專利名稱：一種瀝青混合料的檢測方法及系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及瀝青混合料測試技術(shù)，尤其涉及一種瀝青混合料的檢測方法 及檢測系統(tǒng)。
背景技術(shù)：
隨著我國經(jīng)濟(jì)建設(shè)的高速發(fā)展，公路建設(shè)也邁進(jìn)了前所未有的發(fā)展階 段。人們的生活、生產(chǎn)與公路運輸?shù)年P(guān)系日益緊密，好的路面質(zhì)量能夠有效 的推動經(jīng)濟(jì)的發(fā)展，改善人們的生產(chǎn)生活水平。瀝青路面作為公路建設(shè)的主 要結(jié)構(gòu)形式在公路建設(shè)中得到了越來越廣泛的研究和應(yīng)用。瀝青路面由瀝青混合料構(gòu)成，瀝青混合料包括瀝青、空隙及集料，集料 又包括不同粒徑的礦料。瀝青混合料各組成成分不同的配給方案所配置出的 瀝青路面質(zhì)量不同，質(zhì)量差的瀝青路面容易出現(xiàn)低溫開裂、早期損壞、凍脹 以及高溫車轍等現(xiàn)象，降低路面的使用壽命，因此為了更好的保證路面質(zhì)量， 優(yōu)化配給方案，需要一套科學(xué)的檢測方法，對瀝青混合料成品進(jìn)行直接檢測， 根據(jù)檢測結(jié)果優(yōu)化配給方案?，F(xiàn)有技術(shù)中的檢測方法主要是依靠機(jī)械及手工方式，龐大的機(jī)械設(shè)備不僅成本高、占用空間大，而且無法一次性檢測出瀝青混合料的各組成成分的 含量。如對瀝青混合料中瀝青含量的檢測使用離心式抽提儀、回流式抽提儀 等，對瀝青混合料中集料的檢測則需使用搖篩機(jī)等，并且檢測過程需要人為 參與的因素較多，不同人員的判斷差異也會引起檢測誤差?？梢姮F(xiàn)有技術(shù)中 的檢測過程不僅需要耗費大量人力物力，而且檢測效率較低。發(fā)明內(nèi)容有鑒于此，本發(fā)明一方面提供一種瀝青混合料的檢測方法，能夠提高檢 測效率。本發(fā)明另一方面提供一種湯青混合料的檢測系統(tǒng)，能夠直接高效的完成 瀝青混合料組成的檢測。本發(fā)明所提供的瀝青混合料的檢測方法，包括如下步驟A、 采集瀝青混合料的圖像，得到采集圖像；B、 對采集圖像進(jìn)行圖像處理，得到瀝青混合料各組成成分的含量。 所述步驟B具體包括Bl、對采集圖像進(jìn)行圖像預(yù)處理，得到預(yù)處理圖像； B2、對預(yù)處理圖像進(jìn)行圖像分割及特征提取，得到瀝青混合料各組成成分 的含量。所述步驟B1具體包括Bll、對采集圖像的灰度圖像進(jìn)行對比度增強(qiáng)處理和/或噪聲消除處理；B12、對灰度圖像進(jìn)行邊緣突顯處理，得到預(yù)處理圖像。其中，步驟Bll中所述對釆集圖像的灰度圖像進(jìn)行對比度增強(qiáng)處理為對采集圖像的灰度圖像繪制其灰度直方圖，對灰度直方圖進(jìn)行直方圖均衡化和/或灰度拉伸處理；所述對灰度圖像進(jìn)行噪聲消除處理為對灰度圖像采用濾波的方式進(jìn)行平滑和/或復(fù)原處理。其中，步驟B12中所述對灰度圖像進(jìn)行邊緣突顯處理為對灰度圖像采用高通濾波和/或高頻加強(qiáng)濾波進(jìn)行銳化。 所述步驟B2具體包括B21、對預(yù)處理圖像進(jìn)行圖像分割，得到瀝青混合料中空隙、瀝青和集料的 含量，并得到集料二值圖像；B22、對集料二值圖像進(jìn)行特征提取，得到各種粒徑集料顆粒的特征參數(shù)， 根據(jù)所得到的特征參數(shù)，計算得到集料中各粒徑集料顆粒的含量。步驟B21中所述對預(yù)處理圖像進(jìn)行圖像分割為對預(yù)處理圖像采用閾值分 割的方法進(jìn)行圖像分割，所述閾值的選取方法包括雙峰法、大津法、平均灰 度法、狀態(tài)法以及迭代法。
步驟B22所述對集料二值圖像進(jìn)行特征提取為對集料二值圖像中的較小 粒徑集料顆粒采用數(shù)學(xué)形態(tài)法進(jìn)行分離，對集料二值圖像中的較大粒徑集料顆 粒釆用邊緣檢測法及鏈碼跟蹤法進(jìn)行分離；對分離后的各粒徑集料顆粒計算特 征參數(shù)。該方法進(jìn)一步包括將步驟A中的采集圖像、步驟B中產(chǎn)生的圖像處 理信息及瀝青混合料各組成成分的信息存儲在數(shù)據(jù)庫中。本發(fā)明所提供的瀝青混合料的檢測系統(tǒng)，包括圖像預(yù)處理模塊和圖像 分割及特征提取模塊，其中，圖像預(yù)處理模塊，用于對瀝青混合料的采集圖像進(jìn)行預(yù)處理，得到預(yù)處理 圖像，并將所得到的預(yù)處理圖像輸出；圖像分割及特征提取模塊，用于接收預(yù)處理圖像，對預(yù)處理圖像進(jìn)行圖像 分割及特征提取，得到瀝青混合料各組成成分的含量。該系統(tǒng)進(jìn)一步包括數(shù)據(jù)庫模塊，用于存儲圖像預(yù)處理模塊和圖像分割及 特征提取才莫塊產(chǎn)生的圖像處理信息及瀝青混合料各組成成分的信息。其中，所述圖像分割及特征提取模塊包括圖像分割子模塊和特征提取子 模塊，其中，圖像分割子模塊，用于對預(yù)處理圖像進(jìn)行圖像分割，得到瀝青混合料中空 隙、瀝青和集料的含量，并得到集料二值圖像；特征提取子模塊，用于對集料二值圖像進(jìn)行特征提取，得到各種粒徑的 集料顆粒的特征參數(shù)，根據(jù)所得到的特征參數(shù)，計算得到集料中各粒徑集料 顆粒的含量。從上述方案可以看出，本發(fā)明通過采集瀝青混合料的圖像，并對采集圖 像進(jìn)行圖像處理，得到湯青混合料各組成成分的含量。實現(xiàn)將計算機(jī)的數(shù)字 圖像處理技術(shù)應(yīng)用于瀝青混合料的檢測領(lǐng)域，如瀝青混合料的體積組成特性 的自動檢測領(lǐng)域，無需笨重的機(jī)械設(shè)備進(jìn)行檢測，從而節(jié)省了人力物力，并 且高效的完成了瀝青混合料的自動檢測，降低了傳統(tǒng)檢測方法的成本；并且 由于整個檢測過程人為參與的因素減少，從而有效克服了現(xiàn)有技術(shù)中由于人 員的判斷差異而引起的誤差，提高了檢測精度。此外，本發(fā)明由于無需笨重的機(jī)械設(shè)備進(jìn)行檢測，從而應(yīng)用靈活，可隨 時隨地進(jìn)行直接檢測，并且可實時對瀝青混合料拌和設(shè)備生產(chǎn)出的瀝青混合 料取樣壓實后進(jìn)行檢測，并根據(jù)檢測結(jié)果作為瀝青混合料制造設(shè)備的反饋信 息即時指導(dǎo)生產(chǎn)，進(jìn)一步保證了瀝青混合料級配的優(yōu)化和成品的質(zhì)量。另外，本發(fā)明通過設(shè)置數(shù)據(jù)庫，可以將采集圖像、圖像處理過程中的大 量的中間處理圖像以及瀝青混合料各組成成分的各種相關(guān)信息進(jìn)行保存，從 而可以為觀察瀝青混合料在某種配給方案下在該地區(qū)的使用狀況，可以提供 大量有效的數(shù)據(jù)及圖像處理結(jié)果信息，為后續(xù)的使用和配給方案理論及標(biāo)準(zhǔn) 的修訂提供了寶貴的技術(shù)資料。最后，本發(fā)明還為瀝青混合料體積組成特性的自動檢測提出了一種新的 思路和方式，為正在研究的更加合理的瀝青混合料的試件制作方法提供了科 學(xué)的參考價值。


圖1為本發(fā)明實施例中瀝青混合料的檢測方法的示例性流程圖；圖2(a)為圖1所示方法實施例中的一個采集圖像；圖2(b)為圖1所示方法實施例中的又一個采集圖像；圖3為圖1所示方法實施例中均值濾波的模板；圖4為圖1所示方法實施例中高通濾波的模板；圖5為圖1所示方法實施例中高頻加強(qiáng)濾波的模板；圖6(a)為對圖2(a)所示采集圖像進(jìn)行圖像分割后得到的瀝青混合料中空 隙、瀝青和集料的比例示意圖；圖6(b)為對圖2(b)所示采集圖像進(jìn)行圖像分割后得到的瀝青混合料中空 隙、瀝青和集料的比例示意圖；圖7為圖1所示方法實施例中拉普拉斯(Laplace)算子的模板；圖8(a)為圖1所示方法實施例中四連通鏈碼的示意圖8(b)為圖1所示方法實施例中八連通鏈碼的示意圖；圖9(a)為對圖2(a)所示采集圖像的集料二值圖像進(jìn)行特征提取后，得到 的各粒徑集料顆粒的比例示意圖；圖9(b)為對圖2(b)所示采集圖像的集料二值圖像進(jìn)行特征提取后，得到 的各粒徑集料顆粒的比例示意圖；圖10為本發(fā)明實施例中瀝青混合料的檢測系統(tǒng)的結(jié)構(gòu)示意圖。
具體實施方式
為使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚明白，下面結(jié)合實施例和 附圖，對本發(fā)明進(jìn)一步詳細(xì)說明。本發(fā)明的基本思想是對瀝青混合料進(jìn)行數(shù)據(jù)采集，得到釆集圖像；對 采集圖像進(jìn)行圖像處理，得到瀝青混合料各組成成分的含量。其中，瀝青混 合料各組成成分的含量具體包括瀝青混合料中瀝青、空隙和集料的體積組 成，以及集料中各粒徑集料顆粒的體積組成，并且組成關(guān)系可以用三維圖形 顯示。具體實現(xiàn)時，對瀝青混合料的數(shù)據(jù)采集可通過數(shù)碼相機(jī)或?qū)ｉT的圖像采 集相機(jī)對瀝青混合料進(jìn)行拍攝，獲取采集圖像；然后對采集圖像進(jìn)行灰度直 方圖處理或平滑、復(fù)原以及銳化等預(yù)處理，然后對預(yù)處理后的圖像進(jìn)行圖像 分割及特征提取等，得到瀝青混合料各組成成分所占的比例。進(jìn)一步地，可 將釆集圖像與處理后的圖像及相關(guān)參數(shù)存儲在數(shù)據(jù)庫中作為參考與查詢。下面結(jié)合實施例對本發(fā)明瀝青混合料的檢測方法及系統(tǒng)進(jìn)行詳細(xì)描述。參見圖1,圖1為本發(fā)明實施例中瀝青混合料的檢測方法的示例性流程 圖。該流程包括如下步驟步驟IOI,采集瀝青混合料的圖像，得到釆集圖像。本步驟中，對瀝青混合料的圖像采集可通過數(shù)碼相機(jī)或?qū)ｉT的圖像采集 相機(jī)對瀝青混合料進(jìn)行拍攝，獲取采集圖像。若采用數(shù)碼相機(jī)或?qū)ｉT的圖像 采集相機(jī)獲取采集圖像，可通過相機(jī)與計算機(jī)的接口，將采集圖像直接輸入 計算機(jī)中。與普通相機(jī)相比，數(shù)碼相機(jī)和專門的圖像采集相機(jī)獲取的圖^f象可 以直接進(jìn)行數(shù)據(jù)傳輸，并可直接預(yù)覽，圖像質(zhì)量高，采集效果好。本實施例中采用分辨率為2016 x 1512的索尼(Sony) P8數(shù)碼相機(jī)，對瀝青混合料進(jìn) 行數(shù)據(jù)采集，并將得到的采集圖像存儲在數(shù)碼相機(jī)的記憶棒中，然后使用數(shù) 碼相機(jī)與計算機(jī)的通用串行總線(USB)接口將采集圖像輸入計算機(jī)中。如 圖2所示，圖2(a)和圖2(b)分別為其中的兩幅采集圖像。步驟102，對采集圖像進(jìn)行圖像預(yù)處理，得到預(yù)處理圖像。由于步驟101中進(jìn)行圖像采集時會存在幾方面的問題①相機(jī)分辨率設(shè) 置問題。若分辨率設(shè)置過低，則獲取的采集圖像會存在模糊的問題。②由于 圖像拍攝時的光照不均勻，獲取的采集圖像存在圖像中心較亮，而邊緣偏暗 的問題。③瀝青混合料中含有的顆粒數(shù)量多且密集，小顆粒的集料在獲取的 采集圖像中不明顯。④圖像中存在著拍攝過程中引入的人為噪聲以及在傳 輸、處理中引入的噪聲。本步驟中為了削弱或除去上述噪聲，降低對后續(xù)圖像處理的影響，也為 了方便進(jìn)行后續(xù)圖像處理，需要對采集圖像進(jìn)行圖像預(yù)處理。由于圖像處理 技術(shù)主要是針對灰度圖像進(jìn)行處理的，因此若步驟101中是數(shù)碼相機(jī)獲取彩 色采集圖像，則需要先將彩色圖像轉(zhuǎn)換為灰度圖像，若步驟101中是專門的 采集照相機(jī)獲取的灰度采集圖像，則不必進(jìn)行灰度圖像轉(zhuǎn)換。在將彩色圖像 轉(zhuǎn)換為灰度圖像時，所采用的轉(zhuǎn)換公式可以為gray = 0.3r + 0.59g + 0.116，其 中r， g， b分別為在彩色圖像中紅，綠，藍(lán)的顏色強(qiáng)度，^是轉(zhuǎn)換為灰度圖 像之后的圖像灰度值。圖像預(yù)處理主要包括對比度增強(qiáng)處理、噪聲消除處理以及邊緣突顯處 理。其中對比度增強(qiáng)處理是為了增強(qiáng)圖像的對比度，方便后續(xù)圖像處理進(jìn)行 識別，主要包括灰度直方圖處理；噪聲消除處理是為了減少噪聲的干擾，主 要包括灰度圖像平滑處理以及灰度圖像復(fù)原處理；邊緣突顯處理是為了突出 瀝青混合料的邊緣，便于邊緣提取，主要包括灰度圖像銳化處理。上述各種
預(yù)處理方法可同時使用，也可選擇使用，具體使用什么預(yù)處理方法，根據(jù)實 際情況而定。如可以先對灰度圖像進(jìn)行灰度直方圖處理，然后再進(jìn)行灰度圖像平滑處理和灰度圖像復(fù)原處理；或者對灰度圖像進(jìn)行直方圖處理后只進(jìn)行 灰度圖像平滑處理，或只進(jìn)行灰度圖像復(fù)原處理；或者只對灰度圖像進(jìn)行平 滑處理和/或復(fù)原處理，而不進(jìn)行灰度圖像直方圖處理等。下面分別對各種 預(yù)處理方法進(jìn)行介紹。灰度直方圖處理，主要包括灰度直方圖均衡化和灰度拉伸。首先將灰度 圖像轉(zhuǎn)換為灰度直方圖形式，然后對灰度直方圖進(jìn)行均衡化處理和/或灰度 拉伸處理。均衡化處理可使原始圖像的直方圖變換成均勻分布的形式，這樣 可擴(kuò)大像素灰度值的動態(tài)范圍，突出在原始圖像中看不清楚的細(xì)節(jié)，從而達(dá) 到增強(qiáng)圖像整體對比度的效果?；叶壤焯幚硎菍⒃谀骋欢蔚幕叶韧ㄟ^函數(shù) 變換的方式變換到另一個灰度段，從而可增加原圖像中一些灰度相近的不同 物體的對比度，便于對后續(xù)圖像處理進(jìn)行識別操作，然后再將灰度直方圖轉(zhuǎn) 換為灰度圖像。對于直方圖均衡化和灰度拉伸可以根據(jù)需要進(jìn)行選擇操作。 如果原始圖像的直方圖已經(jīng)是均勻分布的形式，則無需對原始圖像的直方圖 進(jìn)行均衡化處理?；叶葓D像平滑處理，主要是對圖像中的噪聲進(jìn)行消除，此外也可使圖像 模糊，在提取較大目標(biāo)之前去除一些無關(guān)緊要的環(huán)節(jié)?；叶葓D像平滑處理可 采用濾波的方式進(jìn)行，濾波過程包括選取濾波模板，按照行或者列的方式 對原圖像進(jìn)行掃描，并按照所選取的濾波模板的大小每次處理相同大小的鄰 域的像素，將各鄰域的像素值與模版的對應(yīng)系數(shù)矩陣相乘作為該像素的值。 其中，濾波方式包括維納濾波、中值濾波、均值濾波、逆濾波、盲反巻積 濾波和小波變換等方式，下面對均值濾波和中值濾波進(jìn)行說明。均值濾波是 線性平滑濾波的一種，它是一種用當(dāng)前像素和與當(dāng)前像素相鄰的幾個像素的 灰度值的求和平均值來代替該當(dāng)前像素值的方法。實際應(yīng)用中，可根據(jù)圖像 的模糊程度和計算機(jī)的處理速度等情況，對模板進(jìn)行選取，如可選取3x3的 模板，3x3的均值濾波模板如圖3所示。中值濾波是非線性平滑濾波的一種，
它是一種鄰域運算，類似于巻積，運算思路與均值相似，也是對鄰接的幾個 像素進(jìn)行運算。不同的是中值濾波不進(jìn)行加權(quán)平均計算，而是對模板內(nèi)所涵 蓋的像素灰度值由小到大排列，取排序的中間值作為當(dāng)前像素值。同理根據(jù) 實際情況對中值濾波模板進(jìn)行選取?；叶葓D像復(fù)原處理，主要也是對圖像中的噪聲進(jìn)行消除。主要可采用逆 濾波、盲反巻積濾波以及維納濾波等對原始的灰度圖像進(jìn)行處理?；叶葓D像銳化處理，主要是突出圖像中瀝青混合料的邊緣，便于后續(xù)進(jìn) 行圖像邊緣提取。在圖像的銳化過程中主要是通過濾波方法對高頻的部分進(jìn) 行突顯，所使用的濾波方法主要有高通濾波和高頻加強(qiáng)濾波，高通濾波是通 過一個傳遞函數(shù)確定一個值，以該值作為圓的半徑，理想的高通濾波器可以 將以這一定值為半徑的圓內(nèi)低頻部分衰減掉，而圓外的高頻部分則可以無損通過，如圖4所示，圖4為高通濾波的模板；高頻加強(qiáng)濾波是在高通濾波的 基礎(chǔ)上做了些改進(jìn)。先將原始圖像乘上一個大于1的倍率，再減去該圖^f象經(jīng) 低通濾波后的結(jié)果，如圖5所示，圖5為高頻加強(qiáng)濾波的模板。經(jīng)過銳化處 理之后，圖像的邊緣部分就可以突出顯示出來，方便后續(xù)對于邊緣的提取。步驟103,對預(yù)處理圖像進(jìn)行圖像分割，得到瀝青混合料中空隙、瀝青 和集料的含量，并得到集料二值圖像。圖像分割是指把物體從背景中檢測、分離出來。本實施例中，主要是將 瀝青混合料圖像中的空隙、集料、瀝青分離出來，從而得到瀝青混合料的空 隙、集料和瀝青的含量，如瀝青混合料的空隙、集料和>歷青的體積以及體積 百分比，或根據(jù)體積及密度得到的質(zhì)量及質(zhì)量百分比等。本步驟中，將預(yù)處 理圖像轉(zhuǎn)換為灰度直方圖，根據(jù)灰度值可以區(qū)分出空隙。雖然空隙與瀝青的 顏色相近，但由于灰度圖像中空隙為深黑色，有固定的灰度值范圍，可以與 幼青相區(qū)分。具體實現(xiàn)時，可根據(jù)經(jīng)驗值，將灰度值小于20的部分，劃歸 為空隙的部分。對于剩下的部分，集料與瀝青的區(qū)分，可采用閾值分割的方 法實現(xiàn)進(jìn)一步分割。其中，閾值的選取有平均灰度法、狀態(tài)法、迭代法、雙 峰法以及大津法等。對于瀝青混合料的圖像，因為大部分瀝青混合料具有很好的雙峰性，因此可選用雙峰法或大津法來選取區(qū)分瀝青和集料的閾值，雙 峰法是首先求圖像的灰度分布，然后用統(tǒng)計方法按照將瀝青錯分為集料和將集料錯分為瀝青的錯分誤差最小原則確定最佳閾值；大津法是利用選取閾值 將瀝青從集料中分離出來，即將圖像中的像素分為兩類，或?qū)儆跒r青，或?qū)?于集料，并根據(jù)概率論中的原理，在使分割的兩組間方差最大時，所得到的 兩組數(shù)據(jù)錯分誤差最小，由此原理確定出最佳閾值。對于灰度直方圖具有較 好雙峰性的圖像可以選用雙峰法，也可以選用大津法；但是對于灰度直方圖 雙峰性不明顯的圖像，選用大津法處理的效果明顯優(yōu)于雙峰法。進(jìn)行圖像分 割處理之后的圖像，即為集料二值圖像，其中集料為白色，剩下的部分都為 背景黑色，以方便后續(xù)處理。通過上述圖像分割處理，便得到了空隙、瀝青與集料的體積組成，即體 積百分比。如圖6所示，圖6為對圖2所示兩個采集圖像進(jìn)行圖像分割后分 別得到的瀝青混合料中空隙、瀝青和集料的體積比例示意圖。其中，圖6(a) 為對圖2(a)所示采集圖像進(jìn)行圖像分割后得到的瀝青混合料中空隙、瀝青和 集料的比例示意圖；圖6(b)為對圖2(b)所示采集圖像進(jìn)行圖像分割后得到的 瀝青混合料中空隙、瀝青和集料的比例示意圖。步驟104，對集料二值圖像進(jìn)行特征提取，得到各種粒徑的集料顆粒的 特征參數(shù)，根據(jù)所得到的特征參數(shù)，計算得到集料中各粒徑集料顆粒的含量。將空隙、瀝青和集料所占的體積比例得出后，本步驟中對分離出來的集 料運用數(shù)學(xué)形態(tài)學(xué)和邊緣檢測及鏈碼跟蹤的方法，提取出各種不同粒徑集料 顆粒的面積、周長、高度、寬度、圓形度、矩形度等參數(shù)，根據(jù)這些參數(shù)計 算出不同粒徑集料顆粒的含量，如各粒徑集料顆粒所占用的體積百分比，各 自的體積，或者根據(jù)體積及密度得到的質(zhì)量，以及質(zhì)量百分比等。具體實現(xiàn)時，對于較小粒徑集料顆粒，即細(xì)集料選用數(shù)學(xué)形態(tài)學(xué)的運算 方法處理。在數(shù)學(xué)形態(tài)學(xué)中，由于各集料有粘連的情況，所以采用開運算的 方法，即先進(jìn)行腐蝕，消除集料粘連的情況，然后再對腐蝕后的圖像進(jìn)行膨 脹運算恢復(fù)顆粒本來的大小，再運用形態(tài)學(xué)中的結(jié)構(gòu)元素與二值圖進(jìn)行邏輯
運算，得出細(xì)集料所占用的比例。對于剩下的較大粒徑集料顆粒，即粗集料運用邊緣檢測的方法檢測出集料的邊緣。邊緣檢測是指將物體的邊緣提取出來的過程。邊緣檢測的依據(jù)為 如果一個像素處于物體邊界上，那么它的鄰域就是一個灰度級變化的帶。對這種變化最有用的兩個特征是灰度的變化率和方向。邊緣檢測算子基于方向 導(dǎo)數(shù)掩模求巻積的方法，檢查每個像素的鄰域并對灰度變化率進(jìn)行量化，通 常也包括方向的確定。本實施例中，對于邊緣檢測的方法主要有梯度法， 以及在此基礎(chǔ)上演化而來的各種算子，包括羅伯茨(Roberts)算子、Sobel 算子、Prewitt算子以及Laplace算子等。通過對大量瀝青混合料圖像處理的 結(jié)果對比發(fā)現(xiàn)，選用Laplace算子來提取集料的效果比較好。Laplace算子是 一個二階導(dǎo)數(shù)，它將在邊緣處產(chǎn)生一個陡峭的零交叉。Laplace算子是一個 線性的、移不變算子，它的傳遞函數(shù)在頻域空間的原點為零。因此， 一個經(jīng) Laplace濾波過的圖像具有零平均灰度。Laplace算子的模板如圖7所示。經(jīng) 過邊緣檢測之后的圖像邊緣像素為白色，其它都為背景黑色，且是一個個封 閉的區(qū)域。進(jìn)行邊緣檢測之后，運用鏈碼跟蹤的方式進(jìn)行邊緣跟蹤。邊緣跟蹤法的 基本思路是先根據(jù)某些嚴(yán)格的"探測準(zhǔn)則"找尋目標(biāo)物體邊緣上的像素， 再根據(jù)這些像素的某些特征用一定的"跟蹤準(zhǔn)則"找出目標(biāo)物體上的其他像 素。對圖像中的像素點而言，有四連通鏈碼和八連通鏈碼，簡稱四鏈碼和八 鏈碼，如圖8所示，圖8為四連通鏈碼和八連通鏈碼的示意圖。為方便后續(xù) 計算，本實施例中采用八鏈碼跟蹤的方式精確得出各集料顆粒的結(jié)果。對湯 青混合料數(shù)字圖像中的集料邊緣的跟蹤"探測準(zhǔn)則，，為從左到右，自上而下 掃描圖像。本實施例中，對于較大粒徑集料顆粒的邊緣跟蹤，不僅得到顆粒 邊緣的鏈碼，同時還記錄了顆粒包圍的像素數(shù)，顆粒邊緣的像素數(shù)，顆粒邊 緣上最大和最小的坐標(biāo)值。這些數(shù)據(jù)用于后面的參數(shù)計算。參數(shù)計算中各粒徑集料顆粒的尺寸可以通過像素數(shù)乘以像素間隔或像 素的面積得到。在進(jìn)行了目標(biāo)物體的邊緣跟蹤后，各相關(guān)參數(shù)也就可以計算 得到了。各參數(shù)的計算公式如下所示周長P-乂+V^V。，式中乂表示鏈碼中偶數(shù)碼的數(shù)目，乂表示鏈碼中 奇數(shù)碼的數(shù)目。面積hiV,72廣1，式中w。和仏分別是物體的像素(包括邊界像素數(shù)目和邊界上像素)數(shù)目。圓形度C = P2/A，式中P為周長，A為所圍部分的面積。 矩形度/ =々/^,式中，J。是該物體的面積，而^是其最小外接矩 形(MER)的面積。高度和寬度搜索物體的邊緣鏈碼，可以得到該物體的最大和最小的行、 列號，其差值就是高度和寬度。在得出各種粒徑集料顆粒的參數(shù)后，由于集料中較大的顆粒在壓實的過 程中可能被壓分裂，以及在運用形態(tài)學(xué)處理的時候系統(tǒng)的一些誤差，導(dǎo)致大 粒徑集料顆粒所占的比例偏小。對此，本實施例中，加入通過對海量圖像擬 合而成的動態(tài)比例因子，在計算結(jié)果顯示中進(jìn)行動態(tài)的擬合，提高了精度。上述得到的各參數(shù)， 一方面可以應(yīng)用于工程實際中對各參數(shù)的需求，即 根據(jù)各參數(shù)的值評判瀝青混合料的質(zhì)量，以及是否合乎要求等；另一方面可 以利用其中的一些參數(shù)完成集料中各粒徑集料顆粒的體積計算。如提取集料 顆粒的外接矩形，然后依據(jù)矩形的長邊長度和短邊長度，或者說其擬合橢圓的長軸長度和短軸長度，即集料顆粒的高度和寬度，進(jìn)行偽三維的圖像復(fù)原， 即使圖像繞長軸旋轉(zhuǎn)，得到橢球體，然后求取橢球體的體積。對于屬于相同 粒徑范圍的集料顆粒，對每個集料進(jìn)行上述操作后對體積累計求和，作為該 粒徑范圍的集料顆粒的體積。最后得到各粒徑范圍集料顆粒的體積組成百分 比。具體對于體積的計算過程還可以利用現(xiàn)有技術(shù)中的其它方法。此外，還 可以利用體積和密度得到各粒徑集料顆粒的質(zhì)量及質(zhì)量百分比等。通過上述特征提取及參數(shù)計算過程，便得到集料中各粒徑集料顆粒的體 積組成，即體積比例。如圖9所示，圖9為對圖2所示兩個采集圖像進(jìn)行圖 像分割得到的集料二值圖像進(jìn)行特征提取后，得到的各粒徑集料顆粒的比例示意圖。其中，圖9(a)為對圖2(a)所示采集圖像的集料二值圖像進(jìn)行特征提 取后，得到的各粒徑集料顆粒的比例示意圖；圖9(b)為對圖2(b)所示采集圖 像的集料二值圖像進(jìn)行特征提取后，得到的各粒徑集料顆粒的比例示意圖。 上述圖l所示方法實施例中，還可以進(jìn)一步包括預(yù)先設(shè)置數(shù)據(jù)庫，用 于存儲上述各步驟中的采集圖像、包括處理過程中的中間圖像在內(nèi)的圖像處 理信息以及圖像中瀝青混合料各組成成分的信息等，其中，瀝青混合料各組成成分的信息可以包括瀝青混合料中空隙、瀝青及集料所占的體積比例以及 集料中各粒徑集料顆粒的面積、周長、高度、寬度、圓形度、矩形度等參數(shù) 以及各粒徑集料顆粒含量的體積比例，或平均顆粒面積比等中的全部信息或 部分信息，并將處理過的一組圖像與原始采集圖像以及圖像中瀝青混合料各 組成成分的相關(guān)信息作為一條記錄存儲在數(shù)據(jù)庫中，并建立索引，方便使用 這些信息時查找。并且在步驟102中還可以進(jìn)一步包括圖像格式轉(zhuǎn)換的步驟。因為采集 到的瀝青混合料的彩色圖像， 一般是以jpg格式存儲的，而jpg存儲方式雖 然數(shù)據(jù)量不大，但它是把圖像本來的大量信息丟失之后的結(jié)果，在對圖像進(jìn) 行處理的時候，這種類型的圖像不利于圖像處理；而bmp格式是對圖像的 信息保存得比較完整的格式，所以本實施例中可以進(jìn)一步包括進(jìn)行處理時 首先要將jpg格式存儲的圖像轉(zhuǎn)換為bmp的格式。實現(xiàn)這一處理過程時，可 在用戶打開jpg格式的圖像時，提示用戶將圖像轉(zhuǎn)換為bmp的格式。上述為本發(fā)明實施例中的瀝青混合料檢測方法的詳細(xì)描述，下面再對本 實施例中基于上述方法的瀝青混合料的檢測系統(tǒng)進(jìn)行詳細(xì)描述。圖IO為本發(fā)明實施例中瀝青混合料的檢測系統(tǒng)的結(jié)構(gòu)示意圖。如圖10 所示，該系統(tǒng)包括圖像預(yù)處理模塊和圖像分割及特征提取模塊。其中，圖像預(yù)處理模塊，用于對源青混合料的采集圖像進(jìn)行預(yù)處理，得到 預(yù)處理圖像，并將所得到的預(yù)處理圖像輸出。圖像分割及特征提取模塊，用于接收預(yù)處理圖像，對預(yù)處理圖像進(jìn)行圖像
分割及特征提取，得到瀝青混合料各組成成分的含量。其中，圖像分割及特征提取模塊包括圖像分割子模塊和特征提取子模塊。 其中，圖像分割子模塊，用于對預(yù)處理圖像進(jìn)行圖像分割，得到瀝青混合料中 空隙、瀝青和集料的比例，并得到集料二值圖像。特征提取子模塊，用于對集料二值圖像進(jìn)行特征提取，得到各種粒徑的 集料顆粒的特征參數(shù)，根據(jù)所得到的特征參數(shù)，得到集料中各組成成分的含 量。此外，該系統(tǒng)可以進(jìn)一步包括數(shù)據(jù)庫模塊，用于存儲圖像預(yù)處理模塊 和圖像分割及特征提取模塊產(chǎn)生的圖像及瀝青混合料各組成成分的信息。具 體存儲信息可與圖1所示方法實施例中的描述一致。各模塊進(jìn)行處理的具體方法及原則可以與圖1所示的方法實施例中的 介紹相同。以上所述的具體實施例，對本發(fā)明的目的、技術(shù)方案和有益效果進(jìn)行了 進(jìn)一步詳細(xì)說明，所應(yīng)理解的是，以上所述僅為本發(fā)明的具體實施例而已， 并不用于限定本發(fā)明的保護(hù)范圍，凡在本發(fā)明的精神和原則之內(nèi)，所做的任 何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。
權(quán)利要求
1、一種瀝青混合料的檢測方法，其特征在于，該方法包括如下步驟A、采集瀝青混合料的圖像，得到采集圖像；B、對采集圖像進(jìn)行圖像處理，得到瀝青混合料各組成成分的含量。
2、 如權(quán)利要求l所述的方法，其特征在于，所述步驟B具體包括 Bl、對采集圖像進(jìn)行圖像預(yù)處理，得到預(yù)處理圖像；B2、對預(yù)處理圖像進(jìn)行圖像分割及特征提取，得到瀝青混合料各組成成分 的含量。
3、 如權(quán)利要求2所述的方法，其特征在于，所述步驟B1具體包括 B11 、對采集圖像的灰度圖像進(jìn)行對比度增強(qiáng)處理和/或噪聲消除處理； B12、對灰度圖像進(jìn)行邊緣突顯處理，得到預(yù)處理圖像。
4、 如權(quán)利要求3所述的方法，其特征在于，步驟Bll中所述對采集圖^^的 灰度圖像進(jìn)行對比度增強(qiáng)處理為對采集圖像的灰度圖像繪制其灰度直方圖， 對灰度直方圖進(jìn)行直方圖均衡化和/或灰度拉伸處理；所述對灰度圖像進(jìn)行噪聲 消除處理為對灰度圖像采用濾波的方式進(jìn)行平滑和/或復(fù)原處理。
5、 如權(quán)利要求3所述的方法，其特征在于，步驟B12中所述對灰度圖像進(jìn) 行邊緣突顯處理為對灰度圖像采用高通濾波和/或高頻加強(qiáng)濾波進(jìn)行銳化。
6、 如權(quán)利要求2所述的方法，其特征在于，所述步驟B2具體包括 B21、對預(yù)處理圖像進(jìn)行圖像分割，得到瀝青混合料中空隙、瀝青和集料的含量，并得到集料二值圖像；B22、對集料二值圖像進(jìn)行特征提取，得到各種粒徑集料顆粒的特征參數(shù)， 根據(jù)所得的特征參數(shù)，計算得到集料中各粒徑集料顆粒的含量。
7、 如權(quán)利要求6所述的方法，其特征在于，步驟B21中所述對預(yù)處理圖像 進(jìn)行圖像分割為對預(yù)處理圖像采用閾值分割的方法進(jìn)行圖像分割，閾值的選 取方法包括雙峰法、大津法、平均灰度法、狀態(tài)法以及迭代法。
8、 如權(quán)利要求6所述的方法，其特征在于，步驟B22所述對集料二值圖像進(jìn)行特征提取為對集料二值圖像中的較小粒徑集料顆粒采用數(shù)學(xué)形態(tài)法進(jìn)行 分離，對集料二值圖像中的較大粒徑集料顆粒采用邊緣檢測法及鏈碼跟蹤法進(jìn) 行分離；對分離后的各粒徑集料顆粒計算特征參數(shù)。
9、 如權(quán)利要求1至8中任意一項所述的方法，其特征在于，該方法進(jìn)一步 包括將步驟A中的采集圖像、步驟B中產(chǎn)生的圖像處理信息及瀝青混合料各 組成成分的信息存儲在數(shù)據(jù)庫中。
10、 一種瀝青混合料的檢測系統(tǒng)，其特征在于，該系統(tǒng)包括圖像預(yù)處理 模塊和圖像分割及特征提取模塊，其中，圖像預(yù)處理模塊，用于對瀝青混合料的采集圖像進(jìn)行預(yù)處理，得到預(yù)處理 圖像，并將所得到的預(yù)處理圖像輸出；圖像分割及特征提取模塊，用于接收預(yù)處理圖像，對預(yù)處理圖像進(jìn)行圖像 分割及特征提取，得到瀝青混合料各組成成分的含量。
11、 如權(quán)利要求IO所述的系統(tǒng)，其特征在于，該系統(tǒng)進(jìn)一步包括數(shù)據(jù)庫 模塊，用于存儲圖像預(yù)處理模塊和圖像分割及特征提取模塊產(chǎn)生的圖像處理信 息及瀝青混合料各組成成分的信息。
12、 如權(quán)利要求10或11所述的系統(tǒng)，其特征在于，所述圖像分割及特征 提取^^莫塊包括圖像分割子模塊和特征提取子模塊，其中，圖像分割子模塊，用于對預(yù)處理圖像進(jìn)行圖像分割，得到瀝青混合料中空 隙、瀝青和集料的含量，并得到集料二值圖像；特征提取子模塊，用于對集料二值圖像進(jìn)行特征提取，得到各種粒徑的集 料顆粒的特征參數(shù)，根據(jù)所得到的特征參數(shù)，計算得到集料中各粒徑集料顆粒 的含量。
全文摘要
本發(fā)明公開了一種瀝青混合料的檢測方法，包括瀝青混合料數(shù)字圖像采集；對獲取的數(shù)字圖像進(jìn)行圖像處理，得到瀝青混合料各組成成分的含量。此外，本發(fā)明還公開了一種瀝青混合料的檢測系統(tǒng)。本發(fā)明所提供的方法及系統(tǒng)，可以有效的分離與提取瀝青、空隙、集料和不同粒徑集料顆粒，再依據(jù)所提取的特征參數(shù)換算成體積比，實現(xiàn)了瀝青混合料體積組成特征參數(shù)的直接測定與計算；提高了瀝青混合料的力學(xué)性能，為瀝青路面技術(shù)研究的科學(xué)性提供了可靠依據(jù)。
文檔編號G01N21/84GK101153850SQ200610159678
公開日2008年4月2日 申請日期2006年9月30日 優(yōu)先權(quán)日2006年9月30日
發(fā)明者姚秋玲, 孫朝云, 張惠玲, 沙愛民, 王超凡 申請人:長安大學(xué)