一种岩土材料SEM扫描图像的分割优化及定量参数提取方法

一种岩土材料sem扫描图像的分割优化及定量参数提取方法
技术领域
1.本发明属于岩土工程技术领域，具体的说，涉及一种岩土材料sem扫描图像的分割优化及定量参数提取方法。


背景技术：

2.随着微、细观成像技术的发展，研究人员可以利用该技术对岩土体的孔隙结构形态特征进行直接观测，经常使用的方法包括光弹材料法,x射线法和切片法,虽然这些方法能比较直接用实际材料或其他代替材料进行细观试验研究，但这些方法具有实验设备比较复杂,不易操作等缺点，如利用显微镜拍取模型箱表面岩土体的细观图像，对细观结构进行研究的方法，这种方法具有试验设备简单、易于推广的优点，但其对图像进行定量分析仍存在困难。
3.现有的技术中数字图像处理的方法虽然能得到部分特性参数,但是对于粘连颗粒的分割方法的选取并不是特别的好,对于提取参数存在一定的误差。
4.基于上述问题，随着社会的发展和科技的进步，扫描电子显微镜(scanning electron microscope简称sem)测试技术成为现在应用较为普遍的细观测试技术之一，将对岩土体细观结构的研究从定性拓展到定量领域，对土体颗粒及其孔隙结构特征进行了更加深入的研究，为了此项工作高效地进行，首先要掌握岩土材料的sem扫描图像的分割优化和图像定量参数的获取，而matlab在数字图像处理方面有着明显的优势，因此采用matlab图像处理系统对岩土材料sem扫描图像的分割优化及定量参数提取方法能够良好的解决上述的技术问题。


技术实现要素：

5.本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本技术的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
6.本发明采用如下的技术方案。
7.一种岩土材料sem扫描图像的分割优化及定量参数提取方法，具体步骤包括：
8.s1:将岩土材料的原始sem图像输入到matlab中，裁剪下方标签部分，获得第一图像；
9.s2:对第一图像进行预处理，增强图像对比度，突出图像特征,并对图像进行降噪处理后获得第二图像；
10.s3:对第二图像进行图像边缘检测，获得第二图像的边缘灰度梯度图像；
11.s4:运用数学形态学的基于开和基于闭的重建运算对第二图像进行分析重建，去除突刺填充洞孔，得到第三图像；
12.s5:对第三图像设定合适的阈值进行局部极小值区域提取和优化，对局部最小值区域进行强制划分，通过边缘灰度梯度图像优化重构原始梯度图像；
13.s6:采用matlab中自带分水岭函数watershed对重构的原始梯度图像进行分水岭分割处理，提取颗粒与孔隙的边界，对颗粒和孔隙的轮廓进行测定；
14.s7:通过matlab内部的图像信息处理函数和求取公式，统计计算细观颗粒和孔隙的定量参数。
15.进一步的，所述步骤s1中图像输入采用matlab内部的imread函数，裁剪原始sem图像的下方标签部分采用imcrop函数。
16.进一步的，所述步骤s2中采用matlab内部的最大熵函数myhisteq增强图像对比度，使用matlab内部的均值滤波器filter2函数和中值滤波器medfilt2函数对图像进行降噪处理。
17.进一步的，所述步骤s3中采用sobel算子进行图像边缘检测获取图像边缘灰度梯度图像。
18.进一步的，通过所述sobel算子获取图像边缘灰度梯度图像的具体步骤包括：
19.用sobel算子的横向卷积因子g
x
和纵向的卷积因子gy和第二图像a作平面卷积，获得横向和纵向的边缘检测的灰度值，计算方法为：
20.g
x
＝g
x
*a
21.gy＝gy*a
22.其中，g
x
和gy分别为横向和纵向的边缘检测的灰度值；
23.将g
x
和gy通过下式进行公式结合，计算对应点的灰度梯度值g的大小，结合公式为；
[0024][0025]
若灰度梯度值g的大小大于预设的阈值，则为边缘灰度梯度值，该图像为边缘灰度梯度图像；
[0026]
使用下列公式计算梯度方向，计算公式为：
[0027][0028]
进一步的，所述步骤s5中通过最大类间差法和观察对比法设定合适的分割阈值，采用matlab内部的imextendedmin、imclose、imerode、bwareaopen、imimposemin、函数进行局部极小值区域提取和优化。
[0029]
进一步的，所述步骤s5中通过imimposemin函数实现局部最小值区域的强制划分，优化重构原始梯度图像。
[0030]
进一步的，所述步骤s6中通过连通域函数bwl abe l实现颗粒或孔隙的区域轮廓的测定。
[0031]
进一步的，所述步骤s7中统计细观的定量参数包括颗粒个数n、颗粒和空隙的定向标准差椭圆的长轴长度l和短轴的长度b、面积大于或等于ai的孔隙总数n、参与统计的孔隙总数n
t
、最小孔隙面积a
min
、孔隙的周长pi和孔隙的面积ai。
[0032]
进一步的，所述步骤s7中计算的定量参数包括颗粒平均面积aa、表观孔隙率na、各项异性率in、定向概率熵hm、korcak分形维数dk和孔隙形态分维数d，计算公式为：
[0033]
[0034]
na＝a1/a2[0035][0036][0037][0038][0039]
其中，n为所有颗粒个数，a1为孔隙的总面积，a2为岩土材料的第一图像的总面积，fi(α)为为定向频率，c为拟合常数。
[0040]
相比于现有技术，本发明的有益效果为：
[0041]
本发明基于matlab图像处理系统，采用分水岭算法对岩土材料sem扫描图像的分割优化及定量参数提取，为岩土材料sem扫描图像快速有效准确地高精度分割优化，提取具有封闭、连续的结构特征的结构单元，能同时实现多种细观参数的定量化计算，实现对不同细观定量参数快速准确获取提供有效依据和参考，使用的分水岭算法对图像进行处理能够更好的分割粘连颗粒，使得提取的参数更加具有参考价值，效果更好，准确度更高，从而对岩土材料的细观定性及定量研究起到了至关重要的作用。
附图说明
[0042]
图1为本发明整体方法流程示意图；
[0043]
图2为本发明中matlab图像处理的流程示意图；
[0044]
图3为本发明中分割优化及定量参数提取方法的流程示意图。
具体实施方式
[0045]
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明。
[0046]
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
[0047]
其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。本发明提供了以下实施例。
[0048]
如图1～3所示，本实施例提供一种技术方案：
[0049]
一种岩土材料sem扫描图像的分割优化及定量参数提取方法，具体步骤包括：
[0050]
s1:将岩土材料的原始sem图像输入到matlab中，裁剪下方标签部分，获得第一图像。
[0051]
本实施例中的步骤s1中图像输入采用matlab内部的imread函数，输入到matlab中的图像采用亮度均匀，噪点少，图像清晰的图像，裁剪原始sem图像的下方标签部分采用imcrop函数，精确裁剪掉下方标签部分避免对后续定量参数的获取造成干扰。
[0052]
s2:对第一图像进行预处理，增强图像对比度，突出图像特征,并对图像进行降噪处理后获得第二图像。
[0053]
本实施例中的步骤s2中采用matlab内部的最大熵函数myhisteq增强图像对比度，突出图像特征。
[0054]
本实施例中的步骤s2中使用matlab内部的均值滤波器filter2函数和中值滤波器medfilt2函数对图像进行降噪处理，能较为准确地过滤图形中孤立的灰度点达到图像降噪的效果。
[0055]
s3:对第二图像进行图像边缘检测，获得第二图像的边缘灰度梯度图像。
[0056]
本实施例中的步骤s3中采用sobel算子进行图像边缘检测获取图像边缘灰度梯度图像，sobel算子根据像素点上下、左右邻点灰度加权差，在边缘处达到极值这一现象检测边缘，对噪声具有平滑作用，提供较为精确的边缘方向信息。
[0057]
进一步的，通过所述sobel算子获取图像边缘灰度梯度图像的具体步骤包括：
[0058]
用sobel算子的横向卷积因子g
x
和纵向的卷积因子gy和第二图像a作平面卷积，获得横向和纵向的边缘检测的灰度值，计算方法为：
[0059]gx
＝g
x
*a
[0060]gy
＝gy*a
[0061]
其中，g
x
和gy分别为横向和纵向的边缘检测的灰度值；
[0062]
将g
x
和gy通过下式进行公式结合，计算对应点的灰度梯度值g的大小，结合公式为；
[0063][0064]
若灰度梯度值g的大小大于预设的阈值，则为边缘灰度梯度值，该图像为边缘灰度梯度图像；
[0065]
使用下列公式计算梯度方向，计算公式为：
[0066][0067]
可选的，本实施例中也可采用prewitt算子、roberts算子进行图像边缘检测获取图像边缘灰度梯度图像。
[0068]
s4:运用数学形态学的基于开和基于闭的重建运算对第二图像进行分析重建，去除突刺填充洞孔，得到第三图像。
[0069]
本实施例中基于开和基于闭的重建运算对第二图像进行分析重建的具体操作为：
[0070]
se＝strel('disk',1)；
[0071]
ie＝imerode(i4,se)；
[0072]
iobr＝imreconstruct(ie,i4)；
[0073]
iobrd＝imdilate(iobr,se)；
[0074]
iobrcbr＝imreconstruct(imcomplement(iobrd),imcomplement(iobr))；
[0075]
i5＝imcomplement(iobrcbr)。
[0076]
s5:对第三图像设定合适的阈值进行局部极小值区域提取和优化，对局部最小值区域进行强制划分，通过边缘灰度梯度图像优化重构原始梯度图像。
[0077]
本实施例中通过一个强制最小值转换将获取的局部最小值区域信息强加到经过sobe l处理后偏移场的梯度幅值影像上，优化重构原始梯度图像。
[0078]
本实施例中的步骤s5中通过最大类间差法和观察对比法设定合适的分割阈值，采用matlab内部的imextendedmin、imclose、imerode、bwareaopen、imimposemin、函数进行局部极小值区域提取和优化。通过imimposemin函数实现局部最小值区域的强制划分，优化重构原始梯度图像。
[0079]
s6:采用matlab中自带分水岭函数watershed对重构的原始梯度图像进行分水岭分割处理，提取颗粒与孔隙的边界，对颗粒和孔隙的轮廓进行测定。
[0080]
本实施例中的步骤s6中通过连通域函数bwlabel实现颗粒或孔隙的区域轮廓的测定，通过分水岭函数watershed较为准确提取颗粒与孔隙的边界。
[0081]
s7:通过matlab内部的图像信息处理函数和求取公式，统计计算细观颗粒和孔隙的定量参数。
[0082]
本实施例中的步骤s7中统计细观的定量参数包括颗粒个数n、颗粒和空隙的定向标准差椭圆的长轴长度l和短轴的长度b、面积大于或等于ai的孔隙总数n、参与统计的孔隙总数n
t
、最小孔隙面积a
min
、孔隙的周长pi和孔隙的面积ai。
[0083]
进一步的，所述步骤s7中计算的定量参数包括颗粒平均面积aa、表观孔隙率na、各项异性率in、定向概率熵hm、korcak分形维数dk和孔隙形态分维数d，计算公式为：
[0084][0085]
na＝a1/a2[0086][0087][0088][0089][0090]
其中，n为所有颗粒个数，a1为孔隙的总面积，a2为岩土材料的第一图像的总面积，fi(α)为为定向频率，c为拟合常数。
[0091]
本实施例中，颗粒平均面积aa反映土颗粒的平均面积大小，表观孔隙率na反映孔隙土体的密实度，表观孔隙率越大，密实度越小，各项异性率in反映了土微观结构单元体或孔
隙排列的整体定向特征，定向概率熵hm可以有效的表示单元体或孔隙排列的有序性，其值越大，结构单元或孔隙的排列越混乱，有序性越差，反之就越好，korcak分形维数dk集中表现深部软弱夹层截面各颗粒或孔隙面积尺寸分布的结构，试验后深部软弱夹层的颗粒或孔隙korcak分维数愈大，统计区域内的颗粒破碎愈剧烈，颗粒及孔隙尺寸的分布越复杂，孔隙形态分维数d越大，孔隙边界越复杂。
[0092]
为阐明深部软弱夹层在不同围压、不同加卸荷应力路径下破坏的细观力学机制，通过matlab数学软件对深部软弱夹层的sem扫描图像进行精细量化分析，着重对深部软弱夹层的细观结构特征(颗粒破碎特征、定向特征、分形特征及孔隙演化特征)进行定性和定量的探索与研究，进一步建立细观结构参数与卸荷极限承载力的定量关系。
[0093]
本实施例的深部软弱夹层试样取自西南某水电站大型地下厂房中，采用环刀法获得天然深部软弱夹层的天然密度，比重瓶法获得天然深部软弱夹层的相对密度，烘干法获得天然深部软弱夹层的含水率，同时利用土的三相指标换算天然深部软弱夹层的孔隙比、饱和度等相关参数；采用筛分法和密度计法获得天然深部软弱夹层的不均匀系数、曲率系数、黏土含量和粗粒含量；采用液-塑限联合测定仪测量天然深部软弱夹层的塑限和液限，并计算塑性指数。
[0094]
不均匀系数远100.91，曲率系数2.57，黏粒含量8～15％，粗粒含量25～35％，表明深部软弱夹层为级配良好且具有粘土特性的粗颗粒材料；孔隙比0.502，相对密度2.73，表明深部软弱夹层在高围压下结构密实，孔隙含量较少；含水率为13.5％接近其塑限13.9，塑性指数10.8，表明深部软弱夹层为具有较高塑性的黏性土。即深部软弱夹层为结构密实、级配良好、具有黏土特性和可塑性的粗颗粒材料。
[0095]
现采用本实施例中使用sem图像获得深部软弱夹层的细观力学特征量化参数并探究其宏细观力学参数的相关性特征。
[0096]
本实施例中表1为深部软弱夹层不同应力路径下细观结构参数及宏观力学参数值表，表为深部软弱夹层不同应力路径下细观结构参数与卸荷极限承载力的相关系数，表3为深部软弱夹层不同应力路径下细观结构参数与黏聚力和强度参数的相关系数。
[0097]
本实施例中根据上述分析在进行强度多元回归分析时，可选取显著变量颗粒korcak分维数dk和孔隙形态维数d，采用多元回归方程拟合，其表达式如下：
[0098]
σc＝40.885d
k-20.887d+19.690
[0099]
将表1中的dk、d代入强度参数σc的回归方程得到的强度参数σc拟合值与实验室获取的强度参数σc实测值相对比(见表3)可以看出，回归计算结果与试验值相符，上述回归方程具有较高的拟合精度，消除了不同细观结构参数在反映深部软弱夹层内部机制方面存在的“部分信息重复”现象，且降低了细观结构参数维数。模型中的颗粒korcak分维数dk和孔隙形态维数d是与强度参数σc最相关、最具代表性的显著性相关指标。
[0100]
表1
[0101][0102]
表2
[0103][0104]
表3
[0105][0106][0107]
注：表中上标“(1)，
(2)
，
(3)”分别表示两个变量在1％，5％和10％的水平上显著相关。
[0108]
以上内容是结合具体实施方式对本发明作进一步详细说明，不能认定本发明具体实施只局限于这些说明，对于本发明所属技术领域的普通技术人员来说，在不脱离本发明的构思的前提下，还可以做出若干简单的推演或替换，都应当视为属于本发明所提交的权利要求书确定的保护范围。

技术特征：
1.一种岩土材料sem扫描图像的分割优化及定量参数提取方法，其特征在于，具体步骤包括：s1:将岩土材料的原始sem图像输入到matlab中，裁剪下方标签部分，获得第一图像；s2:对第一图像进行预处理，增强图像对比度，突出图像特征,并对图像进行降噪处理后获得第二图像；s3:对第二图像进行图像边缘检测，获得第二图像的边缘灰度梯度图像；s4:运用数学形态学的基于开和基于闭的重建运算对第二图像进行分析重建，去除突刺填充洞孔，得到第三图像；s5:对第三图像设定合适的阈值进行局部极小值区域提取和优化，对局部最小值区域进行强制划分，通过边缘灰度梯度图像优化重构原始梯度图像；s6:采用matlab中自带分水岭函数watershed对重构的原始梯度图像进行分水岭分割处理，提取颗粒与孔隙的边界，对颗粒和孔隙的轮廓进行测定；s7:通过matlab内部的图像信息处理函数和求取公式，统计计算细观颗粒和孔隙的定量参数。2.根据权利要求1所述的一种岩土材料sem扫描图像的分割优化及定量参数提取方法，其特征在于，所述步骤s1中图像输入采用matlab内部的imread函数，裁剪原始sem图像的下方标签部分采用imcrop函数。3.根据权利要求1所述的一种岩土材料sem扫描图像的分割优化及定量参数提取方法，其特征在于，所述步骤s2中采用matlab内部的最大熵函数myhisteq增强图像对比度，使用matlab内部的均值滤波器filter2函数和中值滤波器medfilt2函数对图像进行降噪处理。4.根据权利要求1所述的一种岩土材料sem扫描图像的分割优化及定量参数提取方法，其特征在于，所述步骤s3中采用sobel算子进行图像边缘检测获取图像边缘灰度梯度图像。5.根据权利要求4所述的一种岩土材料sem扫描图像的分割优化及定量参数提取方法，其特征在于，通过所述sobel算子获取图像边缘灰度梯度图像的具体步骤包括：用sobel算子的横向卷积因子g
x
和纵向的卷积因子g
y
和第二图像a作平面卷积，获得横向和纵向的边缘检测的灰度值，计算方法为：g
x
＝g
x
*ag
y
＝g
y
*a其中，g
x
和g
y
分别为横向和纵向的边缘检测的灰度值；将g
x
和g
y
通过下式进行公式结合，计算对应点的灰度梯度值g的大小，结合公式为；若灰度梯度值g的大小大于预设的阈值，则为边缘灰度梯度值，该图像为边缘灰度梯度图像；使用下列公式计算梯度方向，计算公式为：6.根据权利要求1所述的一种岩土材料sem扫描图像的分割优化及定量参数提取方法，其特征在于，所述步骤s5中通过最大类间差法和观察对比法设定合适的分割阈值，采用
matlab内部的imextendedmin、imclose、imerode、bwareaopen、imimposemin、函数进行局部极小值区域提取和优化。7.根据权利要求1所述的一种岩土材料sem扫描图像的分割优化及定量参数提取方法，其特征在于，所述步骤s5中通过imimposemin函数实现局部最小值区域的强制划分，优化重构原始梯度图像。8.根据权利要求1所述的一种岩土材料sem扫描图像的分割优化及定量参数提取方法，其特征在于，所述步骤s6中通过连通域函数bwlabel实现颗粒或孔隙的区域轮廓的测定。9.根据权利要求1所述的一种岩土材料sem扫描图像的分割优化及定量参数提取方法，其特征在于，所述步骤s7中统计细观的定量参数包括颗粒个数n、颗粒和空隙的定向标准差椭圆的长轴长度l和短轴的长度b、面积大于或等于ai的孔隙总数n、参与统计的孔隙总数n
t
、最小孔隙面积a
min
、孔隙的周长p
i
和孔隙的面积a
i
。10.根据权利要求9所述的一种岩土材料sem扫描图像的分割优化及定量参数提取方法，其特征在于，所述步骤s7中计算的定量参数包括颗粒平均面积a
a
、表观孔隙率n
a
、各项异性率i
n
、定向概率熵h
m
、korcak分形维数d
k
和孔隙形态分维数d，计算公式为：n
a
＝a1/a
2222
其中，n为所有颗粒个数，a1为孔隙的总面积，a2为岩土材料的第一图像的总面积，f
i
(α)为为定向频率，c为拟合常数。

技术总结
本发明公开了一种岩土材料SEM扫描图像的分割优化及定量参数提取方法，本发明基于MATLAB图像处理系统，采用分水岭算法对岩土材料SEM扫描图像的分割优化及定量参数提取，为岩土材料SEM扫描图像快速有效准确地高精度分割优化，提取具有封闭、连续的结构特征的结构单元，能同时实现多种细观参数的定量化计算，实现对不同细观定量参数快速准确获取提供有效依据和参考，使用的分水岭算法对图像进行处理能够更好的分割粘连颗粒，使得提取的参数更加具有参考价值，效果更好，准确度更高，从而对岩土材料的细观定性及定量研究起到了至关重要的作用。要的作用。要的作用。


技术研发人员：段淑倩 高坡 熊杰程 张明焕 曹备 徐鼎平 邱士利 姚文敏
受保护的技术使用者：郑州大学
技术研发日：2023.06.08
技术公布日：2023/9/14