IPP-总结

为了形象表达土壤断面上的微观孔隙结构特征,可利用IPP中的布尔代数运算和双线性刻度、旋转、移位等几何功能,对二元化的土壤SEM图像进行空间变换和三维数字模拟操作。图像分割是图像分析的关键步骤,并最终影响后期的数据结果。利用MATLAB的图像形态学处理,结合IPP对土壤团聚体(孔隙)的内孔填充操作,可过滤掉不需要的对象,从而弥补土壤这类复杂介质SEM图像分割时产生的误差。IPP形态学处理的流域分割法,能识别土壤SEM图像中的成簇团聚体的边界并实施分离,从而实现团聚体的定量分析。IPP的计数与测量功能强大,可快速获得测量结果,并基于测量结果自动分类和统计,增强了土壤SEM图像的测量、数据统计与分析的能力,提高了工作效率。通过对SEM图像作空间变换和三维数字模拟操作,可逼真再现土壤微观孔隙结构特征。利用该项技术开展土壤微观结构研究,取得了很好的效果。本研究中采用数码相机作为数字图像的采集设备,经反复试验比较表明,500万像素数码相机就可以有效地识别粗集料的形状与棱角特征。数字图像处理系统是MASCA系统的核心,其将完成数字图像中集料颗粒的识别、分割、测量及相关处理工作。本研究中采用MediaCybernetics公司开发研制的ImageProPlus5.0作为数字图像的处理软件。（1）备料对即将拍照的粗集料按研究需要进行取料,如其表面有较多的灰尘或泥土,可先清洗烘干。由于不同岩性石料的色泽差异很大,甚至有些石料颗粒内部可能还掺杂其他色泽的细小颗粒(如花岗岩、辉绿岩),如果用原色石料直接拍照,后期进行数字图像处理时难以建立统一的分割阀值,同时可能有孔洞存在,不利于准确地获取颗粒图像的边界信息。为了在后期数字图像处理时便于将集料颗粒成功地从背景中识别、分割出来,在本研究中将拍照的粗集料均染成黑色。基本流程：（2）拍摄图像拍照时将清洗、着色后的集料均匀地摊铺在白色的底座上,每个集料颗粒间留有适当的空隙。拍照前先调整各个照射光源的高度与入射角度,尽可能地减少颗粒的阴影。为了在后期数字图像处理时能够精确地进行尺寸校正,应在拍照前建立合适的标尺。（3）图像处理将拍摄所得的数字图像进行边缘识别,确定其最佳分割阀值,同时对从背景中分离出来的集料颗粒特征进行测量。根据MASCA系统的计算结果,借助于数理统计软件SPSS将二维数字图像级配转化为三维机械筛分级配的修正方法。验证其相关性，比较相对误差。该方法对于不同岩性石料与不同的工程级配均具有很好的普遍性。备料拍摄图像图像处理选料清洗摊铺照明图像识别图像测量由轮廓形状、棱角性和表面纹理量化的矿质集料的形态(形状特征)对沥青混合料的性能具有极为明显的影响.为研究粗集料形态对沥青面层抗剪性能的影响,将粗集料形态视为首要因素,定义了基于图像的粗集料形状参数,采用编制的图像处理程序,获取了五组颗粒形状特征不同的粗集料其形状参数,运用单轴贯入试验分析了粗集料形态参数对SAC-16混合料抗剪强度的影响。结果表明,粗集料各种形态参数对混合料抗剪强度都有不同程度的影响,且扁平比对抗剪强度的影响最大,必须控制粗集料中扁平颗粒的含量。大量的研究结果表明,粗细集料颗粒的形状、棱角性和表面纹理会影响集料之间的共同作用和集料与沥青胶结料之间的相互作用,还与路面层的耐久性、施工和易性、抗剪和抗拉强度、劲度、疲劳响应、最佳沥青含量和最终性能等有关,尽管对集料形状特征的影响已经有了普遍的认识,但目前并没有标准的试验方法来直接和客观地测量集料的棱角性和表面纹理.目前我国的规范对沥青混合料用粗集料的形状特征没有相应的试验方法和技术指标,这方面的相关研究也极少,美国虽已出台了一些规范如ASTMC1252-03、ASTMD3398-00和AASHTOTP56(AASHTO2003)等,但这些方法并不能精确地应用于大范围的集料,且只是间接地测量集料颗粒的形状和纹理。近年来,由于图像分析技术已成功运用于材料科学及岩土工程等不同领域的材料微观结构分析之中,故图像处理技术也开始被引入道路工程来测定集料的形状特征,它可以对不同尺寸的各种类型的集料形状特征进行快速、精确和客观的测量.利用图像处理和分析技术,粗集料的形状特征完全可以用以下3个指标来量化:轮廓形状(Form)、棱角性(Angularity)和表面纹理(SurfaceTexture),其示意图如图1所示.由本研究所做的大量比对试验结果，可以根据集料三维视图确定6个基于图像的关键性指标来描述粗集料的个体形状特征，即圆形度（ROUND）、纵横比（AR）、近似多边形周（APPR）、球形度（DS）、扁平比（FER）、形状因子（SF），其中扁平比和形状因子指标相类似，具体介绍见表1。DL=Max（D1，D2，D3）DS=Min（D1，D2，D3）剩下的一个中间值计为Di。表1所确定的粗集料个体形态6个关键性指标指数维数名称定义/计算公式表征的形状特征二维指标圆形度ROUND集料周长的平方与面积4倍的比（圆形比值为1，其它大于1）轮廓形状纵横比AR集料等效椭圆的长轴与短轴之比（面积与一、二阶矩等效，即为D1与D2之比）近似多边形周长比APPR集料周长与轮廓近似多边形周长比值的平方棱角性和纹理三维指标球形度DSDS=3iSDD/32LD轮廓形状扁平比FERFER=DL/DS形状因子SFSF=DS/iLDD注表中D1和D2分别为正面图中每个颗粒的最小外接矩形长和宽，D3为对应的侧面图中颗粒高度。以上给出了粗集料个体的形状特征计算指标,由于研究集料的目的主要是研究其形状特征对沥青混合料宏观性能的影响,而宏观性能不是通过单个集料的形状特征表现出来,因此有必要研究一定数量集料总体的形状特征.对于集料总体的形状指标,考虑到与集料级配建立联系,作者采用集料复合形状指标它是所设计混合料中所用粗集料经图像处理之后单个平均指标的加权总和,其中变量ai是混合料设计中第i级粗集料的质量百分比,变量indexi是混合料设计中第i级粗集料某一基于图像的指标的平均值,最终的累加计数器n是混合料中粗集料的粒径级数.由于该方法比较精确、计算方便且易于编程,故作者将采用这种方法来计算集料总体的形状指标。将需要计算形状特征参数的粗集料分组按一字形排列于拍摄台上,分别获取粗集料的正面和侧面彩色图像,然后将彩色图像进行阈值化处理获得二值灰度图像,然后用本研究开发的处理软件进行求算,具体流程及软件界面如图3所示。美国SHRP(StrategicHighwayResearchProgram)研究计划提出了关于沥青胶结料与混合料的Superpave设计体系。Superpave是基于体积法的混合料设计方法,比传统的Marshall设计法前进了一大步,但仍缺乏有效的理论依据与验证手段。目前,按Superpave与Marshall设计法设计的沥青路面仍然存在较多的工程病害。Superpave设计法与传统的Marshall设计法多限于采用表象法研究沥青混合料的性能,即研究沥青混合料宏观品质(级配、空隙率和密度等)与路用性能(高温抗车辙、低温抗裂和疲劳等)的关系。然而,沥青混合料的细观与微观结构(集料形状、尺寸、棱角及集料个体在混合料中的空间分布状况、沥青薄膜厚度和沥青砂浆的空间分布等)对混合料的路用性能起到极为重要的影响,这在当前的Superpave与Marshall设计方法中均未得到充分考虑。沥青混合料微细观结构研究是阐述沥青混合料行为特征的理论基础与重要途径,国内外关于这方面的研究已经开始。为此,本文论述了基于混合料微细观结构的力学特征数值模拟的研究进展,讨论了研究中存在的问题,并对研究方向进行了展望。同任何材料一样,沥青混合料的力学性质和工程性状呈现出不确定性、不规则性、模糊性、非线性。从材料学的观点看,这种宏观力学行为的复杂性正是沥青混合料微观结构复杂性的反应。沥青混合料复杂微观结构决定了沥青混合料材料科学不得不借助于各学科最新的研究成果的交叉来不断自身完善。分形理论是法国数学家Mandelbrot创立的,它以极不规则的几何图形为研究对象,故又称之为“破碎理论”。目前,分形理论已经被广泛的运用于研究自然界中常见的、不稳定的、不规则的现象,已经成为材料科学的得力工具,在金属材料、岩土材料的研究中得到广泛的运用。现有的研究成果表明,分维值是一个表述复杂性的定量参数,可以起到连接材料微观结构与宏观性能之间的桥梁作用,有望成为指导材料设计的定量指标。沥青混合料集料存在着几个层次的分形。首先,集料往往使用机制碎石,碎石的表面就是一种分形。当不同尺度的碎石混合后,表征集料特征尺寸的粒径(筛孔径)形成一种分布,这种分布函数是一种数学分形。由此导致其质量分布函数(通过率)、体积结构也为分形。沥青混合料集料粒径分布的分形模型沥青混合料集料体积分形模型单个集料是三维空间中的有限体积,不是分形。但当具有一定级配不同尺寸的集料混合后,由于他们不能填满所占有的三维空间,按分形定义,这种空间填充能力不足就形成体积分形。因此,在测试原材料时,测定集料的捣实密度(或压实密度)、集料的毛体积密度和细集料的表观密度,即可用式(19)计算得出级配集料的孔隙率,再利用集料的孔隙分形模型,即可计算出沥青混合料集料的体积分维。由此可以看出,体积分维是与集料的密度、表面形状、集料级配、最大粒径、最小粒径密切相关的量。因此体积分维DV是一个饱含丰富信息的重要参数。沥青混合料集料的分形分维与沥青混合料路用性能的关系Image-proplus(IPP)是美国MediaCybernetics公司的图像处理软件产品，是一个集图像获取、处理、分析一身的开发平台。虽然IPP本身具有了许多处理功能，可以广泛应用于医学、工业、军事等的领域，但其专业化不强。面对繁多的通用图像处理技术，常常使非图像处理专业的工作人员感到无从下手。当IPP不具有一些特殊处理功能时，他们又不会自行开发功能软件包。这时就需要专业开发人员根据他们的需要，来做这项工作。我们所研制开发的基于工即开发平台的医学专项检测系统便是特别设计的，适合于国内医学研究与诊断的分析系统，结合了国外先进的开发平台技术，以符合国内临床研究人员的需求。（可作为后续开发软件）数字图像处理技术随着计算机的发展而日新月异。它起始于60年代，早期处理自空间发回的照片，现今己经广泛地应用于遥感、军事、地质、化工、矿产分析、作物产量估计、大地测量和医学等各个领域。图像预处理技术的发展概况图像预处理技术对于医学图像分析是必不可少的，原因在于医学图像的质量较差，含有较大的噪声，使得图像的对比度与清晰度不高。图像预处理的主要目的在于，一是改善图像的视觉效果，提高图像成分的对比度与清晰度；二是使得图像更利于计算机处理。图像预处理技术在图像处理形成之时，就成为重要的研究对象。它的方法或算法由许多种类，很多已成为经典理论。它们不断被总结、被改进，有许多书籍加以了系统的介绍。图像预处理可分为空间域法和频率域法两大类。空间域处理是直接对图像灰度级进行运算。频率域处理是在图像的某种变换域内，对图像的变换数值进行运算，然后再通过逆变换获得效果增强的图像。图像预处理的方法可概括为：针对血管图像，定量分析的前提条件就是有效地将血管提取出。然而，由于各种因素，图像质量较差，血管与背景的对比度较低，图像清晰度不高，导致血管不易提取。经典的检测算子，如Robert算子、Sobel算子及Laplacian算子等，均为边界检测，其结果图像皆为边缘线条图。随着数学、人工智能和计算机技术的发展，出现了许多新形式的检测方法，如数学形态法、小波变换法、神经网络法、图像配准、模板匹配方法等。许多研究人员使用各种方法处理不同类型的图像，并对其效果进行了详细的比较，得到的结论是:针对不同图像，还没有一个通用的最佳检测方法，研究人员应根据具体情况选择使用或改进检测方法。近几年来有大批学者研究检测血管的处理算法，大多数血管图像为眼底的血管影像，如ToliasYA，于1998年提出了基于模糊族的血管跟踪算法，CanA利用直接探测算法处理视网膜的血管图像，以及一些检测或增强血管壁(血管边界)的新算法。对于光学成