CN110443793B - 一种沥青混合料空隙分布均匀性评价方法 - Google Patents

一种沥青混合料空隙分布均匀性评价方法 Download PDF

Info

Publication number
CN110443793B
CN110443793B CN201910727884.3A CN201910727884A CN110443793B CN 110443793 B CN110443793 B CN 110443793B CN 201910727884 A CN201910727884 A CN 201910727884A CN 110443793 B CN110443793 B CN 110443793B
Authority
CN
China
Prior art keywords
image
void
uniformity
distribution
area
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.)
Active
Application number
CN201910727884.3A
Other languages
English (en)
Other versions
CN110443793A (zh
Inventor
李强
张卓宇
许傲
高磊
罗桑
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Forestry University
Original Assignee
Nanjing Forestry University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Forestry University filed Critical Nanjing Forestry University
Priority to CN201910727884.3A priority Critical patent/CN110443793B/zh
Publication of CN110443793A publication Critical patent/CN110443793A/zh
Application granted granted Critical
Publication of CN110443793B publication Critical patent/CN110443793B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
    • G01N23/04—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material
    • G01N23/046—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material using tomography, e.g. computed tomography [CT]
    • 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
    • G06T5/00—Image enhancement or restoration
    • G06T5/73—Deblurring; Sharpening
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/0008—Industrial image inspection checking presence/absence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • 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
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/03—Investigating materials by wave or particle radiation by transmission
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/10—Different kinds of radiation or particles
    • G01N2223/101—Different kinds of radiation or particles electromagnetic radiation
    • G01N2223/1016—X-ray
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/40—Imaging
    • G01N2223/401—Imaging image processing
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/60—Specific applications or type of materials
    • G01N2223/648—Specific applications or type of materials voids
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30132—Masonry; Concrete

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Quality & Reliability (AREA)
  • Geometry (AREA)
  • Pulmonology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)

Abstract

本发明公开了一种沥青混合料空隙分布均匀性评价方法，属于公路沥青混合料试验技术领域。所述评价方法利用工业CT扫描设备和图像处理技术获取沥青混合料试件不同截面内空隙分布矢量化图像；将空隙分布矢量化图像细化为若干区域，获取每个图像区域内的空隙特征参数，计算空隙均匀性系数；利用不同图像区域内空隙均匀性系数的变异系数来评价整个试件的空隙分布均匀性。本发明能够比较全面准确地获取沥青混合料内部空隙分布的空间特征及其均匀性，对于不同的混合料类型和成型方式具有较好的区分度，操作简单高效，也可为后续数值试件的构建和力学模拟试验的开展打下坚实的基础。

Description

一种沥青混合料空隙分布均匀性评价方法
技术领域
本发明属于公路沥青混合料试验技术领域，涉及一种沥青混合料空隙分布均匀性评价方法。
背景技术
沥青混合料是可以看作是由沥青、集料和空隙组成的三相复合材料。一般来说，在其它条件一定的情况下，沥青混合料的力学和路用性能受到空隙率和空隙分布特征的综合影响。已有大量资料表明，空隙率特征直接与沥青路面的透水性、抗车辙性能、疲劳寿命和抗裂性能密切相关。空隙率太小，特别是对于普通密级配混合料，在夏天受热膨胀时，沥青便开始上浮。在荷载的作用下，很容易产生泛油和车辙。空隙率太大，水分能够在结构空隙中自由流动，会造成很严重的水损破坏，严重影响路面的使用耐久性和结构强度。过大的空隙还会加速沥青老化，降低沥青混合料的疲劳寿命；而且空隙率越大，空隙分布均匀性越差，则沥青混合料路用性能越差。
目前大多数研究仅考虑了空隙率对于沥青混合料性能的影响，少数研究引入了一些空隙分布特征的评价指标，如空隙数量和空隙等效半径等。鉴于空隙的分布十分复杂，上述指标还不够精确和深入，远远无法满足研究要求。具有相似空隙率、空隙数量和空隙等效半径的沥青混合料其力学和路用性能仍存在明显的差异，究其原因是因为空隙分布的均匀性不同。因此，准确地评价沥青混合料空隙分布的均匀性，对于研究其宏观性能十分必要。
数字图像处理技术有图像获取、图像处理和图像分析三个步骤，具有方便性、经济性、可利用信息量大和形象化存储等优点，其工程上的应用已成为国际土木工程领域的热门研究方向之一。CT扫描技术可以通过区分试件不同空间位置处的密度来实现沥青混合料中空隙、沥青胶浆和集料这三种物质成分的识别，能够从三个方向对沥青混合料试件进行无损伤连续断层扫描。采用CT扫描技术不仅可以为沥青混合料细观结构的研究提供丰富的数据信息，而且也为后续数值试件的构建和力学模拟试验的开展打下坚实的基础。因此，CT扫描技术及数字图像处理技术可为获取并分析沥青混合料内部空隙分布均匀性提供可靠的技术手段。
发明内容
本发明的目的在于针对现有技术的不足，提供一种沥青混合料空隙分布均匀性的定量评价方法。该方法提出使用空隙均匀性系数的变异系数作为空隙分布均匀性评价指标。空隙均匀性系数的变异系数越大，对应的空隙分布均匀性越差；反之，空隙分布均匀性越好。该评价方法可以准确地反映沥青混合料内部空隙分布特征，评价过程简便高效。
本发明采用以下技术方案实现上述目的：
步骤1、制备沥青混合料的标准马歇尔试件，利用工业CT扫描设备对制备的标准试件进行扫描，分别获取其横截面和轴截面的二维断层灰度图像；
步骤2、对所述的二维断层灰度图像进行数字图像处理，得到标准试件横截面和轴截面内空隙分布的矢量化图像；
步骤3、对所述的空隙分布矢量化图像进一步划分为n个区域，获取每个图像区域内的空隙数量和每个空隙的面积及几何中心；
步骤4、根据所述的每个图像区域内的空隙数量和每个空隙的面积，计算每个图像区域内空隙率Ki；
Ki＝Vi/Ci
式中：Vi指第i个图像区域内空隙总面积；
Ci指第i个图像区域的面积；
i为图像区域的编号，i＝1、2、3、…n。
步骤5、以整个图像区域的几何中心为原点，建立平面直角坐标系，计算所述的每个图像区域内空隙的空隙均匀性系数Di；
Figure BSA0000187481090000021
式中：Ni为第i个图像区域内的空隙数量；
xij为第i个图像区域内第j个空隙的几何中心的横坐标，1≤j≤Ni；
yij为第i个图像区域内第j个空隙的几何中心的纵坐标，1≤j≤Ni；
Aij为第i个图像区域内第j个空隙的面积，1≤j≤Ni。
步骤6、根据所述的每个图像区域内空隙均匀性系数Di，计算n个图像区域内空隙均匀性系数Di的变异系数CV，作为整个图像内空隙分布的均匀性评价指标。
Figure BSA0000187481090000022
式中：
Figure BSA0000187481090000023
为n个图像区域内空隙均匀性系数的平均值。
优选地，在步骤2中，所述对二维断层灰度图像进行数字图像处理包括图像增强，所述图像增强具体如下：首先利用灰度直方图增强灰度图像中不同灰度之间的反差，然后利用中值滤波法和数学软件MATLAB中的medfilt2()函数对增强处理后的灰度图像进行平滑处理，最后利用线性高斯滤波器对平滑处理后的灰度图像进行锐化处理。
进一步地，在步骤2中，所述对二维断层灰度图像进行数字图像处理还包括边缘检测，所述边缘检测具体如下：利用图像分析软件Image Pro Plus对图像中空隙、集料与沥青砂浆进行边缘检测和轮廓识别。
进一步地，在步骤2中，所述对二维断层灰度图像进行数字图像处理还包括图像矢量化，所述图像矢量化具体如下：首先利用基于边缘的分割技术将边缘检测得到的灰度图像进行二值化处理和图像分割，然后利用矢量化处理软件AlgoLab Photo Vector对二值化图像进行矢量化处理。
进一步地，在步骤3中，所述对空隙分布矢量化图像进一步划分具体如下：对于圆形横截面内空隙分布的矢量化图像，以图像中心为圆心，划分为n个直径等差变化的同心圆；对于矩形轴截面内空隙分布的矢量化图像，平均划分为n个长度和宽度均相等的矩形。
进一步地，在步骤3中，n≥8。
进一步地，在步骤3中，所述获取每个图像区域内的空隙数量和每个空隙的面积及几何中心，以及在步骤5中获取空隙几何中心的横坐标和纵坐标具体如下：利用Image ProPlus软件中的count/size工具对所示空隙分布矢量化图像进行空隙统计，利用count/size工具下的select measurements选项获取所示空隙分布矢量化图像中空隙的数量和每个空隙的面积、几何中心及横、纵坐标信息。
相比现有技术，本发明具有以下有益效果：
本发明利用工业CT扫描技术获得沥青混合料的空隙分布图像，并基于数字图像处理技术对图像分割、图像后处理等多方面进行了改进，获得的数据更准确，处理效率更高。
本发明对所获取的图像进行区域划分，并提出了用空隙均匀性系数的变异系数作为空隙分布均匀性的定量评价指标，能够比较全面准确地获取沥青混合料内部空隙分布的空间特征及其均匀性，对于不同的混合料类型和成型方式具有较好的区分度，操作简单高效，便于后续的计算机仿真建模。
附图说明
图1为沥青混合料试件内空隙分布矢量化图像划分图。
具体实施方式
下面结合附图对本发明的技术方案进行详细说明：
本发明的思路是首先利用利用工业CT扫描技术和数字图像处理技术获取沥青混合料整个试件内部空隙分布的矢量化图像；然后对其细化为若干区域，获取每个图像区域内的空隙特征参数，计算空隙均匀性系数；最终根据不同图像区域内空隙均匀性系数的变异系数评价整个试件的空隙分布均匀性。
为了进一步了解本发明的技术特征，下面结合实例对沥青混合料空隙分布均匀性的评价方法进行阐述。具体步骤为：
步骤1、制备沥青混合料的标准马歇尔试件，利用工业CT扫描设备对制备的标准试件进行扫描，分别获取其横截面和轴截面的二维断层灰度图像。
采用马歇尔击实法成型沥青混合料的标准马歇尔试件，利用工业CT对试件进行扫描，分别获取其横截面和轴截面的二维断层灰度图像。经过反复调试，针对沥青混合料试件的最优扫描参数确定如下：扫描电压为200kV，扫描电流为0.56mA，采用1mm Fe和1mm Cu的滤波片组合，扫描积分时间为400ms，扫描断层间距为1mm。在该扫描参数下，不仅能够得到较高质量的沥青混合料CT扫描图像，同时也可以缩短扫描时间，提高扫描效率。
步骤2、对所述的二维断层灰度图像进行数字图像处理，得到标准试件横截面和轴截面内空隙分布的矢量化图像。具体包括以下子步骤：
步骤2-1、图像增强：
利用CT扫描获取的沥青混合料图像，由于受到多种因素的影响，图像的质量会受到损伤。图像增强的目的是对获取的图像进行进一步处理，将不清晰的图像转换成便于分辨的图像，从杂乱的图像中提取人们想要的信息。图像增强的最终目的是突出有用的信息，删除无用的信息。
根据图像增强处理过程所在的空间不同，可分为基于频率域的增强方法和基于空间域的增强方法两类。频率域增强法将原图像通过傅里叶变换处理，然后选择合适的滤波器函数对经傅里叶变换后的图像的频谱成分进行调整，最后经逆傅里叶变换得到增强图像。其代表方法有低通滤波、高通滤波等。但是这一类方法通常计算比较复杂，尤其是高通滤波不但会使有用信息增强，同时也会使噪声增强，因此不能随便使用。空间域增强就是直接对图像各像素进行处理，算法比较简单，对抑制噪声也比较有效。其具有代表性的方法有直方图增强、中值滤波法等。
本发明优选采用灰度直方图增强灰度图像中不同灰度之间的反差。灰度直方图是数字图像处理中的一个最简单有用的工具，包含了一副数字图像的灰度、频率以及分布信息，通过灰度直方图可以直观了解每种灰度出现的频率，也可以根据不同组成成分灰度的不同来分辨集料、砂浆与空隙。经过直方图修正的图片增大了灰度之间的反差，可以更直观辨别各组成部分。
由于CT扫描的图像会受到噪声的影响，所以需要利用图像平滑技术对其进行处理。常用的图像平滑技术有均值滤波法和中值滤波法。均值滤波是一种线性的滤波方法，通过用目标模板的像素平均值取替原图像的像素值的方法，从而达到图像平滑的目的。均值滤波存在一定的缺陷：模板越大，图像就变得越模糊，不利于图像的组成分析。而中值滤波是非线性的处理方法，能够进行信号处理，可以过滤并且有效地抑制噪声，使用中值滤波可以改善均值滤波器会使图像变模糊这一情况，中值滤波能在消除噪音的同时保护边缘信息的完整。
本发明优选采用中值滤波法对灰度直方图增强处理后的灰度图像进行平滑处理，在Matlab中可以调用medfilt2()函数来实现。中值滤波处理后的图片集料轮廓较为明显，在保护边缘的同时过滤了细集料部分，消除了噪声对沥青混合料CT图片的影响。
通过平滑处理后的图片，其边缘轮廓可能会变得模糊，无法准确识别不同组成结构的边界。经过平滑的图像变得模糊的根本原因是图像受到了平均或积分运算，因此可以对其进行逆运算使其变得清晰，从频率域来考虑，图像模糊的实质是因为其高频分量被衰减。
本发明优选最常用的线性高斯滤波器进行图像锐化处理，其是一种线性锐化滤波器，特征为在其中心系数都是正值的情况下周围的系数都是负值，它的本质就是拉普拉斯算子，在Matlab中用filter2()函数来实现。图像锐化处理之后，图像边缘、轮廓线以及图像的细节会变得清晰。
步骤2-2、边缘检测：
边缘检测是图像处理和计算机视觉中的基本问题，边缘检测的目的是标识数字图像中亮度变化明显的点。图像属性中的显著变化通常反映了属性的重要事件和变化，包括深度上的不连续、表面方向不连续、物质属性变化和场景照明变化。边缘检测是图像处理和计算机视觉中，尤其是特征提取中的一个研究领域。
本发明优选图像分析软件Image Pro Plus分别对集料和空隙进行边缘检测，通过边缘检测不仅将空隙、集料与沥青砂浆的轮廓识别分割开来，也为之后的建模处理奠定基础。
步骤2-3、图像分割：
图像分割就是把图像分成若干个特定的、具有独特性质的区域，每个区域都是像素的一个连续集。它是图像处理到图像分析的关键步骤。图像分割的目的是将图像中有意义的特征或者应用所需要的特征信息提取出来，对沥青混合料来说就是将要进行研究的集料、砂浆或者空隙部分提取出来。基于处理对象的不同，图像分割的方法大致分为三种：
(1)基于像素灰度值的分割方法，即阈值分割法：阈值分割方法就是提取目标物体与背景在灰度上的差异，将图像分成具有不同灰度级的目标图像和背景图像的组合。因此，阈值的选择比较复杂。(2)基于区域的分割方法：将具有相似性质的像素集合起来构成的一个区域，缺点是容易造成过度分割。(3)基于边缘的分割技术：首先检测出图像局部特征的不连续性或突变性，然后将他们连成边界，这些边界将图像分成不同的区域。
本发明优选基于边缘的分割技术将边缘检测得到的灰度图像进行二值化处理和图像分割，具有算法简单、直观和分割效果较好的优点。
步骤2-4、矢量化处理：
矢量化处理是一个综合了计算机视觉、计算机图像处理、计算机图形学和人工智能等各个学科的交叉课题，矢量图像有很多优点：首先，矢量图像由简单的几何图元组成，表示紧凑，所占存储空间小；其次，矢量图像易于进行编辑，对矢量图像进行编辑的时候，如进行旋转、拉伸、平移等操作时仅需要修改相应几何图元的参数信息；最后，用矢量表示的对象易于放大或者压缩，而且不会降低其在计算机中的显示质量，矢量图像的放缩能够保持边角的尖锐等特性，不会出现模糊影响显示质量。
本发明优选使用快捷迅速的Photoshop软件直接将边缘检测得到的图像边缘信息提取出来，导入矢量化处理软件AlgoLab Photo Vector中处理，经过矢量化处理的图像为dxf格式，导入CAD软件中进行进一步优化处理后即可分别得到集料与空隙的矢量化图像。
步骤3、对所述的空隙分布矢量化图像进一步划分为n个区域，获取每个图像区域内的空隙数量和每个空隙的面积及几何中心。
对于圆形横截面内空隙分布的矢量化图像，以图像中心为圆心，划分8个同心圆，各同心圆的半径呈等差数列；对于矩形轴截面内空隙分布的矢量化图像，平均划分为8个长度和宽度均相等的矩形。利用Image Pro Plus软件中count/size工具进行空隙统计，在count/size工具下的select measurements选项中查询空隙数量和每个空隙的面积及几何中心。
步骤4、根据所述的每个图像区域内的空隙数量和每个空隙的面积，计算每个图像区域内空隙率Ki：
Ki＝Vi/Ci
式中：Vi指第i个图像区域内空隙总面积；
Ci指第i个图像区域的面积；
i为图像区域的编号，i＝1、2、3、…n，在本实施例中n＝8。
步骤5、以整个图像区域的几何中心为原点，建立平面直角坐标系，计算所述的每个图像区域内的空隙均匀性系数Di：
Figure BSA0000187481090000061
式中：Ni为第i个图像区域内的空隙数量；
xij为第i个图像区域内第j个空隙的几何中心的横坐标，1≤j≤Ni；
yij为第i个图像区域内第j个空隙的几何中心的纵坐标，1≤j≤Ni；
Aij为第i个图像区域内第j个空隙的面积，1≤j≤Ni。
利用Image Pro Plus软件中的count/size工具进行空隙统计，在count/size工具下的select measurements选项中查询每个空隙的几何中心的横坐标和纵坐标。
步骤6、根据所述的每个图像区域内空隙均匀性系数Di，计算n个图像区域内空隙均匀性系数Di的变异系数CV，作为整个图像内空隙分布的均匀性评价指标。
Figure BSA0000187481090000071
式中：
Figure BSA0000187481090000072
为n个图像区域内空隙均匀性系数的平均值，在本实施例中n＝8。
本实施例中相关计算参数如表1和表2所示。通过计算得到横截面8个图像区域内空隙均匀性系数Di的变异系数计算结果为CV＝1.1，而轴截面8个图像区域内空隙均匀性系数Di的变异系数计算结果为CV＝0.9。结果说明：沥青混合料试件内横截面和轴截面的空隙分布均匀性存在一定的差异，轴截面内空隙分布更为均匀。
表1横截面计算相关参数
Figure BSA0000187481090000073
表2轴截面计算相关参数
Figure BSA0000187481090000074
综上可知，本发明所提出的评价方法能够比较全面准确地获取沥青混合料内部空隙分布的空间特征及其均匀性，对于不同的混合料类型和成型方式具有较好的区分度，操作简单高效，也可为后续数值试件的构建和力学模拟试验的开展打下坚实的基础。
除上述实施例外，本发明还可以有其他实施方式。凡采用等同替换或等效变换形成的技术方案，均落在本发明要求的保护范围。

Claims (7)

1.一种沥青混合料空隙分布均匀性评价方法，其特征在于，包括以下步骤：
步骤1、制备沥青混合料的标准马歇尔试件，利用工业CT扫描设备对制备的标准试件进行扫描，分别获取其横截面和轴截面的二维断层灰度图像；
步骤2、对所述的二维断层灰度图像进行数字图像处理，得到标准试件横截面和轴截面内空隙分布的矢量化图像；
步骤3、对所述的空隙分布矢量化图像进一步划分为n个区域，获取每个图像区域内的空隙数量和每个空隙的面积及几何中心；
步骤4、根据所述的每个图像区域内的空隙数量和每个空隙的面积，计算每个图像区域内空隙率Ki；
Ki＝Vi/Ci
式中：Vi指第i个图像区域内所有空隙的总面积；
Ci指第i个图像区域的面积；
i为图像区域的编号，i＝1、2、3、…n；
步骤5、以整个图像区域的几何中心为原点，建立平面直角坐标系，计算所述的每个图像区域内的空隙均匀性系数Di；
Figure FSB0000201131190000011
式中：Ni为第i个图像区域内的空隙数量；
xij为第i个图像区域内第j个空隙的几何中心的横坐标，1≤j≤Ni；
yij为第i个图像区域内第j个空隙的几何中心的纵坐标，1≤j≤Ni；
Aij为第i个图像区域内第j个空隙的面积，1≤j≤Ni；
步骤6、根据所述的每个图像区域内空隙均匀性系数Di，计算n个图像区域内空隙均匀性系数Di的变异系数CV，作为整个图像内空隙分布的均匀性评价指标；
Figure FSB0000201131190000012
式中：
Figure FSB0000201131190000013
为n个图像区域内空隙均匀性系数的平均值。
2.根据权利要求1所述的沥青混合料空隙分布均匀性评价方法，其特征在于，在步骤2中，所述对二维断层灰度图像进行数字图像处理包括图像增强，所述图像增强具体如下：首先利用灰度直方图增强灰度图像中不同灰度之间的反差，然后利用中值滤波法和数学软件MATLAB中的medfilt2()函数对增强处理后的灰度图像进行平滑处理，最后利用线性高斯滤波器对平滑处理后的灰度图像进行锐化处理。
3.根据权利要求1所述的沥青混合料空隙分布均匀性评价方法，其特征在于，在步骤2中，所述对二维断层灰度图像进行数字图像处理还包括边缘检测，所述边缘检测具体如下：利用图像分析软件Image Pro Plus对图像中空隙、集料与沥青砂浆进行边缘检测和轮廓识别。
4.根据权利要求1所述的沥青混合料空隙分布均匀性评价方法，其特征在于，在步骤2中，所述对二维断层灰度图像进行数字图像处理还包括图像矢量化，所述图像矢量化具体如下：首先利用基于边缘的分割技术将边缘检测得到的灰度图像进行二值化处理和图像分割，然后利用矢量化处理软件AlgoLab Photo Vector对二值化图像进行矢量化处理。
5.根据权利要求1所述的沥青混合料空隙分布均匀性评价方法，其特征在于，在步骤3中，所述对空隙分布矢量化图像进一步划分具体如下：对于圆形横截面内空隙分布的矢量化图像，以图像中心为圆心，划分为n个直径等差变化的同心圆；对于矩形轴截面内空隙分布的矢量化图像，平均划分为n个长度和宽度均相等的矩形。
6.根据权利要求1所述的沥青混合料空隙分布均匀性评价方法，其特征在于，在步骤3中，n≥8。
7.根据权利要求1所述的沥青混合料空隙分布均匀性评价方法，其特征在于，在步骤3中所述获取每个图像区域内的空隙数量和每个空隙的面积及几何中心，以及在步骤5中获取空隙几何中心的横坐标和纵坐标具体如下：利用Image Pro Plus软件中的count/size工具对所示空隙分布矢量化图像进行空隙统计，利用count/size工具下的selectmeasurements选项获取所示空隙分布矢量化图像中空隙的数量和每个空隙的面积、几何中心及横、纵坐标信息。
CN201910727884.3A 2019-08-07 2019-08-07 一种沥青混合料空隙分布均匀性评价方法 Active CN110443793B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910727884.3A CN110443793B (zh) 2019-08-07 2019-08-07 一种沥青混合料空隙分布均匀性评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910727884.3A CN110443793B (zh) 2019-08-07 2019-08-07 一种沥青混合料空隙分布均匀性评价方法

Publications (2)

Publication Number Publication Date
CN110443793A CN110443793A (zh) 2019-11-12
CN110443793B true CN110443793B (zh) 2023-04-25

Family

ID=68433908

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910727884.3A Active CN110443793B (zh) 2019-08-07 2019-08-07 一种沥青混合料空隙分布均匀性评价方法

Country Status (1)

Country Link
CN (1) CN110443793B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111028355A (zh) * 2019-11-13 2020-04-17 武汉科技大学 一种沥青混合料三维模型重构方法
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
CN111681185B (zh) * 2020-06-10 2023-03-21 合肥工业大学 一种基于沥青混合料X-ray扫描图像的有限元建模方法
CN112417745B (zh) * 2020-11-02 2022-06-17 浙江大学 一种沥青混合料模型随机空隙生成方法
CN112435229B (zh) * 2020-11-20 2022-07-22 浙江致欣检测技术有限公司 基于ipp处理软件的沥青发泡性能综合评价方法
CN112669268B (zh) * 2020-12-21 2023-06-06 昆明理工大学 一种多相混合浓度场分布均匀性评价方法、系统和终端
CN113030135B (zh) * 2021-03-17 2024-02-13 南京林业大学 一种冷再生沥青混合料的空隙演化行为表征方法
CN114169754B (zh) * 2021-12-07 2024-09-20 江苏景行物元科技有限公司 一种石灰撒布均匀性评价方法、计算机设备及存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2009101336A4 (en) * 2009-12-22 2010-02-25 Jiangxi Ganyue Expressway Co Ltd Cold-recycling emulsified asphalt mixture and method for pavement reconstruction
CN107560991A (zh) * 2017-07-10 2018-01-09 武汉科技大学 一种沥青混合料空隙分布特性的多特征参数评价方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2009101336A4 (en) * 2009-12-22 2010-02-25 Jiangxi Ganyue Expressway Co Ltd Cold-recycling emulsified asphalt mixture and method for pavement reconstruction
CN107560991A (zh) * 2017-07-10 2018-01-09 武汉科技大学 一种沥青混合料空隙分布特性的多特征参数评价方法

Also Published As

Publication number Publication date
CN110443793A (zh) 2019-11-12

Similar Documents

Publication Publication Date Title
CN110443793B (zh) 一种沥青混合料空隙分布均匀性评价方法
Coster et al. Image analysis and mathematical morphology for civil engineering materials
Zelelew et al. An improved image processing technique for asphalt concrete X-ray CT images
CN111310558A (zh) 一种基于深度学习和图像处理法的路面病害智能提取方法
Song et al. A new automatic thresholding algorithm for unimodal gray-level distribution images by using the gray gradient information
CN105445160B (zh) 一种沥青混合料的空隙特征及其提取方法
CN109584286B (zh) 一种基于广义回归神经网络的沥青路面构造深度计算方法
Chen et al. Improved image unevenness reduction and thresholding methods for effective asphalt X-ray CT image segmentation
CN111681185B (zh) 一种基于沥青混合料X-ray扫描图像的有限元建模方法
CN112116583B (zh) 一种基于sem图像处理的绝缘纸板老化判别检验方法
Zhao et al. Soil pore identification with the adaptive fuzzy C-means method based on computed tomography images
Lottin et al. On methods determining the fractal dimension of combustion aerosols and particleclusters
Hu et al. A two-dimensional entropy-based method for detecting the degree of segregation in asphalt mixture
Burgmann et al. Separation of sand and gravel particles in 3D images using the adaptive h-extrema transform
Tovey et al. Quantitative micro-porosity and orientation analysis in soils and sediments
Phinyomark et al. Texture analysis of breast cancer cells in microscopic images using critical exponent analysis method
CN111307070B (zh) 基于数字图像处理对混凝土粗集料的棱角度测量方法
CN108364285B (zh) 一种基于迭代相位一致性的裂缝提取方法和应用
CN114283133A (zh) 一种基于最邻近分析的沥青混合料均匀性评价方法
Nagase et al. Automatic calculation and visualization of nuclear density in whole slide images of hepatic histological sections
Li et al. Improved image enhancement method for flotation froth image based on parameter extraction
Sofou et al. Segmentation of soil section images using connected operators
CN105241886B (zh) 一种基于hvs与引导滤波器的土遗址裂缝检测方法
CN114994054A (zh) 路表纹理平均构造深度与平均断面深度关系的确定方法
CN114460053A (zh) 基于量子点荧光效应的光学元件亚表面缺陷三维重构方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant