CN112150430B - 一种利用岩石细观结构数字图像的数值分析方法 - Google Patents
一种利用岩石细观结构数字图像的数值分析方法 Download PDFInfo
- Publication number
- CN112150430B CN112150430B CN202010995320.0A CN202010995320A CN112150430B CN 112150430 B CN112150430 B CN 112150430B CN 202010995320 A CN202010995320 A CN 202010995320A CN 112150430 B CN112150430 B CN 112150430B
- Authority
- CN
- China
- Prior art keywords
- information
- rock
- digital image
- pixel
- minerals
- 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
Links
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- 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
- G06T2207/10024—Color image
-
- 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
- G06T2207/20048—Transform domain processing
- G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
-
- 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
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例公开了一种利用岩石细观结构数字图像的数值分析方法,包括如下步骤:步骤100、通过拍照或扫描获得取样岩石的数字图像,获取取样岩石数字图像的数字信息,并将其转换为成分图像图对数字图像进行成分分类;步骤200、将数字信息和成分分类结果导入基于快速傅里叶变换的数值模型中进行数值计算;步骤300、对岩石细观结构模型进行数值分析,得到取样岩样细观结构对取样岩样宏观力学行为的影响规律;本发明直接利用了岩石数字图像的像素信息和对应材料特征,采用基于快速傅里叶变换的数值计算方法,无需划分网格而是直接利用岩石数字图像的像素信息和材料特征进行计算,大大提高了计算效率。
Description
技术领域
本发明实施例涉及岩样分析技术领域,具体涉及一种利用岩石细观结构数字图像的数值分析方法。
背景技术
岩石作为天然地质材料,其内部同时存在大量微裂纹、微孔洞等细观缺陷和矿物夹杂,使得岩石呈现显著的不连续性、不均匀性和各向异性等特征。因此,岩石材料的强度、变形和破坏特性等宏观力学行为不仅与外力作用条件相关,还极大地受到其内部多种细观结构的影响。但长期以来,人们将岩石作为连续介质体,直接利用连续介质力学理论进行研究,仅从宏观唯象的角度来研究岩石的强度、变形和破坏失稳等宏观特性,而忽略了岩石中天然存在的细观结构的影响。
近年来,随着微观光学观测技术的发展及实验技术的进步,人们逐渐认识到,岩石材料细观结构造成了不连续性、不均匀性和各向异性等特征,并且通过大量实验验证了不同力学行为与细观结构演化之间的内在联系。国内外学者普遍认为,岩石损伤和破坏现象是从细观到宏观的多尺度耦合。从根本上讲,岩石的宏观力学行为是由其内部细观结构在外力作用下演化和发展所决定的,例如微裂纹的萌生和扩展、微孔洞的增长和矿物夹杂的破坏(包括界面破坏)等。
基于数字图像处理技术的有限元数值分析方法可以真实地反映岩土工程材料的力学性能,在对岩石材料非均质分析方面具有特定的优势,但同时存在一定的局限性,主要体现在:
(1)在数字图像处理阶段,基于数字图像处理技术的有限元方法无法直接利用材料像素,在得到岩样的细观结构表征图像时需要进行一些复杂的前处理,包括形态学图像处理、边界检测、区域分割、图像识别等方法,才能对岩石类材料的细观结构进行数字图像表征。这些复杂的前处理方法不仅增加了工作量,还在一定程度上对原始真实细观结构进行了修补、断开等修正,因此,得到岩石分割后的图像仍然只能近似的模拟岩石的细观结构。
(2)在有限元建模处理阶段,对岩样的细观结构表征图像矢量化时,必须把离散的闭合分界面像素点数据转换为几何矢量信息,对于复杂的细观结构只能近似模拟岩石表征以后的细观结构,这增加了研究过程的复杂程度。
(3)在有限元计算分析阶段,岩石复杂的细观结构需要生成大量复杂的网格,对网格生成技术要求较高。同时,大量的网格使得计算效率较低,这大大降低了研究效率。
发明内容
为此,本发明实施例提供一种利用岩石细观结构数字图像的数值分析方法,基于岩石的数字图像的快速傅里叶变换可直接获取真实细观结构,无需复杂的前置计算,以解决现有技术中计算量和准确性相互矛盾的问题。
为了实现上述目的,本发明的实施方式提供如下技术方案:
一种利用岩石细观结构数字图像的数值分析方法,包括如下步骤:
步骤100、图像处理,通过拍照或扫描获得取样岩石的数字图像,并利用数据分析软件获取取样岩石数字图像的数字信息,将所述取样岩石的数字图像转换为成分图像图对数字图像进行成分分类;
步骤200、模型建立,将数字信息和成分分类结果导入基于快速傅里叶变换的数值模型中进行数值计算,并验证岩石细观结构的数字图像划分后的结果与原始图像的相似度;
步骤300、在岩石细观结构模型中加载变换后的计算结果,通过数值分析得到取样岩样细观结构对取样岩样宏观力学行为的影响规律。
作为本发明的一种优选方案,所述数字信息包括每一个像素的坐标信息以及与所述坐标信息对应的颜色信息;
其中,用i表示所述像素的横坐标,j表示所述像素的纵坐标,I表示所述像素的颜色信息,用(i,j,I)表示每一个所述像素的数字信息,其中,I表示每一个矿物的颜色信息的区间值。
作为本发明的一种优选方案,将每一个矿物的颜色信息区间值I依据每个像素所属的颜色类别以一个固定的数值N表示,其中,N为材料类别的ID,用(i,j,N)表示每一个像素的数据信息,N=1,2,3,4,……。
作为本发明的一种优选方案,在步骤100中,对数字图像进行成分分类的具体步骤为:
步骤101、在数字图像上确定每一个所述像素的坐标,并通过坐标的方式标识每一个所述像素;
步骤102、根据矿物的颜色类别分别确定同一种类矿物的信息区间值;
步骤103、对同一种类矿物的信息区间值进行唯一赋值,根据唯一赋值的结果划分不同的矿物种类,并依据唯一赋值进行成分分类。
作为本发明的一种优选方案,在步骤102中,采集矿物的信息区间值像素的频数,并依据频数和矿物种类将其形成矿物的颜色直方图,根据已知矿物的种类划定信息区间值的上限和下限,在颜色直方图中依据信息区间值的上限和下限作为分界值对矿物进行分类,在颜色直方图中根据分类的结果对不同种类的矿物进行唯一赋值;
在数字图像上按照信息区间值的上限和下限将数字图像中的不同矿物分割出来,以所述信息区间值上下限的像素作为不同矿物种类的分割界限,数字图像中像素信息值小于所述像素边界的为一种矿物,大于所述像素边界的为另一种矿物,在数字图像上对同种类的矿物成分进行唯一赋值。
作为本发明的一种优选方案,在根据矿物的种类已经划定完的信息区间值内还存在裂缝、孔隙等细观结构,再根据存在于其中的裂缝、孔隙进行精细化划分确定二级像素信息区间值的上限和下限,使得信息区间值内形成若干个独立的子区间,并对每个独立的子区间进行再次唯一赋值;
多次的唯一赋值依次为包含与被包含的关系。
作为本发明的一种优选方案,将岩石细观结构的数字图像划分后的结果投影至相同坐标系中,并以坐标信息描述投影后的图像,在每一个坐标信息上加载对应的颜色信息;
比较前后两次相同坐标信息上像素所属的矿物是否对应,并累计计算颜色信息不对应像素的频数,并计算颜色信息不对应的频率。
作为本发明的一种优选方案,在步骤300中,对岩石细观结构模型进行数值分析,从不同层次上逐步表征取样岩样的细观结构,并在不同的层次上将表征的细观结构与取样岩样宏观力学进行对应解释。
本发明的实施方式具有如下优点:
本发明直接利用了岩石数字图像的像素信息和对应材料特征,真正获得了岩石材料的真实细观结构,无需对数字图像进行形态学图像处理、边界检测、图像识别等复杂的数字图像处理,采用基于快速傅里叶变换的数值计算方法,无需划分网格而是直接利用岩石数字图像的像素信息和材料特征进行计算,大大提高了计算效率,而且基于快速傅里叶变换的数值计算方法对具有复杂细观结构的岩石仍具有较高的计算效率。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案,下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地,下面描述中的附图仅仅是示例性的,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图引伸获得其它的实施附图。
本说明书所绘示的结构、比例、大小等,均仅用以配合说明书所揭示的内容,以供熟悉此技术的人士了解与阅读,并非用以限定本发明可实施的限定条件,故不具技术上的实质意义,任何结构的修饰、比例关系的改变或大小的调整,在不影响本发明所能产生的功效及所能达成的目的下,均应仍落在本发明所揭示的技术内容得能涵盖的范围内。
图1为本发明实施方式中的流程示意图;
图2为本发明实施方式中二维图像分析过程示意图;
图3为本发明实施方式中像素分析过程示意图;
图4为本发明实施方式中花岗岩分析过程示意图。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式,熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效,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。
如图1所示,本发明提供了一种利用岩石细观结构数字图像的数值分析方法,包括如下步骤:
步骤100、图像处理,通过拍照或扫描获得取样岩石的数字图像,并利用数据分析软件获取取样岩石数字图像的数字信息,将所述取样岩石的数字图像转换为成分图像图对数字图像进行成分分类;
步骤200、模型建立,将数字信息和成分分类结果导入基于快速傅里叶变换的数值模型中进行数值计算,并验证岩石细观结构的数字图像划分后的结果与原始图像的相似度;
步骤300、对岩石细观结构模型进行数值分析,得到取样岩样细观结构对取样岩样宏观力学行为的影响规律。
在本实施方式中,其核心思想在于直接利用取样岩样的扫描或者拍照图片获得具备坐标信息和颜色信息的数字图像,再将数字图像进行预处理和成分分类后直接导入基于快速傅里叶变换的数值模型中进行数值计算,从而避免了复杂的图像前置处理,如无需对岩石材料的数字图像进行噪声处理、边界检测等复杂的前处理,在降低了计算量数量级的同时还可以真实的反应取样岩样的细观结构。
基于上述数值分析方法,本发明能够直接利用岩石数字图像的像素信息和对应的材料特征,如颜色差异表征的矿物种类,在无需前置处理的前提下再现真实的细观结构,由于无需进行前置处理,因此减少了对数字图像进行噪声处理、边界检测、区域分割、图像识别等复杂的数字图像处理。
所述数字信息包括每一个像素的坐标信息以及与所述坐标信息对应的颜色信息;
其中,用i表示所述像素的横坐标,j表示所述像素的纵坐标,I表示所述像素的颜色信息,用(i,j,I)表示每一个所述像素的数字信息,其中,I表示每一个矿物的颜色信息的区间值。
将数字图像导入数据分析软件可以获取每个像素块的坐标信息和该坐标信息对应的颜色信息,同一种矿物在数字图像上显示的颜色信息是一个区间,并不是一个固定的数值。具体的,将每一个矿物的颜色信息区间值I依据每个像素所属的颜色类别以一个固定的数值N表示,其中,N为材料类别的ID,代替不同的颜色信息,用(i,j,N)表示每一个像素的数据信息,N=1,2,3,4,……。
如图2(a)所示为一个简单二维图像的像素示,白色为材料一,黑色为材料二。用数字1、2代替颜色信息I,可以得到每一个像素块的坐标信息和数字,可以用(i,j,1或2)表示每一个所述像素的数字信息,划分完的像素信息如图2(b)所示。
岩石类材料是由很多不同的矿物组成,因为不同矿物成分对应的颜色不同,所以在图像中可以大体的分辨出不同矿物并依据每个像素块所属的颜色类别,给每个像素块赋予对应矿物的材料参数。
在进行划分区域时,将同一种矿物的颜色区间用一个固定的数值进行表示。例如,云母在某一幅数字图像上颜色信息的区间是[0,95],所以(i,j,0)、(i,j,1)、…、(i,j,95)都代表云母。
用数据信息(i,j,0)代替(i,j,0)、(i,j,1)、…、(i,j,95),“0”就是云母的材料ID。在进行数值分析时,将云母的材料参数赋予“0”所代表的区域,由于采用数据信息替换原来的数字信息,从而使得矿物种类的表征参数可以直接代入基于快速傅里叶变换的数值模型进行数值计算。
上述实例经过FFT算法(快速傅里叶算法)中的数值模型如图2(c)所示,与原始图像完全一致。
如图3所示,对于同一形状的物体只要像素足够高,图像就会足够准确。
又如以花岗岩为例,先获取花岗岩的数字图像如图4(a)所示;利用数据分析软件获取花岗岩的数字信息;利用数据分析软件得到颜色直方图如图4(b)所示,以颜色信息100和166为分界值可以将材料分为三类:黑色表示石英用数字1表示、绿色表示长石用数字2表示、红色表示云母用数字3表示,FFT算法中的数值模型如图4(c)所示;将所得到的数据导入基于快速傅里叶变换的数值计算方法进行计算,分析得出结论。
在本发明中,由于是直接利用数字图像的坐标信息,因此避免了常规的网格划分来对材料特征进行计算,本实施方式中之杰利用岩石数字图像的像素信息以及与像素信息对应的颜色特征进行处理,可以大大提高计算效率。
另外,在计算的过程中,岩石数字图像的像素信息不仅仅可以与颜色信息进行对应,也可以包括其他的信息,如晶体形状、颗粒大小和表面的沉积特征等。基于多种类型的信息进行对应,从而可以更加准确的实现矿物的分类。
在步骤100中,对数字图像进行成分分类的具体步骤为:
步骤101、在数字图像上确定每一个所述像素的坐标,并通过坐标的方式标识每一个所述像素;
步骤102、根据矿物的颜色类别分别确定同一种类矿物的信息区间值;
步骤103、对同一种类矿物的信息区间值进行唯一赋值,根据唯一赋值的结果划分不同的矿物种类,并依据唯一赋值进行成分分类。
其中,在步骤102中,采集矿物的信息区间值像素的频数,并依据频数和矿物种类将其形成矿物的颜色直方图,根据已知矿物的种类划定信息区间值的上限和下限,在颜色直方图中依据信息区间值的上限和下限作为分界值对矿物进行分类,在颜色直方图中根据分类的结果对不同种类的矿物进行唯一赋值;
在数字图像上按照信息区间值的上限和下限将数字图像中的不同矿物分割出来,以所述信息区间值上下限的像素作为不同矿物种类的分割界限,数字图像中像素信息值小于所述像素边界的为一种矿物,大于所述像素边界的为另一种矿物,在数字图像上对同种类的矿物成分进行唯一赋值。
在本发明中,通过计算不同矿物种类所体现的颜色信息的像素频数形成直方图,并根据同一种类矿物的信息区间值划定上、下限,从而达到矿物识别的目的。
由于岩石样品存在着多种类型以及不同层面上的特征,因此通过不断的对上、下限值进行细分,从而达到更精细识别的目的,而基于不同层面上的识别,可以进一步分析其细观结构和所体现的宏观特征。
因此,在根据矿物的种类已经划定完的信息区间值内还存在裂缝、孔隙等细观结构,再根据存在于其中的裂缝、孔隙进行精细化划分确定二级像素信息区间值的上限和下限,使得信息区间值内形成若干个独立的子区间,并对每个独立的子区间进行再次唯一赋值;
为了多次赋值对系统计算造成影响,多次的唯一赋值依次为包含与被包含的关系。
当进行数值计算时,为了保障计算结果的准确性,需要验证岩石细观结构的数字图像划分后的结果与原始图像的相似度,其具体的对比方法为:
将岩石细观结构的数字图像划分后的结果投影至相同坐标系中,并以坐标信息描述投影后的图像,在每一个坐标信息上加载对应的颜色信息;
比较前后两次相同坐标信息上像素所属的矿物是否对应,并累计计算颜色信息不对应像素的频数,并计算颜色信息不对应的频率。
通过不对应的频率来评价其准确性,在实际应用中可以根据实际的需求设定阈值,当频率超过阈值时即认为准确性有限,需要重新计算或增加新的限定条件。
在步骤300中,对岩石细观结构模型进行数值分析,从不同层次上逐步表征取样岩样的细观结构,并在不同的层次上将表征的细观结构与取样岩样宏观力学进行对应解释。
对于本发明来说,其区别于现有技术的创新点就在于直接利用扫描或者拍照所获得数字相片的像素进行计算,无需采用对数字相片的进行前置处理。在本发明中,其数值分析采用快速傅里叶变换均匀化(FFT)的方法对数字图像进行分析,基于FFT的数值分析方法可以直接利用岩石材料的数字图像像素信息,在数字图像表征过程中,无需对岩石材料的数字图像进行噪声处理、边界检测等复杂的前处理,真正实现了细观结构的真实反映。
此外,由于FFT方法自身所具备的优势使得图像处理成为可能,也是因为自自身的优势使得FFT无需像有限元分析方法那样需要通过图像矢量化和复杂的网格划分,可以直接将数字图像导入到FFT算法中进行力学分析,具体是直接利用像素信息及对应材料特征生成数值模型。更重要的一点,针对同样的问题,FFT方法相比FEM方法(FEM具体指的是有限元法)的计算精度和效率更高。因此,本发明构建的一套完整数值分析方法,从图像处理、模型建立和分析计算,每个过程的实现都得到极大的优化,不仅真正获得了岩石材料真实细观结构,实现了从细观到宏观的岩石材料力学分析,而且极大的提高了工作效率。
综合上述,本发明的优点在于:
本发明提出了一套结合数字图像技术和快速傅立叶变化均匀化方法的优势,直接利用岩石材料的数字图像像素获取真实细观结构,从而实现对具有复杂细观结构的岩石材料从细观到宏观力学性能的分析计算的完整分析方法。
本发明无需复杂的图像前处理技术,无需网格划分,整个分析流程简单、高效,克服了目前广泛采用的方法无法真正还原岩石细观结构和复杂细观结构计算难的问题,而且本发明中的图像数值分析方法不仅仅局限于岩石的细观结构,可通过类似的方式推广至其它岩石结构的分析上,具有较强的移植性。
虽然,上文中已经用一般性说明及具体实施例对本发明作了详尽的描述,但在本发明基础上,可以对之作一些修改或改进,这对本领域技术人员而言是显而易见的。因此,在不偏离本发明精神的基础上所做的这些修改或改进,均属于本发明要求保护的范围。
Claims (5)
1.一种利用岩石细观结构数字图像的数值分析方法,其特征在于,包括如下步骤:
步骤100、图像处理,通过拍照或扫描获得取样岩石的数字图像,并利用数据分析软件获取取样岩石数字图像的数字信息,将所述取样岩石的数字图像转换为成分图像图对数字图像进行成分分类,所述数字信息包括每一个像素的坐标信息以及与所述坐标信息对应的颜色信息;
其中,用i表示所述像素的横坐标,j表示所述像素的纵坐标,I表示所述像素的颜色信息,用(i,j,I)表示每一个所述像素的数字信息,其中,I表示每一个矿物的颜色信息的区间值;
将每一个矿物的颜色信息区间值I依据每个像素所属的颜色类别以一个固定的数值N表示,其中,N为材料类别的ID,用(i,j,N)表示每一个像素的数据信息,N=1,2,3,4,……;
步骤200、模型建立,将数字信息和成分分类结果导入基于快速傅里叶变换的数值模型中进行数值计算,并验证岩石细观结构的数字图像划分后的结果与原始图像的相似度,将岩石细观结构的数字图像划分后的结果投影至相同坐标系中,并以坐标信息描述投影后的图像,在每一个坐标信息上加载对应的颜色信息;
比较前后两次相同坐标信息上像素所属的矿物是否对应,并累计计算颜色信息不对应像素的频数,并计算颜色信息不对应的频率;
步骤300、在岩石细观结构模型中加载变换后的计算结果,通过数值分析得到取样岩样细观结构对取样岩样宏观力学行为的影响规律。
2.根据权利要求1所述的一种利用岩石细观结构数字图像的数值分析方法,其特征在于,在步骤100中,对数字图像进行成分分类的具体步骤为:
步骤101、在数字图像上确定每一个所述像素的坐标,并通过坐标的方式标识每一个所述像素;
步骤102、根据矿物的颜色类别分别确定同一种类矿物的信息区间值;
步骤103、对同一种类矿物的信息区间值进行唯一赋值,根据唯一赋值的结果划分不同的矿物种类,并依据唯一赋值进行成分分类。
3.根据权利要求2所述的一种利用岩石细观结构数字图像的数值分析方法,其特征在于,在步骤102中,采集矿物的信息区间值像素的频数,并依据频数和矿物种类将其形成矿物的颜色直方图,根据已知矿物的种类划定信息区间值的上限和下限,在颜色直方图中依据信息区间值的上限和下限作为分界值对矿物进行分类,在颜色直方图中根据分类的结果对不同种类的矿物进行唯一赋值;
在数字图像上按照信息区间值的上限和下限将数字图像中的不同矿物分割出来,以所述信息区间值上下限的像素作为不同矿物种类的分割界限,数字图像中像素信息值小于像素边界的为一种矿物,大于像素边界的为另一种矿物,在数字图像上对同种类的矿物成分进行唯一赋值。
4.根据权利要求3所述的一种利用岩石细观结构数字图像的数值分析方法,其特征在于,在根据矿物成分的种类已经划定完的信息区间值内还存在裂缝、孔隙的细观结构,再根据存在的裂缝、孔隙进行精细化划分确定二级像素信息区间值的上限和下限,使得信息区间值内形成若干个独立的子区间,并对每个独立的子区间进行再次唯一赋值;
多次的唯一赋值依次为包含与被包含的关系。
5.根据权利要求1所述的一种利用岩石细观结构数字图像的数值分析方法,其特征在于,在步骤300中,对岩石细观结构模型进行数值分析,从不同层次上逐步表征取样岩样的细观结构,并在不同的层次上将表征的细观结构与取样岩样宏观力学进行对应解释。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010995320.0A CN112150430B (zh) | 2020-09-21 | 2020-09-21 | 一种利用岩石细观结构数字图像的数值分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010995320.0A CN112150430B (zh) | 2020-09-21 | 2020-09-21 | 一种利用岩石细观结构数字图像的数值分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112150430A CN112150430A (zh) | 2020-12-29 |
CN112150430B true CN112150430B (zh) | 2023-10-10 |
Family
ID=73894126
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010995320.0A Active CN112150430B (zh) | 2020-09-21 | 2020-09-21 | 一种利用岩石细观结构数字图像的数值分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112150430B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112801205B (zh) * | 2021-02-20 | 2022-04-15 | 中国科学院地质与地球物理研究所 | 岩石纹层结构的获取方法及装置 |
CN112802035B (zh) * | 2021-03-10 | 2024-03-15 | 中国矿业大学 | 一种基于岩体数字图像的大批量样本获取方法 |
CN113222923B (zh) * | 2021-04-30 | 2021-11-12 | 广东石油化工学院 | 一种基于岩心照片识别裂缝类型的方法 |
CN113515847B (zh) * | 2021-05-12 | 2023-09-05 | 中国矿业大学 | 一种基于K-means聚类算法的非均质岩石数字岩芯建模方法 |
CN117557742B (zh) * | 2024-01-12 | 2024-03-22 | 武汉大学 | 基于数字图像与机器学习的3d岩石储层建模方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103018331A (zh) * | 2011-09-22 | 2013-04-03 | 北京理工大学 | 超声扫描显微镜的频域成像方法 |
CN104268830A (zh) * | 2014-09-11 | 2015-01-07 | 河海大学 | 基于数字图像确定不均匀岩土材料渗透系数的方法 |
CN106570269A (zh) * | 2016-10-27 | 2017-04-19 | 贵州大学 | 一种基于数字图像的页岩破裂模式分析方法 |
CN110069844A (zh) * | 2019-04-15 | 2019-07-30 | 武汉大学 | 一种考虑岩石结构特征和矿物组成的细观数值模型生成方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150002654A1 (en) * | 2013-06-26 | 2015-01-01 | Flir Systems Ab | Methods and devices for presenting a material stress analysis through captured ir images |
-
2020
- 2020-09-21 CN CN202010995320.0A patent/CN112150430B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103018331A (zh) * | 2011-09-22 | 2013-04-03 | 北京理工大学 | 超声扫描显微镜的频域成像方法 |
CN104268830A (zh) * | 2014-09-11 | 2015-01-07 | 河海大学 | 基于数字图像确定不均匀岩土材料渗透系数的方法 |
CN106570269A (zh) * | 2016-10-27 | 2017-04-19 | 贵州大学 | 一种基于数字图像的页岩破裂模式分析方法 |
CN110069844A (zh) * | 2019-04-15 | 2019-07-30 | 武汉大学 | 一种考虑岩石结构特征和矿物组成的细观数值模型生成方法 |
Non-Patent Citations (5)
Title |
---|
Fast Fourier transform and support-shift techniques for pore-scale microstructure classification using additive morphological measures;Han Jiang 等;《Physical Review E》;033302-1-033302-13 * |
基于SEM图像的岩石细观结构特征研究;蒋志坚 等;《岩土力学》;第27卷;544-548 * |
基于变分水平集方法获取岩石的细观结构;冯宝成 等;《岩土力学》;第33卷(第12期);3592-3597 * |
基于真实细观结构的FFT数值方法对岩石材料非线性力学行为的研究;李明耀 等;《矿业科学学报》;第7卷(第4期);456-466 * |
计算机断层扫描(CT)技术在矿物岩石细观结构观测中的应用;马志强 等;《化工矿物与加工》;第48卷(第3期);4-8 * |
Also Published As
Publication number | Publication date |
---|---|
CN112150430A (zh) | 2020-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112150430B (zh) | 一种利用岩石细观结构数字图像的数值分析方法 | |
Min et al. | Real time detection system for rail surface defects based on machine vision | |
CN109636772A (zh) | 基于深度学习的不规则形状金属加工表面的缺陷检测方法 | |
CN104573705B (zh) | 一种建筑物激光扫描点云数据的聚类方法 | |
CN110264466A (zh) | 一种基于深度卷积神经网络的钢筋检测方法 | |
CN109598681B (zh) | 一种对称唐卡修复后图像的无参考质量评价方法 | |
CN109284779A (zh) | 基于深度全卷积网络的物体检测方法 | |
CN105445160A (zh) | 一种沥青混合料的空隙特征及其提取方法 | |
CN112964712A (zh) | 一种快速检测沥青路面状态的方法 | |
Yusof et al. | Automated asphalt pavement crack detection and classification using deep convolution neural network | |
CN106682255B (zh) | 一种沥青路面结构设计应力响应的跨尺度分析方法 | |
Shen | Road crack detection based on video image processing | |
CN109271882B (zh) | 一种区分颜色的手写体汉字提取方法 | |
CN112561989A (zh) | 一种建造场景下吊装对象的识别方法 | |
CN104794475A (zh) | 一种光子晶体光纤的端面结构特征提取方法 | |
CN105205485B (zh) | 基于多类类间最大方差算法的大尺度图像分割算法 | |
CN115063679B (zh) | 一种基于深度学习的路面质量评估方法 | |
CN110032662A (zh) | 基于改进的dice损失函数的视频图像失真效应模型构建方法 | |
CN104504702A (zh) | 基于方格搜索法的水泥刻槽路面裂缝识别方法 | |
Sun et al. | Automatic pavement cracks detection system based on Visual Studio C++ 6.0 | |
Ullah et al. | Experimental and numerical research of paved microcrack using histogram equalization for detection and segmentation | |
Qiao et al. | Research on Concrete Beam Crack Recognition Algorithm Based on Block Threshold Value Image Processing | |
CN111797730A (zh) | 一种水泥熟料岩相自动分析方法 | |
Warren et al. | Grain and grain boundary segmentation using machine learning with real and generated datasets | |
CN114399516B (zh) | 一种基于实例分割算法的堆石坝料分割方法 |
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 |