边缘检测,从而相较于现有技术,对冻土CT图像具有普适性,能够更加精确的得到孔隙结构,因而能够提高对孔隙参数定量分析的精确度。
附图说明
图1为本发明一种基于迭代最佳阈值法计算冻土的孔隙参数的方法一实施例的流程示意图;
图2为图1中S2一实施例的流程示意图;
图3为本发明迭代最佳阈值法流程图;
图4为本发明一种基于迭代最佳阈值法计算冻土的孔隙参数的系统一实施例的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参看图1,本实施例公开一种基于迭代最佳阈值法计算冻土的孔隙参数的方法,包括:
S1、利用CT机器扫描冻土样本获得冻土CT图像;
S2、对所述图像进行去噪处理,去除噪声点干扰;
所述S2,可以包括图2所示的步骤:
采用自适应阈值中值滤波方法,对于每一个预滤波点,以该点为中心建立初始滤波窗口(初始滤波窗口的大小可以为3*3),判断窗内是否存在极值点,若存在极值点,则判断预滤波点是否为极值点,若是极值点则进行中值滤波,输出滤波后的值(为灰度值);若不是极值点则直接输出预滤波点的值。若不存在极值,则增大滤波窗口,判断窗口值是否大于允许的最大值,若大于,则进行中值滤波,输出滤波后的值;若不大于,则重新进入判断窗内是否存在极值点的循环。对于每次输出值后,判断预滤波点是否是图像最后一点,若不是最后一点,则移动到下一滤波点,重新进行上述循环;若是最后一点,则结束滤波,输出滤波图像。
关于图像去噪有以下几种方法:
均值滤波是典型的线性滤波方法,其基本思想是用均值来代替原来图像中的各个像素值,采用领域平均法来实现。均值滤波算法简单,计算速度快,但它消弱了图像的边缘,造成图像一定程度的模糊。
中值滤波是典型的非线性滤波方法,其基本思想就是在噪声点像素周围寻找一个中间值来代替噪声点的像素。中值滤波的效果依赖于领域的空间范围以及中值计算中涉及到的像素数,其特点是图像进行平滑处理,较好的保留了图像的细节和边缘,使图像变的比较清晰,但是在抑制图像噪声和保护细节两方面存在一定的矛盾,二者不能同时达到最佳效果。
维也纳滤波一种自适应的滤波器,其基本思想是能根据图像的局部方差调整滤波器的输出,使统计误差函数值最小。维纳滤波适应面较广,无论平稳随机过程是连续的还是离散的,是标量的还是向量的,都可应用。但是不能用于噪声为非平稳的随机过程的情况,对于向量情况应用也不方便。因此,维纳滤波在实际问题中应用不多。
小波去噪在空域和频域同时具有良好的局部化特性,其基本思想是把图像分解到不同的分辨率下,某一层的图像提出了软阈值和硬阈值方法,由表示低频的轮廓信息和高频的的细节信息组成,每次分解都对低频信息进行分解。在小波阈值去噪中,选择合适阈值是很关键的,阈值较小,去噪后的图像信号与输入比较接近,但是残留了较多噪声。若阈值较大时得到较多为零的小波系数,对于软软阈值重建图像变得模糊,硬阈值策略下的重建图像包含较多的伪边缘。因此,阈值的选取直接影响滤波效果。
由于上述几种现有的图像去噪的方法都存在着图像模糊、边缘不清晰、不能很好适用于CT图像等缺点,因此,结合冻土CT图像特性采用自适应中值滤波的方法。
S3、基于去噪后的图像,使用迭代最佳阈值法进行二值化处理,得到只有固体和孔隙的黑白二值图像;
S4、对所述黑白二值图像进行边缘检测,获得孔隙结构,并计算各个孔隙的参数。
本实施例提供的基于迭代最佳阈值法计算冻土的孔隙参数的方法,主要通过在对图像进行分析之前,对冻土CT图像进行处理来实现,依次为进行去噪处理、使用迭代最佳阈值法进行二值化处理和进行边缘检测,从而相较于现有技术,对冻土CT图像具有普适性,能够更加精确的得到孔隙结构,因而能够提高对孔隙参数定量分析的精确度。
可选地,在本发明基于迭代最佳阈值法计算冻土的孔隙参数的方法的另一实施例中,所述S3,可以包括如下的图中未示出的子步骤:
S30、计算d,其中,d为T和TT之差的绝对值,T的初始值为图像中最大灰度值z0和最小灰度值z1的平均值,TT为T0和T1的平均值,初始值为0,T0为图像中灰度值不小于T的像素点的灰度值的平均值,T1为图像中灰度值小于T的像素点的灰度值的平均值;
S31、判断d是否小于预设的新旧阈值允许接近程度值allow,若不小于,则在最佳阈值下对图像进行二值化,或者若小于,则计算TT,重复依次进行执行步骤S30、更新T的值为TT的值和执行步骤S31的操作,其中,所述二值化所使用的阈值为T/255。
如图3所示为本发明迭代最佳阈值法流程图,算法如下:
采用迭代最佳阈值法二值化方法,读取图像数字矩阵I的长x和宽y,定义I中最大灰度值z0,最小灰度值z1,T为z0和z1的平均值,为TT赋初始值0。定义s0为灰度不小于阈值T的元素的灰度总值,n0为其个数;s1为灰度小于阈值T的元素的灰度总值、n1为其个数;并将其全部赋值为0。allow为新旧阈值允许接近程度,可以赋值为50;d为T和TT之差的绝对值,即d=abs(T-TT)。判断d是否不小于所允许的阈值allow,若小于,则输出最佳阈值下二值化图像(二值化函数为i1=im2bw(I,T/255));若大于,则遍历图像每个点,判断其灰度值I(i,j)与T的大小,S0记录所有不小于阈值T的灰度值之和,并求其平均值T0;S1记录所有小于阈值T的灰度值之和,并求其平均值T1。并判断d是否不小于allow,若不小于,则将TT值作为新的阈值,对图像二值化,并输出最后的二值化图像;若小于,则根据新的T的值重新计算d,一直循环下去,直至d不小于allow。
可选地,在本发明基于迭代最佳阈值法计算冻土的孔隙参数的方法的另一实施例中,allow的值为50。
可选地,在本发明基于迭代最佳阈值法计算冻土的孔隙参数的方法的另一实施例中,所述对所述黑白二值图像进行边缘检测,包括:
采用canny边缘检测方法对所述黑白二值图像进行边缘检测。
对图像进行边缘检测,可以采用log算子边缘检测、prewitt算子边缘检测、roberts算子边缘检测、sobel算子边缘检测和canny算子边缘检测方法,但log算子放大了原图的孔隙形状,sobel算子和prewitt算子处理后的边缘较原本的孔隙边缘平滑,roberts算子相较前几个算子精确度有了提高,但图像边缘还是有不同程度的平滑。平滑的边缘容易丢失图像的一些边缘信息,而我们进行边缘检测希望能够敏锐的检测到所有图像清晰的边缘,因此在比较上述方法的基础上,最终选用canny边缘检测方法,结合处理后图像发现,此方法可以得到清晰连通的土壤孔隙边缘,也更容易检测出图像中的弱边缘,适合土壤CT图像的细节刻画。
可选地,在本发明基于迭代最佳阈值法计算冻土的孔隙参数的方法的另一实施例中,所述计算各个孔隙的参数,包括:
利用连通域思想求得孔隙个数,采用像素点比例的方法计算孔隙率,并利用现有公式和函数计算出各个孔隙的面积、周长及各孔隙的圆度。
在本发明提供的一种基于冻土CT图像的迭代最佳阈值法的图像处理方法中,结合自适应中值滤波和Canny边缘检测算法在对图像进行处理的方法,主要通过在对图像进行分析之前,对冻土CT图像进行处理来实现,依次为使用自适应中值滤波方法进行去噪处理、使用迭代最佳阈值法进行二值化处理,使用Canny边缘检测算法检测孔隙边缘,以便于更加精确的得到孔隙结构,提高了对孔隙等参数定量分析的精确度。
参看图4,本实施例公开一种基于迭代最佳阈值法计算冻土的孔隙参数的系统,包括:
获取单元1,用于利用CT机器扫描冻土样本获得冻土CT图像;
去噪单元2,用于对所述图像进行去噪处理,去除噪声点干扰;
二值化单元3,用于基于去噪后的图像,使用迭代最佳阈值法进行二值化处理,得到只有固体和孔隙的黑白二值图像;
计算单元4,用于对所述黑白二值图像进行边缘检测,获得孔隙结构,并计算各个孔隙的参数。
本实施例提供的基于迭代最佳阈值法计算冻土的孔隙参数的系统,主要通过在对图像进行分析之前,对冻土CT图像进行处理来实现,依次为进行去噪处理、使用迭代最佳阈值法进行二值化处理和进行边缘检测,从而相较于现有技术,对冻土CT图像具有普适性,能够更加精确的得到孔隙结构,因而能够提高对孔隙参数定量分析的精确度。
虽然结合附图描述了本发明的实施方式,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (8)
1.一种基于迭代最佳阈值法计算冻土的孔隙参数的方法,其特征在于,包括:
S1、利用CT机器扫描冻土样本获得冻土CT图像;
S2、对所述图像进行去噪处理,去除噪声点干扰;
S3、基于去噪后的图像,使用迭代最佳阈值法进行二值化处理,得到只有固体和孔隙的黑白二值图像;
S4、对所述黑白二值图像进行边缘检测,获得孔隙结构,并计算各个孔隙的参数。
2.根据权利要求1所述的基于迭代最佳阈值法计算冻土的孔隙参数的方法,其特征在于,所述S2,包括:
S20、对于每一个预滤波点,以该点为中心建立初始滤波窗口;
S21、判断窗内是否存在极值点,若存在极值点,则判断预滤波点是否为极值点,若是极值点则对预滤波点进行中值滤波,输出滤波后的值,或者若不是极值点,则直接输出该预滤波点的值;
S22、判断预滤波点是否是图像最后一点,若不是最后一点,则移动到下一滤波点,重新进行上述循环,或者若是最后一点,则结束滤波,输出滤波图像。
3.根据权利要求2所述的基于迭代最佳阈值法计算冻土的孔隙参数的方法,其特征在于,还包括:
S23、若不存在极值点,则增大滤波窗口;
S24、判断窗口值是否大于允许的最大值,若大于,则进行中值滤波,输出滤波后的值,并执行步骤S22,否则,若不大于,则执行步骤S21。
4.根据权利要求1所述的基于迭代最佳阈值法计算冻土的孔隙参数的方法,其特征在于,所述S3,包括:
S30、计算d,其中,d为T和TT之差的绝对值,T的初始值为图像中最大灰度值z0和最小灰度值z1的平均值,TT为T0和T1的平均值,初始值为0,T0为图像中灰度值不小于T的像素点的灰度值的平均值,T1为图像中灰度值小于T的像素点的灰度值的平均值;
S31、判断d是否小于预设的新旧阈值允许接近程度值allow,若不小于,则在最佳阈值下对图像进行二值化,或者若小于,则计算TT,重复依次进行执行步骤S30、更新T的值为TT的值和执行步骤S31的操作,其中,所述二值化所使用的阈值为T/255。
5.根据权利要求4所述的基于迭代最佳阈值法计算冻土的孔隙参数的方法,其特征在于,allow的值为50。
6.根据权利要求1所述的基于迭代最佳阈值法计算冻土的孔隙参数的方法,其特征在于,所述对所述黑白二值图像进行边缘检测,包括:
采用canny边缘检测方法对所述黑白二值图像进行边缘检测。
7.根据权利要求1所述的基于迭代最佳阈值法计算冻土的孔隙参数的方法,其特征在于,所述计算各个孔隙的参数,包括:
利用连通域思想求得孔隙个数,采用像素点比例的方法计算孔隙率,并利用现有公式和函数计算出各个孔隙的面积、周长及各孔隙的圆度。
8.一种基于迭代最佳阈值法计算冻土的孔隙参数的系统,其特征在于,包括:
获取单元,用于利用CT机器扫描冻土样本获得冻土CT图像;
去噪单元,用于对所述图像进行去噪处理,去除噪声点干扰;
二值化单元,用于基于去噪后的图像,使用迭代最佳阈值法进行二值化处理,得到只有固体和孔隙的黑白二值图像;
计算单元,用于对所述黑白二值图像进行边缘检测,获得孔隙结构,并计算各个孔隙的参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610200755.5A CN105809646A (zh) | 2016-03-31 | 2016-03-31 | 基于迭代最佳阈值法计算冻土的孔隙参数的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610200755.5A CN105809646A (zh) | 2016-03-31 | 2016-03-31 | 基于迭代最佳阈值法计算冻土的孔隙参数的方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105809646A true CN105809646A (zh) | 2016-07-27 |
Family
ID=56460038
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610200755.5A Pending CN105809646A (zh) | 2016-03-31 | 2016-03-31 | 基于迭代最佳阈值法计算冻土的孔隙参数的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105809646A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106521066A (zh) * | 2016-12-23 | 2017-03-22 | 天津市三特电子有限公司 | 高炉炉料粒度监控系统及分布数据在线分析方法 |
CN110046589A (zh) * | 2019-04-22 | 2019-07-23 | 北京航空航天大学 | 一种基于图像识别技术与统计理论的纳米银烧结体内部孔隙尺寸及空间分布的表征方法 |
CN111474100A (zh) * | 2020-04-26 | 2020-07-31 | 长江大学 | 一种土壤空隙原位监测方法及装置 |
CN112085693A (zh) * | 2020-06-24 | 2020-12-15 | 中国科学院武汉岩土力学研究所 | 土石混合体内部结构的孔隙比评估及形态重建方法及系统 |
CN114117089A (zh) * | 2022-01-25 | 2022-03-01 | 广州拟实网络科技有限公司 | 一种基于图像数据处理分析的信息智能推送管理系统 |
CN114445439A (zh) * | 2022-01-29 | 2022-05-06 | 江苏豪尚新材料科技有限公司 | 一种基于图像处理的离子交换膜寿命监测方法 |
CN114998664A (zh) * | 2022-07-18 | 2022-09-02 | 中国科学院烟台海岸带研究所 | 一种多光学平台的海水中微塑料快速检测方法及检测装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103971410A (zh) * | 2014-05-23 | 2014-08-06 | 中国石油大学(华东) | 一种基于ct图片的三维岩心可视化方法 |
CN105139380A (zh) * | 2015-08-03 | 2015-12-09 | 长安大学 | 基于ct技术构建冻融环境下混凝土孔隙结构的方法 |
-
2016
- 2016-03-31 CN CN201610200755.5A patent/CN105809646A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103971410A (zh) * | 2014-05-23 | 2014-08-06 | 中国石油大学(华东) | 一种基于ct图片的三维岩心可视化方法 |
CN105139380A (zh) * | 2015-08-03 | 2015-12-09 | 长安大学 | 基于ct技术构建冻融环境下混凝土孔隙结构的方法 |
Non-Patent Citations (2)
Title |
---|
李磊: "基于页岩损伤CT图像处理的裂缝扩展研究", 《中国优秀硕士学位论文全文数据库 工程科技I辑》 * |
王恩姮 等: "模拟冻融循环对黑土剖面大孔隙特征的影响", 《土壤学报》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106521066A (zh) * | 2016-12-23 | 2017-03-22 | 天津市三特电子有限公司 | 高炉炉料粒度监控系统及分布数据在线分析方法 |
CN110046589A (zh) * | 2019-04-22 | 2019-07-23 | 北京航空航天大学 | 一种基于图像识别技术与统计理论的纳米银烧结体内部孔隙尺寸及空间分布的表征方法 |
CN111474100A (zh) * | 2020-04-26 | 2020-07-31 | 长江大学 | 一种土壤空隙原位监测方法及装置 |
CN112085693A (zh) * | 2020-06-24 | 2020-12-15 | 中国科学院武汉岩土力学研究所 | 土石混合体内部结构的孔隙比评估及形态重建方法及系统 |
CN112085693B (zh) * | 2020-06-24 | 2022-09-20 | 中国科学院武汉岩土力学研究所 | 土石混合体内部结构的孔隙比评估及形态重建方法及系统 |
CN114117089A (zh) * | 2022-01-25 | 2022-03-01 | 广州拟实网络科技有限公司 | 一种基于图像数据处理分析的信息智能推送管理系统 |
CN114117089B (zh) * | 2022-01-25 | 2022-04-08 | 广州拟实网络科技有限公司 | 一种基于图像数据处理分析的信息智能推送管理系统 |
CN114445439A (zh) * | 2022-01-29 | 2022-05-06 | 江苏豪尚新材料科技有限公司 | 一种基于图像处理的离子交换膜寿命监测方法 |
CN114998664A (zh) * | 2022-07-18 | 2022-09-02 | 中国科学院烟台海岸带研究所 | 一种多光学平台的海水中微塑料快速检测方法及检测装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105809646A (zh) | 基于迭代最佳阈值法计算冻土的孔隙参数的方法及系统 | |
CN102521836A (zh) | 一种基于特定类灰度图像的边缘检测方法 | |
TWI393073B (zh) | 影像雜訊濾除方法 | |
CN101489034A (zh) | 一种视频图像噪声估计与去除方法 | |
CN116758071B (zh) | 一种视觉辅助下碳电极脏污智能检测方法 | |
CN113592782B (zh) | 一种复合材料碳纤维芯棒x射线图像缺陷提取方法及系统 | |
CN104657947B (zh) | 针对碱基图像的一种降噪方法 | |
CN102306378B (zh) | 一种图像增强方法 | |
CN115018765A (zh) | 基于灰度梯度共生矩阵的粉末冶金零件成品检测方法 | |
CN107230208A (zh) | 一种高斯噪声的图像噪声强度估计方法 | |
CN116468641A (zh) | 一种红外血管图像增强处理方法 | |
CN101504769B (zh) | 一种基于编码器框架的自适应性的噪声强度估计的方法 | |
CN101123683A (zh) | 结合可见光图像信息的sar图像斑点噪声抑制方法 | |
KR20140109801A (ko) | 3d이미지 품질을 향상시키는 방법과 장치 | |
CN105046665B (zh) | 一种针对高通量基因测序图像的小波去噪方法 | |
Yadav et al. | Modified complex diffusion based nonlinear filter for restoration and enhancement of magnetic resonance images | |
Arif et al. | Combined bilateral and anisotropic-diffusion filters for medical image de-noising | |
Qiegen et al. | Adaptive image decomposition by improved bilateral filter | |
George et al. | Automatic defect detection inspectacles and glass bottles based on Fuzzy C Means Clustering | |
CN111640160A (zh) | 一种ct图像预处理方法 | |
Kerouh et al. | Wavelet-based blind blur reduction | |
CN106600662B (zh) | 图像中主线条的绘制方法及装置 | |
CN106803240B (zh) | 一种工业图像均光处理方法 | |
Yadav et al. | A partial differential equation-based general framework adapted to Rayleigh's, Rician's and Gaussian's distributed noise for restoration and enhancement of magnetic resonance image | |
Qi-chang et al. | A method of vehicle license plate de-noising and location in low light level |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160727 |
|
RJ01 | Rejection of invention patent application after publication |