基于方向性粗糙度参数的节理峰值抗剪强度理论模型

节理裂隙控制着岩石工程的剪切滑移稳定性。现有的节理峰值抗剪强度模型多为经验模型,且较少考虑粗糙节理峰值抗剪强度的采样点距效应及各向异性。采用3D打印技术制备了5组吻合的粗糙光敏树脂节理模具,利用水泥砂浆复制了25组相同壁面强度的人工粗糙节理,开展了5种法向应力水平下节理直剪试验。基于改进的接触面积比-视倾角门槛值关系,建立了仅含一个方向性粗糙度参数的三维粗糙节理峰值抗剪强度理论模型。该理论模型除粗糙度参数外无需拟合其他参数。对比分析发现,新模型比文献中的经验模型预测精度更高。新模型预测效果受采样点距影响较小,且能有效地反映节理峰值抗剪强度的各向异性。

利用方向性粗糙度特征对SAR图像目标检测的研究

从反映纹理信息的粗糙度特征出发,深入研究利用方向性粗糙度特征对SAR图像进行目标检测的方法。方向性粗糙度特征是用指数小波在一个尺度上对检测图像滤波,对特定大小目标用能量关系函数求得各像素点在一个方向上的分形特征。针对MSTAR数据和ADTS数据的SAR图像,确定了用该方法检测目标时的最优参数。分别用方向性粗糙度特征和恒虚警率(CFAR)方法对上述两种不同波段的SAR图像进行目标检测,检测结果表明:方向性粗糙度特征能以更低虚警率检测出全部特定大小的目标,而且目标空间可分辨性好、位置指示准确。

基于方向性粗糙度特征的SAR目标检测算法

针对扩展分形(EF)特征检测SAR目标虚警率高的不足,提出了基于方向性粗糙度特征(Directional Roughness Feature,DRF)对SAR图像目标检测的算法。该算法用指数小波在一个尺度和任意一个方向θ(0 0<θ<900)上对SAR图像滤波,对滤波后图像应用能量关系函数求各像素点的DRF进行目标检测。针对X波段和Ka波段的SAR图像,确定了用该算法检测目标的最优参数。分别用该算法和EF特征方法对不同波段SAR图像进行目标检测,结果表明该算法具有检测虚警率低和目标空间可分辨性高的优点。