CN115239907A - 基于改进最大类间方差法的骨料形貌表征方法和系统 - Google Patents
基于改进最大类间方差法的骨料形貌表征方法和系统 Download PDFInfo
- Publication number
- CN115239907A CN115239907A CN202210800379.9A CN202210800379A CN115239907A CN 115239907 A CN115239907 A CN 115239907A CN 202210800379 A CN202210800379 A CN 202210800379A CN 115239907 A CN115239907 A CN 115239907A
- Authority
- CN
- China
- Prior art keywords
- aggregate
- dimensional
- data
- size
- 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
- 238000000034 method Methods 0.000 title claims abstract description 86
- 238000012512 characterization method Methods 0.000 title claims abstract description 16
- 238000004458 analytical method Methods 0.000 claims abstract description 35
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 22
- 238000002922 simulated annealing Methods 0.000 claims abstract description 21
- 230000005540 biological transmission Effects 0.000 claims abstract description 15
- 238000010586 diagram Methods 0.000 claims description 12
- 230000009466 transformation Effects 0.000 claims description 9
- 230000002708 enhancing effect Effects 0.000 claims description 8
- 238000009826 distribution Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 3
- 230000003313 weakening effect Effects 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims description 2
- 230000000877 morphologic effect Effects 0.000 abstract description 11
- 230000006870 function Effects 0.000 description 20
- 238000004590 computer program Methods 0.000 description 7
- 239000004579 marble Substances 0.000 description 6
- 238000005259 measurement Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000013480 data collection Methods 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 238000000691 measurement method Methods 0.000 description 4
- 239000004567 concrete Substances 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000003746 surface roughness Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 239000004568 cement Substances 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 239000011384 asphalt concrete Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 239000011230 binding agent Substances 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011496 digital image analysis Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000008187 granular material Substances 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000004570 mortar (masonry) Substances 0.000 description 1
- 230000000399 orthopedic effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000007634 remodeling Methods 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/10—Constructive solid geometry [CSG] using solid primitives, e.g. cylinders, cubes
-
- 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
-
- 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
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/20076—Probabilistic image processing
-
- 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)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种基于改进最大类间方差法的骨料形貌表征方法和系统，方法包括获取骨料的三维定位数据并据此得到骨料的尺寸大小，获取骨料的三维图像数据并通过不完全beta函数法、模拟退火算法和最大类间方差法提取骨料的三维轮廓视图，根据骨料的尺寸大小和三维轮廓视图得到骨料的三维空间模型；系统包括传送模块、采集模块和模型分析模块，传送模块将骨料移动到采集模块处，采集模块采集骨料的三维定位数据和三维图像数据并发送给模型分析模块，模型分析模块得到骨料的三维空间模型。本发明不需要形态学参数就可直接根据获得的骨料尺寸大小填充三维轮廓视图得到三维空间模型，建模效率和精确度高、可进行批量化建模。
Description
技术领域
本发明涉及检测技术领域，尤其是指一种基于改进最大类间方差法的骨料形貌表征方法和系统。
背景技术
骨料是指混凝土及砂浆中起骨架和填充作用的粒状材料，是沥青混凝土、水泥混凝土和颗粒基层的重要组成部分。骨料的形态特征包括形状、角度和表面纹理，形态特征对其力学性能和使用性能有重要影响，这些形态特征影响骨料相互作用以及骨料和粘合剂之间的连接强度。因此，骨料形态特征的量化对于更好地控制骨料质量和改善沥青混凝土和水泥混凝土的性能至关重要。
现有技术中，研究测量骨料形态特征的方法主要分为两类：直接测量法和间接测量法。直接测量法采用肉眼观测或是数据图像分析的测量方法，如使用游标卡尺测量骨料的三维尺寸，直接测量法存在试验时间很长、试验量很大、主观性较大的缺点。间接测量法根据骨料的孔隙率或是抗剪强度推算其形状特征，其测量对象是骨料的颗粒形状和宏观纹理特征。但是，无论是直接手工测量方法还是间接测量方法，都难以及时准确地测量骨料的形态学特征。
为了获取骨料的形态学特征，通过使用各种计算算法分析骨料的数字图像的研究越来越多，数字成像技术已被广泛用于骨料形貌表征。现有的基于数字图像的骨料形状特征的评价方法有：伊利诺伊大学图像分析仪(UIAIA)采用图像侵蚀-膨胀法研究骨料的表面粗糙度，首先将骨料颗粒的图像采用先侵蚀后膨胀方法进行处理，采用表面参数ST值表征边界上的表面粗糙特征，表面越粗糙，边界信息损失越严重，图像处理前后面面积的相对差异ST值越大，对与骨料轮廓获取误差率过高。第二代骨料图像分析仪(AIMSII)采用小波变换法对骨料图像进行多尺度分解获得骨料颗粒的表面纹理特征，但是骨料表面纹理越粗糙、表面粗糙度参数也越大。有采用不兼容的计算理论来量化数字图像中的形状、角度和表面纹理，但是这种方法有时会导致无法比较的形态特征值。还有其他一些成像技术基于从数字图像计算出的聚集表面的2D或半3D坐标来分析形态特征，但是由于二维或半三维骨料坐标无法准确表示真实骨料的实际三维表面，这些方法的精度有限。
综上所述，现有的数字图像分析技术大都通过形状索引进行三维(3D)骨料表面纹理重塑，对骨料轮廓的提取方法误差率较高、精度有限。与此同时，当前的成像技术使用不同的图像采集方法和尺寸的不同定义，没有标准的形态学参数可用于客观比较不同聚集成像分析技术的测量结果。
发明内容
为此，本发明所要解决的技术问题在于克服现有技术中的不足，提供一种基于改进最大类间方差法的骨料形貌表征方法和系统，可以快速、批量化地建立高精度的骨料三维空间模型。
为解决上述技术问题，本发明提供了一种基于改进最大类间方差法的骨料形貌表征方法，包括以下步骤：
S1：获取骨料的三维定位数据，根据所述三维定位数据得到骨料的尺寸大小；
S2：获取骨料的三维图像数据，通过不完全beta函数法、模拟退火算法和最大类间方差法从所述三维图像数据中提取骨料的三维轮廓视图；
S3：根据骨料的尺寸大小和三维轮廓视图得到骨料的三维空间模型。
作为优选的，所述获取骨料的三维定位数据，根据所述三维定位数据得到骨料的尺寸大小，具体为：
将骨料放置在传送装置上，在传送装置侧面相距第一距离的两处分别设置感应器；
在任意一个感应器沿传送装置传送方向后端的三维方向上各设置一个测距仪，当感应器检测到有骨料通过后，每个所述测距仪测量骨料表面各点到自身的距离得到三维定位数据，根据所述三维定位数据得到骨料表面各点到传送装置的垂直距离以及骨料表面各点间的距离，整合距离得到骨料的尺寸大小。
作为优选的，所述获取骨料的三维图像数据，具体为：
在沿传送装置传送方向后端没有安装测距仪的另一个感应器的沿传送装置传送方向后端的三维方向上各设置一个图像采集器，当感应器检测到有骨料通过后，每个所述图像采集器分别采集骨料的图像得到所述三维图像数据。
作为优选的，所述通过不完全beta函数法、模拟退火算法和最大类间方差法从所述三维图像数据中提取骨料的三维轮廓视图，具体为：
使用最大类间方差法将三维图像数据按照灰度特性分成目标C0和背景CB两部分，计算所述目标C0的平均灰度强度μ0、所述背景CB的平均灰度强度μB和图像的总体平均灰度强度μT；
通过不完全beta函数法和模拟退火算法对平均灰度强度μ0、μB和μT进行修正，增强目标和背景之间的对比度，将目标从背景中提取出来获得骨料的所述三维轮廓视图。
作为优选的，所述使用最大类间方差法将三维图像数据按照灰度特性分成目标C0和背景CB两部分，计算所述目标C0的平均灰度强度μ0、所述背景CB的平均灰度强度μB和图像的总体平均灰度强度μT，具体为：
将图像的像素表示为由0到255的灰度强度，使用直方图归一化将灰度强度像素数转化为概率分布：
其中，pi为灰度强度为i的像素概率，ni表示灰度强度为i的像素数，N为像素总数；
计算所述目标C0所在图像像素的概率ω0和所述背景CB所在图像像素的概率ωB：
其中，k为区分所述目标C0和所述背景CB两类像素的阈值；
计算所述目标C0的平均灰度强度μ0、所述背景CB的平均灰度强度μB和图像的总体平均灰度强度μT：
μT＝ω0μ0+ωBμB。
作为优选的，所述通过不完全beta函数法和模拟退火算法对平均灰度强度μ0、μB和μT进行修正，增强目标和背景之间的对比度，将目标从背景中提取出来获得骨料的所述三维轮廓视图，具体为：
构建灰度值分布曲线的变换算子f(u)：
其中，
0≤u≤1，gij表示图像像素(i，j)处的灰度强度，L为所有灰度强度中的最小值，U为所有灰度强度中的最大值；
Γ()是伽马函数，α和β是模型参数，且满足α>0,β>0；
建立模拟退火算法的目标函数为：
其中，
其中
为类内方差，
为类间方差，
对模型参数α和β进行迭代更新直到η最大，得到此时的模型参数值α和β；
根据k＝λ+1、
计算出此时的模型参数值α和β对应的k，使用此时的k将图像分成目标和背景两部分；
比较此时的模型参数值α和β，当α<β时使用变换算子f(u)将所述目标C0的平均灰度强度μ0增强为所述图像的总体平均灰度强度μT，当α>β时使用变换算子f(u)将所述目标C0的平均灰度强度μ0减弱为所述图像的总体平均灰度强度μT；在增强所述目标和背景的对比度后，将目标从背景中提取出来获得骨料的所述三维轮廓视图。
作为优选的，所述根据骨料的尺寸大小和三维轮廓视图得到骨料的三维空间模型时，使用的方法为最小值原则，具体为：
组装骨料的俯视图轮廓图、侧视图轮廓图和正视图轮廓图三张三维轮廓视图得到正交图像，
根据所述骨料的尺寸大小中的骨料高度尺寸数据，按俯视图轮廓图形成大量微型柱状图向上延展进行填充；
根据所述骨料的尺寸大小中的骨料宽度尺寸数据，按侧视图轮廓图形成大量微型柱状图横向延展进行填充，若出现高度尺寸数据和宽度尺寸数据存在矛盾的情况，以两种数据中的最小值为准进行填充；
根据所述骨料的尺寸大小中的骨料长度尺寸数据，按正视图廓图形成大量微型柱状图横向延展进行填充，若出现长度尺寸数据和高度尺寸数据、宽度尺寸数据存在矛盾的情况，以三种数据中的最小值为准进行填充，三维方向填充完后得到所述骨料的三维空间模型。
本发明还提供了一种基于改进最大类间方差法的骨料形貌表征系统，其特征在于：包括传送模块、采集模块和模型分析模块，
所述传送模块将骨料移动到所述采集模块处并提示所述采集模块进行数据采集，
所述采集模块采集骨料的三维定位数据和三维图像数据并发送给所述模型分析模块，
所述模型分析模块通过骨料的三维定位数据得到骨料的尺寸大小，通过不完全beta函数法、模拟退火算法和最大类间方差法从所述三维图像数据中提取骨料的三维轮廓视图，根据骨料的所述尺寸大小和三维轮廓视图得到骨料的三维空间模型。
作为优选的，所述传送模块包括传送装置和两个感应器，所述采集模块包括三维定位数据采集模块和三维图像数据采集模块，所述三维定位数据采集模块包括三个测距仪，所述三维图像数据采集模块包括三个图像采集器、背景板和幕布，所述传送装置、背景板和幕布均为黑色；
两个所述感应器分别安装在所述传送装置侧面相距第一距离的两处，在任意一个感应器沿传送装置传送方向后端的三维方向上各设置一个测距仪，当感应器检测到有骨料通过后，每个所述测距仪测量骨料表面各点到自身的距离得到三维定位数据并将所述三维定位数据发送给所述模型分析模块；
在沿所述传送装置传送方向后端没有安装测距仪的另一个感应器的沿传送装置传送方向后端设有所述三维图像数据采集模块，一个图像采集器安装在所述传送装置上方，所述传送装置与传送方向平行的两侧分别对称设有所述背景板和一个图像采集器，所述传送装置上与传送方向垂直的方向设有所述幕布、沿传送装置传送方向距离所述幕布第二距离处设有一个图像采集器；当感应器检测到有骨料穿过所述幕布后，三个所述图像采集器分别采集骨料的正视图、俯视图和侧视图得到所述三维图像数据并将所述三维图像数据发送给所述模型分析模块。
作为优选的，所述模型分析模块包括骨料尺寸分析模块、骨料轮廓分析模块和骨料形貌构成模块，
所述骨料尺寸分析模块根据所述三维定位数据得到骨料表面各点到传送装置的垂直距离以及骨料表面各点间的距离，整合距离得到骨料的尺寸大小；
所述骨料轮廓分析模块通过不完全beta函数法、模拟退火算法和最大类间方差法从所述三维图像数据中提取骨料的三维轮廓视图；
所述骨料形貌构成模块根据骨料的尺寸大小和三维轮廓视图得到骨料的三维空间模型。
本发明的上述技术方案相比现有技术具有以下优点：
本发明通过将骨料轮廓和尺寸进行分开量化分析，之后再进行模型重塑，不需要形态学参数就可直接根据获得的骨料尺寸大小填充三维轮廓视图得到骨料三维空间模型，不需要对所获得的数据进行再分类处理，提高了建模效率；通过传送模块不断运送骨料，根据骨料的不同信息进行分开采集而无需静置，实现了自动化和动态化采集，提高了大规模骨料的形貌表征速率，可以对骨料进行批量化建模；本发明得到的骨料三维空间模型与现实骨料形貌基本一致，精确度高。
附图说明
为了使本发明的内容更容易被清楚的理解，下面根据本发明的具体实施例并结合附图，对本发明作进一步详细的说明，其中
图1是本发明方法的流程图；
图2是本发明系统的结构示意图；
图3是本发明实施例中得到大理石骨料的三维轮廓视图；
图4是本发明实施例中得到大理石骨料的三维轮廓视图的正交图；
图5是本发明实施例中使用本发明方法得到的大理石骨料的三维空间模型和现实大理石骨料形貌的对比图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明，以使本领域的技术人员可以更好地理解本发明并能予以实施，但所举实施例不作为对本发明的限定。
如图1所示，本发明公开了一种基于改进最大类间方差法的骨料形貌表征方法，包括以下步骤：
S1：获取骨料的三维定位数据，根据所述三维定位数据得到骨料的尺寸大小；本实施例中的三维指两两正交的x轴、y轴和z轴三个方向。
将骨料放置在传送装置上，骨料随传送装置进行运动，在传送装置侧面相距第一距离的两处分别设置感应器；
在任意一个感应器沿传送装置传送方向后端的三维方向上各设置一个测距仪，当感应器检测到有骨料通过后，每个所述测距仪测量骨料表面各点到自身的距离得到三维定位数据，根据所述三维定位数据得到骨料表面各点到传送装置的垂直距离以及骨料表面各点间的距离，整合骨料表面各点到传送装置的垂直距离以及骨料表面各点间的距离得到骨料的尺寸大小。
S2：获取骨料的三维图像数据，通过不完全beta函数法、模拟退火算法和最大类间方差法从所述三维图像数据中提取骨料的三维轮廓视图，通过引入不完全beta函数法和模拟退火算法实现对最大类间方差法的改进。
S2-1：在沿传送装置传送方向后端没有安装测距仪的另一个感应器的沿传送装置传送方向后端的三维方向上各设置一个图像采集器，当感应器检测到有骨料通过后，每个所述图像采集器分别采集骨料的图像得到所述三维图像数据。
S2-2：使用最大类间方差法将三维图像数据按照灰度特性分成目标C0(即要提取的骨料)和背景CB两部分，计算所述目标C0的平均灰度强度μ0、所述背景CB的平均灰度强度μB和图像的总体平均灰度强度μT。
S2-2-1：将图像的像素表示为由0到255的灰度强度，使用直方图归一化将灰度强度像素数转化为概率分布：
其中，pi为灰度强度为i的像素概率，ni表示灰度强度为i的像素数，N为像素总数；
S2-2-2：计算所述目标C0所在图像像素的概率ω0和所述背景CB所在图像像素的概率ωB：
其中，k为区分所述目标C0和所述背景CB两类像素的阈值；
S2-2-3：计算所述目标C0的平均灰度强度μ0、所述背景CB的平均灰度强度μB和图像的总体平均灰度强度μT：
μT＝ω0μ0+ωBμB。
S2-3：通过不完全beta函数法和模拟退火算法对平均灰度强度μ0、μB和μT进行修正，增强目标和背景之间的对比度，从而提高图像分割的成功率；将目标从背景中提取出来获得骨料的所述三维轮廓视图。
S2-3-1：构建灰度值分布曲线的变换算子f(u)：
其中，
0≤u≤1，gij表示图像像素(i，j)处的灰度强度，L为所有灰度强度中的最小值，U为所有灰度强度中的最大值；
Γ()是伽马函数，不同的伽马函数运算方式定义不同的概率分布函数；α和β是模型参数，且满足α>0,β>0；
S2-3-2：建立模拟退火算法的目标函数为：
其中，
其中
为类内方差，
为类间方差，
S2-3-3：对模型参数α和β进行迭代更新直到η最大(即η收敛)，得到此时的模型参数值α和β；
S2-3-4：根据k＝λ+1、
计算出此时的模型参数值α和β对应的k，使用此时的k将图像分成目标和背景两部分；
S2-3-5：比较此时的模型参数值α和β，当α<β时使用变换算子f(u)将所述目标C0的平均灰度强度μ0增强为所述图像的总体平均灰度强度μT，当α>β时使用变换算子f(u)将所述目标C0的平均灰度强度μ0减弱为所述图像的总体平均灰度强度μT；
S2-3-6：在增强所述目标和背景的对比度后，将目标从背景中提取出来获得骨料的所述三维轮廓视图。
S3：使用最小值原则，根据骨料的尺寸大小和三维轮廓视图得到骨料的三维空间模型。
S3-1：组装骨料的俯视图轮廓图、侧视图轮廓图和正视图轮廓图三张三维轮廓视图得到正交图像，
S3-2：根据所述骨料的尺寸大小中的骨料高度尺寸数据，按俯视图轮廓图形成大量微型柱状图向上延展进行填充；
S3-3：根据所述骨料的尺寸大小中的骨料宽度尺寸数据，按侧视图轮廓图形成大量微型柱状图横向延展进行填充，若出现高度尺寸数据和宽度尺寸数据存在矛盾的情况，以两种数据中的最小值为准进行填充；
S3-4：根据所述骨料的尺寸大小中的骨料长度尺寸数据，按正视图廓图形成大量微型柱状图横向延展进行填充，若出现长度尺寸数据和高度尺寸数据、宽度尺寸数据存在矛盾的情况，以三种数据中的最小值为准进行填充；三维方向填充完后得到所述骨料的三维空间模型。
如图2所示，本发明还公开了一种基于改进最大类间方差法的骨料形貌表征系统，图2中虚线上方图2(a)是系统的俯视图，虚线下方图2(b)是系统的正视图。图2中标号说明：1、骨科，2、传送装置，3、感应器，4、测距仪，5、图像采集器，6、背景板，7、幕布，8、模型分析模块。
基于改进最大类间方差法的骨料形貌表征系统包括传送模块、采集模块和模型分析模块，所述传送模块将骨料移动到所述采集模块处并提示所述采集模块进行数据采集，所述采集模块采集骨料的三维定位数据和三维图像数据并发送给所述模型分析模块；所述模型分析模块通过骨料的三维定位数据得到骨料的尺寸大小，通过不完全beta函数法、模拟退火算法和最大类间方差法从所述三维图像数据中提取骨料的三维轮廓视图，根据骨料的所述尺寸大小和三维轮廓视图得到骨料的三维空间模型。
所述传送模块包括传送装置和两个感应器，所述采集模块包括三维定位数据采集模块和三维图像数据采集模块，所述三维定位数据采集模块包括三个测距仪，所述三维图像数据采集模块包括三个图像采集器、背景板和幕布，所述传送装置、背景板和幕布均为黑色，黑色可以提高灰度强度，从而提高骨料轮廓的精准性。
两个所述感应器分别安装在所述传送装置侧面相距第一距离的两处，本实施例中传送装置为传送带，所述感应器为红外传感器，第一距离的长度根据实际情况进行调整。在任意一个感应器沿传送装置传送方向后端的三维方向上各设置一个测距仪，本实施例中测距仪为脉冲激光测距仪，三个脉冲激光测距仪的位置分别为传送装置两侧对称两个、传送装置正上方一个。当感应器检测到有骨料通过后，每个所述测距仪测量骨料表面各点到自身的距离得到三维定位数据并将所述三维定位数据发送给所述模型分析模块。
在沿所述传送装置传送方向后端没有安装测距仪的另一个感应器的沿传送装置传送方向后端设有所述三维图像数据采集模块，一个图像采集器安装在所述传送装置上方，所述传送装置侧面与传送方向平行的一侧设有所述背景板、另一侧设有第二个图像采集器，所述传送装置上与传送方向垂直的方向设有所述幕布、沿传送装置传送方向距离所述幕布第二距离处设有第三个所述图像采集器；本实施例中第二距离的长度根据实际情况进行调整，所述图像采集器为电荷耦合器件相机，与传统相机相比，电荷耦合器件相机够把光学影像转化为数字信号、有益于后续图像信号处理，同时电荷耦合器件相机体积小、重量轻、不受磁场影响、具有抗震动和抗撞击的特性。当感应器检测到有骨料通过所述幕布后，三个所述图像采集器分别采集骨料的正视图、俯视图和侧视图得到所述三维图像数据并将所述三维图像数据发送给所述模型分析模块。
所述模型分析模块包括骨料尺寸分析模块、骨料轮廓分析模块和骨料形貌构成模块，所述骨料尺寸分析模块根据所述三维定位数据得到骨料表面各点到传送装置的垂直距离以及骨料表面各点间的距离，整合骨料表面各点到传送装置的垂直距离以及骨料表面各点间的距离得到骨料的尺寸大小；所述骨料轮廓分析模块通过不完全beta函数法、模拟退火算法和最大类间方差法从所述三维图像数据中提取骨料的三维轮廓视图；所述骨料形貌构成模块根据骨料的尺寸大小和三维轮廓视图得到骨料的三维空间模型。
本发明通过将骨料轮廓和尺寸进行分开量化分析，之后再进行模型重塑，不需要形态学参数就可直接根据获得的骨料尺寸大小填充三维轮廓视图得到骨料三维空间模型，不需要对所获得的数据进行再分类处理，提高了建模效率；通过传送模块不断运送骨料，根据骨料的不同信息进行分开采集而无需静置，实现了自动化和动态化采集，提高了大规模骨料的形貌表征速率，可以对骨料进行批量化建模；本发明得到的骨料三维空间模型与现实骨料形貌基本一致，精确度高。
为了进一步说明本发明的有益效果，本实施例中对大理石骨料进行实验，所有本发明方法得到如图3所示的大理石骨料的三维轮廓视图，将三维轮廓视图组装得到如图4所示的正交图像。如图5所示将使用本发明方法得到的三维空间模型和现实骨料形貌进行对比，图5中的图5(a)为现实骨料形貌，图5(b)为使用本发明方法得到的三维空间模型，从图5可以看出本发明得到的骨料三维空间模型与现实骨料形貌基本一致，精确度高。
术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，上述实施例仅仅是为清楚地说明所作的举例，并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引申出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (10)
1.一种基于改进最大类间方差法的骨料形貌表征方法，其特征在于，包括以下步骤：
S1：获取骨料的三维定位数据，根据所述三维定位数据得到骨料的尺寸大小；
S2：获取骨料的三维图像数据，通过不完全beta函数法、模拟退火算法和最大类间方差法从所述三维图像数据中提取骨料的三维轮廓视图；
S3：根据骨料的尺寸大小和三维轮廓视图得到骨料的三维空间模型。
2.根据权利要求1所述的基于改进最大类间方差法的骨料形貌表征方法，其特征在于：所述获取骨料的三维定位数据，根据所述三维定位数据得到骨料的尺寸大小，具体为：
将骨料放置在传送装置上，在传送装置侧面相距第一距离的两处分别设置感应器；
在任意一个感应器沿传送装置传送方向后端的三维方向上各设置一个测距仪，当感应器检测到有骨料通过后，每个所述测距仪测量骨料表面各点到自身的距离得到三维定位数据，根据所述三维定位数据得到骨料表面各点到传送装置的垂直距离以及骨料表面各点间的距离，整合距离得到骨料的尺寸大小。
3.根据权利要求2所述的基于改进最大类间方差法的骨料形貌表征方法，其特征在于：所述获取骨料的三维图像数据，具体为：
在沿传送装置传送方向后端没有安装测距仪的另一个感应器的沿传送装置传送方向后端的三维方向上各设置一个图像采集器，当感应器检测到有骨料通过后，每个所述图像采集器分别采集骨料的图像得到所述三维图像数据。
4.根据权利要求3所述的基于改进最大类间方差法的骨料形貌表征方法，其特征在于：所述通过不完全beta函数法、模拟退火算法和最大类间方差法从所述三维图像数据中提取骨料的三维轮廓视图，具体为：
使用最大类间方差法将三维图像数据按照灰度特性分成目标C0和背景CB两部分，计算所述目标C0的平均灰度强度μ0、所述背景CB的平均灰度强度μB和图像的总体平均灰度强度μT；
通过不完全beta函数法和模拟退火算法对平均灰度强度μ0、μB和μT进行修正，增强目标和背景之间的对比度，将目标从背景中提取出来获得骨料的所述三维轮廓视图。
5.根据权利要求4所述的基于改进最大类间方差法的骨料形貌表征方法，其特征在于：所述使用最大类间方差法将三维图像数据按照灰度特性分成目标C0和背景CB两部分，计算所述目标C0的平均灰度强度μ0、所述背景CB的平均灰度强度μB和图像的总体平均灰度强度μT，具体为：
将图像的像素表示为由0到255的灰度强度，使用直方图归一化将灰度强度像素数转化为概率分布：
其中，pi为灰度强度为i的像素概率，ni表示灰度强度为i的像素数，N为像素总数；
计算所述目标C0所在图像像素的概率ω0和所述背景CB所在图像像素的概率ωB：
其中，k为区分所述目标C0和所述背景CB两类像素的阈值；
计算所述目标C0的平均灰度强度μ0、所述背景CB的平均灰度强度μB和图像的总体平均灰度强度μT：
μT＝ω0μ0+ωBμB。
6.根据权利要求5所述的基于改进最大类间方差法的骨料形貌表征方法，其特征在于：所述通过不完全beta函数法和模拟退火算法对平均灰度强度μ0、μB和μT进行修正，增强目标和背景之间的对比度，将目标从背景中提取出来获得骨料的所述三维轮廓视图，具体为：
构建灰度值分布曲线的变换算子f(u)：
其中，
gij表示图像像素(i，j)处的灰度强度，L为所有灰度强度中的最小值，U为所有灰度强度中的最大值；
Γ()是伽马函数，α和β是模型参数，且满足α＞0，β＞0；
建立模拟退火算法的目标函数为：
其中，
其中
为类内方差，
为类间方差，
对模型参数α和β进行迭代更新直到η最大，得到此时的模型参数值α和β；
根据k＝λ+1、
计算出此时的模型参数值α和β对应的k，使用此时的k将图像分成目标和背景两部分；
比较此时的模型参数值α和β，当α＜β时使用变换算子f(u)将所述目标C0的平均灰度强度μ0增强为所述图像的总体平均灰度强度μT，当α＞β时使用变换算子f(u)将所述目标C0的平均灰度强度μ0减弱为所述图像的总体平均灰度强度μT；
在增强所述目标和背景的对比度后，将目标从背景中提取出来获得骨料的所述三维轮廓视图。
7.根据权利要求1-6任一项所述的基于改进最大类间方差法的骨料形貌表征方法，其特征在于：所述根据骨料的尺寸大小和三维轮廓视图得到骨料的三维空间模型时，使用的方法为最小值原则，具体为：
组装骨料的俯视图轮廓图、侧视图轮廓图和正视图轮廓图三张三维轮廓视图得到正交图像，
根据所述骨料的尺寸大小中的骨料高度尺寸数据，按俯视图轮廓图形成大量微型柱状图向上延展进行填充；
根据所述骨料的尺寸大小中的骨料宽度尺寸数据，按侧视图轮廓图形成大量微型柱状图横向延展进行填充，若出现高度尺寸数据和宽度尺寸数据存在矛盾的情况，以两种数据中的最小值为准进行填充；
根据所述骨料的尺寸大小中的骨料长度尺寸数据，按正视图廓图形成大量微型柱状图横向延展进行填充，若出现长度尺寸数据和高度尺寸数据、宽度尺寸数据存在矛盾的情况，以三种数据中的最小值为准进行填充；
三维方向填充完后得到所述骨料的三维空间模型。
8.一种基于改进最大类间方差法的骨料形貌表征系统，其特征在于：包括传送模块、采集模块和模型分析模块，
所述传送模块将骨料移动到所述采集模块处并提示所述采集模块进行数据采集，
所述采集模块采集骨料的三维定位数据和三维图像数据并发送给所述模型分析模块，
所述模型分析模块通过骨料的三维定位数据得到骨料的尺寸大小，通过不完全beta函数法、模拟退火算法和最大类间方差法从所述三维图像数据中提取骨料的三维轮廓视图，根据骨料的所述尺寸大小和三维轮廓视图得到骨料的三维空间模型。
9.根据权利要求8所述的基于改进最大类间方差法的骨料形貌表征系统，其特征在于：所述传送模块包括传送装置和两个感应器，所述采集模块包括三维定位数据采集模块和三维图像数据采集模块，所述三维定位数据采集模块包括三个测距仪，所述三维图像数据采集模块包括三个图像采集器、背景板和幕布，所述传送装置、背景板和幕布均为黑色；
两个所述感应器分别安装在所述传送装置侧面相距第一距离的两处，在任意一个感应器沿传送装置传送方向后端的三维方向上各设置一个测距仪，当感应器检测到有骨料通过后，每个所述测距仪测量骨料表面各点到自身的距离得到三维定位数据并将所述三维定位数据发送给所述模型分析模块；
在沿所述传送装置传送方向后端没有安装测距仪的另一个感应器的沿传送装置传送方向后端设有所述三维图像数据采集模块，一个图像采集器安装在所述传送装置上方，所述传送装置与传送方向平行的两侧分别对称设有所述背景板和一个图像采集器，所述传送装置上与传送方向垂直的方向设有所述幕布、沿传送装置传送方向距离所述幕布第二距离处设有一个图像采集器；当感应器检测到有骨料穿过所述幕布后，三个所述图像采集器分别采集骨料的正视图、俯视图和侧视图得到所述三维图像数据并将所述三维图像数据发送给所述模型分析模块。
10.根据权利要求8-9任一项所述的基于改进最大类间方差法的骨料形貌表征系统，其特征在于：所述模型分析模块包括骨料尺寸分析模块、骨料轮廓分析模块和骨料形貌构成模块，
所述骨料尺寸分析模块根据所述三维定位数据得到骨料表面各点到传送装置的垂直距离以及骨料表面各点间的距离，整合距离得到骨料的尺寸大小；
所述骨料轮廓分析模块通过不完全beta函数法、模拟退火算法和最大类间方差法从所述三维图像数据中提取骨料的三维轮廓视图；
所述骨料形貌构成模块根据骨料的尺寸大小和三维轮廓视图得到骨料的三维空间模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210800379.9A CN115239907B (zh) | 2022-07-08 | 2022-07-08 | 基于改进最大类间方差法的骨料形貌表征方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210800379.9A CN115239907B (zh) | 2022-07-08 | 2022-07-08 | 基于改进最大类间方差法的骨料形貌表征方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115239907A true CN115239907A (zh) | 2022-10-25 |
| CN115239907B CN115239907B (zh) | 2023-07-07 |
Family
ID=83671562
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210800379.9A Active CN115239907B (zh) | 2022-07-08 | 2022-07-08 | 基于改进最大类间方差法的骨料形貌表征方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115239907B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116503804A (zh) * | 2023-04-28 | 2023-07-28 | 东莞理工学院 | 基于图像处理的粗集料形态特征获取方法和系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140168660A1 (en) * | 2012-12-14 | 2014-06-19 | University Of New Brunswick | Method and apparatus for surface profilometry |
| CN106969708A (zh) * | 2017-04-20 | 2017-07-21 | 华侨大学 | 一种骨料形态质量的检测装置和方法 |
| US20190299255A1 (en) * | 2018-03-27 | 2019-10-03 | Huron Valley Steel Corporation | Vision and analog sensing scrap sorting system and method |
| CN111524229A (zh) * | 2020-03-30 | 2020-08-11 | 中南大学 | 岩石颗粒的三维几何形貌信息提取系统及方法 |
| CN113255027A (zh) * | 2021-03-05 | 2021-08-13 | 广西大学 | 一种高效的混凝土三维骨料生成与投放方法——三维剩余空间法 |
| CN216593242U (zh) * | 2021-09-24 | 2022-05-24 | 湖南科技大学 | 一种骨料三维轮廓测量装置 |
| CN114663577A (zh) * | 2022-01-28 | 2022-06-24 | 河北医科大学第三医院 | 一种3d打印冠状突假体治疗陈旧性冠状突骨折系统 |
-
2022
- 2022-07-08 CN CN202210800379.9A patent/CN115239907B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140168660A1 (en) * | 2012-12-14 | 2014-06-19 | University Of New Brunswick | Method and apparatus for surface profilometry |
| CN106969708A (zh) * | 2017-04-20 | 2017-07-21 | 华侨大学 | 一种骨料形态质量的检测装置和方法 |
| US20190299255A1 (en) * | 2018-03-27 | 2019-10-03 | Huron Valley Steel Corporation | Vision and analog sensing scrap sorting system and method |
| CN111524229A (zh) * | 2020-03-30 | 2020-08-11 | 中南大学 | 岩石颗粒的三维几何形貌信息提取系统及方法 |
| CN113255027A (zh) * | 2021-03-05 | 2021-08-13 | 广西大学 | 一种高效的混凝土三维骨料生成与投放方法——三维剩余空间法 |
| CN216593242U (zh) * | 2021-09-24 | 2022-05-24 | 湖南科技大学 | 一种骨料三维轮廓测量装置 |
| CN114663577A (zh) * | 2022-01-28 | 2022-06-24 | 河北医科大学第三医院 | 一种3d打印冠状突假体治疗陈旧性冠状突骨折系统 |
Non-Patent Citations (5)
| Title |
|---|
| LEI YU,CHUNHUI LIU,HUA MEI,YU XIA ,ZHEN LIU,FENG XU,CUIYING ZHOU: "Effects of aggregate and interface characteristics on chloride diffusion in concrete based on 3D random aggregate model", CONSTRUCTION AND BUILDING MATERIALS, vol. 214, pages 1 - 13 * |
| 全燕鸣;黎淑梅;麦青群;: "基于双目视觉的工件尺寸在机三维测量", 光学精密工程, no. 04, pages 232 - 239 * |
| 周新刚;郭美虹;秦绪祥;邹天豪;: "基于Android系统的粗骨料图像处理方法及试验研究", 烟台大学学报(自然科学与工程版), no. 01, pages 109 - 117 * |
| 段跃华;张肖宁;李智;王端宜;刘仰韶;: "基于工业CT的混凝土集料二维及三维轮廓表征方法", 中国公路学报, no. 06, pages 9 - 15 * |
| 韩丁;李阳;刘东泽;胡超;李凌林;: "表征真实骨料形态的三维数值骨料建模", 建筑材料学报, no. 03, pages 339 - 344 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116503804A (zh) * | 2023-04-28 | 2023-07-28 | 东莞理工学院 | 基于图像处理的粗集料形态特征获取方法和系统 |
| CN116503804B (zh) * | 2023-04-28 | 2023-11-10 | 东莞理工学院 | 基于图像处理的粗集料形态特征获取方法和系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115239907B (zh) | 2023-07-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhang et al. | Automatic pavement defect detection using 3D laser profiling technology | |
| Liu et al. | Updates to JRC-JCS model for estimating the peak shear strength of rock joints based on quantified surface description | |
| Galantucci et al. | Advanced damage detection techniques in historical buildings using digital photogrammetry and 3D surface anlysis | |
| CN108489403B (zh) | 基于三维激光扫描的露天矿山边坡岩体节理产状快速精细取值方法 | |
| CN110532591B (zh) | 基于dic-efg联合仿真分析裂纹尖端应变场的方法 | |
| Onifade et al. | Asphalt internal structure characterization with X-ray computed tomography and digital image processing | |
| Fawzy | Study the accuracy of digital close range photogrammetry technique software as a measuring tool | |
| CN107798293A (zh) | 一种道路裂缝检测装置 | |
| CN114119488A (zh) | 一种面向工厂化的预制叠合板尺寸质量智能检测方法 | |
| Sarker et al. | Multi-scale 3D roughness quantification of concrete interfaces and pavement surfaces with a single-camera set-up | |
| CN108830317B (zh) | 基于数字摄影测量的露天矿山边坡岩体节理产状快速精细取值方法 | |
| Ge et al. | A low-cost approach for the estimation of rock joint roughness using photogrammetry | |
| Kim et al. | Dimensional ratios for stone aggregates from three-dimensional laser scans | |
| CN115239907B (zh) | 基于改进最大类间方差法的骨料形貌表征方法和系统 | |
| Hong et al. | Measurement of rock joint roughness by 3D scanner | |
| Liu et al. | Evaluating angularity of coarse aggregates using the virtual cutting method based on 3D point cloud images | |
| CN115713654A (zh) | 基于2d与3d激光图像的轨道扣件螺栓松动自动检测方法 | |
| CN108053485B (zh) | 一种基于轮廓图像的马铃薯三维建模方法 | |
| CN113446932A (zh) | 非接触式裂纹测量方法及其系统 | |
| CN117557548A (zh) | 一种基于机器视觉的砂级配检测方法 | |
| CN107341808A (zh) | 基于车辙图像的模拟月壤硬度视觉检测系统及测量方法 | |
| Xu | Study on accurate measurement technology for microscopic image | |
| Ziqiang et al. | Research of the algorithm calculating the length of bridge crack based on stereo vision | |
| Panin et al. | Algorithm of fatigue crack detection and determination of its tip position in optical images | |
| Hu et al. | Three-dimensional characterization method of pile–rock interface roughness based on fractal geometry |
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 |