內容簡介
《土石混鎮路基修築技術》《土石混鎮路基修築技術》全書共分3篇11章，各篇在總結相關領域既有研究成果的基礎上，重點介紹了作者的研究進展、成果或取得的認識。第1篇介紹了土石混合料的路用性能，包括結構特性、物理特性、壓實特性、強度參數、本構模型和分類方法等；另外，介紹了土石混合料的壓實機理及所開發的土石混合料級配自動識別系統。第2篇介紹了土石混填路基變形與穩定，包括土石混填路基的使用現狀、路基穩定與變形特性、路基穩定與變形計算方法及土石混填路基邊坡防護技術。第3篇在現場試驗的基礎上，介紹了土石混填路基施工工藝與施工控制，包括土石混合料的現場壓實及施工工藝、土石混填路基壓實質量的瑞雷波檢測技術及土石混填路基壓實質量的附加質量法檢測技術。
目錄
緒論
0.1 引言
0.2 研究現狀概述
0.3 本書研究思路
第1篇土石混合料路用性能與評價
第1章 土石混合料工程特性
1.1 土石混合料的物理特徵
1.2 土石混合料的結構特徵
1.3 土石混合料的壓實試驗方法
1.4 土石混合料的振動擊實機理
1.5 土石混合料的滲透特性
第2章 土石混合料強度特性
2.1 土石混合料室內大型三軸剪下試驗
2.2 土石混合料壓縮變形試驗
2.3 土石混合料現場大型直剪試驗
2.4 土石混合料室內大型直剪試驗
2.5 土石混合料室內大型直剪的三維顆粒離散元模擬
第3章 土石混合料本構模型
3.1 非線性E-μ模型
3.2 成都科大簡化K-g模型
3.3 土石混合料散體本構模型
第4章 土石混合料的工程分類
4.1 第一層次分類
4.2 第二層次分類
4.3 第三層次分類
4.4 土石混合料級配特徵自動識別
4.5 土石混合料級配特徵自動識別系統
第2篇土石混填路基變形與穩定
第5章 土石混填路基現狀調查
5.1 土石混填路基沉降變形的表現形式
5.2 土石混填路基沉降變形模式及成因機制
第6章 土石混填路基穩定與變形特性
6.1 土石混填路基穩定與變形特性底摩擦試驗研究
6.2 二維地質力學模型試驗
6.3 土石混填路基沉降變形離心模型試驗研究
6.4 土石混填路基沉降變形特性數值模擬
6.5 土石混填路基沉降變形現場觀測
第7章 土石混填路基穩定與變形計算方法
7.1 土石混填路基邊坡穩定性分析
7.2 土石混填路堤沉降變形計算方法研究
第8章 土石混填路基邊坡生態防護
8.1 土石混填路基邊坡生態防護的主要形式
8.2 PST抗沖刷劑研製
8.3 新型噴播液的研製
8.4 土石混填路基新型邊坡防護技術套用
第3篇土石混填路基施工工藝與施工控制
第9章 土石混合料的壓實機理及施工工藝
9.1 土石混合料的開採
9.2 土石混合料的現場壓實方法
9.3 土石混填路基填築施工工藝
第10章 土石混填路基壓實質量的瑞雷波檢測技術
10.1 瑞雷波法檢測路基壓實質量原理
10.2 土石混填路基壓實質量瑞雷波法現場測試方法
10.3 土石混填路基壓實質量評價
第11章 土石混填路基壓實質量的附加質量法檢測技術
11.1 附加質量法檢測路基壓實質量原理
11.2 附加質量法的測試儀器設備
11.3 現場試驗及數據處理
11.4 現場試驗及結果分析
參考文獻
文摘
按照上述思路，在施工中對土石混合料拍攝圖像，通過對土石混合料圖像中顆粒的分割、統計，從而得到土石混合料級配特徵，並確定相關級配參數，實現土石混合料級配的自動識別。
4.4.2圖像分割的主要方法
1）基於區域的圖像分割
基於區域的圖像分割技術以區域為處理對象，依照共同的圖像屬性劃分圖像區域。分割的目的是把圖像中的每一個像素都賦予一個類別屬性，使得具有預定意義的像素都聚集在同一個類別中。這樣的屬性包括：
（1）原始圖像的強度值，或基於圖像運算元的強度計算值。
（2）每個圖像區域的獨特的紋理或模式。
（3）提供多維圖像數據的譜參數。
有些比較精緻的圖像分割系統可能綜合採用好幾種這些屬性。用於區域分割的主要有：特徵聚類、閾值、區域生長、分裂合併等方法。
2）基於邊緣的圖像分割
這種方法，主要是利用圖像中像素之間在梯度、灰度等特徵上的不連續性，對圖像進行分割的。基於邊緣的圖像分割方法存在的主要問題是，容易產生對邊緣點的錯誤跟蹤，可能產生偽邊緣、不連續邊緣和邊緣丟失，不能保證邊緣的封閉性，具有靈敏性和確定性不足的問題。
3）基於數學形態學的圖像分割
數學形態學運用集合變化方法進行二值圖像分析。數學形態學運算元已經廣泛地套用於圖像分割。數學形態學圖像分割通常與空間聚類分割方法配合使用。數學形態學的兩個最基本的變換是腐蝕和膨脹，兩個混合變換是開和閉。
4）基於形變模型的圖像分割
近年來，形變模型在圖像分割中得到了廣泛的套用。套用形變模型進行圖像分割的方法很多。形變模型最初是由kass等人在1987年提出的，即著名的活動模型輪廓模型，也稱Snake，它是一個以能量最小化變化的樣條，表示圖像中彈性對象的輪廓或表面，其形變受許多不同的能量項約束。能量最小化問題的解對應著這些彼此競爭的約束力的最佳平衡狀態。形變模型以一般的形狀約束如平滑、曲率等表示對象的先驗知識。形變模型可以表示更特別的形狀約束，特別適合於建立某一類型的形狀描述模型。
5）基於分形的圖像分割
所謂分形是對那些沒有特徵長度的圖形和結構以及現象的總稱。具有特徵長度形狀的物體具有一定的平滑度，分形卻完全否定了平滑性。定量地表示分形的量叫分形維。圖像的分形維（FD）對圖像尺度縮放相對地不敏感，卻與人對對象表面粗糙性的感知密切相關。圖像FD的計算方法很多，計合維就是一個常用的方法。可以作為圖像分割特徵的分形維有4個：
（1）原始圖像的分形維。
（2）原始圖像的高灰度值版本圖像的分形維。
（3）原始圖像的低灰度值版本圖像的分形維。
（4）圖像的多分形維（以計合維的高階矩表示）。
6）基於神經網路的圖像分割
近年來，人工神經網路被廣泛地用來解決圖像分割問題。它的主要優點是不依賴於機率密度分布函式，即使在數據嚴重偏離正常情況時也能改善分割結果。神經網路方法還可以減少圖像分割過程對專家干預的要求，而這個問題是許多圖像分割系統中普遍存在的一個問題。
