[发明专利]基于土壤CT图像的孔隙辨识方法及系统

权利要求书

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；

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，v_j为聚类中心灰度，||·||为欧式距离的向量，u_ij为概率向量，m为常数，n为像素点个数，m为控制模糊度的常量，为像素点邻域的灰度中值，α为中心像素点的灰度值占所述中心像素点的邻域内像素点灰度值总和的比重，x_i为第i个像素点的灰度值；

获得满足所述目标函数的目标隶属度矩阵和目标聚类中心，

其中，所述目标隶属度矩阵为，

其中，所述目标聚类中心为，

根据所述目标隶属度矩阵及所述目标聚类中心，将每一所述像素点划分至隶属度最高的类；

所述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，包括：

设定所述孔隙结构的辨识准则如下，

式中，c为聚类数目，k为一个变量，且k＝c-2，η为0至1之间的小数；

根据所述辨识准则，对所述土壤CT图像进行如下二值化处理，

式中，I为经过聚类后所述土壤CT图像中各像素点的灰度值，x_i为第i个像素点的灰度值。

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′(x_i)＝0，Φ″(x_i)0且Φ(x_i)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，u_j为隶属度，C_j为划分结果中的第j类，c为聚类数目，x_i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，所述邻域为3*3邻域，相应地，

式中，x₅为中心像素点的灰度值，x₁至x₄以及x₆至x₉均为中心像素点的相邻像素的灰度值。