CN112763466B - 一种聚合物改性沥青相态分布特性识别方法 - Google Patents

一种聚合物改性沥青相态分布特性识别方法 Download PDF

Info

Publication number
CN112763466B
CN112763466B CN202011550972.XA CN202011550972A CN112763466B CN 112763466 B CN112763466 B CN 112763466B CN 202011550972 A CN202011550972 A CN 202011550972A CN 112763466 B CN112763466 B CN 112763466B
Authority
CN
China
Prior art keywords
modified asphalt
polymer modified
sample
image
pixel
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
CN202011550972.XA
Other languages
English (en)
Other versions
CN112763466A (zh
Inventor
张昱
林江涛
张瀚坤
樊亮
樊兆董
马士杰
李永振
毕飞
姜峰
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.)
Tongji University
Shandong Transportation Institute
Original Assignee
Tongji University
Shandong Transportation Institute
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 Tongji University, Shandong Transportation Institute filed Critical Tongji University
Priority to CN202011550972.XA priority Critical patent/CN112763466B/zh
Publication of CN112763466A publication Critical patent/CN112763466A/zh
Application granted granted Critical
Publication of CN112763466B publication Critical patent/CN112763466B/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
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
    • G01N21/64—Fluorescence; Phosphorescence
    • G01N21/645—Specially adapted constructive features of fluorimeters
    • G01N21/6456—Spatial resolved fluorescence measurements; Imaging
    • G01N21/6458—Fluorescence microscopy
    • 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
    • G06T5/90—Dynamic range modification of images or parts thereof
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • 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
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10056—Microscopic image
    • G06T2207/10061—Microscopic image from scanning electron microscope
    • 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
    • G06T2207/10064—Fluorescence 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30204—Marker
    • 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
    • G06T2207/30242—Counting objects in image

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)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Geometry (AREA)
  • Quality & Reliability (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明公开了一种聚合物改性沥青相态分布特性识别方法，属于数字图像处理与道路工程领域，本发明要解决的技术问题为如何修复采集样本时因景深差异造成的相态模糊等现象，提高改性沥青相态特征识别的准确性，采用的技术方案为：该方法是具体如下：制备聚合物改性沥青样本并采集聚合物改性沥青样本图像；对聚合物改性沥青样本图像进行预处理，得到聚合物改性沥青预处理样本图像；对聚合物改性沥青预处理样本图像进行连通域标记计算，得到连通域的实际面积；利用连通域面积对聚合物改性沥青预处理样本图像进行识别，获取聚合物改性沥青的样本相态分布特性。

Description

一种聚合物改性沥青相态分布特性识别方法
技术领域
本发明涉及数字图像处理与道路工程领域，具体地说是一种聚合物改性沥青相态分布特性识别方法。
背景技术
国内外对于聚合物改性沥青热储存稳定性的测定方法多为离析试验或其衍生试验，其基本流程是将沥青样品加热后，浇注于离析试验管中，浇注完成后密闭并竖直放置于163℃烘箱中48h，然后取出放置于冰箱中冷却4h，冷却完成后从冰箱中取出，将离析试验管平均分为上、中、下三等分，取离析管的上、下部放置于烘箱中加热，加热后浇注软化点或DSR试样，测定各自部分的软化点或利用流变仪测定车辙因子。该测定方法包含试样热静置、冷却及上下部样品指标测定等步骤，试验期间需消耗大量人工、材料、能源和时间，并且使用流变仪价格昂贵，且无法实现对聚合物改性沥青储存稳定性实时及快速的测定，导致了不合格沥青进场用于路面施工，造成重大经济与社会损失。
为解决上述问题，研究人员开始对聚合物改性沥青样本进行荧光显微分析，通过聚合物改性沥青荧光显微相态进行储存稳定性进行评价。通过实践表明，相态法具有测试时间短、可重复性强等优点。然而，现有对聚合物改性沥青样本的荧光显微相态分析方法主要存在以下不足：
(1)、主观性强：目前聚合物改性沥青相态识别多采用人工方式进行判断，由于不同人员技术背景、经验不同，在进行显微图像识别时，因个体主观差异对判断结果造成不利影响且降低了检测效率；
(2)、精度不足：已有相关图像识别技术算法精度不足，仅在样本平均粒径大于5微米且与背景色色差明显时效果较好，然而，改性沥青样本平均粒径范围在1至5微米时，发生离析的可能性依然很高，储存过程中稳定性不确定性，导致图像识别算法精度不足；
(3)、相态信息的低效利用：由于没有相关专用相态自动图像识别技术，使得相态法识别聚合物改性沥青相态时，众多其他重要相态及信息被忽视，人们多关注与聚合物改性沥青的颗粒分布状态，而忽视了聚合物孔径、平均粒径等重要的相态信息且不能做到量化，造成相态信息的浪费，降低了相态信息的低效利用等；
(4)、因改性沥青样本的不透光性，传统光学显微镜难以对其进行观测，故需采用落射式照明的荧光显微镜，然而，因改性沥青样本难以维持盖玻片的绝对水平，故导致对样本顶部受光不均，所拍摄图像背景亮度不均匀，如附图1所示；所以，使用针对文字、细胞等其他观测目标的图像处理技术无法对改性沥青样本图像进行准确的二值化，如附图2所示，存在图像背景亮度不均的问题，造成改性沥青相态特征识别准确率低。
发明内容
本发明的技术任务是提供一种聚合物改性沥青相态分布特性识别方法，来解决如何修复采集样本时因景深差异造成的相态模糊等现象，提高改性沥青相态特征识别的准确性的问题。
本发明的技术任务是按以下方式实现的，一种聚合物改性沥青相态分布特性识别方法，该方法是基于连通域标记的图像处理算法修复采集聚合物改性沥青样本图像时因景深差异造成的相态模糊的现象，并对聚合物改性沥青样本图像相态分布特性进行高精度计算，进而提高对聚合物改性沥青样本图像相态分布特征识别的准确性；具体如下：
制备聚合物改性沥青样本并采集聚合物改性沥青样本图像；
对聚合物改性沥青样本图像进行预处理，得到聚合物改性沥青预处理样本图像；
对聚合物改性沥青预处理样本图像进行连通域标记计算，得到连通域的实际面积；
利用连通域面积对聚合物改性沥青预处理样本图像进行识别，获取聚合物改性沥青的样本相态分布特性。
作为优选，所述聚合物改性沥青的样本相态分布特性包括平均粒径、平均孔径、颗粒数量、颗粒面积和网孔数量，根据聚合物改性沥青的样本相态分布特性生成网孔/颗粒数量分布图。
作为优选，制备聚合物改性沥青样本并采集聚合物改性沥青样本图像具体如下：
制备观测样本：将聚合物改性沥青加热至流动状态，加热后的聚合物改性沥青样本经充分搅拌后浇注在载玻片上，再将盖玻片轻轻盖在聚合物改性沥青样本上，按压盖玻片将其调整至水平或者冷却后轻轻按压盖玻片将其调整至水平，得到荧光观测样本；
采集样本图像：待荧光观测样本冷却至室温后，将荧光观测样本置于荧光显微镜下，根据实际情况选择放大倍数(常用为100倍或200倍或400倍)采集聚合物改性沥青样本图像。
作为优选，所述预处理具体如下：
对聚合物改性沥青样本图像进行灰度化处理，得到聚合物改性沥青灰度化样本图像，去除图像色彩信息，降低后续图像处理算法复杂度；
对聚合物改性沥青灰度化样本图像进行降噪处理，得到聚合物改性沥青降噪样本图像，从而减少或去除图像的噪声影响，提升图片质量；
对聚合物改性沥青降噪样本图像进行基于局部自适应的均匀化处理，得到聚合物改性沥青均匀化样本图像，从而修复样本拍摄时景深差异导致的图片整体不均问题；
对聚合物改性沥青均匀化样本图像进行二值化处理，得到聚合物改性沥青二值化样本图像，从而去除图像灰度信息，简化后续图像处理算法复杂度。
更优地，所述灰度化处理是指对聚合物改性沥青样本图像进行基于Luminance方法的灰度化处理以及基于心理学方法的经典加权平均灰度化计算，并依据人眼对各颜色感知程度对RGB三通道数据进行加权计算，得到聚合物改性沥青灰度化样本图像；其中，转换公式为：
Gray(x,y)＝0.299×R(x,y)+0.587×G(x,y)+0.114×B(x,y)；
其中，(x,y)为像素点坐标；Gray(x,y)为该坐标点像素灰度值；R(x,y)为该坐标点像素红色通道强度值；G(x,y)为该坐标点像素绿色通道强度值；B(x,y为该坐标点像素蓝色通道强度值。
更优地，所述降噪处理是指对聚合物改性沥青灰度化样本图像进行基于高斯滤波的降噪处理，具体为：
采用3×3高斯滤波模板对样本图像中每3×3个像素区域进行滤波运算，公式为：
Figure BDA0002857102090000031
其中，Pout为滤波后中间像素滤波值；Pij为滤波运算前原图像3x3运算窗内第i行第j列像素灰度值；Gij为滤波模板内第i行第j列像素灰度值；
滤波运算后的滤波素值替换中间位置像素值，得到聚合物改性沥青降噪样本图像。
更优地，所述均匀化处理具体如下：
计算聚合物改性沥青降噪样本图像平均亮度Lumav，公式如下：
Figure BDA0002857102090000041
其中，Lumav为图像平均亮度值；(i,j)为像素坐标；p(i,j)为运算前原图像中该坐标点像素灰度值；M与N为运算前原图像宽度与高度；
扫描聚合物改性沥青降噪样本图像的每16×16个像素组成的小块，并求出每个小块的平均亮度Lumav-bm，再由各个图像子块的散布来获得子块均匀亮度的矩阵，公式如下：
Figure BDA0002857102090000042
其中，Lumav-bm为每个子块平均亮度；p(i,j)为当前子块中该坐标点像素灰度值；m与n为当前子块宽度与高度；
把所获得的聚合物改性沥青降噪样本图像的子块均匀亮度矩阵中的每个元素均减掉全图均匀亮度，即可得到亮度差值矩阵；
对所获得的子块亮度差值矩阵利用bicubic插值法进行插值运算，使其扩张到与原图像相同尺寸，以得到样本全图亮度差值的矩阵；
对原图像高亮度的区域进行削弱处理，低亮度的区域进行增强处理：将原图像的像素亮度值分别减去样本全图亮度差值的矩阵中对应的元素值；
调节每个图像子块像素的亮度使其与整个样本图像的亮度相符；
利用阈值分割方法完成样本图像的分割工作，生成处理后聚合物改性沥青均匀化样本图像。
更优地，二值化处理具体如下：
对聚合物改性沥青均匀化样本图像进行二值化处理，因样本图像已进行过均匀化处理，样本各区域灰度分布均匀，所以可使用全局灰度平均值作为二值化处理的阈值，公式如下：
Figure BDA0002857102090000043
其中，Lumbi为图像二值化阈值；Lumav为灰度图像灰度均值；p(i,j)为图像中该坐标点像素灰度值；M与N为图像宽度与高度。
更优地，对聚合物改性沥青预处理样本图像进行连通域标记计算，得到连通域的实际面积具体如下：
对聚合物改性沥青二值化样本图像中所有像素进行逐个扫描，针对当前像素B(x,y)，包括如下情况：
若B(x,y)＝0(即当前像素为白色)，则继续扫描下一个像素；
若B(x,y)＝1(即当前像素为黑色)，包括如下情况：
若B(x,y)的邻域中像素值都为0，则赋予B(x,y)一个新的连通域，全局连通域数量+1，并计算此区域面积；
若B(x,y)的领域中有像素值都为1，则将该像素与当前像素B(x,y)记为同属一个连通区域，并继续扫描邻域，直到其共同邻域内像素值都为0为止，全局区域数量+1，并计算此区域面积；
为排除多个颗粒粘连或图像噪点而产生的误判情况，根据样本相态不同，仅对面积在该相态粒径面积范围内的连通域计数；若在任一相态样本中，仅将像素面积在Amin～Amax间的连通域判定为目标颗粒，将像素面积小于Amin的连通域判定为噪点，大于Amax像素的连通域判定为多个颗粒粘连，不做计数；
进行可视化处理：对每个连通域进行框选，为精确定位每个连通域，根据其在x/y轴上的顺序对其进行二维编号；
计算所有目标连通域面积均值，即可获取样本平均面积的像素值，根据图像分辨率与拍摄视野实际面积进行换算，即可获得连通域的实际面积。
更优地，利用连通域面积，对聚合物改性沥青二值化样本图像中的颗粒与网孔进行识别并整合，获取样本相态分布特性具体如下：
当前连通域面积为聚合物改性沥青样本图像的颗粒面积，对聚合物改性沥青二值化样本图像进行反向运算；
重新对聚合物改性沥青二值化样本图像进行连通域标记计算，即可获取聚合物改性沥青样本图像的网孔面积与数量；
对样本图像的颗粒面积、网孔面积及数量进行整合，获取样本相态分布特性，并生成网孔/颗粒数量分布图。
本发明的一种聚合物改性沥青相态分布特性识别方法具有以下优点：
(一)本发明通过灰度化处理、滤波器降噪、均匀化处理、二值化处理、连通域标记等图像处理算法，可修复采集样本时因景深差异造成的相态模糊等现象，对聚合物改性沥青样本颗粒面积与数量进行高精度计算，从而对样本相态分布特性进行识别；
(二)本发明通过基于阈值分割的均匀化处理技术，修复了图像背景亮度不均这一问题，从而可对改性沥青相态特征进行准确识别；
(三)本发明通过将每16×16个像素合并成子块，将单个子块内所有像素的灰度平均值作为该子块亮度阈值，将图像中所有子块的亮度阈值作为全局亮度阈值矩阵，以此矩阵生成的样本亮度阈值分布图像见附图3。仅需将原图与该图像相减，即可剔除亮度不均的背景信息，仅保留样本本身的纹理信息，故采用亮度阈值矩阵作为全局阈值，对背景亮度分布还原度最高，原图像纹理保真度最强。
附图说明
下面结合附图对本发明进一步说明。
附图1为背景技术中亮度不均聚合物改性沥青样本图像；
附图2为背景技术中传统二值化处理方法后的聚合物改性沥青样本图像；
附图3为聚合物改性沥青相态分布特性识别方法的流程框图；
附图4为聚合物改性沥青样本的RGB图像；
附图5为聚合物改性沥青样本的灰度化图像；
附图6为高斯滤波3x3模板的示意图；
附图7为基于3x3模板的高斯滤波运算的示意图；
附图8为滤波前的样本图像；
附图9为滤波后的样本图像；
附图10为均匀化处理前的样本图像；
附图11为均匀化处理后的样本图像；
附图12为全局阈值分布图像；
附图13为二值化处理前的样本图像；
附图14为二值化处理后的样本图像；
附图15为连通域标记的全局样本图像；
附图16为连通域标记的放大后的样本图像；
附图17为样本相态分布特性图；
附图18为实例a的样本图像；
附图19为实例b的样本图像；
附图20为实例c的样本图像。
具体实施方式
参照说明书附图和具体实施例对本发明的一种聚合物改性沥青相态分布特性识别方法作以下详细地说明。
实施例：
本发明的聚合物改性沥青相态分布特性识别方法，该方法是基于连通域标记的图像处理算法修复采集聚合物改性沥青样本图像时因景深差异造成的相态模糊的现象，并对聚合物改性沥青样本图像相态分布特性进行高精度计算，进而提高对聚合物改性沥青样本图像相态分布特征识别的准确性；如附图3所示，具体如下：
S1、制备聚合物改性沥青样本并采集聚合物改性沥青样本图像；
S2、对聚合物改性沥青样本图像进行预处理，得到聚合物改性沥青预处理样本图像；
S3、对聚合物改性沥青预处理样本图像进行连通域标记计算，得到连通域的实际面积；
S4、利用连通域面积对聚合物改性沥青预处理样本图像进行识别，获取聚合物改性沥青的样本相态分布特性。聚合物改性沥青的样本相态分布特性包括平均粒径、平均孔径、颗粒数量、颗粒面积和网孔数量，根据聚合物改性沥青的样本相态分布特性生成网孔/颗粒数量分布图。
本实施例中步骤S1中制备聚合物改性沥青样本并采集聚合物改性沥青样本图像具体如下：
S101、制备观测样本：将聚合物改性沥青加热至流动状态，加热后的聚合物改性沥青样本经充分搅拌后浇注在载玻片上，再将盖玻片轻轻盖在聚合物改性沥青样本上，按压盖玻片将其调整至水平或者冷却后轻轻按压盖玻片将其调整至水平，得到荧光观测样本；
S102、采集样本图像：待荧光观测样本冷却至室温后，将荧光观测样本置于荧光显微镜下，根据实际情况选择放大倍数(常用为100倍或200倍或400倍)采集聚合物改性沥青样本图像。
所述步骤S2中预处理具体如下：
S201、对聚合物改性沥青样本图像进行灰度化处理，得到聚合物改性沥青灰度化样本图像，去除图像色彩信息，降低后续图像处理算法复杂度；
S202、对聚合物改性沥青灰度化样本图像进行降噪处理，得到聚合物改性沥青降噪样本图像，从而减少或去除图像的噪声影响，提升图片质量；
S203、对聚合物改性沥青降噪样本图像进行基于局部自适应的均匀化处理，得到聚合物改性沥青均匀化样本图像，从而修复样本拍摄时景深差异导致的图片整体不均问题；
S204、对聚合物改性沥青均匀化样本图像进行二值化处理，得到聚合物改性沥青二值化样本图像，从而去除图像灰度信息，简化后续图像处理算法复杂度。
本实施例中步骤S201中灰度化处理是指对聚合物改性沥青样本图像进行基于Luminance方法的灰度化处理以及基于心理学方法的经典加权平均灰度化计算，并依据人眼对各颜色感知程度对RGB三通道数据进行加权计算，得到聚合物改性沥青灰度化样本图像，如附图4和5所示；其中，转换公式为：
Gray(x,y)＝0.299×R(x,y)+0.587×G(x,y)+0.114×B(x,y)；
其中，(x,y)为像素点坐标；Gray(x,y)为该坐标点像素灰度值；R(x,y)为该坐标点像素红色通道强度值；G(x,y)为该坐标点像素绿色通道强度；B(x,y)为该坐标点像素蓝色通道强度值。
本实施例中步骤S202中降噪处理是指对聚合物改性沥青灰度化样本图像进行基于高斯滤波的降噪处理，具体为：
S20201、如附图6和7所示，采用3×3高斯滤波模板对样本图像中每3×3个像素区域进行滤波运算，公式为：
Figure BDA0002857102090000081
其中，Pout为滤波后中间像素滤波值；Pij为滤波运算前原图像3x3运算窗内第i行第j列像素灰度值；Gij为滤波模板内第i行第j列像素灰度值。
S20202、滤波运算后的滤波素值替换中间位置像素值，得到聚合物改性沥青降噪样本图像，如附图9所示；如附图8所示，聚合物改性沥青滤波前图像。
本实施例中步骤S203中均匀化处理具体如下：
S20301、计算聚合物改性沥青降噪样本图像平均亮度Lumav，公式如下：
Figure BDA0002857102090000082
其中，Lumav为图像平均亮度值；(i,j)为像素坐标，p(i,j)为运算前原图像中该坐标点像素灰度值；M与N为运算前原图像宽度与高度；
S20302、如附图12所示，扫描聚合物改性沥青降噪样本图像的每16×16个像素组成的小块，并求出每个小块的平均亮度Lumav-bm，再由各个图像子块的散布来获得子块均匀亮度的矩阵，公式如下：
Figure BDA0002857102090000083
其中，Lumav-bm为每个子块平均亮度；p(i,j)为当前子块中该坐标点像素灰度值；m与n为当前子块宽度与高度；
S20303、把所获得的聚合物改性沥青降噪样本图像的子块均匀亮度矩阵中的每个元素均减掉全图均匀亮度，即可得到亮度差值矩阵；
S20304、对所获得的子块亮度差值矩阵利用bicubic插值法进行插值运算，使其扩张到与原图像相同尺寸，以得到样本全图亮度差值的矩阵；
S20305、对原图像高亮度的区域进行削弱处理，低亮度的区域进行增强处理：将原图像的像素亮度值分别减去样本全图亮度差值的矩阵中对应的元素值；
S20306、调节每个图像子块像素的亮度使其与整个样本图像的亮度相符；
S20307、利用阈值分割方法完成样本图像的分割工作，生成处理后聚合物改性沥青均匀化样本图像，如附图11所示；如附图10所示，均匀化处理前图像。
本实施例中步骤S204中二值化处理具体如下：
如附图13所示，为二值化处理前图像；如附图14所示，对聚合物改性沥青均匀化样本图像进行二值化处理，因样本图像已进行过均匀化处理，样本各区域灰度分布均匀，所以可使用全局灰度平均值作为二值化处理的阈值，公式如下：
Figure BDA0002857102090000091
其中，Lumbi为图像二值化阈值；Lumav为灰度图像灰度均值；p(i,j)为图像中该坐标点像素灰度值；M与N为图像宽度与高度。
本实施例中步骤S3中对聚合物改性沥青预处理样本图像进行连通域标记计算，得到连通域的实际面积具体如下：
S301、对聚合物改性沥青二值化样本图像中所有像素进行逐个扫描，针对当前像素B(x,y)，包括如下情况：
①、若B(x,y)＝0(即当前像素为白色)，则继续扫描下一个像素；
②、若B(x,y)＝1(即当前像素为黑色)，包括如下情况：
①、若B(x,y)的邻域中像素值都为0，则赋予B(x,y)一个新的连通域，全局连通域数量+1，并计算此区域面积；
②、若B(x,y)的领域中有像素值都为1，则将该像素与当前像素B(x,y)记为同属一个连通区域，并继续扫描邻域，直到其共同邻域内像素值都为0为止，全局区域数量+1，并计算此区域面积；
S302、为排除多个颗粒粘连或图像噪点而产生的误判情况，根据样本相态不同，仅对面积在该相态粒径面积范围内的连通域计数；若在任一相态样本中，仅将像素面积在Amin～Amax间的连通域判定为目标颗粒，将像素面积小于Amin的连通域判定为噪点，大于Amax像素的连通域判定为多个颗粒粘连，不做计数；
S303、进行可视化处理：对每个连通域进行框选，为精确定位每个连通域，根据其在x/y轴上的顺序对其进行二维编号，如附图15和16所示；
S304、计算所有目标连通域面积均值，即可获取样本平均面积的像素值，根据图像分辨率与拍摄视野实际面积进行换算，即可获得连通域的实际面积。
本实施例中步骤S4中利用连通域面积，对聚合物改性沥青二值化样本图像中的颗粒与网孔进行识别并整合，获取样本相态分布特性具体如下：
S401、当前连通域面积为聚合物改性沥青样本图像的颗粒面积，对聚合物改性沥青二值化样本图像进行反向运算；
S402、重新对聚合物改性沥青二值化样本图像进行连通域标记计算，即可获取聚合物改性沥青样本图像的网孔面积与数量；
S403、对样本图像的颗粒面积、网孔面积及数量进行整合，获取样本相态分布特性，并生成网孔/颗粒数量分布图，如附图17所示。
应用实例运算结果如下表：
Figure BDA0002857102090000101
实例a的图像如附图18所示；实例b的图像如附图19所示；实例c的图像如附图20所示。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (9)

1.一种聚合物改性沥青相态分布特性识别方法，其特征在于，该方法是基于连通域标记的图像处理算法修复采集聚合物改性沥青样本图像时因景深差异造成的相态模糊的现象，并对聚合物改性沥青样本图像相态分布特性进行高精度计算，进而提高对聚合物改性沥青样本图像相态分布特征识别的准确性；具体如下：
制备聚合物改性沥青样本并采集聚合物改性沥青样本图像；
对聚合物改性沥青样本图像进行预处理，得到聚合物改性沥青预处理样本图像；其中，预处理包括均匀化处理，具体如下：
均匀化处理具体如下：
计算聚合物改性沥青降噪样本图像平均亮度Lumav，公式如下：
Figure FDA0003584202770000011
其中，Lumav为图像平均亮度值；(i,j)为像素坐标；p(i,j)为运算前原图像中该坐标点像素灰度值；M与N为运算前原图像宽度与高度；
扫描聚合物改性沥青降噪样本图像的每16×16个像素组成的小块，并求出每个小块的平均亮度Lumav-bm，再由各个图像子块的散布来获得子块均匀亮度的矩阵，公式如下：
Figure FDA0003584202770000012
其中，Lumav-bm为每个子块平均亮度；p(i,j)为当前子块中该坐标点像素灰度值；m与n为当前子块宽度与高度；
把所获得的聚合物改性沥青降噪样本图像的子块均匀亮度矩阵中的每个元素均减掉全图均匀亮度，即可得到亮度差值矩阵；
对所获得的子块亮度差值矩阵利用bicubic插值法进行插值运算，使其扩张到与原图像相同尺寸，以得到样本全图亮度差值的矩阵；
对原图像高亮度的区域进行削弱处理，低亮度的区域进行增强处理：将原图像的像素亮度值分别减去样本全图亮度差值的矩阵中对应的元素值；
调节每个图像子块像素的亮度使其与整个样本图像的亮度相符；
利用阈值分割方法完成样本图像的分割工作，生成处理后聚合物改性沥青均匀化样本图像；
对聚合物改性沥青预处理样本图像进行连通域标记计算，得到连通域的实际面积；
利用连通域面积对聚合物改性沥青预处理样本图像进行识别，获取聚合物改性沥青的样本相态分布特性。
2.根据权利要求1所述的聚合物改性沥青相态分布特性识别方法，其特征在于，所述聚合物改性沥青的样本相态分布特性包括平均粒径、平均孔径、颗粒数量、颗粒面积和网孔数量，根据聚合物改性沥青的样本相态分布特性生成网孔/颗粒数量分布图。
3.根据权利要求1所述的聚合物改性沥青相态分布特性识别方法，其特征在于，制备聚合物改性沥青样本并采集聚合物改性沥青样本图像具体如下：
制备观测样本：将聚合物改性沥青加热至流动状态，加热后的聚合物改性沥青样本经充分搅拌后浇注在载玻片上，再将盖玻片轻轻盖在聚合物改性沥青样本上，按压盖玻片将其调整至水平或者冷却后轻轻按压盖玻片将其调整至水平，得到荧光观测样本；
采集样本图像：待荧光观测样本冷却至室温后，将荧光观测样本置于荧光显微镜下，根据实际情况选择放大倍数采集聚合物改性沥青样本图像。
4.根据权利要求1所述的聚合物改性沥青相态分布特性识别方法，其特征在于，所述预处理具体如下：
对聚合物改性沥青样本图像进行灰度化处理，得到聚合物改性沥青灰度化样本图像；
对聚合物改性沥青灰度化样本图像进行降噪处理，得到聚合物改性沥青降噪样本图像；
对聚合物改性沥青降噪样本图像进行基于局部自适应的均匀化处理，得到聚合物改性沥青均匀化样本图像；
对聚合物改性沥青均匀化样本图像进行二值化处理，得到聚合物改性沥青二值化样本图像。
5.根据权利要求4所述的聚合物改性沥青相态分布特性识别方法，其特征在于，所述灰度化处理是指对聚合物改性沥青样本图像进行基于Luminance方法的灰度化处理以及基于心理学方法的经典加权平均灰度化计算，并依据人眼对各颜色感知程度对RGB三通道数据进行加权计算，得到聚合物改性沥青灰度化样本图像；其中，转换公式为：
Gray(x,y)＝0.299×R(x,y)+0.587×G(x,y)+0.114×B(x,y)；
其中，(x,y)为像素点坐标；Gray(x,y)为该坐标点像素灰度值；R(x,y)为该坐标点像素红色通道强度值；G(x,y)为该坐标点像素绿色通道强度值；B(x,y)为该坐标点像素蓝色通道强度值。
6.根据权利要求4所述的聚合物改性沥青相态分布特性识别方法，其特征在于，所述降噪处理是指对聚合物改性沥青灰度化样本图像进行基于高斯滤波的降噪处理，具体为：
采用3×3高斯滤波模板对样本图像中每3×3个像素区域进行滤波运算，公式为：
Figure FDA0003584202770000031
其中，Pout为滤波后中间像素滤波值；Pij为滤波运算前原图像3x3运算窗内第i行第j列像素灰度值；Gij为滤波模板内第i行第j列像素灰度值；
滤波运算后的滤波素值替换中间位置像素值，得到聚合物改性沥青降噪样本图像。
7.根据权利要求4-6中任一所述的聚合物改性沥青相态分布特性识别方法，其特征在于，二值化处理具体如下：
对聚合物改性沥青均匀化样本图像进行二值化处理，使用全局灰度平均值作为二值化处理的阈值，公式如下：
Figure FDA0003584202770000041
其中，Lumbi为图像二值化阈值；Lumav为灰度图像灰度均值；p(i,j)为图像中该坐标点像素灰度值；M与N为图像宽度与高度。
8.根据权利要求7所述的聚合物改性沥青相态分布特性识别方法，其特征在于，对聚合物改性沥青预处理样本图像进行连通域标记计算，得到连通域的实际面积具体如下：
对聚合物改性沥青二值化样本图像中所有像素进行逐个扫描，针对当前像素B(x,y)，包括如下情况：
若B(x,y)＝0，则继续扫描下一个像素；
若B(x,y)＝1，包括如下情况：
若B(x,y)的邻域中像素值都为0，则赋予B(x,y)一个新的连通域，全局连通域数量+1，并计算此区域面积；
若B(x,y)的领域中有像素值都为1，则将该像素与当前像素B(x,y)记为同属一个连通区域，并继续扫描邻域，直到其共同邻域内像素值都为0为止，全局区域数量+1，并计算此区域面积；
为排除多个颗粒粘连或图像噪点而产生的误判情况，根据样本相态不同，仅对面积在该相态粒径面积范围内的连通域计数；若在任一相态样本中，仅将像素面积在Amin～Amax间的连通域判定为目标颗粒，将像素面积小于Amin的连通域判定为噪点，大于Amax像素的连通域判定为多个颗粒粘连，不做计数；
进行可视化处理：对每个连通域进行框选，为精确定位每个连通域，根据其在x/y轴上的顺序对其进行二维编号；
计算所有目标连通域面积均值，即可获取样本平均面积的像素值，根据图像分辨率与拍摄视野实际面积进行换算，即可获得连通域的实际面积。
9.根据权利要求8所述的聚合物改性沥青相态分布特性识别方法，其特征在于，利用连通域面积，对聚合物改性沥青二值化样本图像中的颗粒与网孔进行识别并整合，获取样本相态分布特性具体如下：
当前连通域面积为聚合物改性沥青样本图像的颗粒面积，对聚合物改性沥青二值化样本图像进行反向运算；
重新对聚合物改性沥青二值化样本图像进行连通域标记计算，即可获取聚合物改性沥青样本图像的网孔面积与数量；
对样本图像的颗粒面积、网孔面积及数量进行整合，获取样本相态分布特性，并生成网孔/颗粒数量分布图。
CN202011550972.XA 2020-12-24 2020-12-24 一种聚合物改性沥青相态分布特性识别方法 Active CN112763466B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011550972.XA CN112763466B (zh) 2020-12-24 2020-12-24 一种聚合物改性沥青相态分布特性识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011550972.XA CN112763466B (zh) 2020-12-24 2020-12-24 一种聚合物改性沥青相态分布特性识别方法

Publications (2)

Publication Number Publication Date
CN112763466A CN112763466A (zh) 2021-05-07
CN112763466B true CN112763466B (zh) 2022-06-24

Family

ID=75695512

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011550972.XA Active CN112763466B (zh) 2020-12-24 2020-12-24 一种聚合物改性沥青相态分布特性识别方法

Country Status (1)

Country Link
CN (1) CN112763466B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115452659B (zh) * 2022-11-11 2023-01-17 北京建筑大学 利用图像特征评价沥青激活剂在旧沥青中扩散能力的方法
CN115797472B (zh) * 2023-02-03 2023-05-12 山东百成新材料科技股份有限公司 一种改性沥青生产用智能筛分方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101930606A (zh) * 2010-05-14 2010-12-29 深圳市海量精密仪器设备有限公司 一种图像边缘检测的景深扩展方法
CN105389803B (zh) * 2015-10-20 2018-03-02 扬州大学 Sbs 改性沥青相态分布特性的荧光显微图像分析方法
WO2017120897A1 (zh) * 2016-01-15 2017-07-20 武汉武大卓越科技有限责任公司 基于线扫描三维点云的物体表面变形特征提取方法
CN106530318A (zh) * 2016-08-30 2017-03-22 中交西安筑路机械有限公司 一种热拌沥青混凝土花白料识别检测算法
CN108444967B (zh) * 2018-04-24 2020-12-25 福州大学 一种基于图像处理技术的改性沥青效果评价方法
CN110956183B (zh) * 2019-11-04 2023-05-02 东南大学 一种沥青路面裂缝形态提取方法
CN111307767A (zh) * 2019-11-28 2020-06-19 武汉理工大学 一种sbs改性剂在沥青混合料中分布形态的分析方法

Also Published As

Publication number Publication date
CN112763466A (zh) 2021-05-07

Similar Documents

Publication Publication Date Title
CN110389127B (zh) 一种金属陶瓷零件识别及表面缺陷检测系统和方法
CN107255641B (zh) 一种针对自聚焦透镜表面缺陷进行机器视觉检测的方法
CN112419250A (zh) 路面裂缝数字图像提取、裂缝修补及裂缝参数计算方法
CN112763466B (zh) 一种聚合物改性沥青相态分布特性识别方法
CN103499303B (zh) 一种羊毛细度自动测量方法
CN109856156A (zh) 一种基于aoi的显示面板微小缺陷判定方法与装置
CN105335963A (zh) 一种边缘缺陷检测方法及装置
JP2004294202A (ja) 画面の欠陥検出方法及び装置
JP2014513292A (ja) 定量的ビデオ顕微鏡を準備する方法及び関連システム
CN104778684A (zh) 钢材表面异质型缺陷的自动测量、表征分类方法及其系统
CN111060442B (zh) 一种基于图像处理的油液颗粒检测方法
CN106296691B (zh) 基于图像分析的路面病害识别方法
CN116030060B (zh) 一种塑料颗粒质量检测方法
CN107545572A (zh) 图像中目标的处理方法和装置
CN113177924A (zh) 一种工业流水线产品瑕疵检测方法
CN105223208B (zh) 一种电路板检测模板及其制作方法、电路板检测方法
CN113034474A (zh) 一种oled显示器晶圆图的测试方法
CN109182081A (zh) 一种基于图像处理模型的单细胞分选系统
CN110717909A (zh) 一种金属表面划痕检测方法与装置
CN106780597A (zh) 一种基于图像处理对纤维增强复合材料中纤维特征的提取方法
Tayo et al. Portable crack width calculation of concrete road pavement using machine vision
CN110766683B (zh) 一种珍珠光洁度等级检测方法及系统
CN113962929A (zh) 光伏电池组件缺陷检测方法、系统及光伏电池组件生产线
CN105787955A (zh) 一种带钢缺陷的稀疏分割方法及其分割装置
CN116485788B (zh) 图像处理方法及手机pet保护膜底涂工艺质量检测方法

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
TA01 Transfer of patent application right

Effective date of registration: 20220524

Address after: No. 1877, Gangxi Road, Ganggou street, Licheng District, Jinan City, Shandong Province

Applicant after: SHANDONG TRANSPORTATION INSTITUTE

Applicant after: Tongji University

Address before: No. 1877, Gangxi Road, Licheng District, Jinan City, Shandong Province, 250102

Applicant before: SHANDONG TRANSPORTATION INSTITUTE

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant