基于土壤CT图像的孔隙辨识方法及系统技术方案

本发明专利技术实施例提供一种基于土壤CT图像的孔隙辨识方法及系统，该方法包括：建立土壤CT图像的灰度‑梯度直方图，并通过筛除、投影、卷积的方式获得灰度直方图，基于灰度直方图的极点数量，确定土壤图像的聚类数目；根据聚类数目对灰度‑梯度直方图进行区域划分，并根据划分结果构造初始隶属度矩阵；基于邻域空间信息构造目标函数，并通过迭代优化完成对土壤CT图像的模糊辨识；对模糊辨识结果进行去模糊化，获得土壤孔隙的辨识结果。本发明专利技术实施例通过确定聚类数目、构造初始隶属度矩阵、构造加入空间信息的目标函数和去模糊化处理，对土壤CT图像具有普适性，解决了初始值制约辨识精确度的问题，保证了土壤孔隙辨识的执行效率。

Pore identification method and system based on soil CT image

The embodiment of the present invention provides a method and system for pore identification based on soil CT images. The method includes: establishing gray-scale gradient histogram of soil CT images, obtaining gray-scale histogram by screening, projection and convolution, determining the number of clusters of soil images based on the number of poles of gray-scale histogram, and regionalizing gray-scale gradient histogram according to the number of clusters. The initial membership matrix is constructed based on the partition results; the objective function is constructed based on neighborhood spatial information, and the fuzzy identification of soil CT image is completed by iteration optimization; the fuzzy identification results are de-fuzzified to obtain the identification results of soil pore. The embodiment of the present invention has universality for soil CT images by determining the number of clusters, constructing the initial membership matrix, constructing the objective function with spatial information and deblurring processing, resolving the problem that the initial value restricts the identification accuracy, and ensuring the execution efficiency of soil pore identification.

【技术实现步骤摘要】
基于土壤CT图像的孔隙辨识方法及系统
本专利技术实施例涉及图像处理领域，更具体地，涉及一种基于土壤CT图像的孔隙辨识方法及系统。
技术介绍
目前，基于土壤CT图像研究者大多采用传统FCM法、快速FCM法来辨识孔隙结构。但由于在传统FCM算法中，所有像素点均参与计算，每次迭代需消耗大量时间，并且其稳定效果和速度极易受初始条件的影响，因此，降低了辨识方法的运算效率。而快速FCM法采用灰度级参与迭代运算，虽极大地提高运算速度，但忽略了细节信息，仍无法准确描述较为复杂的孔隙模糊边界图像(土壤CT图像)的特征。因此，研究一种能在保证孔隙辨识精度的前提下具有较高的执行效率的辨识方法成为亟待解决的问题。
技术实现思路
为了解决上述问题，本专利技术实施例提供一种克服上述问题或者至少部分地解决上述问题的基于土壤CT图像的孔隙辨识方法及系统。根据本专利技术实施例的第一方面，提供一种基于土壤CT图像的孔隙辨识方法，该方法包括：建立土壤CT图像的灰度-梯度二维直方图，通过将灰度-梯度二维直方图向灰度轴作投影获得一维灰度直方图，基于卷积后灰度直方图的极点数量，确定土壤图像的聚类数目；根据所述聚类数目对所述灰度-梯度二维直方图进行区域划分，并根据划分结果构造初始隶属度矩阵；其中，分区数＝梯度块数*灰度块数，聚类数目≥16时，分区数＝4*4；聚类数目≥11时，分区数＝3*4；聚类数目>7时，分区数＝3*3时；聚类数目≤7时，分区数＝2*3；基于所述初始隶属度矩阵及像素点邻域的空间信息构造目标函数，并根据所述目标函数对所述土壤CT图像进行模糊辨识；对模糊辨识结果进行去模糊化处理，获得所述土壤CT图像中的孔隙结构辨识结果。根据本专利技术实施例第二方面，提供了一种基于土壤CT图像的孔隙辨识系统，该系统包括：确定模块，用于建立土壤CT图像的灰度-梯度二维直方图，通过将灰度-梯度二维直方图向灰度轴作投影获得一维灰度直方图，基于灰度直方图的极点数量，确定土壤图像的聚类数目；划分模块，用于根据所述聚类数目对所述灰度-梯度二维直方图进行区域划分，并根据划分结果构造初始隶属度矩阵；其中，分区数＝梯度块数*灰度块数，聚类数目≥16时，分区数＝4*4；聚类数目≥11时，分区数＝3*4；聚类数目>7时，分区数＝3*3时；聚类数目≤7时，分区数＝2*3；构造模块，用于基于所述初始隶属度矩阵及像素点邻域的空间信息构造目标函数，并根据所述目标函数对所述土壤CT图像进行模糊辨识；辨识模块，用于对模糊辨识结果进行去模糊化处理，获得所述土壤CT图像中的孔隙结构辨识结果。根据本专利技术实施例的第三方面，提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现如第一方面的各种可能的实现方式中任一种可能的实现方式所提供的基于土壤CT图像的孔隙辨识方法。根据本专利技术实施例的第四方面，提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面的各种可能的实现方式中任一种可能的实现方式所提供的基于土壤CT图像的孔隙辨识方法。本专利技术实施例提供的基于土壤CT图像的孔隙辨识方法及系统，通过建立灰度-梯度二维直方图、确定聚类数目、构造初始隶属度矩阵、构造加入空间信息的目标函数和去模糊化处理，从而相比于现有技术对土壤CT图像具有普适性，解决了初始值制约辨识精确度的问题，在保证了土壤孔隙辨识精度的前提下具有较高的执行效率。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些图获得其他的附图。图1为本专利技术实施例提供的基于土壤CT图像的孔隙辨识方法的流程示意图；图2为本专利技术实施例提供的灰度-梯度二维直方图的示意图；图3为本专利技术实施例提供的去模糊化处理的效果示意图；图4为本专利技术实施例提供的基于土壤CT图像的孔隙辨识系统的结构示意图；图5为本专利技术实施例提供的电子设备的实体结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。现有技术中，关于土壤CT图像的孔隙辨识有传统FCM法和快速FCM法；其中：传统FCM法遵循像素点以不同概率值属于不同集群的原则，通过迭代优化完成像素点的模糊划分。当目标函数通过迭代优化趋于极小值时，则认为所有像素点都趋于某个聚类中心并远离其他聚类中心，聚类结果达到理想状态；快速FCM法用灰度直方图特征空间代替像素空间参与迭代计算，计算图像中灰度相同的像素点数量和灰度等级，在优化过程中，由灰度等级与相应数量的乘积代替像素灰度，在此基础上，通过不同等级灰度对应的隶属度向量，可以反求出原始图像中所有像素点的隶属度。但是，由上面的传统FCM法对孔隙结构进行辨识，由于其大量的数据集和迭代次数使得执行效率偏低，不适用于大批量的土壤CT图像；快速FCM法虽执行效率提高，但像素的细节信息丢失，孔隙辨识精度降低。因此，研究一种能精确辨析孔隙，适用于孔隙结构微小、灰度值均一化的土壤CT图像的辨识方法成为亟待解决的问题。基于此，本专利技术实施例提供一种基于土壤CT图像的孔隙辨识方法。参见图1，该方法包括：101、建立土壤CT图像的灰度-梯度二维直方图，通过将灰度-梯度二维直方图向灰度轴作投影获得一维灰度直方图，基于卷积后灰度直方图的极点数量，确定土壤图像的聚类数目。其中，土壤孔隙是指土壤颗粒之间、团聚体之间或团聚体内部的孔隙。孔隙结构包括孔隙数目、大小等几何形态。CT(ComputedTomography)，即电子计算机断层扫描，它是利用精确准直的X线束、γ射线、超声波等，与灵敏度极高的探测器一同围绕人体的某一部位作一个接一个的断面扫描，具有扫描时间快，图像清晰等特点。CT扫描技术是孔隙量化研究的有效手段，在步骤101之前，可以利用CT扫描技术获得土壤CT图像。然后建立土壤CT图像对应的灰度-梯度二维直方图。参见图2，灰度-梯度二维直方图的横坐标为灰度，纵坐标为梯度。并基于灰度-梯度二维直方图确定聚类的数目。将灰度-梯度二维直方图向灰度轴作投影，获得一维灰度直方图f(x)。之后，采用高斯模板对一维灰度直方图f(x)进行卷积，并基于卷积后灰度直方图的极点数量，确定土壤图像的聚类数目。102、根据所述聚类数目对所述灰度-梯度二维直方图进行区域划分，并根据划分结果构造初始隶属度矩阵；其中，分区数＝梯度块数*灰度块数，聚类数目≥16时，分区数＝4*4；聚类数目≥11时，分区数＝3*4；聚类数目>7时，分区数＝3*3时；聚类数目≤7时，分区数＝2*3。具体地，根据聚类数据对灰度-梯度二维直方图进行区域划分可采用如下划分规则：分区数＝梯度块数(m)*灰度块数(n)分区数＝4*4聚类数目≥16分区数＝3*4聚类数目≥11分区数＝3*3聚类数目>7分区数＝2*3聚类数本文档来自技高网...

【技术保护点】
1.一种基于土壤CT图像的孔隙辨识方法，其特征在于，包括：建立土壤CT图像的灰度‑梯度二维直方图，通过将灰度‑梯度二维直方图向灰度轴作投影获得一维灰度直方图，基于卷积后灰度直方图的极点数量，确定土壤图像的聚类数目；根据所述聚类数目对所述灰度‑梯度二维直方图进行区域划分，并根据划分结果构造初始隶属度矩阵；其中，分区数＝梯度块数*灰度块数，聚类数目≥16时，分区数＝4*4；聚类数目≥11时，分区数＝3*4；聚类数目>7时，分区数＝3*3时；聚类数目≤7时，分区数＝2*3；基于所述初始隶属度矩阵及像素点邻域的空间信息构造目标函数，并根据所述目标函数对所述土壤CT图像进行模糊辨识；对模糊辨识结果进行去模糊化处理，获得所述土壤CT图像中的孔隙结构辨识结果。

【技术特征摘要】
1.一种基于土壤CT图像的孔隙辨识方法，其特征在于，包括：建立土壤CT图像的灰度-梯度二维直方图，通过将灰度-梯度二维直方图向灰度轴作投影获得一维灰度直方图，基于卷积后灰度直方图的极点数量，确定土壤图像的聚类数目；根据所述聚类数目对所述灰度-梯度二维直方图进行区域划分，并根据划分结果构造初始隶属度矩阵；其中，分区数＝梯度块数*灰度块数，聚类数目≥16时，分区数＝4*4；聚类数目≥11时，分区数＝3*4；聚类数目>7时，分区数＝3*3时；聚类数目≤7时，分区数＝2*3；基于所述初始隶属度矩阵及像素点邻域的空间信息构造目标函数，并根据所述目标函数对所述土壤CT图像进行模糊辨识；对模糊辨识结果进行去模糊化处理，获得所述土壤CT图像中的孔隙结构辨识结果。2.根据权利要求1所述的方法，其特征在于，所述建立土壤CT图像的灰度-梯度二维直方图，包括：基于八邻域的拉普拉斯算子计算获得所述土壤CT图像的灰度-梯度二维直方图。3.根据权利要求1所述的方法，其特征在于，所述通过将灰度-梯度二维直方图向灰度轴作投影获得一维灰度直方图，基于卷积后灰度直方图的极点数量，确定土壤图像的聚类数目，包括：剔除灰度-梯度二维直方图中梯度大于10的像素点，并将更新后的灰度-梯度二维直方图向灰度轴作投影获得一维灰度直方图；采用高斯模板对所述灰度直方图进行卷积运算，获得每一所述像素点对应的卷积结果Φ(x)；筛选获得所述卷积结果满足设定条件的所述像素点，将满足所述设定条件的像素点的数目作为所述聚类数目，其中，所述设定条件为Φ′(xi)＝0，Φ″(xi)<0且Φ(xi)>0.005*max(Φ(x))。4.根据权利要求1所述的方法，其特征在于，根据划分结果构造初始隶属度矩阵，包括：按照如下规则生成所述初始隶属度矩阵，式中，uj为隶属度，Cj为划分结果中的第j类，c为聚类数目，xi为第i个像素点的灰度值。5.根据权利要求4所述的方法，其特征在于，所述基于所述初始隶属度矩阵及像素点邻域的空间信息构造目标函数，并根据所述目标函数对所述土壤CT图像进行模糊辨识，包括：构造目标函数如下，式中，J为目标函数，vj为聚类中心灰度，||·||为欧式距离的向量，uij为概率向量，m为常数，n为像素点个数，m为...

【专利技术属性】
技术研发人员：赵玥，韩巧玲，赵燕东，许瀚杰，刘雷，
申请(专利权)人：北京林业大学，
类型：发明
国别省市：北京,11