原文传递
基于数字图像处理技术的粗集料形状特征量化研究
| 论文题名： | 基于数字图像处理技术的粗集料形状特征量化研究 |
| 关键词： | 粗集料;形状特征;量化指标;数字图像处理 |
| 摘要： | 粗集料的形状特征包括轮廓形状(Form)和棱角性(Angularity)，轮廓形状反映了颗粒的针片度，棱角性体现出颗粒轮廓上棱角的突出程度，二者对沥青路面的性能有重要影响。针片状颗粒是不被期望的，因为它在荷载的作用下易于破碎。颗粒棱角性突出则能增大彼此间的嵌锁，从而提高路面的强度和抗永久变形的能力。当前测定二者的试验方法费时费力，特别是棱角性的测定，结果主观。为了能对粗集料的形状特征进行快速、客观、准确的测定，本文基于数字图像处理(DIP)技术对粗集料形状特征的量化进行了系统研究，主要包括三个方面的内容：粗集料图像的获取、处理和识别，粗集料形状特征量化指标的选取和计算，对选取的量化指标进行试验验证。 本文采用CCD相机和“逆光箱”获取粗集料图像，用Photoshop CS2的镜头校正滤镜对图像失真进行校正，然后用Image-Pro Plus对粗集料图像进行识别，获取颗粒数据。在系统分析了当前存在的粗集料形状特征的量化指标后，选取了4个轮廓形状量化指标(Elongation、Flakiness、Sphericity、Shape Factor)和4个棱角性量化指标(Angularity(R)、Angularity(Rmax)、Angularity(P)、Angularity(Pc))进行试验研究。为使指标能反映粗集料的宏观性质，本文建立了基于二维图像的粗集料体积模型，并通过27份粗集料样本的筛分试验对体积模型进行验证，然后基于EXCEL VBA编制程序对粗集料形状特征量化指标的体积加权值进行计算。最后，为了验证指标的合理性，本文对20份粗集料样本分别进行了未压实空隙率试验和DIP试验，研究了粗集料形状特征的8个量化指标与未压实空隙率值的相关性以及4个轮廓形状量化指标与4个棱角性量化指标之间的相关性，结果表明：Elongation不适合作为轮廓形状的量化指标，Flakiness、Sphericity、Shape Factor、Angularity(P)、Angularity(Pc)这五个指标都很好地拉大了粗集料形状特征的两个极端，有利于区分不同形状特征的粗集料，其中，Shape Factor和Angularity(P)分别是轮廓形状和棱角性的最佳量化指标。 |
| 作者： | 林辉 |
| 专业： | 道路与铁道工程 |
| 导师： | 李嘉 |
| 授予学位： | 硕士 |
| 授予学位单位： | 湖南大学 |
| 学位年度： | 2007 |
| 正文语种： | 中文 |
检索历史
应用推荐
