基于激光图像的土壤压实度检测技术研究

论文摘要

针对现阶段路基土压实度检测技术存在的问题以及激光图像检测技术的广泛应用,论文对激光图像检测技术应用到土壤压实度检测上进行了试验探讨。本文设计了土壤压实度激光图像检测试验装置,并对压实土样的制备过程作了详细的说明。利用此试验装置,对制备的土样进行了大量的试验,采集了不同含水量、不同压实度的土样的激光图像。通过对采集到的图像进行分析处理,得到所有土样图像的特征信息。对土样图像的特征信息进行数据分析,主要包括：含水量相同时,图像特征信息和压实度的相关性分析；在一定的压实度范围内,图像特征信息和含水量的相关性分析。最后,建立基于BP神经网络的预测模型,对压实度进行预测,把预测结果和实测结果对比,得出大部分预测结果的相对误差在2%以下。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 课题提出的背景及意义
• 1.2 国内外路基压实度检测方法的发展现状
• 1.2.1 压实度破坏性检测方法
• 1.2.2 压实度非破坏性检测方法
• 1.3 激光图像无损检测技术的发展现状
• 1.4 论文的主要内容
• 第二章 激光图像无损检测系统的设计
• 2.1 土壤压实度图像无损检测原理
• 2.1.1 组织光学的发展
• 2.1.2 组织光学参数
• 2.1.3 土壤组织光学参数的获得
• 2.2 压实土样激光图像采集装置的设计
• 2.2.1 光源的选择
• 2.2.2 相机的选择
• 2.2.3 光学镜头
• 2.2.4 计算机硬件
• 2.2.5 图像分析软件
• 2.3 压实土样的获得
• 2.3.1 土壤的最佳含水量和最大干密度的确定
• 2.3.2 不同压实度的土样的制备
• 2.4 压实土样的激光图像的拍摄
• 2.5 本章小结
• 第三章 土壤组织激光图像的处理
• 3.1 图像处理的基本知识
• 3.1.1 基本处理过程
• 3.1.2 图像的运算形式
• 3.1.3 像素间距离
• 3.2 图像的预处理
• 3.2.1 图像噪声的消除
• 3.2.2 压实土壤组织激光图像的预处理
• 3.3 激光图像的处理技术
• 3.3.1 图像分割技术
• 3.3.2 边界闭合
• 3.4 本章小结
• 第四章 压实土壤组织图像信息的提取
• 4.1 图像灰度信息的提取
• 4.1.1 图像的灰度直方图
• 4.1.2 图像灰度信息的定量提取
• 4.2 基于灰度信息的土壤组织光学参数的获得
• 4.3 图像纹理特征的提取
• 4.3.1 图像纹理的定义
• 4.3.2 图像纹理特征的提取
• 4.3.3 纹理特征提取的Matlab的实现
• 4.4 本章小结
• 第五章 图像数据的处理
• 5.1 图像灰度均值的处理
• 5.1.1 灰度变化率和压实度的关系
• 5.1.2 灰度变化率和含水量的关系
• 5.2 土壤组织光学参数的处理
• 5.3 图像特征的处理
• 5.3.1 图像纹理特征的处理
• 5.3.2 图像光斑的处理
• 5.4 基于BP神经网络的压实度的预测
• 5.5 本章小结
• 结论与展望
• 结论
• 问题与展望
• 参考文献
• 附录
• 致谢