CN113034459A - 一种基于ct图像的沥青混合料空隙分布的确定方法 - Google Patents

一种基于ct图像的沥青混合料空隙分布的确定方法 Download PDF

Info

Publication number
CN113034459A
CN113034459A CN202110296838.XA CN202110296838A CN113034459A CN 113034459 A CN113034459 A CN 113034459A CN 202110296838 A CN202110296838 A CN 202110296838A CN 113034459 A CN113034459 A CN 113034459A
Authority
CN
China
Prior art keywords
image
asphalt mixture
void
segmentation
test piece
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
Application number
CN202110296838.XA
Other languages
English (en)
Inventor
康爱红
王本帅
吴星怡
孔贺誉
王荣杰
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.)
Yangzhou University
Original Assignee
Yangzhou 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 Yangzhou University filed Critical Yangzhou University
Priority to CN202110296838.XA priority Critical patent/CN113034459A/zh
Publication of CN113034459A publication Critical patent/CN113034459A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • 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
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C60/00—Computational materials science, i.e. ICT specially adapted for investigating the physical or chemical properties of materials or phenomena associated with their design, synthesis, processing, characterisation or utilisation
    • 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)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Quality & Reliability (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Geometry (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)

Abstract

本发明公开了一种基于CT图像的沥青混合料空隙分布的确定方法，其步骤为：对沥青混合料标准试件进行CT扫描，获取CT图像；对CT图像依次进行图像预处理以及分割处理；对分割图像进行空隙率提取；通过提取的空隙率进行空隙特征参数的计算。本发明通过这些参数对空隙的结构特征进行定量面熟，全面反映空隙结构信息，避免了多孔沥青混合料各特征对空隙评价的影响，本发明能够有效避免传统宏观试验方法对时间与精力的大量浪费的缺点。

Description

一种基于CT图像的沥青混合料空隙分布的确定方法
技术领域
本发明涉及道路工程材料领域，尤其是一种基于CT图像的沥青混合料空隙分布的确定方法。
背景技术
要想实现沥青路面的排水性能与降噪功能，核心是沥青混合料有足够的空隙率，具有较大空隙率这也是排水性沥青混合料区别于密级配沥青混合料的显著特征之一，空隙率是由集料特性、矿料级配组成、沥青用量和压实功所共同决定的，空隙率体积指标在排水性沥青混合料的设计过程中起着至关重要的作用，空隙率选取合理与否，会显著影响排水性沥青混合料的结构强度、排水功能、降噪功能、安全性能和耐久性。
现行JTG F40－2004规范中排水性沥青混合料的空隙率指标要求为18%～25% ，工程实践表明，18%～25% 的目标空隙率要求过于宽泛，并且宏观的空隙率很难用于评价排水性沥青混合料的渗透性质，导致配合比设计阶段空隙率指标的选择就因人而异。目前已有的研究成果大多关注研发排水性沥青混合料专用高黏改性沥青和优化排水性沥青混合料矿料级配方面，但尚未检索到有关空隙率对排水性沥青混合料排水性性能、力学性能、路用性能及微细观空隙结构的影响相关研究，但尚未建立起排水性沥青混合料细微观空隙结构与其宏观路用性能之间的关系，因此，如何使用微观手段对优化排水性沥青混合料设计空隙率提供理论依据，是亟需解决的问题。
发明内容
本发明为满足工程与实验的需要，提出了一种基于CT图像的沥青混合料空隙分布的确定方法，该方法与传统方法相比，成本较低，操作简单，效率极高，应用性十分广泛。
为达到上述目的，本发明采用的技术方案如下：
一种基于CT图像的沥青混合料空隙分布的确定方法，包括如下步骤：
S1，对沥青混合料标准试件进行CT扫描，获取CT图像；
S2，对步骤S1获得的CT图像依次进行图像预处理以及分割处理；
S3，对步骤S2获得的分割图像进行空隙率提取；
S4，通过步骤S3提取的空隙率进行空隙特征参数的计算。
优选的，步骤S1中，玄武岩纤维沥青混合料标准试件为马歇尔试件，直径为101.6mmmm，高度为63.5±1.3mm。
优选的，步骤S1中，将X射线平行于沥青混合料标准试件底部，沿试件轴线每间隔3 ㎜进行一次CT扫描，每个试件共扫描 19 次，获得 19 张不同层位处的沥青混合料 CT图像。
优选的，步骤S2中，所述CT图像预处理包括图像灰度化、图像均质化、空间滤波增强，具体处理过程如下：
（1）图像灰度化：使用MATLAB获取CT图像的灰度直方图；
（2）图像均质化：将上一步得到的灰度直方图通过变换函数修正为均匀的直方图，从而改变图像整体偏暗或整体偏亮，或者灰度层次不明显的情况;
（3）空间滤波增强：采用中值滤波对步骤（2）所述图像平滑处理，消除随机噪声。
优选的，步骤S2中，所述CT图像的分割处理包括二值化分割与三值化分割处理。
优选的，步骤S3中，基于分割图像，使用MALTBA编写程序，提取空隙率。
优选的，步骤S4中，使用Image Pro Plus，通过提取的空隙率，对分割图像中空隙的面积、空隙周长、空隙最长轴进行计算，具体包括以下步骤：
（1）打开分割图像，设置标尺并对其命名，然后设置标尺单位，将标尺应用到分割图像上；
（2）选择测量工具，并选择需要测量的参数，包括空隙面积、空隙周长、空隙等效圆直径；
（3）通过限定取值范围进一步精确得选择测量区域，并对上述分割图像进行分离；
（4）设置测量环境，并手动对步骤（3）获得图像的黏连部分进行剔除和分离；
（5）基于已提取出的空隙率，使用Image Pro Plus，统计出各空隙特征参数的像素占总像素的比率，通过像素与米之间的单位转化，最终得出空隙特征参数的数据，并导出至Excel。
与现有技术相比，本发明具有以下优势：
1.本发明提供的沥青混合料空隙分布的确定方法，采用CT图像处理技术，避免了传统方法复杂的过程，具有很高的效率，避免了人力物力的浪费。
2.本发明提供的基于CT图像的沥青混合料空隙分布的确定方法，与传统方法相比，所得结果更为准确，空隙描述也更加直观。
附图说明
图1是本发明提供的沥青混合料空隙分布的确定方法的实施流程示意图。
图2是本发明提供的沥青混合料截面典型图像处理过程。
图3是本发明提供的不同级配空隙参数分布图。
具体实施方式
下面结合具体实施方式对本发明的技术方案作进一步更详细的描述：
图1是本发明提供的沥青混合料空隙分布确定方法的实现过程示意图。包括如下过程：
步骤一：制备沥青混合料标准试件；
步骤二：将X射线平行于沥青混合料标准试件底部，沿试件轴线每间隔 3 ㎜进行一次CT扫描，每个试件共扫描 19 次，获得 19 张不同层位处的沥青混合料 CT 图像；
步骤三：依次对CT图像进行预处理和分割处理，预处理包括图像灰度化、图像均质化、空间滤波增强，分割处理包括二值化与三值化处理，最终获得三值化的分割图像；
步骤四：基于三值化的分割图像，进行空隙率提取；
步骤五：通过提取出的空隙率进行空隙特征参数的计算。
通过这些参数对空隙的结构特征进行定量面熟，全面反映空隙结构信息，避免了多孔沥青混合料各特征对空隙评价的影响。
实施例
沥青混合料标准试件为AC13级配的玄武岩纤维沥青混合料标准试件，其为圆柱体的马歇尔试件，直径为101.6mmmm，高度为63.5±1.3mm。将X射线平行于沥青混合料标准试件底部，沿试件轴线每间隔 3 ㎜进行一次CT扫描，每个试件共扫描 19 次，获得 19 张不同层位处的沥青混合料 CT 图像。CT图像处理包括：灰度化、均质化、增强等预处理，以及二值化与三值化等分割处理，如图2所示，从19层图像中选取一层典型图像。由MALTBA提取出空隙率，以此为前提使用Image Pro Plus进行空隙特征参数的计算。空隙特征参数为空隙的面积、空隙周长、空隙最长轴，包括以下步骤：
（1）打开三值化的分割图像，设置标尺并对其命名，然后设置标尺单位，将标尺应用到分割图像上；
（2）选择测量工具，并选择需要测量的参数，如空隙面积、空隙周长、空隙等效圆直径；
（3）通过限定取值范围进一步精确得选择测量区域，并对分割图像进行分离；
（4）设置测量环境，并手动对步骤（3）获得的图像的黏连部分进行剔除和分离；
（5）提取测量数据并进行整理。将提取的沥青混合料的空隙面积、空隙周长、空隙最长轴沥青砂浆主轴长度按升序或降序排列；
（6）统计的空隙面积、空隙周长、空隙主轴长度在区间（0,1）、[1，2）、[2，3）、[3，4）、[4，5）、[5，6）、[6，7）、[7，+∞）的数量，分别记为l1、l2、l3、……、l8，m1、m2、m3、……、m8，n1、n2、n3、……、n8。最终统计分布结果如图3所示。

Claims (8)

1.一种基于CT图像的沥青混合料空隙分布的确定方法，其特征在于，包括如下步骤：
S1，对沥青混合料标准试件进行CT扫描，获取CT图像；
S2，对步骤S1获得的CT图像依次进行图像预处理以及分割处理；
S3，对步骤S2获得的分割图像进行空隙率提取；
S4，通过步骤S3提取的空隙率进行空隙特征参数的计算。
2.如权利要求1所述的方法，其特征在于，步骤S1中，玄武岩纤维沥青混合料标准试件为马歇尔试件，直径为101.6mmmm，高度为63.5±1.3mm。
3. 如权利要求1所述的方法，其特征在于，步骤S1中，将X射线平行于沥青混合料标准试件底部，沿试件轴线每间隔一定距离进行一次CT扫描，每个试件扫描 n次，获得 n张不同层位处的沥青混合料CT图像。
4.如权利要求1或3所述的方法，其特征在于，步骤S1中，将X射线平行于沥青混合料标准试件底部，沿试件轴线每间隔 3 ㎜进行一次CT扫描，每个试件扫描 19 次，获得 19 张不同层位处的沥青混合料CT图像。
5.如权利要求1所述的方法，其特征在于，步骤S2中，所述CT图像预处理包括图像灰度化、图像均质化、空间滤波增强，具体处理过程如下：
（1）图像灰度化：使用MATLAB获取CT图像的灰度直方图；
（2）图像均质化：将上一步得到的灰度直方图通过变换函数修正为均匀的直方图，从而改变图像整体偏暗或整体偏亮，或者灰度层次不明显的情况;
（3）空间滤波增强：采用中值滤波对步骤（2）所述图像平滑处理，消除随机噪声。
6.如权利要求1所述的方法，其特征在于，步骤S2中，所述CT图像的分割处理包括二值化分割与三值化分割处理。
7.如权利要求1所述的方法，其特征在于，步骤S3中，基于分割图像，使用MALTBA编写程序，提取空隙率。
8. 如权利要求1所述的方法，其特征在于，步骤S4中，使用Image Pro Plus，通过提取的空隙率，对分割图像中空隙的面积、空隙周长、空隙最长轴进行计算，具体包括以下步骤：
（1）打开分割图像，设置标尺并对其命名，然后设置标尺单位，将标尺应用到分割图像上；
（2）选择测量工具，并选择需要测量的参数，包括空隙面积、空隙周长、空隙等效圆直径；
（3）通过限定取值范围进一步精确得选择测量区域，并对上述分割图像进行分离；
（4）设置测量环境，并手动对步骤（3）获得的图像的黏连部分进行剔除和分离；
（5）基于已提取出的空隙率，使用Image Pro Plus，统计出各空隙特征参数的像素占总像素的比率，通过像素与米之间的单位转化，最终得出空隙特征参数的数据。
CN202110296838.XA 2021-03-19 2021-03-19 一种基于ct图像的沥青混合料空隙分布的确定方法 Pending CN113034459A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110296838.XA CN113034459A (zh) 2021-03-19 2021-03-19 一种基于ct图像的沥青混合料空隙分布的确定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110296838.XA CN113034459A (zh) 2021-03-19 2021-03-19 一种基于ct图像的沥青混合料空隙分布的确定方法

Publications (1)

Publication Number Publication Date
CN113034459A true CN113034459A (zh) 2021-06-25

Family

ID=76471871

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110296838.XA Pending CN113034459A (zh) 2021-03-19 2021-03-19 一种基于ct图像的沥青混合料空隙分布的确定方法

Country Status (1)

Country Link
CN (1) CN113034459A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114034617A (zh) * 2021-10-20 2022-02-11 东南大学 一种沥青混合料三维空隙连通性的表征和评价方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101403683A (zh) * 2008-11-17 2009-04-08 长安大学 采用ct技术分析多孔沥青混合料空隙结构的方法
CN107807082A (zh) * 2017-10-19 2018-03-16 武汉科技大学 基于激光扫描的沥青混合料断面空隙的测定方法
CN108846825A (zh) * 2018-04-24 2018-11-20 福州大学 一种基于图像处理技术的沥青混合料性能评价方法
CN109211904A (zh) * 2018-09-12 2019-01-15 长安大学 一种沥青混合料二维内部结构检测系统及检测方法
CN112485253A (zh) * 2020-11-16 2021-03-12 扬州大学 玄武岩纤维沥青混合料中纤维最佳长度组合比的确定方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101403683A (zh) * 2008-11-17 2009-04-08 长安大学 采用ct技术分析多孔沥青混合料空隙结构的方法
CN107807082A (zh) * 2017-10-19 2018-03-16 武汉科技大学 基于激光扫描的沥青混合料断面空隙的测定方法
CN108846825A (zh) * 2018-04-24 2018-11-20 福州大学 一种基于图像处理技术的沥青混合料性能评价方法
CN109211904A (zh) * 2018-09-12 2019-01-15 长安大学 一种沥青混合料二维内部结构检测系统及检测方法
CN112485253A (zh) * 2020-11-16 2021-03-12 扬州大学 玄武岩纤维沥青混合料中纤维最佳长度组合比的确定方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李帅帅: ""循环加载条件下沥青混合料空隙特征及渗透性试验研究"", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114034617A (zh) * 2021-10-20 2022-02-11 东南大学 一种沥青混合料三维空隙连通性的表征和评价方法
CN114034617B (zh) * 2021-10-20 2024-01-23 东南大学 一种沥青混合料三维空隙连通性的表征和评价方法

Similar Documents

Publication Publication Date Title
Zhao et al. Characterization of interconnectivity, size distribution and uniformity of air voids in porous asphalt concrete using X-ray CT scanning images
CN101403683B (zh) 采用ct技术分析多孔沥青混合料空隙结构的方法
Landis et al. Microstructure and fracture in three dimensions
Erdogan Determination of aggregate shape properties using X-ray tomographic methods and the effect of shape on concrete rheology
CN105445160B (zh) 一种沥青混合料的空隙特征及其提取方法
CN110021030B (zh) 一种岩土体材料数字图像的分割阈值确定方法
Zhu et al. Evaluation of optimum mixing conditions for rubberized asphalt mixture containing reclaimed asphalt pavement
CN103472077B (zh) 一种短切碳纤维在硬化水泥浆体中的分散性检测方法
CN109211904A (zh) 一种沥青混合料二维内部结构检测系统及检测方法
CN113008859B (zh) 一种沥青砂浆中玄武岩纤维的分布均匀性评价方法
CN107807082B (zh) 基于激光扫描的沥青混合料断面空隙的测定方法
CN110672478A (zh) 基于图像处理技术分析机制砂颗粒形状的测试方法及装置
CN110375685B (zh) 一种大空隙沥青混凝土冻融前后沥青膜厚变化量的测试方法
CN110443793A (zh) 一种沥青混合料空隙分布均匀性评价方法
CN113034459A (zh) 一种基于ct图像的沥青混合料空隙分布的确定方法
CN110781729B (zh) 碳纤维增强水泥基材料纤维分散性评价模型与评价方法
Liu et al. Investigation on micro-structure of self-compacting concrete modified by recycled grinded tire rubber based on X-ray computed tomography technology
CN102519855B (zh) 一种多孔沥青混合料抗堵塞性能的测定方法
CN113063810B (zh) 获得砂岩冻融作用下宏细观损伤演化规律的方法
Ren et al. Characterization of internal pore size distribution and interconnectivity for asphalt concrete with various porosity using 3D CT scanning images
CN104655642B (zh) 一种钢材开裂型缺陷的自动测量、表征分类方法及其系统
Jana A round robin test on measurements of air void parameters in hardened concrete by various automated image analyses and ASTM C 457 methods
Peterson et al. The practical application of a flatbed scanner for air-void characterization of hardened concrete
CN112485253A (zh) 玄武岩纤维沥青混合料中纤维最佳长度组合比的确定方法
CN114283133A (zh) 一种基于最邻近分析的沥青混合料均匀性评价方法

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