發(fā)布時(shí)間：2021-02-03 00:59

　　黑土作為全球公認(rèn)最肥沃資源,是我國東北商品糧基地的重要基礎(chǔ)。而大孔隙是水分和溶質(zhì)運(yùn)移的主要路徑,能為植物根系生長、微生物活動(dòng)等提供充足營養(yǎng)和空間。探索大孔隙結(jié)構(gòu)有助于理解黑土生態(tài)過程的發(fā)生發(fā)展,也對黑土結(jié)構(gòu)改良、灌溉制度制定具有指導(dǎo)意義。由于大孔隙復(fù)雜不規(guī)則性和時(shí)空變異性,受現(xiàn)有圖像處理方法限制,大孔隙獲取存在自動(dòng)化程度弱、精度低、魯棒性差的問題。因此,大孔隙精準(zhǔn)分割和重構(gòu)是當(dāng)下黑土結(jié)構(gòu)研究的一個(gè)難點(diǎn)。本文從大孔隙結(jié)構(gòu)表達(dá)和可視化這一目標(biāo)入手,提出了自動(dòng)化、智能化分割與重構(gòu)方法,實(shí)現(xiàn)了大孔隙精細(xì)分割和三維特征準(zhǔn)確描述,對因含水率、物理狀態(tài)導(dǎo)致的圖像變化具有自適應(yīng)性。具體包括:（1）提出了自適應(yīng)模糊C均值大孔隙分割方法針對現(xiàn)有分割方法自動(dòng)化程度弱和精度低的問題,本文提出了自適應(yīng)模糊C均值法（AFCM）大孔隙分割法。該方法基于黑土CT圖像特征自動(dòng)選擇聚類數(shù)目,并依據(jù)大孔隙分割準(zhǔn)則實(shí)現(xiàn)分割目標(biāo)的靈活表達(dá)。通過與經(jīng)典大孔隙分割方法（Image J和IPP）比較證明,AFCM法具有自動(dòng)化程度高和大孔隙分割能力強(qiáng)的特點(diǎn)。（2）提出了基于灰度-梯度特征的模糊C均值大孔隙分割方法針對AFCM法隸屬度矩... 

【文章來源】：北京林業(yè)大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：120 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
abstract
1 緒論
    1.1 研究背景與意義
        1.1.1 黑土重要性
        1.1.2 大孔隙定義
        1.1.3 大孔隙重要性
        1.1.4 技術(shù)背景
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 土壤大孔隙研究方法
        1.2.2 基于土壤CT圖像的大孔隙分割方法
        1.2.3 大孔隙三維模型重構(gòu)方法
        1.2.4 存在的問題
    1.3 研究內(nèi)容與技術(shù)路線
        1.3.1 科學(xué)問題
        1.3.2 研究內(nèi)容
        1.3.3 技術(shù)路線
        1.3.4 論文框架
2 黑土CT圖像數(shù)據(jù)庫的建立
    2.1 研究區(qū)概況
    2.2 黑土樣本采集與制備
    2.3 黑土CT掃描
    2.4 圖像預(yù)處理
    2.5 黑土CT圖像數(shù)據(jù)庫
    2.6 評價(jià)指標(biāo)體系
        2.6.1 主觀定性評價(jià)
        2.6.2 定量評價(jià)指標(biāo)
    2.7 本章小結(jié)
3 自適應(yīng)模糊C均值大孔隙分割方法
    3.1 引言
    3.2 模糊C均值法
    3.3 自適應(yīng)模糊C均值法
        3.3.1 建立圖像灰度-梯度特征
        3.3.2 初始化聚類數(shù)目
        3.3.3 建立大孔隙分割準(zhǔn)則
    3.4 實(shí)驗(yàn)結(jié)果與分析
    3.5 本章小結(jié)
4 基于灰度-梯度特征的模糊C均值大孔隙分割方法
    4.1 引言
    4.2 基于灰度-梯度特征的模糊C均值法
        4.2.1 分區(qū)初始化隸屬度矩陣
        4.2.2 建立大孔隙分割準(zhǔn)則
    4.3 實(shí)驗(yàn)結(jié)果與分析
        4.3.1 大孔隙分割結(jié)果定性分析
        4.3.2 大孔隙分割結(jié)果定量分析
    4.4 本章小結(jié)
5 基于鄰域約束的模糊C均值大孔隙分割方法
    5.1 引言
    5.2 基于鄰域約束的模糊C均值法
        5.2.1 初始化隸屬度矩陣
        5.2.2 構(gòu)造鄰域加權(quán)目標(biāo)函數(shù)
        5.2.3 建立大孔隙分割準(zhǔn)則
    5.3 打印3D模型圖像的實(shí)驗(yàn)結(jié)果與分析
        5.3.1 打印3D模型圖像
        5.3.2 打印3D模型分割結(jié)果
        5.3.3 定量分析
    5.4 黑土CT圖像的實(shí)驗(yàn)結(jié)果與分析
        5.4.1 大孔隙分割結(jié)果定性分析
        5.4.2 大孔隙分割結(jié)果定量分析
    5.5 本章小結(jié)
6 簡化卷積網(wǎng)絡(luò)大孔隙分割方法
    6.1 引言
    6.2 大孔隙真實(shí)結(jié)構(gòu)的標(biāo)定
    6.3 簡化卷積網(wǎng)絡(luò)法
        6.3.1 大孔隙分割網(wǎng)絡(luò)
        6.3.2 網(wǎng)絡(luò)模型參數(shù)設(shè)置
        6.3.3 網(wǎng)絡(luò)模型訓(xùn)練
    6.4 實(shí)驗(yàn)結(jié)果與分析
        6.4.1 大孔隙分割結(jié)果定性分析
        6.4.2 大孔隙分割結(jié)果定量分析
    6.5 本章小結(jié)
7 大孔隙三維模型重構(gòu)方法
    7.1 引言
    7.2 大孔隙真實(shí)模型構(gòu)建方法
        7.2.1 移動(dòng)立方體法
        7.2.2 光線投射法
    7.3 大孔隙真實(shí)模型構(gòu)建結(jié)果與分析
        7.3.1 單獨(dú)大孔隙的真實(shí)模型構(gòu)建結(jié)果
        7.3.2 完整土柱的真實(shí)模型構(gòu)建結(jié)果
        7.3.3 量化分析
    7.4 大孔隙骨架模型提取方法
        7.4.1 距離變換法
        7.4.2 并行細(xì)化法
    7.5 大孔隙骨架模型提取結(jié)果與分析
        7.5.1 在規(guī)則結(jié)構(gòu)圖像上的骨架模型提取結(jié)果
        7.5.2 在大孔隙圖像上的骨架模型提取結(jié)果
    7.6 本章小結(jié)
8 結(jié)論與展望
    8.1 結(jié)論
    8.2 創(chuàng)新點(diǎn)
    8.3 展望
參考文獻(xiàn)
個(gè)人簡介
導(dǎo)師簡介
副導(dǎo)師簡介
獲得成果目錄清單
致謝
附錄



本文編號：3015642