資源描述：
《基于激光圖像土壓實度檢測方法的研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學術(shù)論文-天天文庫。
1、ResearchonDetectionMethodofCompactionDegreeBasedonLaserImageofSoilADissertationSubmittedfortheDegreeofDoctorCandidate：LiXirongSupervisor：Prof.HuYongbiaoChang’anUniversity,Xi’an,China摘要土的壓實度是工程建設(shè)基礎(chǔ)施工最重要的質(zhì)量指標，檢測工作量大，并要求準確、快速、方便、實時，使得土的壓實度無損檢測成為壓實度檢測研究的熱點問題。本文利用光電技術(shù)和計算機技術(shù)，對基于激光圖像的土的壓實度無損檢測檢測
2、方法進行了探討研究。鑒于土的類別和結(jié)構(gòu)成分的多樣性和復雜性，本文選取粘土為研究對象，假定土的密實度是均值。主要工作如下：首先，論文對土的壓實度檢測技術(shù)和激光圖像技術(shù)相關(guān)內(nèi)容的研究現(xiàn)狀及其存在的主要問題進行了歸納和總結(jié)，指出了土的壓實度檢測方法存在的不足，以及激光圖像檢測土壓實度的存在問題；從土的含水率測量方法、最佳含水率和最大干密度等方面論述了土壓實度的評價方法以及壓實理論，系統(tǒng)分析了壓實度的影響因素。對比分析了土組織和生物組織結(jié)構(gòu)的特點，借鑒激光在生物組織中傳輸規(guī)律及激光成像理論來研究激光在土組織中傳播過程及激光成像。分析了土組織的光學特性以及光子在組織中的輻射傳輸方程
3、，并且利用漫射近似理論對傳輸方程求解；根據(jù)激光在土組織中的傳輸規(guī)律及成像理論，通過土組織激光圖像找出與其壓實度相關(guān)的特征。對基于激光圖像的土壓實度的檢測系統(tǒng)的基本原理、系統(tǒng)組成和檢測的關(guān)鍵技術(shù)進行了研究分析。其次，對能否利用漫射近似理論對傳輸方程求解得出土的光學參數(shù)問題進行了研究。提出用蒙特卡羅模擬方法驗證漫射近似理論，并分析了蒙特卡羅方法及模擬過程，然后在假定土的光學參數(shù)的前提下，用C語言編制程序模擬了光在土組織中的傳播過程以及得出了漫反射率，并通過漫射近似理論計算出漫反射率，并將兩者結(jié)果進行了比較分析，兩者結(jié)果的最大絕對誤差為0.0497和最大相對誤差為10.44%。
4、結(jié)果表明：由于蒙特卡羅方法對任意的反照率、測量位置和邊界條件都是成立的，所以可認為蒙特卡羅模擬結(jié)果是足夠精確的。證明了用漫射近似理論對輻射傳輸方程求解得出土的光學特性參數(shù)是可行的。然后，對土組織激光圖像的試驗和結(jié)果進行了研究。依據(jù)擊實試驗制備了土組織試樣，通過激光圖像檢測系統(tǒng)采集了激光圖像；通過現(xiàn)有圖像處理方法找到了圖像中心位置，針對現(xiàn)有圖像處理方法的處理步驟多和速度慢的問題，提出了MatlabGui界面交互處理方式，減少了處理步驟以及提高了速度。并分析了不同含水率的土組織表面漫反射光的分布規(guī)律；通過漫射理論方程和最小二乘法計算出土組織的光學參數(shù)。然后分析了漫反射率的變化
5、率、光學參數(shù)和圖像灰度均值變化率與壓實度的相關(guān)性，漫反射率變化I率隨著壓實度的增大而有增大的趨勢，灰度變化率隨著壓實度的上升而有下降的趨勢；吸收系數(shù)隨著壓實度的增大有減小的趨勢，散射系數(shù)隨壓實度增大有增大的趨勢。同時分析了激光圖像的現(xiàn)有紋理特征提取算法，現(xiàn)有算法提取的均勻性、能量和第3階矩特征隨著壓實度的增大而增大的趨勢，而其相關(guān)度、對比度、平均亮度、平均對比度、平滑度、一致性和熵特征隨著壓實度的增大而減小的趨勢；并提出了新的紋理特征算法，新算法提取的相關(guān)和逆差矩特征隨著壓實度的增大而增大的趨勢；而其小梯度優(yōu)勢、大梯度優(yōu)勢、灰度分布的不均勻性、灰度平均、慣性、梯度平均、灰
6、度均方差和梯度均方差特征隨著壓實度的增大而減小的趨勢。為了比較兩種紋理特征提取算法，下一章節(jié)分別將兩種算法提取的特征建立預測模型，比較其預測精度。最后，對BP神經(jīng)網(wǎng)絡(luò)預測壓實度和試驗驗證問題進行了研究。針對與土壓實度的相關(guān)特征較多的問題，提出了神經(jīng)網(wǎng)絡(luò)方法對壓實度進行預測。我們選取所有與壓實度相關(guān)的特征作為模型的輸入變量，分別將漫反射率變化率、灰度均值變化率、吸收系數(shù)、散射系數(shù)、對比度、平均亮度、一致性、均勻性、能量、相關(guān)度、第三階矩值、平均對比度、平滑度和熵共14個特征作為第一組原始變量；而漫反射率變化率、灰度均值變化率、吸收系數(shù)、散射系數(shù)、相關(guān)、逆差矩、小梯度優(yōu)勢、大
7、梯度優(yōu)勢、灰度分布的不均勻性、灰度平均、梯度平均、灰度均方差、梯度均方差和慣性共14個特征作為第二組原始變量。并通過主成分分析，將原始數(shù)據(jù)中減少為5個主成分因子，然后分別利用這兩組特征數(shù)據(jù)建立預測模型，并進行預測，將預測結(jié)果與環(huán)刀法結(jié)果比較，第一組特征的預測值的平均絕對誤差為0.0937和平均相對誤差為10.08%，第二組特征的預測值的平均絕對誤差為0.0714和平均相對誤差為7.71%；第二組特征的預測值比第一組特征的預測精度高，因此，本文使用第二組特征所建立的預測模型，且其預測精度表明，用BP神經(jīng)網(wǎng)絡(luò)模型預測土的壓實度是可
