[发明专利]一种砾石的粒度分布测量方法及装置

说明书

本发明公开了一种砾石的粒度分布测量方法及装置。其中，方法包括：将待测的第一图像输入至预设的神经网络模型，得到神经网络模型输出的第一图像对应的第一阈值和第二阈值；基于自动粒度分布算法和第一阈值去除第一图像中的背景物，得到第二图像；采用区域填充技术对第二图像中的各个砾石进行填充，得到第三图像；将第二阈值作为H‑minima变换中的h值，基于H‑minima变换的分水岭算法对第三图像中的各个砾石进行分割，得到第四图像；采用Hotelling变换测量第四图像中各个砾石的短轴，以对第四图像中的各个砾石进行分类，并绘制各类砾石的粒度分布图。本发明实施例能够提高砾石粒度分布测量的准确性。

技术领域

本发明属于复杂颗粒图像分割领域，更具体地，涉及一种砾石的粒度分布测量方法及装置。

背景技术

河床地貌受各种形状和尺寸的砾石影响，砾石的粒度分布测量是水力学、地形学和生态学中的重要任务。数字图像技术和计算机软件的发展提高了自动化图像分析的可能性，从而促进了砾石的粒度分布测量的发展，实现了通过自动粒度分布算法(AGS)测量砾石的粒度分布。

河床图像通常包括多个砾石和背景物，背景物通常为砂地，研究表明，在AGS中确定合适的二进制阈值，可以从彩色的河床图像灰度化后的二进制图像也即灰度图像中区分砾石与砂地(通常，白色部分为砾石，黑色部分为砂地)，得到仅包含砾石的图像，为后续的砾石粒度分布测量打下基础。

现有技术中，专家可以通过对河床图像进行人工识别，确定合适的二进制阈值，然而这是一个漫长而繁琐的过程，且人的主观判断容易出错，从而导致后续砾石粒度分布测量准确性低。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种砾石的粒度分布测量方法及装置，其目的在于提高砾石的粒度分布测量的准确性，由此解决砾石的粒度分布测量不准确的技术问题。

为实现上述目的，按照本发明的一个方面，提供了一种砾石的粒度分布测量方法，包括：

将待测的第一图像输入至预设的神经网络模型，得到所述神经网络模型输出的所述第一图像对应的第一阈值和第二阈值；其中，所述第一图像包括多个砾石和背景物；

基于自动粒度分布算法和所述第一阈值去除所述第一图像中的背景物，得到第二图像；

采用区域填充技术对所述第二图像中的各个砾石进行填充，得到第三图像；

将所述第二阈值作为H-minima变换中的h值，基于所述H-minima变换的分水岭算法对所述第三图像中的各个砾石进行分割，得到第四图像；

采用Hotelling变换测量所述第四图像中各个砾石的短轴，以对所述第四图像中的各个砾石进行分类，并绘制各类砾石的粒度分布图。

优选地，所述神经网络模型为基于反向传播的模糊神经网络。

优选地，将待测的第一图像输入至预设的神经网络模型，之前还包括：

获取待测的原始彩色图像；其中，所述原始彩色图像包括多个砾石和背景物；

采用离散小波变换对所述原始彩色图像进行下采样，得到待测的第一图像。

优选地，所述神经网络模型按照如下方法获取：

获取多个样本原始彩色图像；其中，所述样本原始彩色图像包括多个砾石和背景物；

采用离散小波变换对每个所述样本原始图像进行下采样，得到每个所述样本原始图像对应的第一样本图像；

获取每个所述第一样本图像对应的第一样本阈值和第二样本阈值，并将每个所述样本原始图像及对应的第一样本阈值和第二样本阈值组合作为一个样本；