一种利用骨架提取和SVM分类的颗粒表征方法

集料级配是影响沥青路面抗滑和减噪性能的最主要因素,基于机器视觉技术,提出一种集料粒径高精度无损检测方法,结合骨架提取和支持向量机（SVM）算法来实现集料颗粒粒度分布的精确估计,为保证集料级配质量提供了有效手段。集料颗粒图像由数字相机获取,图像标定基于NI视觉助手Vision Assistant软件完成。颗粒骨架图像采用Skeleton-M骨架提取算法提取,针对所出现的骨架断裂情况,使用形态学膨胀和细化算法完成骨架修复;然后基于颗粒骨架图像提出颗粒粒径表征算法,基于骨架端点个数提出颗粒棱角表征方法;最后,通过提取颗粒图像特征参数,使用SVM算法对颗粒粒径分布进行精确估计。在颗粒棱角性表征方面,将所提出的颗粒骨架棱角性表征法与AIMS系统的梯度棱角法、未压实空隙率集料颗粒棱角法进行了比较。结果表明：与目前常见的粒径表征方法相比,所提出的方法可以较好地实现颗粒粒径表征和颗粒棱角性表征,所采用的基于多特征的SVM颗粒分档算法可以有效实现颗粒粒径分档,筛分档间的分档精度最高可达95%以上。