一种土体演变的微距视频图像识别方法
【专利摘要】本发明公开了一种土体演变的微距视频图像识别方法，首先，建立微距视频灰度图像数据库，然后，在数据库中建立各物质与灰度值区间的对应关系，接着，统计微距视频灰度图像中代表各物质的灰度值区间内的像素的个数与物质含量或形态的关系，最后，根据上述关系确定待检测土体的实际特征参数，进而确定土体的发育状态。本发明不需要经过现场土体扰动采样到实验室测试的过程,而是直接进行现场土样微距视频评估,提高测试精度；对土体组成成分及其演变识别更为精确；该土体演变的微距视频图像监测与评估方法可以对某一地区的土体进行长期连续实时监测，从而得到该地区土体的演变规律。
【专利说明】
一种土体演变的微距视频图像识别方法
技术领域
[0001]本发明涉及土体演变监测领域，具体的说是一种土体演变的微距视频图像识别方法。
【背景技术】
[0002]目前对土体性能的检测与评估主要采用以手工测量为主的现场试验法，这种方法中传统的手动测量需要首先进行现场采样，对土体扰动较大，这个过程中获取的土体样本性能已经偏离真实土颗粒状态，因此其精度远远不够;其次所获取的土样往往是回到实验室进行测试分析，效率极低;并且在这个过程中，土样温度，水分及其分布，土颗粒与水分的结合程度等等各项参数都极易因为土样保存和人工操作环节产生变化，显然测试结果精度不够。每次测试结果只能代表当时的土体状态，不能准确表达土体的演化过程。
【发明内容】
[0003 ]为了解决上述技术问题，本发明提供了一种土体演变的微距视频图像识别方法。
[0004]本发明所采用的技术方案是:一种土体演变的微距视频图像识别方法，其特征在于，包括以下步骤:
步骤1:在自设光源条件下，利用微距视频图像采集设备对不同发育状态土体进行拍摄成像。然后，将原始真彩微距视频图像转成微距视频灰度图像，建立微距视频灰度图像数据库。
[0005]步骤2:因为不同物质的灰度图像拥有不同的灰度值区间，所以在数据库中建立物质与灰度值区间的一一对应关系，即对微距视频灰度图像中不同的物质进行编码。
[0006]步骤3:包括以下子步骤；
(1)统计微距视频灰度图像中代表水分的灰度值区间内的像素的个数和代表土颗粒的灰度值区间内的像素的灰度平均值，然后，建立它们和土体含水率的定量关系；
(2)统计微距视频灰度图像中代表冰的灰度值区间内的像素的个数，然后，建立它与土体含冰率的定量关系；
(3)统计微距视频灰度图像中代表孔隙的灰度值区间内的像素的个数，然后，建立它与土体孔隙率的定量关系。
[0007]步骤4:二值化微距视频灰度图像，然后进行桥接、去杂、细化和骨化处理，得到土颗粒的轮廓。然后，统计每个土颗粒内的像素个数，最后，建立平均像素个数与土颗粒平均粒径的定量关系。
[0008]步骤5:包括以下子步骤；
(1)输入待监测土体的原始真彩微距视频图像(在自设光源条件下拍摄的)，然后将其转成微距视频灰度图像，利用步骤2可识别出各个物质；
(2)统计微距视频灰度图像中代表水分的灰度值区间内的像素的个数和代表土颗粒的灰度值区间内的像素的灰度平均值，再利用步骤3中(I)中建立的关系，可得到土体的含水率；
(3)统计微距视频灰度图像中代表冰的灰度值区间内的像素的个数，再利用步骤3中(2 )中建立的关系，可得到土体的含冰率；
(4)统计微距视频灰度图像中代表孔隙的灰度值区间内的像素的个数，再利用步骤3中
(3)中建立的关系，可得到土体的孔隙率；
(5)利用步骤4中的方法处理微距视频灰度图像，得到土颗粒的轮廓。然后，再统计出平均每个土颗粒内的像素个数，再利用步骤4中建立的关系，可得到土颗粒平均粒径。
[0009]步骤6:根据土体的实际特征参数(包括土颗粒的粒径、土体的孔隙率、含水率和含冰率)确定土体的发育状态。
[0010]
作为优选，步骤I中所述微距视频图像采集设备的镜头可以根据需要更换为不同放大倍数的镜头。
[0011]作为优选，步骤I中所述不同发育状态土体为土颗粒粒径、孔隙率、含水率和含冰率大小不同的土体。
[0012]作为优选，步骤2和5中所述物质包括土颗粒、孔隙、水分、冰和其他物质。
[0013]作为优选，步骤4中所述二值化微距视频灰度图像，是将土颗粒和其他物质各视为一种物质，然后进行二值化，进而确定土颗粒的轮廓。桥接和去杂处理是通过开操作和闭操作去除微距视频图像中孤立的噪声点，同时保留微距视频图像中本来的细节结构;所述微距视频图像细化处理是将微距视频图像变换成单像素厚度组成的细线，所述微距视频图像骨化处理是保留微距视频图像中心线的细化。细化的算法步骤如下:(I)做腐蚀操作，但不立刻删除像素，只打标记；(2)将不破坏连通性的标记点删掉；(3)重复执行，直到图像结果不发生变化，得到了细化结果。
[0014]本发明的优点是:
I.不需要经过现场土体扰动采样到实验室测试的过程，而是直接进行现场土样微距视频评估，对土体不广生扰动，提尚测试精度；
2.采用微距视频图像，对土体组成成分及其演变识别更为精确；
3.测试迅速，且操作方便，提高测试效率；
4.该土体演变的微距视频图像监测与评估方法可以对某一地区的土体进行长期连续实时监测，从而得到该地区土体的演变规律。为预测土体性能演变提供了更快速的实时数据分析技术。
【附图说明】
[0015]图1为本发明实施例的流程图。
【具体实施方式】
[0016]为了便于本领域普通技术人员理解和实施本发明，下面结合附图及实施例对本发明作进一步的详细描述，应当理解，此处所描述的实施示例仅用于说明和解释本发明，并不用于限定本发明。
[0017]随着信息技术的快速发展，微距视频图像处理技术已经为现代科学技术的发展提供了一项过去没有的技术手段，并相继在多种学科领域得到了广泛的应用。同时，也为土体演化过程的监测与评估提供了可行途径，为预测土体性能演变提供了更快速的实时数据分析技术。
[0018]土体在发育过程中，土颗粒大小、含水率和孔隙率均会发生变化。土体在自然环境中，其自身内部物理化学变化等，使土体参数变化，如果温度较低，土体中部分的水将会冻结成冰，即土体中将会存在冰颗粒。这些变化将最终导致土体性能演变。土体中有可能存在石块和其他杂质，由于土颗粒、空隙、水分、冰和其他物质对光的吸收或反射都不一样，这些物质在土体拍摄成的微距视频图像转换成微距视频灰度图像后，将会表现出不同的灰度值。因此，可以通过分析土体微距视频图像的不同灰度值来识别不同的物质。
[0019]请见图1，本发明提供的一种土体演变的微距视频图像识别方法，包括以下步骤:步骤1:在自设光源条件下，利用微距视频图像采集设备对不同发育状态土体进行拍摄成像。然后，将原始真彩微距视频图像转成微距视频灰度图像，建立微距视频灰度图像数据库。
[0020]其中微距视频图像采集设备的镜头是能根据需要更换为不同放大倍数的镜头;不同发育状态土体为土颗粒粒径、孔隙率、含水率和含冰率大小不同的土体。
[0021]步骤2:因为不同物质(土颗粒、孔隙、水分、冰和其他物质)的灰度图像拥有不同的灰度值区间，所以在数据库中建立物质与灰度值区间的一一对应关系，即对微距视频灰度图像中不同的物质进行编码。
[0022]步骤3:包括以下子步骤；
(1)统计微距视频灰度图像中代表水分的灰度值区间内的像素的个数和代表土颗粒的灰度值区间内的像素的灰度平均值，然后，建立它们和土体含水率的定量关系；
(2)统计微距视频灰度图像中代表冰的灰度值区间内的像素的个数，然后，建立它与土体含冰率的定量关系；
(3)统计微距视频灰度图像中代表孔隙的灰度值区间内的像素的个数，然后，建立它与土体孔隙率的定量关系。
[0023]步骤4:二值化微距视频灰度图像，然后进行桥接、去杂、细化和骨化处理，得到土颗粒的轮廓。然后，统计每个土颗粒内的像素个数，最后，建立平均像素个数与土颗粒平均粒径的定量关系。
[0024]其中二值化微距视频灰度图像，是将土颗粒和其他物质各视为一种物质，然后进行二值化，进而确定土颗粒的轮廓;桥接和去杂处理是通过开操作和闭操作去除微距视频图像中孤立的噪声点，同时保留微距视频图像中本来的细节结构;微距视频图像细化处理是将微距视频图像变换成单像素厚度组成的细线，所述微距视频图像骨化处理是保留微距视频图像中心线的细化。
[0025]保留微距视频图像中心线的细化，其具体实现步骤如下:(I)做腐蚀操作，但不立刻删除像素，只打标记；(2)将不破坏连通性的标记点删掉；(3)重复执行，直到图像结果不发生变化，得到了细化结果。
[0026]步骤5:包括以下子步骤；
(I)输入待监测土体的原始真彩微距视频图像(在自设光源条件下拍摄的)，然后将其转成微距视频灰度图像，利用步骤2可识别出各个物质(土颗粒、孔隙、水分、冰和其他物质)；
(2)统计微距视频灰度图像中代表水分的灰度值区间内的像素的个数和代表土颗粒的灰度值区间内的像素的灰度平均值，再利用步骤3中(I)中建立的关系，可得到土体的含水率；
(3)统计微距视频灰度图像中代表冰的灰度值区间内的像素的个数，再利用步骤3中(2 )中建立的关系，可得到土体的含冰率；
(4)统计微距视频灰度图像中代表孔隙的灰度值区间内的像素的个数，再利用步骤3中
(3)中建立的关系，可得到土体的孔隙率；
(5)利用步骤4中的方法处理微距视频灰度图像，得到土颗粒的轮廓。然后，再统计出平均每个土颗粒内的像素个数，再利用步骤4中建立的关系，可得到土颗粒平均粒径。
[0027]步骤6:根据土体的实际特征参数(包括土颗粒的粒径、土体的孔隙率、含水率和含冰率)确定土体的发育状态。
[0028]本发明可以对待监测土体的各项参数进行快速识别，由此可以确定待监测土体的演变状态和程度。与传统的手动测量相比，传统的手动测量需要首先进行现场采样，对土体扰动较大，这个过程中获取的土体样本性能已经偏离真实土颗粒状态，因此其精度远远不够;其次所获取的土样往往是回到实验室进行测试分析，效率极低;并且在这个过程中，土样温度，水分及其分布，土颗粒与水分的结合程度等等各项参数都极易因为土样保存和人工操作环节产生变化，显然测试结果精度不够。每次测试结果只能代表当时的土体状态，不能准确表达土体的演化过程，并对其进行评估。
[0029]应当理解的是，本说明书未详细阐述的部分均属于现有技术。
[0030]应当理解的是，上述针对较佳实施例的描述较为详细，并不能因此而认为是对本发明专利保护范围的限制，本领域的普通技术人员在本发明的启示下，在不脱离本发明权利要求所保护的范围情况下，还可以做出替换或变形，均落入本发明的保护范围之内，本发明的请求保护范围应以所附权利要求为准。
【主权项】
1.一种土体演变的微距视频图像识别方法，其特征在于，包括以下步骤: 步骤1:在自设光源条件下，利用微距视频图像采集设备对不同发育状态土体进行拍摄成像;然后，将原始真彩微距视频图像转成微距视频灰度图像，建立微距视频灰度图像数据库； 步骤2:在微距视频灰度图像数据库中建立物质与灰度值区间的一一对应关系，即对微距视频灰度图像中不同的物质进行编码； 步骤3:包括以下子步骤； 步骤3.1:统计微距视频灰度图像中代表水分的灰度值区间内的像素的个数和代表土颗粒的灰度值区间内的像素的灰度平均值，然后，建立它们和土体含水率的定量关系； 步骤3.2:统计微距视频灰度图像中代表冰的灰度值区间内的像素的个数，然后，建立它与土体含冰率的定量关系； 步骤3.3:统计微距视频灰度图像中代表孔隙的灰度值区间内的像素的个数，然后，建立它与土体孔隙率的定量关系； 步骤4: 二值化微距视频灰度图像，然后进行桥接、去杂、细化和骨化处理，得到土颗粒的轮廓;然后，统计每个土颗粒内的像素个数，最后，建立平均像素个数与土颗粒平均粒径的定量关系； 步骤5:包括以下子步骤； 步骤5.1:输入待监测土体的原始真彩微距视频图像，然后将其转成微距视频灰度图像，利用步骤2的方法识别出各个物质； 步骤5.2:统计微距视频灰度图像中代表水分的灰度值区间内的像素的个数和代表土颗粒的灰度值区间内的像素的灰度平均值，再利用步骤3.1中建立的关系，得到土体的含水率； 步骤5.3:统计微距视频灰度图像中代表冰的灰度值区间内的像素的个数，再利用步骤3.2中建立的关系，得到土体的含冰率； 步骤5.4:统计微距视频灰度图像中代表孔隙的灰度值区间内的像素的个数，再利用步骤3.3中建立的关系，可得到土体的孔隙率； 步骤5.5:利用步骤4中的方法处理微距视频灰度图像，得到土颗粒的轮廓。然后，再统计出平均每个土颗粒内的像素个数，再利用步骤4中建立的关系，得到土颗粒平均粒径；步骤6:根据土体的实际特征参数确定土体的发育状态，所述土体的实际特征参数包括土颗粒的粒径、土体的孔隙率、含水率和含冰率。2.根据权利要求1所述的土体演变的微距视频图像识别方法，其特征在于:步骤I中所述微距视频图像采集设备的镜头是能根据需要更换为不同放大倍数的镜头。3.根据权利要求1所述的土体演变的微距视频图像识别方法，其特征在于:步骤I中所述不同发育状态土体为土颗粒粒径、孔隙率、含水率和含冰率大小不同的土体。4.根据权利要求1所述的土体演变的微距视频图像识别方法，其特征在于:步骤2或5中所述物质包括土颗粒、孔隙、水分、冰和其他物质。5.根据权利要求1所述的土体演变的微距视频图像识别方法，其特征在于:步骤4中所述二值化微距视频灰度图像，是将土颗粒和其他物质各视为一种物质，然后进行二值化，进而确定土颗粒的轮廓； 所述桥接和去杂处理是通过开操作和闭操作去除微距视频图像中孤立的噪声点，同时保留微距视频图像中本来的细节结构； 所述微距视频图像细化处理是将微距视频图像变换成单像素厚度组成的细线，所述微距视频图像骨化处理是保留微距视频图像中心线的细化。6.根据权利要求4所述的土体演变的微距视频图像识别方法，其特征在于:所述保留微距视频图像中心线的细化，其具体实现步骤如下: (1)做腐蚀操作，但不立刻删除像素，只打标记； (2)将不破坏连通性的标记点删掉； (3)重复执行，直到图像结果不发生变化，得到了细化结果。
【文档编号】G01N15/08GK106093035SQ201610372587
【公开日】2016年11月9日
【申请日】2016年5月30日
【发明人】王若林, 朱道佩, 桑农
【申请人】武汉大学