GEOFLUIDSgydF4y2Ba GeofluidsgydF4y2Ba 1468 - 8123gydF4y2Ba 1468 - 8115gydF4y2Ba HindawigydF4y2Ba 10.1155 / 2020/8852209gydF4y2Ba 8852209gydF4y2Ba 研究文章gydF4y2Ba 一种改进C-V模型和应用煤岩Mesocrack图像gydF4y2Ba 陈gydF4y2Ba 玉龙gydF4y2Ba https://orcid.org/0000 - 0002 - 1636 - 2204gydF4y2Ba 张gydF4y2Ba 宏伟gydF4y2Ba 首歌gydF4y2Ba 正阳gydF4y2Ba 能源及矿业工程学院gydF4y2Ba 中国矿业大学和技术gydF4y2Ba 北京gydF4y2Ba 中国gydF4y2Ba cumt.edu.cngydF4y2Ba 2020年gydF4y2Ba 17gydF4y2Ba 7gydF4y2Ba 2020年gydF4y2Ba 2020年gydF4y2Ba 30.gydF4y2Ba 4gydF4y2Ba 2020年gydF4y2Ba 10gydF4y2Ba 5gydF4y2Ba 2020年gydF4y2Ba 16gydF4y2Ba 5gydF4y2Ba 2020年gydF4y2Ba 17gydF4y2Ba 7gydF4y2Ba 2020年gydF4y2Ba 2020年gydF4y2Ba 版权©2020张玉龙陈和宏伟。gydF4y2Ba 这是一个开放的文章在知识共享归属许可下发布的,它允许无限制的使用,分布和繁殖在任何媒介,提供最初的工作是正确的引用。gydF4y2Ba

为了准确、全面地获取煤岩mesocrack图像信息,图像处理技术介绍了基于偏微分方程(PDE)为了阐述没有边缘活动轮廓模型的不足,克服C-V模型。采用改进C-V模型以过程mesoimages包含单个和多个煤的岩石裂缝和获得高质量的煤岩mesocracks二进制图像和煤岩的有效特征参数中构造经过量化处理,这将为后续的研究奠定坚实的基础计算煤岩石渗流计算和损害。研究表明,与原C-V模型相比,改进的模型达到更好的图像分割效果和更准确的定量信息煤岩中构造对煤岩mesoimages低对比度与非均匀灰度,事实表明,它可以应用于煤岩渗透率的计算和破坏因素。gydF4y2Ba

 北京市自然科学基金gydF4y2Ba 8204068gydF4y2Ba 1。介绍gydF4y2Ba

地下煤炭开采必然会引发内部压力反应的煤岩和引起局部的浓度或释放压力,从而导致煤岩的失稳破坏。在这个过程中,不同的应力状态和振幅会带来不同形式的破坏岩石。在煤岩材料组成及其主要物理和机械结构确定其应力、应变状态下的外部载荷,进而控制macromechanical反应和破坏机理。裂纹产生在一定区域的高应力下地下开采,形成裂缝的不稳定的煤岩反过来影响其内部应力、应变状态,造成当地主应力偏转和改善或恶化的当地煤岩的应力状态。研究中尺度的煤岩损伤主要集中在裂纹萌生、扩展、连接、方向、规模、和属性。这些重要的因素提供了重要的指导和设计基础的预防和控制煤岩不稳定和失败。gydF4y2Ba

数字图像处理技术提供了一个有效手段的精确测量和定量分析材料在中尺度和开辟了一种新的方式对科学家和工程师全面了解的异质性,每个组件的内部结构特征和形态特征和相应的mesomechanic特征(gydF4y2Ba 1gydF4y2Ba]。图像分割算法基于阈值分割,边缘检测,区域增长已经广泛应用于处理煤岩mesoimage处理。为了提取图像特征的不同成分的花岗岩,陈et al。gydF4y2Ba 2gydF4y2Ba,gydF4y2Ba 3gydF4y2Ba)提出了一个multithreshold地区基于彩色空间的分区方法。悦et al。gydF4y2Ba 4gydF4y2Ba,gydF4y2Ba 5gydF4y2Ba结合数字图像处理和数值方法,如有限元法和有限差分法,为了研究中构造的影响岩土工程材料内部应力分布。朱et al。gydF4y2Ba 6gydF4y2Ba)也利用区域增长算法来提取mesostructural信息的弹珠。徐et al。gydF4y2Ba 7gydF4y2Ba)使用数字图像处理技术研究土石混合料的内部中构造特征,并利用几何矢量变换技术,向量的概念模型,该模型可以表示实际的内部构造中构造的土石混合。刘等人。gydF4y2Ba 8gydF4y2Ba]阐述了岩石mesoimage基于回归模型的分析方法。Yu et al。gydF4y2Ba 9gydF4y2Ba]介绍了数字图像处理技术的岩石破裂过程分析系统,采用数字图像处理技术来描述岩石的非均质性,建立数值模型反映了中构造的材料。gydF4y2Ba

数字图像处理包括噪声的去除,对比度增强,复苏,分割,特征提取的图像通过计算机。上述文献综述是基于传统的图像处理方法,它可以抑制噪声,但拥有详细的图像的模糊信息的缺陷,易受干扰,精度较低。值得注意的是,它是不准确的处理图像通过煤岩mesomechanic实验,具有对比度低,多个细节,和弱边界信息,限制煤渗透率的计算的基础研究,煤岩损伤和multifield裂缝耦合。相比传统的图像处理方法,图像处理方法基于偏微分方程(PDE)保护边际详细信息的独特优势,实现非线性噪声去除,同时消除图像噪声。PDE-based还利用数值分析理论和PDE方法,它的特点是高速度、精度和稳定性。这些方法使分析从图像的空间几何的角度的基础上自然几何图像与方程之间的联系,以建立一个图像处理模型接近现实。C-V模型是一个广泛应用PDE图像处理方法。介绍并解释的原则C-V模型,提出了一种改进的模型基于图像增强的功能。对煤岩mesoimages与非均匀灰度和对比度低,改善C-V模型通过处理得到高质量的图像分割实验mesoimages与单个和多个裂缝。这种方法还可以获得煤岩mesostructural信息通过二进制图像量化过程,研究煤的渗透系数和损伤变量包含裂纹的岩石,它提供了一种可靠的支持mesomechanic深入研究煤岩的特征。gydF4y2Ba

 2。基于PDE C-V模型gydF4y2Ba 2.1。基于PDE图像处理gydF4y2Ba

目前,没有通用的分割理论可以应用于图像分割技术。提出的分割算法主要是针对特定的问题。当将目标图像中模糊边界或分散的目标,传统的分割技术(gydF4y2Ba 10gydF4y2Ba)因低效率和精度。如果图像分割功能归结为一个问题相关能量最小化,这个问题可以转化为PDE为了通过梯度下降流的精确解。基于PDE图像处理方法是依法行使上述概念。该方法可以有效地分割目标模糊边界或分散的目标。分割效果达到亚像素精度(gydF4y2Ba 11gydF4y2Ba),它可以自动检测图像的内部和外部轮廓和具有噪声免疫力。由于这些独特的优势,基于PDE图像处理方法已被广泛接受,它是图像分割领域的热点问题。到目前为止,它已经应用于图像处理的各个领域。gydF4y2Ba

的基本概念基于PDE图像处理方法是发展一个图像,曲线或曲面在PDE模型,获得预期的结果通过求解这个方程(gydF4y2Ba 12gydF4y2Ba]。一个未知函数的一般类型的PDEgydF4y2Ba ugydF4y2Ba xgydF4y2Ba 1gydF4y2Ba ,gydF4y2Ba xgydF4y2Ba 2gydF4y2Ba ,gydF4y2Ba xgydF4y2Ba 3gydF4y2Ba ,gydF4y2Ba ⋯gydF4y2Ba ,gydF4y2Ba xgydF4y2Ba ngydF4y2Ba 如下(gydF4y2Ba 13gydF4y2Ba]:gydF4y2Ba (1)gydF4y2Ba ∑gydF4y2Ba 我gydF4y2Ba ,gydF4y2Ba jgydF4y2Ba =gydF4y2Ba 1gydF4y2Ba ngydF4y2Ba 一个gydF4y2Ba 我gydF4y2Ba jgydF4y2Ba ∂gydF4y2Ba ugydF4y2Ba 2gydF4y2Ba ∂gydF4y2Ba xgydF4y2Ba 我gydF4y2Ba ∂gydF4y2Ba xgydF4y2Ba jgydF4y2Ba +gydF4y2Ba ∑gydF4y2Ba 我gydF4y2Ba =gydF4y2Ba 1gydF4y2Ba ngydF4y2Ba bgydF4y2Ba 我gydF4y2Ba ∂gydF4y2Ba ugydF4y2Ba ∂gydF4y2Ba xgydF4y2Ba 我gydF4y2Ba +gydF4y2Ba cgydF4y2Ba ugydF4y2Ba =gydF4y2Ba fgydF4y2Ba ,gydF4y2Ba 在哪里gydF4y2Ba 一个gydF4y2Ba 我gydF4y2Ba jgydF4y2Ba ,gydF4y2Ba bgydF4y2Ba 我gydF4y2Ba ,gydF4y2Ba cgydF4y2Ba ,gydF4y2Ba fgydF4y2Ba 请参考系数和gydF4y2Ba 一个gydF4y2Ba 我gydF4y2Ba jgydF4y2Ba =gydF4y2Ba 一个gydF4y2Ba jgydF4y2Ba 我gydF4y2Ba ;gydF4y2Ba xgydF4y2Ba 1gydF4y2Ba ,gydF4y2Ba xgydF4y2Ba 2gydF4y2Ba ,gydF4y2Ba xgydF4y2Ba 3gydF4y2Ba ,gydF4y2Ba xgydF4y2Ba ngydF4y2Ba 是独立变量和包含一个时间变量。gydF4y2Ba

 2.2。基于C-V图像分割模型gydF4y2Ba

C-V模型提出的陈和VesegydF4y2Ba 14gydF4y2Ba,gydF4y2Ba 15gydF4y2Ba)考虑区域内的平均灰度之间的某些差异。如果曲线表达了一个参数方程,然后分割问题可以归结为最小化(最小的功能gydF4y2Ba ΩgydF4y2Ba 面积:gydF4y2Ba ΩgydF4y2Ba =gydF4y2Ba CgydF4y2Ba +gydF4y2Ba ΩgydF4y2Ba 0gydF4y2Ba +gydF4y2Ba ΩgydF4y2Ba bgydF4y2Ba )的能量函数的闭合曲线(边界分割):gydF4y2Ba (2)gydF4y2Ba JgydF4y2Ba CgydF4y2Ba ,gydF4y2Ba cgydF4y2Ba 0gydF4y2Ba ,gydF4y2Ba cgydF4y2Ba bgydF4y2Ba =gydF4y2Ba μgydF4y2Ba ∮gydF4y2Ba cgydF4y2Ba dgydF4y2Ba 年代gydF4y2Ba +gydF4y2Ba λgydF4y2Ba 0gydF4y2Ba ∬gydF4y2Ba ΩgydF4y2Ba 0gydF4y2Ba 我gydF4y2Ba −gydF4y2Ba cgydF4y2Ba 0gydF4y2Ba 2gydF4y2Ba dgydF4y2Ba xgydF4y2Ba dgydF4y2Ba ygydF4y2Ba +gydF4y2Ba λgydF4y2Ba bgydF4y2Ba ∬gydF4y2Ba ΩgydF4y2Ba bgydF4y2Ba 我gydF4y2Ba −gydF4y2Ba cgydF4y2Ba 0gydF4y2Ba 2gydF4y2Ba dgydF4y2Ba xgydF4y2Ba dgydF4y2Ba ygydF4y2Ba ,gydF4y2Ba 在哪里gydF4y2Ba 我gydF4y2Ba 是图像灰度矩阵;gydF4y2Ba CgydF4y2Ba 是闭合曲线;gydF4y2Ba ΩgydF4y2Ba 0gydF4y2Ba 图像的内部面积除以吗gydF4y2Ba CgydF4y2Ba ;gydF4y2Ba ΩgydF4y2Ba bgydF4y2Ba 外部区域;gydF4y2Ba cgydF4y2Ba 0gydF4y2Ba 和gydF4y2Ba cgydF4y2Ba bgydF4y2Ba 指的是算术平均值的输入图像的灰度,gydF4y2Ba 我gydF4y2Ba xgydF4y2Ba ,gydF4y2Ba ygydF4y2Ba ,在gydF4y2Ba ΩgydF4y2Ba 0gydF4y2Ba 和gydF4y2Ba ΩgydF4y2Ba bgydF4y2Ba ;和gydF4y2Ba μgydF4y2Ba ,gydF4y2Ba λgydF4y2Ba 0gydF4y2Ba ,gydF4y2Ba λgydF4y2Ba bgydF4y2Ba 每个能量项的重量系数。gydF4y2Ba

方法采用和嵌入函数变化水平gydF4y2Ba ugydF4y2Ba 并介绍了为了获得嵌入函数的功能gydF4y2Ba ugydF4y2Ba :gydF4y2Ba (3)gydF4y2Ba JgydF4y2Ba ugydF4y2Ba ,gydF4y2Ba cgydF4y2Ba 0gydF4y2Ba ,gydF4y2Ba cgydF4y2Ba bgydF4y2Ba =gydF4y2Ba μgydF4y2Ba ∬gydF4y2Ba ΩgydF4y2Ba δgydF4y2Ba ugydF4y2Ba ∇gydF4y2Ba ugydF4y2Ba dgydF4y2Ba xgydF4y2Ba dgydF4y2Ba ygydF4y2Ba +gydF4y2Ba λgydF4y2Ba 0gydF4y2Ba ∬gydF4y2Ba ΩgydF4y2Ba 0gydF4y2Ba HgydF4y2Ba ugydF4y2Ba 我gydF4y2Ba −gydF4y2Ba cgydF4y2Ba 0gydF4y2Ba 2gydF4y2Ba dgydF4y2Ba xgydF4y2Ba dgydF4y2Ba ygydF4y2Ba +gydF4y2Ba λgydF4y2Ba bgydF4y2Ba ∬gydF4y2Ba ΩgydF4y2Ba bgydF4y2Ba 1gydF4y2Ba −gydF4y2Ba HgydF4y2Ba ugydF4y2Ba 我gydF4y2Ba −gydF4y2Ba cgydF4y2Ba 0gydF4y2Ba 2gydF4y2Ba dgydF4y2Ba xgydF4y2Ba dgydF4y2Ba ygydF4y2Ba ,gydF4y2Ba 在哪里gydF4y2Ba HgydF4y2Ba ugydF4y2Ba 是亥维赛的功能。gydF4y2Ba

在固定功能gydF4y2Ba ugydF4y2Ba 的基础上获得的,下面的公式是最低方程(gydF4y2Ba 3gydF4y2Ba)gydF4y2Ba cgydF4y2Ba 0gydF4y2Ba 和gydF4y2Ba cgydF4y2Ba bgydF4y2Ba :gydF4y2Ba (4)gydF4y2Ba cgydF4y2Ba 我gydF4y2Ba =gydF4y2Ba ∬gydF4y2Ba ΩgydF4y2Ba 我gydF4y2Ba 我gydF4y2Ba dgydF4y2Ba xgydF4y2Ba dgydF4y2Ba ygydF4y2Ba ∬gydF4y2Ba ΩgydF4y2Ba 我gydF4y2Ba dgydF4y2Ba xgydF4y2Ba dgydF4y2Ba ygydF4y2Ba 我gydF4y2Ba =gydF4y2Ba 0gydF4y2Ba ,gydF4y2Ba bgydF4y2Ba 。gydF4y2Ba

在固定gydF4y2Ba cgydF4y2Ba 0gydF4y2Ba 和gydF4y2Ba cgydF4y2Ba bgydF4y2Ba 下,下面的公式是获得最低方程(gydF4y2Ba 3gydF4y2Ba)gydF4y2Ba ugydF4y2Ba :gydF4y2Ba (5)gydF4y2Ba ∂gydF4y2Ba ugydF4y2Ba ∂gydF4y2Ba tgydF4y2Ba =gydF4y2Ba δgydF4y2Ba εgydF4y2Ba μgydF4y2Ba divgydF4y2Ba ∇gydF4y2Ba ugydF4y2Ba ∇gydF4y2Ba ugydF4y2Ba −gydF4y2Ba λgydF4y2Ba 0gydF4y2Ba 我gydF4y2Ba −gydF4y2Ba cgydF4y2Ba 0gydF4y2Ba 2gydF4y2Ba +gydF4y2Ba λgydF4y2Ba bgydF4y2Ba 我gydF4y2Ba −gydF4y2Ba cgydF4y2Ba bgydF4y2Ba 2gydF4y2Ba 。gydF4y2Ba

在这,gydF4y2Ba (6)gydF4y2Ba δgydF4y2Ba εgydF4y2Ba ugydF4y2Ba =gydF4y2Ba dgydF4y2Ba HgydF4y2Ba εgydF4y2Ba ugydF4y2Ba dgydF4y2Ba ugydF4y2Ba ,gydF4y2Ba 在哪里gydF4y2Ba HgydF4y2Ba εgydF4y2Ba ugydF4y2Ba 指的是任意的函数,它满足了gydF4y2Ba limgydF4y2Ba εgydF4y2Ba ⟶gydF4y2Ba 0gydF4y2Ba HgydF4y2Ba εgydF4y2Ba ugydF4y2Ba =gydF4y2Ba HgydF4y2Ba ugydF4y2Ba 。方程(gydF4y2Ba 4gydF4y2Ba)和(gydF4y2Ba 5gydF4y2Ba)是合成为了获得稳态解以及分割结果。gydF4y2Ba

 3所示。改善C-V模型gydF4y2Ba 3.1。改善C-V模型gydF4y2Ba

C-V模型可以有效地检测弱或模糊的边缘图像,证明了分割精度高,计算简单,噪声免疫力。这些优势大大扩大其应用范围。然而,进化速度gydF4y2Ba ∂gydF4y2Ba ugydF4y2Ba /gydF4y2Ba ∂gydF4y2Ba tgydF4y2Ba C-V模型的水平集函数的均值差异(密切相关gydF4y2Ba cgydF4y2Ba 0gydF4y2Ba −gydF4y2Ba cgydF4y2Ba bgydF4y2Ba )之间的内部和外部的灰度变化曲线在图像gydF4y2Ba 我gydF4y2Ba 。当gydF4y2Ba cgydF4y2Ba 0gydF4y2Ba ≈gydF4y2Ba cgydF4y2Ba bgydF4y2Ba ,或者发展的内部和外部的灰度曲线相互接近,早期的迭代产生的轻微变化水平集函数gydF4y2Ba ugydF4y2Ba ;在这种情况下,需要更多的迭代(有时需要更多的订单的大小),以取代演化曲线。与非均匀灰度的图像对比度低,如煤岩图片,轻微的前景和背景灰度区别是容易引起gydF4y2Ba cgydF4y2Ba 0gydF4y2Ba ≈gydF4y2Ba cgydF4y2Ba bgydF4y2Ba C-V模型中,从而导致分割效率低。同时,也容易导致非均匀灰度分割的背景是错误的前景,这将大大减少图像处理的效果。因此,对于图像,尤其是煤岩与非均匀灰度图像对比度低、C-V模型的应用一直受到巨大限制。gydF4y2Ba

根据上述分析,为了提高运用C-V模型的效果,有必要改进C-V模型两个角度的增加图像对比度和灰度图像的均衡。通过灰度值映射,狭窄的灰度分布范围,图像被处理成一个宽带输出值,目标区域的对比度可以有效地改善。典型的方法包括对数变换和功率变换。冈萨雷斯et al。gydF4y2Ba 10gydF4y2Ba)还指出,如果图像像素占所有灰色的水平,都是均匀分布的,那么图像具有高对比度和多样的灰色基调。图像的灰度平衡的使用有效地扩大共同的灰度直方图均衡化方法。在前景和背景灰度接近彼此(非均匀灰度),增加图像的局部对比度(不影响整体的对比度)将帮助更好的图像灰度直方图的分布。与此同时,在上述操作中,图像灰度值是容易方法灰度的两端,形成脉冲噪声。然而,这种噪音必须消除为了保持水平集演化的效率。中值滤波函数采用观察窗组成的奇怪的抽样和检查样本的输入信号,以判断此示例能满足信号的要求(消除噪音)。观察窗的数值进行排序与观察窗的中间值作为输出。然后,最早的值是被遗弃和新样品。通过这种方式,中值滤波函数可以消除脉冲噪声,同时保留边缘特征。gydF4y2Ba

本文采用一种图像增强功能,gydF4y2Ba GgydF4y2Ba 我gydF4y2Ba ,结合电力变换,对数变换,灰色的均衡,和一个中值滤波函数替换图像灰度矩阵,gydF4y2Ba 我gydF4y2Ba 能量函数的原始C-V模型(方程(gydF4y2Ba 2gydF4y2Ba))。结果下面列出:gydF4y2Ba (7)gydF4y2Ba JgydF4y2Ba CgydF4y2Ba ,gydF4y2Ba cgydF4y2Ba 0gydF4y2Ba ′gydF4y2Ba ,gydF4y2Ba cgydF4y2Ba bgydF4y2Ba ′gydF4y2Ba =gydF4y2Ba μgydF4y2Ba ∮gydF4y2Ba cgydF4y2Ba dgydF4y2Ba 年代gydF4y2Ba +gydF4y2Ba λgydF4y2Ba 0gydF4y2Ba ∬gydF4y2Ba ΩgydF4y2Ba 0gydF4y2Ba GgydF4y2Ba 我gydF4y2Ba −gydF4y2Ba cgydF4y2Ba 0gydF4y2Ba ′gydF4y2Ba 2gydF4y2Ba dgydF4y2Ba xgydF4y2Ba dgydF4y2Ba ygydF4y2Ba +gydF4y2Ba λgydF4y2Ba bgydF4y2Ba ∬gydF4y2Ba ΩgydF4y2Ba bgydF4y2Ba GgydF4y2Ba 我gydF4y2Ba −gydF4y2Ba cgydF4y2Ba bgydF4y2Ba ′gydF4y2Ba 2gydF4y2Ba dgydF4y2Ba xgydF4y2Ba dgydF4y2Ba ygydF4y2Ba ,gydF4y2Ba 在哪里gydF4y2Ba cgydF4y2Ba 0gydF4y2Ba ′gydF4y2Ba 和gydF4y2Ba cgydF4y2Ba bgydF4y2Ba ′gydF4y2Ba 代表了灰度图像的算术平均值gydF4y2Ba ΩgydF4y2Ba 0gydF4y2Ba 和gydF4y2Ba ΩgydF4y2Ba bgydF4y2Ba ,分别。通过这种方式,图像增强功能,gydF4y2Ba GgydF4y2Ba 我gydF4y2Ba ,增加了内部和外部的灰度平均值之差的变化曲线(gydF4y2Ba cgydF4y2Ba 0gydF4y2Ba ′gydF4y2Ba −gydF4y2Ba cgydF4y2Ba bgydF4y2Ba ′gydF4y2Ba ),从而大大降低的可能性发展的内部和外部的灰度平均值曲线相互接近和获得更高层次的进化速度和更好的图像处理效果。gydF4y2Ba

上述图像增强功能,gydF4y2Ba GgydF4y2Ba 我gydF4y2Ba 可以指定如下:gydF4y2Ba (8)gydF4y2Ba GgydF4y2Ba 我gydF4y2Ba =gydF4y2Ba 地中海gydF4y2Ba ∫gydF4y2Ba 0gydF4y2Ba FgydF4y2Ba 我gydF4y2Ba pgydF4y2Ba fgydF4y2Ba ugydF4y2Ba dgydF4y2Ba ugydF4y2Ba kgydF4y2Ba kgydF4y2Ba =gydF4y2Ba 1gydF4y2Ba ,gydF4y2Ba 2gydF4y2Ba ,gydF4y2Ba 3gydF4y2Ba ,gydF4y2Ba ⋯gydF4y2Ba ,gydF4y2Ba 年代gydF4y2Ba ×gydF4y2Ba rgydF4y2Ba ,gydF4y2Ba 在哪里gydF4y2Ba 年代gydF4y2Ba ×gydF4y2Ba rgydF4y2Ba 中值滤波器的大小,gydF4y2Ba 年代gydF4y2Ba 和gydF4y2Ba rgydF4y2Ba 为奇数;gydF4y2Ba pgydF4y2Ba fgydF4y2Ba ugydF4y2Ba 是图像的灰度分布密度函数gydF4y2Ba FgydF4y2Ba 我gydF4y2Ba ;和gydF4y2Ba GgydF4y2Ba 我gydF4y2Ba 转换后的图像的灰度矩阵的统一的随机变量在吗gydF4y2Ba FgydF4y2Ba 我gydF4y2Ba 分布区间,单调而不减少的。gydF4y2Ba FgydF4y2Ba 我gydF4y2Ba 可以表示如下:gydF4y2Ba (9)gydF4y2Ba FgydF4y2Ba 我gydF4y2Ba =gydF4y2Ba cgydF4y2Ba 我gydF4y2Ba γgydF4y2Ba ,gydF4y2Ba 或gydF4y2Ba (10)gydF4y2Ba FgydF4y2Ba 我gydF4y2Ba =gydF4y2Ba cgydF4y2Ba lggydF4y2Ba 1gydF4y2Ba +gydF4y2Ba 我gydF4y2Ba ,gydF4y2Ba 在哪里gydF4y2Ba cgydF4y2Ba 是不断改善的对比。方程(gydF4y2Ba 9gydF4y2Ba)介绍了拉伸对比基于权力的转换,和方程(gydF4y2Ba 10gydF4y2Ba)介绍了改进对比基于对数变换。gydF4y2Ba

通过遵循C-V推导过程,函数的最小值gydF4y2Ba JgydF4y2Ba 对gydF4y2Ba ugydF4y2Ba 计算如下:gydF4y2Ba (11)gydF4y2Ba ∂gydF4y2Ba ugydF4y2Ba ∂gydF4y2Ba tgydF4y2Ba =gydF4y2Ba δgydF4y2Ba εgydF4y2Ba μgydF4y2Ba divgydF4y2Ba ∇gydF4y2Ba ugydF4y2Ba ∇gydF4y2Ba ugydF4y2Ba −gydF4y2Ba λgydF4y2Ba 0gydF4y2Ba GgydF4y2Ba 我gydF4y2Ba −gydF4y2Ba cgydF4y2Ba 0gydF4y2Ba ′gydF4y2Ba 2gydF4y2Ba +gydF4y2Ba λgydF4y2Ba bgydF4y2Ba GgydF4y2Ba 我gydF4y2Ba −gydF4y2Ba cgydF4y2Ba bgydF4y2Ba ′gydF4y2Ba 2gydF4y2Ba 。gydF4y2Ba

在原始C-V模型,正规化亥维赛函数必须符合条件gydF4y2Ba limgydF4y2Ba εgydF4y2Ba ⟶gydF4y2Ba 0gydF4y2Ba HgydF4y2Ba εgydF4y2Ba ugydF4y2Ba =gydF4y2Ba HgydF4y2Ba ugydF4y2Ba 。改进C-V模型本文选择以下正规化亥维赛功能:gydF4y2Ba (12)gydF4y2Ba HgydF4y2Ba εgydF4y2Ba zgydF4y2Ba =gydF4y2Ba 1gydF4y2Ba 2gydF4y2Ba 1gydF4y2Ba +gydF4y2Ba 2gydF4y2Ba πgydF4y2Ba 反正切gydF4y2Ba zgydF4y2Ba εgydF4y2Ba 。gydF4y2Ba

这样的正则化函数是一个奇怪的对称函数。参数gydF4y2Ba εgydF4y2Ba 为了控制使用的频率gydF4y2Ba HgydF4y2Ba εgydF4y2Ba zgydF4y2Ba 和改变它从0到1。gydF4y2Ba

 3.2。改进的C-V模型的数值实现gydF4y2Ba

PDE的数值计算方案包括显式、隐式和semi-implicit方案。显式方案指的是直接计算,它可以容易理解但很容易错误的积累和传播,这证明了其算法稳定性较低。高稳定的隐格式的优点,但通常引起非线性联立代数方程。它通常伴随着计算显式方案相比要复杂得多。semi-implicit方案通常产生一个线性差分方程。不同的非线性联立代数方程,它通常需要更容易数值计算;同时,semi-implicit方案也具有高稳定性,因此,它被广泛应用于PDE数值计算。因此,本文采用semi-implicit方案。gydF4y2Ba

参数gydF4y2Ba λgydF4y2Ba 0gydF4y2Ba 和gydF4y2Ba λgydF4y2Ba bgydF4y2Ba 是指每个能量项的权重系数,代表分割部分的重要性。前景分割在图像分割方法的分割背景,反之亦然。因此,gydF4y2Ba λgydF4y2Ba 0gydF4y2Ba =gydF4y2Ba λgydF4y2Ba bgydF4y2Ba =gydF4y2Ba 1gydF4y2Ba 。离散化方案结合向前差异和向后的区别是采用改进的C-V模型的semi-implicit数值计算方案:gydF4y2Ba (13)gydF4y2Ba ugydF4y2Ba 我gydF4y2Ba jgydF4y2Ba tgydF4y2Ba +gydF4y2Ba 1gydF4y2Ba =gydF4y2Ba ugydF4y2Ba 我gydF4y2Ba jgydF4y2Ba tgydF4y2Ba +gydF4y2Ba τgydF4y2Ba δgydF4y2Ba εgydF4y2Ba ugydF4y2Ba 我gydF4y2Ba jgydF4y2Ba tgydF4y2Ba μgydF4y2Ba PgydF4y2Ba ugydF4y2Ba 我gydF4y2Ba jgydF4y2Ba tgydF4y2Ba +gydF4y2Ba 1gydF4y2Ba −gydF4y2Ba GgydF4y2Ba 我gydF4y2Ba 我gydF4y2Ba jgydF4y2Ba −gydF4y2Ba cgydF4y2Ba 0gydF4y2Ba ′gydF4y2Ba 2gydF4y2Ba +gydF4y2Ba GgydF4y2Ba 我gydF4y2Ba 我gydF4y2Ba jgydF4y2Ba −gydF4y2Ba cgydF4y2Ba bgydF4y2Ba ′gydF4y2Ba 2gydF4y2Ba ,gydF4y2Ba 在这gydF4y2Ba (14)gydF4y2Ba PgydF4y2Ba ugydF4y2Ba 我gydF4y2Ba jgydF4y2Ba tgydF4y2Ba +gydF4y2Ba 1gydF4y2Ba =gydF4y2Ba DgydF4y2Ba xgydF4y2Ba −gydF4y2Ba DgydF4y2Ba xgydF4y2Ba +gydF4y2Ba ugydF4y2Ba 我gydF4y2Ba jgydF4y2Ba tgydF4y2Ba +gydF4y2Ba 1gydF4y2Ba DgydF4y2Ba xgydF4y2Ba +gydF4y2Ba ugydF4y2Ba 我gydF4y2Ba jgydF4y2Ba tgydF4y2Ba 2gydF4y2Ba +gydF4y2Ba DgydF4y2Ba ygydF4y2Ba 0gydF4y2Ba ugydF4y2Ba 我gydF4y2Ba jgydF4y2Ba tgydF4y2Ba 2gydF4y2Ba 1gydF4y2Ba /gydF4y2Ba 2gydF4y2Ba +gydF4y2Ba DgydF4y2Ba ygydF4y2Ba −gydF4y2Ba DgydF4y2Ba ygydF4y2Ba +gydF4y2Ba ugydF4y2Ba 我gydF4y2Ba jgydF4y2Ba tgydF4y2Ba +gydF4y2Ba 1gydF4y2Ba DgydF4y2Ba ygydF4y2Ba +gydF4y2Ba ugydF4y2Ba 我gydF4y2Ba jgydF4y2Ba tgydF4y2Ba 2gydF4y2Ba +gydF4y2Ba DgydF4y2Ba xgydF4y2Ba 0gydF4y2Ba ugydF4y2Ba 我gydF4y2Ba jgydF4y2Ba tgydF4y2Ba 2gydF4y2Ba 1gydF4y2Ba /gydF4y2Ba 2gydF4y2Ba 。gydF4y2Ba

根据正规化亥维赛函数,下面的计算应用于当前发展的内部和外部图像灰度平均值曲线(零水平集)为了避免检测零水平集的问题:gydF4y2Ba (15)gydF4y2Ba cgydF4y2Ba ′gydF4y2Ba 0gydF4y2Ba tgydF4y2Ba =gydF4y2Ba ∑gydF4y2Ba 我gydF4y2Ba ,gydF4y2Ba jgydF4y2Ba HgydF4y2Ba εgydF4y2Ba ugydF4y2Ba 我gydF4y2Ba jgydF4y2Ba tgydF4y2Ba GgydF4y2Ba 我gydF4y2Ba 我gydF4y2Ba jgydF4y2Ba ∑gydF4y2Ba 我gydF4y2Ba ,gydF4y2Ba jgydF4y2Ba HgydF4y2Ba εgydF4y2Ba ugydF4y2Ba 我gydF4y2Ba jgydF4y2Ba tgydF4y2Ba ,gydF4y2Ba cgydF4y2Ba ′gydF4y2Ba bgydF4y2Ba tgydF4y2Ba =gydF4y2Ba ∑gydF4y2Ba 我gydF4y2Ba ,gydF4y2Ba jgydF4y2Ba 1gydF4y2Ba −gydF4y2Ba HgydF4y2Ba εgydF4y2Ba ugydF4y2Ba 我gydF4y2Ba jgydF4y2Ba tgydF4y2Ba GgydF4y2Ba 我gydF4y2Ba 我gydF4y2Ba jgydF4y2Ba ∑gydF4y2Ba 我gydF4y2Ba ,gydF4y2Ba jgydF4y2Ba 1gydF4y2Ba −gydF4y2Ba HgydF4y2Ba εgydF4y2Ba ugydF4y2Ba 我gydF4y2Ba jgydF4y2Ba tgydF4y2Ba ,gydF4y2Ba 在哪里gydF4y2Ba cgydF4y2Ba ′gydF4y2Ba 0gydF4y2Ba tgydF4y2Ba 和gydF4y2Ba cgydF4y2Ba ′gydF4y2Ba bgydF4y2Ba tgydF4y2Ba 代表了图像灰度平均值gydF4y2Ba tgydF4y2Ba 迭代。gydF4y2Ba

 4所示。实验结果和分析gydF4y2Ba 4.1。实验过程和结果gydF4y2Ba

为了验证本文提出方法的可行性和优越性,C-V模型和改进的C-V模型都采用煤炭处理图像样本与单个和多个裂缝下面列出的具体过程是:gydF4y2Ba

图像采集gydF4y2Ba。岩土材料的mesoimages通常通过以下几点:(1)数码相机,(2)与观察由CCD摄像机立体显微镜、偏光显微镜和(3)电子显微镜(TEM和SEM) (gydF4y2Ba 16gydF4y2Ba]。在这项研究中,使用SEM获取mesoimages煤的岩石。图gydF4y2Ba 1gydF4y2Ba显示了一个典型的例子,包含裂纹的煤gydF4y2Ba

图像分割gydF4y2Ba。C-V模型和改进的C-V模型采用上述分割的图像。在这个实验中,采用semi-implicit方案与参数gydF4y2Ba λgydF4y2Ba 0gydF4y2Ba =gydF4y2Ba λgydF4y2Ba bgydF4y2Ba =gydF4y2Ba 1gydF4y2Ba ,gydF4y2Ba εgydF4y2Ba =gydF4y2Ba 1gydF4y2Ba ,gydF4y2Ba μgydF4y2Ba =gydF4y2Ba 250年gydF4y2Ba ,时间步长gydF4y2Ba τgydF4y2Ba =gydF4y2Ba 0.1gydF4y2Ba 。图像分割效果基于C-V模型如图gydF4y2Ba 2gydF4y2Ba和图像分割效果基于改进剂C-V模型图gydF4y2Ba 3gydF4y2Ba。左边的图像数据gydF4y2Ba 2gydF4y2Ba和gydF4y2Ba 3gydF4y2Ba引入进化的分布曲线(零水平集)原始图像,和正确的图像呈现的图像效果变化曲线(零水平集)。gydF4y2Ba

原始图像的煤样含裂缝。gydF4y2Ba

分割的图像C-V模型(10000次迭代)。gydF4y2Ba

单裂纹gydF4y2Ba

MulticrackgydF4y2Ba

分割图像的改进C-V模型(4000次迭代)。gydF4y2Ba

单裂纹gydF4y2Ba

MulticrackgydF4y2Ba

 4.2。对实验结果的分析gydF4y2Ba

表gydF4y2Ba 1gydF4y2Ba提出了一种比较的图像分割效果和时间根据C-V模型和改进的C-V模型。表gydF4y2Ba 1gydF4y2Ba表明,对于单个裂纹图像和多个裂纹图像,分割基于C-V模型没有理想的效果而改善C-V模型主要是达到分割的效果和获得一个相对明确的裂纹。在4000次迭代之后,该方法基于C-V模型仍未达到理想的分割效果。许多背景细节的前景和分段伴随着前台。同时,很多细节的前景不分段,因为他们是被误解为背景,从而导致裂纹提取的失败;然而,改善C-V模型结果更好的分割效果,就是明证的有效提取前景目标。尽管只有很少的背景细节,如斑点、捕获和分布式,他们将在以下处理,以确保消除图像分割的成功。此外,早期的迭代(1000倍),改进C-V模型和原始C-V模型需要类似的大量的时间。随着迭代次数的增加,特别是在4000次迭代,改进C-V模型消耗26秒不到原C-V方法在处理单一裂纹图像和7秒少当处理多个裂纹图像。可以看出,改进的C-V模型可以处理图像非均匀灰度、对比度低的比C-V模型。原C-V模型相比,改进C-V模型可以大大提高加工效率。gydF4y2Ba

比较的影响C-V模型和改进的C-V模型。gydF4y2Ba

条件gydF4y2Ba 1000次迭代gydF4y2Ba 4000次迭代gydF4y2Ba
影响形象gydF4y2Ba 时间消耗gydF4y2Ba 影响形象gydF4y2Ba 时间消耗gydF4y2Ba
单裂纹gydF4y2Ba
C-V模型gydF4y2Ba 69年代gydF4y2Ba 287年代gydF4y2Ba
改善C-V模型gydF4y2Ba 70年代gydF4y2Ba 261年代gydF4y2Ba
MulticrackgydF4y2Ba
C-V模型gydF4y2Ba 68年代gydF4y2Ba 280年代gydF4y2Ba
改善C-V模型gydF4y2Ba 69年代gydF4y2Ba 273年代gydF4y2Ba
5。应用图像处理结果gydF4y2Ba 5.1。裂纹信息的获得gydF4y2Ba

上述分割图像基于改进C-V模型应该进一步处理以消除背景的干扰,获得更有效的裂缝信息。原始图像表明,直线部分连接图的顶部和底部gydF4y2Ba 3gydF4y2Ba是裂纹和其他黑人斑点像部分是背景细节,不是裂纹,应通过形态学方法消除。gydF4y2Ba

首先,采用改进C-V模型为了迭代图像二值化4000次,选择细分区域按照原始图像的形态功能的使用,Bwselect。仔细观察表明,原始图像中的裂缝分割成几个部分,每个部分之间的空间与线连接。摘要切线方向生长的方法是利用为了重新连接断裂的裂纹,如图gydF4y2Ba 4 (b)gydF4y2Ba。同时,采用形态函数,Bwmorph,为了消除边缘上的毛刺和选择裂纹剖面效果如图gydF4y2Ba 4 (c)gydF4y2Ba。Imfill,然后,这个函数是用来填补裂纹剖面效果如图gydF4y2Ba 4 (d)gydF4y2Ba。最后,图gydF4y2Ba 4 (e)gydF4y2Ba通过覆盖上述结果对原始图像。与原始图像相比,裂纹提取可以覆盖原始裂纹区域,这一事实显示理想的处理结果。gydF4y2Ba

裂纹信息的提取。gydF4y2Ba

在初始阶段裂纹图像获得的gydF4y2Ba

连接的裂缝图像gydF4y2Ba

裂纹剖面gydF4y2Ba

填补裂缝的概要文件gydF4y2Ba

裂缝图像覆盖在原来的一个gydF4y2Ba

采用函数Regionprops获得图像中的区域特征参数和裂纹信息,如表所示gydF4y2Ba 2gydF4y2Ba。根据表gydF4y2Ba 2gydF4y2Ba的面积,方便获得每个单处骨折或multiple-fracture裂纹(gydF4y2Ba 一个gydF4y2Ba ),周长(gydF4y2Ba pgydF4y2Ba ),长轴长度(gydF4y2Ba lgydF4y2Ba )和短轴长度(gydF4y2Ba dgydF4y2Ba )相同的标准化第二中央的时刻,半径(gydF4y2Ba rgydF4y2Ba 圆与同一地区的区域,和方位角(gydF4y2Ba αgydF4y2Ba )。为多个裂纹图像,还可以获得裂缝数量,gydF4y2Ba NgydF4y2Ba 根据裂纹,组织他们罢工;值得注意的是,进一步处理可以获得空间,gydF4y2Ba 米gydF4y2Ba 每组之间的裂缝。指的是多个裂纹图像(图gydF4y2Ba 5gydF4y2Ba),具体操作与裂纹数量的摘要gydF4y2Ba NgydF4y2Ba =gydF4y2Ba 4gydF4y2Ba 。根据不同的方位角,这四个裂缝可分为两组:裂纹,裂纹,裂纹4一组和裂缝3在另一个。表gydF4y2Ba 2gydF4y2Ba显示的平均裂缝方位1,2,4 = -74.4°。因此,在二进制图像绘制一条直线沿着15.6°方向(二进制图像裂缝)为了与上述三个裂缝相交。之间的距离gydF4y2Ba 一个gydF4y2Ba 和gydF4y2Ba CgydF4y2Ba 测量330像素;因此,这些团体之间的空间裂缝是165像素。gydF4y2Ba

裂纹的二维信息(单位:像素)。gydF4y2Ba

特征gydF4y2Ba 裂纹1gydF4y2Ba 裂缝2gydF4y2Ba 裂缝3gydF4y2Ba 裂纹4gydF4y2Ba
单裂纹gydF4y2Ba
裂纹区域gydF4y2Ba 4175年gydF4y2Ba
合身的长轴gydF4y2Ba 499年gydF4y2Ba
安装短轴gydF4y2Ba 53gydF4y2Ba
方位角(°)gydF4y2Ba -81.9gydF4y2Ba
裂纹周边gydF4y2Ba 1385年gydF4y2Ba
等效半径gydF4y2Ba 36.5gydF4y2Ba
MulticrackgydF4y2Ba
裂纹区域gydF4y2Ba 16504年gydF4y2Ba 1888年gydF4y2Ba 277年gydF4y2Ba 1942年gydF4y2Ba
合身的长轴gydF4y2Ba 435年gydF4y2Ba 418年gydF4y2Ba 193年gydF4y2Ba 301年gydF4y2Ba
安装短轴gydF4y2Ba 53gydF4y2Ba 11gydF4y2Ba 11gydF4y2Ba 15gydF4y2Ba
方位角(°)gydF4y2Ba -79.3gydF4y2Ba -73.6gydF4y2Ba 4.4gydF4y2Ba -70.2gydF4y2Ba
裂纹周边gydF4y2Ba 1096年gydF4y2Ba 816年gydF4y2Ba 338年gydF4y2Ba 679年gydF4y2Ba
等效半径gydF4y2Ba 72.5gydF4y2Ba 24.5gydF4y2Ba 9.5gydF4y2Ba 25gydF4y2Ba

测量multicrack空间。gydF4y2Ba

 5.2。裂纹的进一步应用量化的信息gydF4y2Ba

mesocomposition和煤岩结构确定他们在外力作用下的应力应变状态和控制macromechanical响应和失效机制。这些mesocompositions的生存和发展和结构使煤岩的seepage-stress耦合非常复杂。数字图像处理技术提供了一个有效的方法表达煤岩的异质性的角度mesophysical机械结构,这使得mesoresearch裂纹岩体固液耦合更直接的和有效的。gydF4y2Ba

方法采用基于改进C-V模型以过程煤岩图像包含裂缝和获得关于裂缝的各种二维数据,如裂纹区域(gydF4y2Ba 一个gydF4y2Ba ),周长(gydF4y2Ba pgydF4y2Ba )、方位(gydF4y2Ba αgydF4y2Ba ),长度(gydF4y2Ba lgydF4y2Ba ),宽度(gydF4y2Ba dgydF4y2Ba )、数量(gydF4y2Ba NgydF4y2Ba ),裂缝空间(gydF4y2Ba 米gydF4y2Ba )。分析这些信息可以用来实现中构造煤岩的定量描述;因此,这些信息也可以进一步应用渗流力学和损伤力学的理论研究煤岩。gydF4y2Ba

5.2.1。应用煤岩裂缝渗流力学的研究信息gydF4y2Ba

在含煤岩裂缝,裂缝可以分组根据他们的罢工。按照模型equal-width裂纹,裂纹的渗透系数可以表示为gydF4y2Ba (16)gydF4y2Ba KgydF4y2Ba fgydF4y2Ba =gydF4y2Ba ggydF4y2Ba dgydF4y2Ba 2gydF4y2Ba /gydF4y2Ba 12gydF4y2Ba vgydF4y2Ba 。gydF4y2Ba

罗姆(gydF4y2Ba 17gydF4y2Ba]认为破碎岩体是quasicontinuous中,流体流动符合达西定律:gydF4y2Ba (17)gydF4y2Ba 问gydF4y2Ba =gydF4y2Ba −gydF4y2Ba KgydF4y2Ba fgydF4y2Ba dgydF4y2Ba 米gydF4y2Ba JgydF4y2Ba ′gydF4y2Ba 。gydF4y2Ba

达西定律表明,gydF4y2Ba (18)gydF4y2Ba 问gydF4y2Ba =gydF4y2Ba −gydF4y2Ba KgydF4y2Ba cgydF4y2Ba JgydF4y2Ba ′gydF4y2Ba 。gydF4y2Ba

结合方程(gydF4y2Ba 16gydF4y2Ba)- (gydF4y2Ba 18gydF4y2Ba)可以获得裂纹的渗透系数组:gydF4y2Ba (19)gydF4y2Ba KgydF4y2Ba egydF4y2Ba =gydF4y2Ba ggydF4y2Ba dgydF4y2Ba 3gydF4y2Ba 12gydF4y2Ba vgydF4y2Ba 米gydF4y2Ba ,gydF4y2Ba 在哪里gydF4y2Ba ggydF4y2Ba 重力加速度,gydF4y2Ba vgydF4y2Ba 是流体运动粘度系数,gydF4y2Ba 问gydF4y2Ba 是渗透速率,gydF4y2Ba JgydF4y2Ba ′gydF4y2Ba 是流体的压力梯度。gydF4y2Ba

 5.2.2。应用煤岩损伤力学的研究信息gydF4y2Ba

煤岩中构造的确定其损伤状态,可以大致得到评估mesostructural微裂隙的特征。通过mesomechanic实验获得的mesoimages可以用来定量研究之间的关系开始,扩张和变形响应的裂缝(中构造)。为了建立中构造的损伤变量之间的相关性,macromechanical反应,和身体的本构方程,变量gydF4y2Ba γgydF4y2Ba 应该引入表达表面损伤程度的样本和量化它基于裂纹数据列出的表达式如下:gydF4y2Ba (20)gydF4y2Ba γgydF4y2Ba εgydF4y2Ba =gydF4y2Ba lgydF4y2Ba crgydF4y2Ba εgydF4y2Ba lgydF4y2Ba crgydF4y2Ba fgydF4y2Ba εgydF4y2Ba ,gydF4y2Ba 在哪里gydF4y2Ba lgydF4y2Ba crgydF4y2Ba fgydF4y2Ba εgydF4y2Ba 的有效长度是在峰值应力和裂纹吗gydF4y2Ba lgydF4y2Ba crgydF4y2Ba εgydF4y2Ba 指的是有效裂纹长度下相应的应变。gydF4y2Ba

裂纹的有效长度的计算方法是根据以下方程(gydF4y2Ba 18gydF4y2Ba]:gydF4y2Ba (21)gydF4y2Ba lgydF4y2Ba crgydF4y2Ba 1gydF4y2Ba =gydF4y2Ba ∑gydF4y2Ba 我gydF4y2Ba =gydF4y2Ba 1gydF4y2Ba ngydF4y2Ba lgydF4y2Ba crgydF4y2Ba 我gydF4y2Ba 因为gydF4y2Ba 2gydF4y2Ba βgydF4y2Ba 我gydF4y2Ba ,gydF4y2Ba 在哪里gydF4y2Ba lgydF4y2Ba crgydF4y2Ba 1gydF4y2Ba 是样品的表面裂纹的有效长度;gydF4y2Ba lgydF4y2Ba crgydF4y2Ba 我gydF4y2Ba 的长度吗gydF4y2Ba 我gydF4y2Ba thgydF4y2Ba裂纹;gydF4y2Ba ngydF4y2Ba 裂缝的总数;和gydF4y2Ba βgydF4y2Ba 我gydF4y2Ba 之间的夹角吗gydF4y2Ba 我gydF4y2Ba thgydF4y2Ba裂缝和负载取向,即gydF4y2Ba βgydF4y2Ba 我gydF4y2Ba =gydF4y2Ba πgydF4y2Ba /gydF4y2Ba 2gydF4y2Ba −gydF4y2Ba αgydF4y2Ba 我gydF4y2Ba ,在那里gydF4y2Ba αgydF4y2Ba 我gydF4y2Ba 裂缝的方位,在单位的弧度。上述测量表面裂纹损伤程度的量化方法有效地简化数据处理没有考虑煤岩的各向异性。然而,在实际项目中,煤岩的特征是显著的异质性和几何不连续。出于这个原因,评价煤岩的破坏也应考虑到各向异性。符合连续损伤力学的理论gydF4y2Ba 19gydF4y2Ba- - - - - -gydF4y2Ba 24gydF4y2Ba),损伤张量,gydF4y2Ba wgydF4y2Ba ~gydF4y2Ba 岩体的定义如下:gydF4y2Ba (22)gydF4y2Ba wgydF4y2Ba ~gydF4y2Ba =gydF4y2Ba 米gydF4y2Ba ′gydF4y2Ba VgydF4y2Ba ∑gydF4y2Ba 我gydF4y2Ba =gydF4y2Ba 1gydF4y2Ba NgydF4y2Ba 一个gydF4y2Ba 我gydF4y2Ba ngydF4y2Ba 我gydF4y2Ba ×gydF4y2Ba ngydF4y2Ba 我gydF4y2Ba ,gydF4y2Ba 在哪里gydF4y2Ba 米gydF4y2Ba ′gydF4y2Ba 的最小空间裂缝表面,gydF4y2Ba 一个gydF4y2Ba 的面积是gydF4y2Ba 我gydF4y2Ba thgydF4y2Ba裂纹,gydF4y2Ba ngydF4y2Ba 的法向量gydF4y2Ba 我gydF4y2Ba thgydF4y2Ba裂缝。gydF4y2Ba

 6。结论gydF4y2Ba

为了全面、准确地获取从煤岩mesoimages裂纹信息,介绍了图像处理技术基于PDE和阐述的原则没有边缘活动轮廓模型。根据灰度分布不均的C-V模型和煤岩的局限性对比度较低的图像,一种改进的基于图像增强的C-V模型函数提出了一个离散化方案向前差异和向后差分相结合,采用数值计算semi-implicit方案。gydF4y2Ba

C-V模型和改进的C-V模型采用图像处理的煤岩mesoimages。结果表明,改进的C-V模型取得了较好的图像分割效果和提供更准确的定量信息比C-V煤岩中构造方法,图像与单个裂缝和多个裂缝。这一事实表明,改进C-V模型优越时处理煤岩mesoimages非均匀灰度和低对比度。gydF4y2Ba

提取的二进制裂纹图像进行量化处理,以提取长度、方位、面积、周长、和空间的裂缝和裂缝。定量裂纹图像信息在不同的实验阶段煤岩中构造的使用是为了进行更深入研究煤岩渗流与损伤力学。gydF4y2Ba

 数据可用性gydF4y2Ba

使用的数据来支持本研究的发现可以从相应的作者。gydF4y2Ba

 的利益冲突gydF4y2Ba

作者宣称没有利益冲突。gydF4y2Ba

 确认gydF4y2Ba

这项研究是由北京市自然科学基金(8204068)。gydF4y2Ba

 陈gydF4y2Ba C。gydF4y2Ba 刘gydF4y2Ba x M。gydF4y2Ba 刘gydF4y2Ba c . H。gydF4y2Ba 应用数字图像处理技术gydF4y2Ba 岩石和土力学gydF4y2Ba 2010年gydF4y2Ba 31日gydF4y2Ba 3468年gydF4y2Ba 3472年gydF4y2Ba 陈gydF4y2Ba 年代。gydF4y2Ba 悦gydF4y2Ba z Q。gydF4y2Ba ThamgydF4y2Ba l·G。gydF4y2Ba 基于数字图像的数值建模方法异构gydF4y2Ba 中国岩土Engineering-Chinese版杂志》上gydF4y2Ba 2005年gydF4y2Ba 27gydF4y2Ba 956年gydF4y2Ba 964年gydF4y2Ba 陈gydF4y2Ba 年代。gydF4y2Ba 悦gydF4y2Ba z Q。gydF4y2Ba ThamgydF4y2Ba l·G。gydF4y2Ba 数字图像非均匀岩石破裂的数值预测建模方法gydF4y2Ba 国际岩石力学和采矿科学杂志》上gydF4y2Ba 2004年gydF4y2Ba 41gydF4y2Ba 6gydF4y2Ba 939年gydF4y2Ba 957年gydF4y2Ba 10.1016 / j.ijrmms.2004.03.002gydF4y2Ba 2 - s2.0 - 3042739783gydF4y2Ba 悦gydF4y2Ba z Q。gydF4y2Ba 陈gydF4y2Ba 年代。gydF4y2Ba ThamgydF4y2Ba l·G。gydF4y2Ba 有限元建模的使用数字图像处理gydF4y2Ba 电脑和土工技术gydF4y2Ba 2003年gydF4y2Ba 30.gydF4y2Ba 5gydF4y2Ba 375年gydF4y2Ba 397年gydF4y2Ba 10.1016 / s0266 - 352 x (03) 00015 - 6gydF4y2Ba 2 - s2.0 - 0037411019gydF4y2Ba 悦gydF4y2Ba z Q。gydF4y2Ba 陈gydF4y2Ba 年代。gydF4y2Ba 郑gydF4y2Ba H。gydF4y2Ba ThamgydF4y2Ba l·G。gydF4y2Ba 数字图像进行基于有限元方法gydF4y2Ba 中国岩石力学与工程学报gydF4y2Ba 2004年gydF4y2Ba 23gydF4y2Ba 889年gydF4y2Ba 897年gydF4y2Ba 朱gydF4y2Ba z D。gydF4y2Ba 曲gydF4y2Ba w·P。gydF4y2Ba 江gydF4y2Ba z . J。gydF4y2Ba 定量测试研究中构造的岩石gydF4y2Ba 中国岩石力学与工程学报gydF4y2Ba 2007年gydF4y2Ba 26gydF4y2Ba 1313年gydF4y2Ba 1325年gydF4y2Ba 徐gydF4y2Ba w·J。gydF4y2Ba 悦gydF4y2Ba z Q。gydF4y2Ba 胡gydF4y2Ba r . L。gydF4y2Ba 研究中构造和mesomechanical特征的选取混合使用基于数字图像处理的有限元方法gydF4y2Ba 国际岩石力学和采矿科学杂志》上gydF4y2Ba 2008年gydF4y2Ba 45gydF4y2Ba 5gydF4y2Ba 749年gydF4y2Ba 762年gydF4y2Ba 10.1016 / j.ijrmms.2007.09.003gydF4y2Ba 2 - s2.0 - 41549149647gydF4y2Ba 刘gydF4y2Ba y . B。gydF4y2Ba 曹gydF4y2Ba s G。gydF4y2Ba 刘gydF4y2Ba y . C。gydF4y2Ba 讨论分析方法基于二介观岩石图像gydF4y2Ba 中国岩石力学与工程学报gydF4y2Ba 2008年gydF4y2Ba 27gydF4y2Ba 1059年gydF4y2Ba 1065年gydF4y2Ba 余gydF4y2Ba 问:L。gydF4y2Ba 杨gydF4y2Ba t·H。gydF4y2Ba 郑gydF4y2Ba C。gydF4y2Ba 唐gydF4y2Ba c。gydF4y2Ba 王gydF4y2Ba p . T。gydF4y2Ba 数值分析的岩石中构造对其变形和强度的影响gydF4y2Ba 岩石和土力学gydF4y2Ba 2011年gydF4y2Ba 32gydF4y2Ba 3468年gydF4y2Ba 3472年gydF4y2Ba 冈萨雷斯gydF4y2Ba r . C。gydF4y2Ba 森林gydF4y2Ba r·E。gydF4y2Ba 埃丁gydF4y2Ba s . L。gydF4y2Ba 使用MATLAB数字图像处理gydF4y2Ba 2009年gydF4y2Ba 美国gydF4y2Ba Gatesmark出版gydF4y2Ba SonkagydF4y2Ba M。gydF4y2Ba HlavacgydF4y2Ba V。gydF4y2Ba 博伊尔gydF4y2Ba R。gydF4y2Ba 图像处理、分析与机器视觉gydF4y2Ba 2014年gydF4y2Ba 美国gydF4y2Ba Cengage学习gydF4y2Ba 阮gydF4y2Ba 问:问。gydF4y2Ba 吴gydF4y2Ba j . Y。gydF4y2Ba 偏微分方程(PDE)数字图像处理方法gydF4y2Ba 信号处理gydF4y2Ba 2012年gydF4y2Ba 28gydF4y2Ba 301年gydF4y2Ba 314年gydF4y2Ba 张gydF4y2Ba D。gydF4y2Ba 陈gydF4y2Ba G。gydF4y2Ba 基于偏微分方程的图像处理gydF4y2Ba 2004年gydF4y2Ba 中国gydF4y2Ba 高等教育出版社gydF4y2Ba 陈gydF4y2Ba T。gydF4y2Ba VesegydF4y2Ba lgydF4y2Ba 主动轮廓没有边gydF4y2Ba IEEE图像处理gydF4y2Ba 2001年gydF4y2Ba 10gydF4y2Ba 2gydF4y2Ba 266年gydF4y2Ba 277年gydF4y2Ba 10.1109/83.902291gydF4y2Ba 2 - s2.0 - 0035248865gydF4y2Ba 18249617gydF4y2Ba 陈gydF4y2Ba T。gydF4y2Ba VesegydF4y2Ba lgydF4y2Ba 一个有效的变分多相Mumford-Shah模型的运动gydF4y2Ba 美国第34艾斯洛玛尔会议信号,系统和电脑gydF4y2Ba 2000年11月gydF4y2Ba 美国太平洋格罗夫,CA,美国gydF4y2Ba 490年gydF4y2Ba 494年gydF4y2Ba 刘gydF4y2Ba y . B。gydF4y2Ba 的变形和破坏规律研究充气煤炭基地mesomechanical实验gydF4y2Ba 2009年gydF4y2Ba 中国gydF4y2Ba 重庆大学gydF4y2Ba 罗姆gydF4y2Ba 大肠。gydF4y2Ba 流体在裂缝gydF4y2Ba 1966年gydF4y2Ba 俄罗斯gydF4y2Ba Nedra出版社gydF4y2Ba 气gydF4y2Ba p . T。gydF4y2Ba 李gydF4y2Ba z . X。gydF4y2Ba 挂gydF4y2Ba y . P。gydF4y2Ba 压缩变形和裂纹扩展之间的联系在水泥砂浆gydF4y2Ba 中国岩石力学与工程学报gydF4y2Ba 2003年gydF4y2Ba 22gydF4y2Ba 425年gydF4y2Ba 428年gydF4y2Ba 元gydF4y2Ba j . X。gydF4y2Ba 岩体破坏的问题gydF4y2Ba 岩石和土力学gydF4y2Ba 1993年gydF4y2Ba 14gydF4y2Ba 12gydF4y2Ba 20.gydF4y2Ba 首歌gydF4y2Ba z Y。gydF4y2Ba KonietzkygydF4y2Ba H。gydF4y2Ba particle-based数值调查在长壁放顶煤开采过程挖掘gydF4y2Ba 阿拉伯地球科学杂志》gydF4y2Ba 2019年gydF4y2Ba 12gydF4y2Ba 18gydF4y2Ba 556年gydF4y2Ba 10.1007 / s12517 - 019 - 4743 - zgydF4y2Ba 2 - s2.0 - 85071925847gydF4y2Ba 首歌gydF4y2Ba z Y。gydF4y2Ba KonietzkygydF4y2Ba H。gydF4y2Ba HerbstgydF4y2Ba M。gydF4y2Ba 三维粒子模型数值模拟基于多级压缩循环荷载的混凝土gydF4y2Ba 建筑和建筑材料gydF4y2Ba 2019年gydF4y2Ba 225年gydF4y2Ba 661年gydF4y2Ba 677年gydF4y2Ba 首歌gydF4y2Ba z Y。gydF4y2Ba KonietzkygydF4y2Ba H。gydF4y2Ba HerbstgydF4y2Ba M。gydF4y2Ba Bonded-particle基于模型模拟人工岩石循环荷载作用gydF4y2Ba Acta GeotechnicagydF4y2Ba 2019年gydF4y2Ba 14gydF4y2Ba 4gydF4y2Ba 955年gydF4y2Ba 971年gydF4y2Ba 首歌gydF4y2Ba z Y。gydF4y2Ba KonietzkygydF4y2Ba H。gydF4y2Ba HerbstgydF4y2Ba M。gydF4y2Ba 画的断裂机制煤矿长壁放顶煤开采过程中gydF4y2Ba 国际岩石力学和采矿科学杂志》上gydF4y2Ba 2020年gydF4y2Ba 130年,第104329条gydF4y2Ba 10.1016 / j.ijrmms.2020.104329gydF4y2Ba 首歌gydF4y2Ba z Y。gydF4y2Ba 魏gydF4y2Ba w·J。gydF4y2Ba 张gydF4y2Ba j·W。gydF4y2Ba 数值调查颗粒形状对分离提取的影响区(IEZ)块屈服gydF4y2Ba 阿拉伯地球科学杂志》gydF4y2Ba 2018年gydF4y2Ba 11gydF4y2Ba 12gydF4y2Ba 310年gydF4y2Ba 10.1007 / s12517 - 018 - 3669 - 1gydF4y2Ba 2 - s2.0 - 85048886814gydF4y2Ba