[发明专利]基于Cosine相似度量的结构面粗糙度系数评价方法

摘要

一种基于Cosine相似度量的结构面粗糙度系数评价方法，分别选取Barton的m条标准轮廓曲线的高像素照片，以μ为精度对图片轮廓曲线各点进行坐标数据的提取；根据提取的x、y坐标数据，计算起伏角度，标准轮廓曲线的特征向量，通过对相邻起伏角度频数的归一化实现；在野外现场选定所需要测定的结构面，统计测试轮廓曲线上所有相邻起伏角度的分布规律，记录θi出现在每个区间内的频数，构成测试轮廓曲线特征向量；测试轮廓曲线特征向量进行归一化；根据Cosine相似度量方法，分别确定测试曲线与m条标准曲线的相似度，对相似度量结果做变化，rk＝1，所对应的粗糙度系数范围就是该测试曲线的粗糙度系数值。本发明准确性良好。

主权项

1.一种基于Cosine相似度量的结构面粗糙度系数评价方法，其特征在于：所述评价方法包括如下步骤：1)分别选取Barton的m条标准轮廓曲线的高像素照片，以μ为精度对图片轮廓曲线各点进行坐标数据的提取；2)根据提取的x、y坐标数据，按照如下公式计算轮廓曲线上相邻两点(xi,yi)、(xi+1,yi+1)的起伏角度θi， θ i = arctan ( ( y i + 1 - y i x i + 1 - x i ) 2 ) = arctan ( ( y i + 1 - y i μ ) 2 ) - - - ( 1 ) ]]>3)以设定度数为间隔，统计标准轮廓曲线上所有相邻起伏角度θi的分布规律，记录θi出现在每个区间内的频数，构成标准轮廓曲线特征向量S*；4)标准轮廓曲线的特征向量，通过对相邻起伏角度频数的归一化实现，其公式为 s i = s i * - S min * S m a x * - S m i n * , - - - ( 2 ) ]]>其中，si为标准曲线特征向量S*的归一化向量的元素；为标准轮廓曲线每个角度间隔上的频数；和是相邻起伏角度的最小和最大频数；5)在野外现场选定所需要测定的结构面，采用轮廓曲线仪沿着测量方向绘制结构面表面的轮廓曲线，然后通过室内图像扫描与数据提取，获得精度为μ的结构面轮廓高程数据；6)以设定度数为间隔，统计测试轮廓曲线上所有相邻起伏角度θi的分布规律，记录θi出现在每个区间内的频数，构成测试轮廓曲线特征向量T；7)测试轮廓曲线特征向量T按下式(3)进行归一化 t i = t i * - S min * S m a x * - S m i n * . - - - ( 3 ) ]]>ti为测试曲线特征向量的归一化向量的元素；为测试轮廓曲线每设定度数间隔上的频数；8)根据Cosine相似度量方法，分别确定测试曲线与m条标准曲线的相似度，其公式为： C ( T , S ) = T · S | | T | | 2 | | S | | 2 = Σ i = 1 n t i s i Σ i = 1 n t i 2 Σ i = 1 n s i 2 - - - ( 4 ) ]]>相似度量结果记作vk＝C(T,Sk)，k＝1,2,…,m；m是标准曲线的条数，Sk为第k条标准曲线的归一化向量，T为测试曲线的归一化向量；9)对相似度量结果做如下变化， r k = 2 v k - v m i n - v m a x v max - v min . - - - ( 5 ) ]]>rk为相似度量结果的归一化值；vmin是相似度量结果的最小值；vmax是相似度量结果的最大值，rk＝1说明该标准曲线与测试曲线的粗糙起伏特征最为接近，其所对应的粗糙度系数就是该测试曲线的粗糙度系数值。