CN113609736A - 一种基于孔裂隙结构数字图像的数值计算模型构建方法 - Google Patents
一种基于孔裂隙结构数字图像的数值计算模型构建方法 Download PDFInfo
- Publication number
- CN113609736A CN113609736A CN202110909757.2A CN202110909757A CN113609736A CN 113609736 A CN113609736 A CN 113609736A CN 202110909757 A CN202110909757 A CN 202110909757A CN 113609736 A CN113609736 A CN 113609736A
- Authority
- CN
- China
- Prior art keywords
- crack structure
- pore
- hole crack
- boundary
- image
- 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.)
- Granted
Links
- 238000004364 calculation method Methods 0.000 title claims abstract description 30
- 238000010276 construction Methods 0.000 title claims abstract description 12
- 239000011148 porous material Substances 0.000 claims abstract description 58
- 230000002093 peripheral effect Effects 0.000 claims abstract description 44
- 239000011159 matrix material Substances 0.000 claims abstract description 19
- 238000000034 method Methods 0.000 claims abstract description 17
- 238000007781 pre-processing Methods 0.000 claims abstract description 13
- 238000004458 analytical method Methods 0.000 claims abstract description 10
- 238000005457 optimization Methods 0.000 claims abstract description 10
- 238000000605 extraction Methods 0.000 claims abstract description 5
- 238000006243 chemical reaction Methods 0.000 claims abstract description 4
- 230000011218 segmentation Effects 0.000 claims description 7
- 230000002194 synthesizing effect Effects 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 5
- 239000000463 material Substances 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 claims description 4
- 239000007787 solid Substances 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000002591 computed tomography Methods 0.000 claims description 3
- 238000010894 electron beam technology Methods 0.000 claims description 3
- 238000010884 ion-beam technique Methods 0.000 claims description 3
- 239000000470 constituent Substances 0.000 claims 1
- 230000015572 biosynthetic process Effects 0.000 abstract description 3
- 238000003786 synthesis reaction Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 12
- 238000004088 simulation Methods 0.000 description 5
- 238000005520 cutting process Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Architecture (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Image Processing (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明涉及数字岩心数值计算技术领域，具体涉及一种基于孔裂隙结构数字图像的数值计算模型构建方法。该方法主要包括源图像预处理、孔裂隙结构提取优化、孔裂隙结构外围像素位置标记、孔裂隙结构外围边界单元生成、孔裂隙结构数值计算网格模型合成。和传统方法相比，该方法能够在保证模型精度不变的前提下，大幅度降低需要处理的像素点数量和生成结果文件的体积，从而显著提高了数值计算网格模型的转化构建效率。提升孔裂隙结构微观尺度网格模型建立速度的同时也最大程度保留了孔裂隙微观结构，满足后续微尺度精细化分析的要求。本发明在源图像阈值分割后通过剔除孤立基质区域，方便后续网格模型的转化，且得到的二值化图像更加贴合实际情况。
Description
技术领域
本发明涉及数字岩心数值计算技术领域，具体涉及一种基于孔裂隙结构数字图像的数值计算模型构建方法。
背景技术
目前，岩土工程领域中的数值仿真分析大多是基于宏观尺度试样的结构模型，即通过建立具有规则形状的试样宏观几何模型来进行，而基于微观尺度模型的数值模拟仿真较少。事实上，试样宏观尺度下的物理化学特性均是由其微观尺度的孔裂隙结构特征所决定的。
随着数字岩心技术的发展，现在已经能够准确获得孔裂隙结构的数字图像。然而，由于真实孔裂隙结构空间分布的极度复杂性，暂未存在能够直接有效且快速地将其转化为数值计算网格模型的有效技术手段。在此种情况下，为能达到数值仿真分析的目的，现有方法均对结构进行了一系列的简化处理，主要为对原始孔裂隙结构进行或尺寸裁剪，或尖锐突出边界平滑修整，或规则形状几何体替换等预处理操作，进而来满足数值计算对网格模型的质量要求。
但是，上述粗暴的简化操作势必会造成孔裂隙结构准确度及网格模型精度的劣化，从而增大了数值计算结果的偏差，也就无法满足孔裂隙结构微尺度精细化分析的要求。
发明内容
针对上述技术背景提到的不足，为能够以一种无损的方式准确且快速地完成由孔裂隙结构数字图像到数值计算网格模型的转换，进而提高数值仿真模拟结果的精度和可靠性。本发明的目的在于提供一种基于孔裂隙结构数字图像的数值计算模型构建方法。
本发明的目的可以通过以下技术方案实现：
一种基于孔裂隙结构数字图像的数值计算模型构建方法，所述模型构建方法如下：
S1、孔裂隙结构源图像获取及预处理。利用扫描电子显微镜、透射电子显微镜、计算机断层扫描或聚焦离子束/电子束双束扫描技术获取各类多孔介质材料内部孔裂隙结构的二维或三维图像作为源图像，并对其进行噪声滤除、亮度调整及对比度增强等预处理操作，进而以改善源图像的自身质量；
S2、孔裂隙结构提取和优化。利用已有的成熟阈值确定算法，完成对上一步预处理后源图像内部孔裂隙结构的二值化提取分割，得到只包含孔裂隙结构与基质的二值图像。同时，为了消除分割时的误差，以确保提取得到的孔裂隙结构与真实客观情况相符，还需要进行相应的孔裂隙结构优化处理；
S3、孔裂隙结构外围像素位置标记。以上一步优化后的孔裂隙结构图像为基础，对其内部所有像素进行逐一遍历，进而将所有的孔裂隙像素找出，并同时判断其邻域像素的类别，若其邻域全部为孔裂隙结构，则标记为0，表明该像素点不属于外围像素，为内部像素；否则标记为1，表明该像素为外围像素。以二维图像为例，具体标记如图2所示(其中，-1代表基质，0代表内部孔裂隙，1代表外围孔裂隙)；
S4、孔裂隙结构外围像素边界标记。以上一步孔裂隙结构外围像素位置标记后的数据体为基础，遍历每一外围像素，并再次分析其邻域像素类别，标记出最外侧边界，也即其与邻域基质的相交界面(二维图像的边界为线，三维图像的边界为面)，具体如图3左图所示(图中黑色加粗实线即为外围边界)，同时，以文件形式记录存储组成边界的节点坐标，并对其进行编号，具体如图3右图所示；
S5、孔裂隙结构外围边界单元生成。以上一步孔裂隙结构外围像素边界标记后的数据体及其边界节点坐标为基础，生成相应的边界单元，并对其进行编号以文件方式存储(具体如图4所示)；
S6、孔裂隙结构数值计算网格模型合成。将上两步得到的分别保存有节点编号及其坐标和单元编号及其构成节点的文件进行合成拼接，得到包含孔裂隙结构边界的数值计算网格模型。将该数值计算网格模型导入COMSOL Multiphysics、MSCNastran及Abaqus等商业有限元分析软件，以进行进一步的网格精细化划分，进而得到最终的孔裂隙结构数值计算网格模型(具体如图5所示)，在此基础上可直接进行相应的有限元分析计算，同时还可以进一步导出得到孔裂隙结构所对应的三维几何实体模型。
进一步的，所述孔裂隙结构源图像获取及预处理，对源图像进行噪声滤除、亮度调整及对比度增强等预处理操作，进而以改善源图像的自身质量。
进一步的，所述孔裂隙结构优化处理是进行孤立基质区域结构的清除，将其直接转变为孔裂隙结构，这主要是由于孔裂隙结构内部不可能存在孤立的基质结构，其与真实情况相悖。上述孔裂隙结构的优化操作同时保证了结构空间拓扑的完整性，便于后续数值计算网格模型的转化。
进一步的，所述孔裂隙结构外围边界单元生成，对于二维图像，采用双节点一维线单元(节点编号顺序自由)。对于三维图像则采用四节点二维面单元(节点编号顺序需根据右手定则进行确定，需确保面单元法向指向孔裂隙结构体外侧)。
进一步的，所述孔裂隙结构数值计算网格模型合成，在此基础上可直接进行相应的有限元分析计算，同时还可以进一步导出得到孔裂隙结构所对应的三维几何实体模型。
本发明的有益效果：
1、本发明主要包括源图像预处理、孔裂隙结构提取优化、孔裂隙结构外围像素位置标记、孔裂隙结构外围边界单元生成、孔裂隙结构数值计算网格模型合成。和传统方法相比，该方法能够在保证模型精度不变的前提下，大幅度降低需要处理的像素点数量和生成结果文件的体积，从而显著提高了数值计算网格模型的转化构建效率。提升孔裂隙结构微观尺度网格模型建立速度的同时也最大程度保留了孔裂隙微观结构，满足后续微尺度精细化分析的要求。
2、本发明在源图像阈值分割后通过剔除孤立基质区域，方便后续网格模型的转化，且得到的二值化图像更加贴合实际情况。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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，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，还可以根据这些附图获得其他的附图；
图1是真实孔裂隙结构二维数值计算网格模型示意图；
图2是孔裂隙结构二维图像外围像素位置标记示意图；
图3是孔裂隙结构二维图像外围像素边界标记及其节点坐标编号示意图；
图4是孔裂隙结构二维图像外围像素边界单元编号生成示意图；
图5是孔裂隙结构二维数值计算网格模型示意图；
图6是真实孔裂隙结构二维图像；
图7是真实孔裂隙结构二维图像外围像素边界标记示意图。
具体实施方式
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、完整地描述，显然，所描述的实施例仅仅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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
一种基于孔裂隙结构数字图像的数值计算模型构建方法，不同于现有方法对孔裂隙结构图像中所有像素点进行提取的流程，我们采用仅提取优化后孔裂隙结构外围像素边界的方式来进行数值计算网格模型的转化构建，该方法能够在保证模型精度不变的前提下，大幅度降低需要处理的像素点数量和生成结果文件的体积，从而显著提高了数值计算网格模型的转化构建效率。
具体实施步骤如下：
S1、孔裂隙结构源图像获取及预处理。利用扫描电子显微镜、透射电子显微镜、计算机断层扫描或聚焦离子束/电子束双束扫描技术获取各类多孔介质材料内部孔裂隙结构的二维或三维图像作为源图像，并对其进行噪声滤除、亮度调整及对比度增强等预处理操作，进而以改善源图像的自身质量。
S2、孔裂隙结构提取和优化。利用已有的成熟阈值确定算法，完成对上一步预处理后源图像内部孔裂隙结构的二值化提取分割，得到只包含孔裂隙结构与基质的二值图像。同时，为了消除分割时的误差，以确保提取得到的孔裂隙结构与真实客观情况相符，还需要进行相应的孔裂隙结构优化处理，也即进行孤立基质区域结构的清除，将其直接转变为孔裂隙结构，这主要是由于孔裂隙结构内部不可能存在孤立的基质结构，其与真实情况相悖。上述孔裂隙结构的优化操作同时保证了结构空间拓扑的完整性，便于后续数值计算网格模型的转化。
S3、孔裂隙结构外围像素位置标记。以上一步优化后的孔裂隙结构图像为基础，对其内部所有像素进行逐一遍历，进而将所有的孔裂隙像素找出，并同时判断其邻域像素的类别，若其邻域全部为孔裂隙结构，则标记为0，表明该像素点不属于外围像素，为内部像素；否则标记为1，表明该像素为外围像素。以二维图像为例，具体标记如图2所示(其中，-1代表基质，0代表内部孔裂隙，1代表外围孔裂隙)：
S4、孔裂隙结构外围像素边界标记。以上一步孔裂隙结构外围像素位置标记后的数据体为基础，遍历每一外围像素，并再次分析其邻域像素类别，标记出最外侧边界，也即其与邻域基质的相交界面(二维图像的边界为线，三维图像的边界为面)，具体如图3左图所示(图中黑色加粗实线即为外围边界)。同时以文件形式记录存储组成边界的节点坐标，并对其进行编号(如图3右图所示)。
S5、孔裂隙结构外围边界单元生成。以上一步孔裂隙结构外围像素边界标记后的数据体及其边界节点坐标为基础，生成相应的边界单元，并对其进行编号以文件方式存储(具体如图4所示)：对于二维图像，采用双节点一维线单元(节点编号顺序自由)，而三维图像则采用四节点二维面单元(节点编号顺序需根据右手定则进行确定，需确保面单元法向指向孔裂隙结构体外侧)。
S6、孔裂隙结构数值计算网格模型合成。将上两步得到的分别保存有节点编号及其坐标和单元编号及其构成节点的文件进行合成拼接，得到包含孔裂隙结构边界的数值计算网格模型。将该数值计算网格模型导入COMSOL Multiphysics、MSCNastran及Abaqus等商业有限元分析软件，以进行进一步的网格精细化划分，进而得到最终的孔裂隙结构数值计算网格模型(具体如图5所示)，在此基础上可直接进行相应的有限元分析计算，同时还可以进一步导出得到孔裂隙结构所对应的三维几何实体模型。
我们选择一张二维真实孔裂隙结构图像作为实施例，来对本发明的上述内容进行具体说明，并验证该方法的高效性和准确性，具体实施步骤如下：
A1、获取孔裂隙结构源图像。
A2、利用OTSU算法对获取的孔裂隙结构源图像进行边界分割，样本边界选取和图像裁剪，提取得到孔裂隙结构源图像样本。如图6为分割得到的孔裂隙结构(黑色区域为孔裂隙，白色区域为基质)。
A3、对结构孔裂隙结构外围像素边界标记，及边界单元生成(如图7所示)。
A4、孔裂隙结构数值计算网格模型生成(如图1所示)。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。
Claims (5)
1.一种基于孔裂隙结构数字图像的数值计算模型构建方法，其特征在于，所述模型构建方法如下：
S1、孔裂隙结构源图像获取及预处理，利用扫描电子显微镜、透射电子显微镜、计算机断层扫描或聚焦离子束/电子束双束扫描技术获取各类多孔介质材料内部孔裂隙结构的二维或三维图像作为源图像，并对其进行噪声滤除、亮度调整及对比度增强等预处理操作，进而以改善源图像的自身质量；
S2、孔裂隙结构提取和优化，利用已有的成熟阈值确定算法，完成对上一步预处理后源图像内部孔裂隙结构的二值化提取分割，得到只包含孔裂隙结构与基质的二值图像，同时，为了消除分割时的误差，以确保提取得到的孔裂隙结构与真实客观情况相符，还需要进行相应的孔裂隙结构优化处理；
S3、孔裂隙结构外围像素位置标记，以上一步优化后的孔裂隙结构图像为基础，对其内部所有像素进行逐一遍历，进而将所有的孔裂隙像素找出，并同时判断其邻域像素的类别，若其邻域全部为孔裂隙结构，则标记为0，表明该像素点不属于外围像素，为内部像素；否则标记为1，表明该像素为外围像素，以二维图像为例，具体标记如图2所示(其中，-1代表基质，0代表内部孔裂隙，1代表外围孔裂隙)；
S4、孔裂隙结构外围像素边界标记，以上一步孔裂隙结构外围像素位置标记后的数据体为基础，遍历每一外围像素，并再次分析其邻域像素类别，标记出最外侧边界，也即其与邻域基质的相交界面(二维图像的边界为线，三维图像的边界为面)，具体如图3左图所示(图中黑色加粗实线即为外围边界)，同时，以文件形式记录存储组成边界的节点坐标，并对其进行编号，具体如图3右图所示；
S5、孔裂隙结构外围边界单元生成，以上一步孔裂隙结构外围像素边界标记后的数据体及其边界节点坐标为基础，生成相应的边界单元，并对其进行编号以文件方式存储(具体如图4所示)；
S6、孔裂隙结构数值计算网格模型合成，将上两步得到的分别保存有节点编号及其坐标和单元编号及其构成节点的文件进行合成拼接，得到包含孔裂隙结构边界的数值计算网格模型，将该数值计算网格模型导入COMSOL Multiphysics、MSC Nastran及Abaqus等商业有限元分析软件，以进行进一步的网格精细化划分，进而得到最终的孔裂隙结构数值计算网格模型(具体如图5所示)，在此基础上可直接进行相应的有限元分析计算，同时还可以进一步导出得到孔裂隙结构所对应的三维几何实体模型。
2.根据权利要求1所述的一种基于孔裂隙结构数字图像的数值计算模型构建方法，其特征在于，所述孔裂隙结构源图像获取及预处理，对源图像进行噪声滤除、亮度调整及对比度增强等预处理操作，进而以改善源图像的自身质量。
3.根据权利要求1所述的一种基于孔裂隙结构数字图像的数值计算模型构建方法，其特征在于，所述孔裂隙结构优化处理是进行孤立基质区域结构的清除，将其直接转变为孔裂隙结构，这主要是由于孔裂隙结构内部不可能存在孤立的基质结构，其与真实情况相悖，上述孔裂隙结构的优化操作同时保证了结构空间拓扑的完整性，便于后续数值计算网格模型的转化。
4.根据权利要求1所述的一种基于孔裂隙结构数字图像的数值计算模型构建方法，其特征在于，所述孔裂隙结构外围边界单元生成，对于二维图像，采用双节点一维线单元(节点编号顺序自由)，对于三维图像则采用四节点二维面单元(节点编号顺序需根据右手定则进行确定，需确保面单元法向指向孔裂隙结构体外侧)。
5.根据权利要求1所述的一种基于孔裂隙结构数字图像的数值计算模型构建方法，其特征在于，所述孔裂隙结构数值计算网格模型合成，在此基础上可直接进行相应的有限元分析计算，同时还可以进一步导出得到孔裂隙结构所对应的三维几何实体模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110909757.2A CN113609736B (zh) | 2021-08-09 | 2021-08-09 | 一种基于孔裂隙结构数字图像的数值计算模型构建方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110909757.2A CN113609736B (zh) | 2021-08-09 | 2021-08-09 | 一种基于孔裂隙结构数字图像的数值计算模型构建方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113609736A true CN113609736A (zh) | 2021-11-05 |
| CN113609736B CN113609736B (zh) | 2024-05-17 |
Family
ID=78307716
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110909757.2A Active CN113609736B (zh) | 2021-08-09 | 2021-08-09 | 一种基于孔裂隙结构数字图像的数值计算模型构建方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113609736B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114154374A (zh) * | 2021-11-30 | 2022-03-08 | 清华大学 | 一种基于图像的数值模拟后处理方法 |
| CN114943739A (zh) * | 2022-07-26 | 2022-08-26 | 山东三微新材料有限公司 | 一种铝管质量检测方法 |
| CN116777823A (zh) * | 2023-02-02 | 2023-09-19 | 中国矿业大学 | 一种锚固孔图像结构面快速识别方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106053316A (zh) * | 2016-06-08 | 2016-10-26 | 燕山大学 | 土体微观结构孔隙分布及分形程序与计算方法 |
| CN108986079A (zh) * | 2018-06-26 | 2018-12-11 | 中国矿业大学(北京) | 一种复杂裂隙网络的裂缝提取及优化方法 |
| WO2019140979A1 (zh) * | 2018-01-18 | 2019-07-25 | 中国矿业大学 | 基于二维数字图像连续孔径分布的计算方法 |
| CN112150430A (zh) * | 2020-09-21 | 2020-12-29 | 中国矿业大学(北京) | 一种利用岩石细观结构数字图像的数值分析方法 |
| KR102251393B1 (ko) * | 2019-12-27 | 2021-05-12 | 이근호 | 균열 측정기구 및 이를 이용한 균열 측정방법 |
-
2021
- 2021-08-09 CN CN202110909757.2A patent/CN113609736B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106053316A (zh) * | 2016-06-08 | 2016-10-26 | 燕山大学 | 土体微观结构孔隙分布及分形程序与计算方法 |
| WO2019140979A1 (zh) * | 2018-01-18 | 2019-07-25 | 中国矿业大学 | 基于二维数字图像连续孔径分布的计算方法 |
| CN108986079A (zh) * | 2018-06-26 | 2018-12-11 | 中国矿业大学(北京) | 一种复杂裂隙网络的裂缝提取及优化方法 |
| KR102251393B1 (ko) * | 2019-12-27 | 2021-05-12 | 이근호 | 균열 측정기구 및 이를 이용한 균열 측정방법 |
| CN112150430A (zh) * | 2020-09-21 | 2020-12-29 | 中国矿业大学(北京) | 一种利用岩石细观结构数字图像的数值分析方法 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114154374A (zh) * | 2021-11-30 | 2022-03-08 | 清华大学 | 一种基于图像的数值模拟后处理方法 |
| CN114154374B (zh) * | 2021-11-30 | 2022-09-30 | 清华大学 | 一种基于图像的数值模拟后处理方法 |
| CN114943739A (zh) * | 2022-07-26 | 2022-08-26 | 山东三微新材料有限公司 | 一种铝管质量检测方法 |
| CN114943739B (zh) * | 2022-07-26 | 2022-10-21 | 山东三微新材料有限公司 | 一种铝管质量检测方法 |
| CN116777823A (zh) * | 2023-02-02 | 2023-09-19 | 中国矿业大学 | 一种锚固孔图像结构面快速识别方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113609736B (zh) | 2024-05-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111524138B (zh) | 一种基于多任务学习的显微图像细胞识别方法及装置 | |
| CN113822890A (zh) | 一种微裂纹检测方法、装置、系统及存储介质 | |
| CN113609736A (zh) | 一种基于孔裂隙结构数字图像的数值计算模型构建方法 | |
| CN111709092B (zh) | 一种基于有限元单元节点的子午线轮胎胎面花纹有限元自动建模方法 | |
| TWI773063B (zh) | 圖像產生系統及圖像產生方法 | |
| CN111462838B (zh) | 一种直接将图像像素转换成有限元单元的方法 | |
| CN104680531B (zh) | 一种连通量统计信息提取方法及vlsi结构 | |
| CN110400362B (zh) | 一种基于图像的abaqus二维裂纹建模方法、系统及计算机可读存储介质 | |
| CN110349159B (zh) | 基于权重能量自适应分布的三维形状分割方法及系统 | |
| CN112164085B (zh) | 一种基于图像处理的纤维图像分割及直径统计方法 | |
| CN112927237A (zh) | 基于改进SCB-Unet网络的蜂窝肺病灶分割方法 | |
| CN110288517B (zh) | 基于投影匹配组的骨架线提取方法 | |
| CN114140466B (zh) | 基于图像处理的植物根系测量方法、系统及装置 | |
| CN113240790B (zh) | 一种基于3d模型和点云处理的钢轨缺陷图像生成方法 | |
| CN114511587A (zh) | 一种ct图像的标记方法、系统、介质及设备 | |
| CN113868904A (zh) | 一种基于三维点云自动化生成既有结构有限元模型的方法 | |
| CN100367284C (zh) | 边界数据的内外判定方法 | |
| CN116452826A (zh) | 基于机器视觉的遮挡情况下煤矸石轮廓估计方法 | |
| CN114111602B (zh) | 一种基于图像技术的桥梁表面裂缝宽度计算方法 | |
| CN115147303A (zh) | 一种基于掩膜引导的二维超声医学图像修复方法 | |
| CN114581476A (zh) | 一种基于ct图像的肺器官模型自动分叶方法及系统 | |
| 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 | |
| CN114511582A (zh) | 一种古城城垛自动提取方法 | |
| CN114549511A (zh) | 基于图像的植物根系表型分析方法、系统及装置 | |
| NO316198B1 (no) | Fremgangsmåte for segmentering og gjenkjenning av et dokument, s¶rlig en teknisk tegning |
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 |