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 ...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。