轮廓优化（共7篇）
轮廓优化 篇1
随着交通行业的飞速发展, 公路隧道数量快速增长。特别是在城市规划区内, 考虑到深路堑的开挖不利于道路两侧土地的开发利用以及城市的美观要求, 所以隧道方案在与深挖路基的方案比选中的优点愈发突出。隧道内轮廓断面的拟定是隧道设计中一项重要的工作, 对隧道的衬砌受力和工程投资有重要的影响。经过我国多年的工程实践和内力分析, 具有适应应力流和变形合理形状特点的三心圆断面隧道轮廓使用较广泛。下面以隧道建筑限界为基础, 对三心圆断面隧道内轮廓尺寸中的各参数进行探索。
1 三心圆无仰拱内轮廓
1.1 基本参数及其意义
三心圆无仰拱内轮廓线参数, 如图1有H, JL, LL, R1, R2, θ1, a, H1, H2, d0, SB1, SB2, d1, d2, d3, d4, d5, d6, d7, d8。一共有20个。
内轮廓参数的意义:H为建筑限界净高;w为行车道宽度;JL, JR为左、右侧检修道宽度;LL, LR为左、右侧侧向宽度;H1为路面到起拱线的高度;H2为拱脚底部至起拱线高;R1为拱部圆弧半径;R2为起拱线以上边墙圆弧半径;θ1为起拱线以左下边墙圆弧半角度;a为起拱线以下边墙圆弧圆心偏离隧道中线距离;d1~d8为隧道内轮廓至建筑限界角点的水平距离。
1.2 几何关系
几何关系如图1所示, 可得:
同理, 可推导出d5~d8的几何关系公式。
隧道内轮廓的开挖面积S由3个部分组成:
第1部分:即是2个半径为R1的1/4个圆弧面积:;第2部分:即是2个圆心角为θ1的圆弧面积:;第3部分:即是2个剩余小三角形的面积:;隧道内轮廓的开挖面积S=2× (S1+S2+S3) 。
1.3 编程求解过程
假设d2为已知值, 考虑施工时的偏差, 取为20 cm。根据《公路工程技术标准》中对公路建筑限界的规定图示及设计经验:可拟定H1的取值范围为:50 cm≤H1≤280 cm, 0 cm≤d0≤60 cm。H2与a都根据《公路隧道设计规范》条文说明上推荐的值取为一固定值:H2=200 cm;a=250 cm。d1~d8根据规范要求的最小值考虑施工偏差, 取为10 cm。
利用Visual C++6.0进行编程设计, 输入隧道的路面宽度W, 左右侧路侧宽度, 检修道 (人行道) 宽度等已知信息, 利用H1和d0作为循环控制变量, 通过双重for循环来对隧道的内轮廓至建筑限界角点的水平距离d1~d8以及隧道的开挖面积S进行计算。当d1~d8中除假定的已知值d2外, 出现小于10 cm的数值时, 程序自动退出不执行下面的程序语句, 同时对变量进行增加, 重新执行程序语句。当d1~d8均符合不小于10 cm的条件时, 程序将计算出3个部分的面积, 并算出总面积S。程序自动将计算结果保存在计算机存储区中, 并不断比较S的大小, 将满足条件的H1和d0以及其他数据和S记录下来。由于源程序代码较长, 本文未将其列出。
2 三心圆带仰拱内轮廓
2.1 基本参数及其意义
当围岩的岩性较差或边墙承受侧压较大时, 隧道的衬砌须设置仰拱。
三心圆带仰拱内轮廓线参数, 如图1有R1, R2, R3, R4, θ1, θ2, θ3, a, H1, H2, d0, SB1, SB2, d1, d2, d3, d4, d5, d6, d7, d8。
内轮廓参数的意义:H1为路面到起拱线的高度;H2'为拱脚底部至起拱线的高度;R1为拱部圆弧半径;R2为边墙圆弧半径;R3为边墙与仰拱连接面的圆弧半径;R4为仰拱圆弧半径;θ1为起拱线以左下边墙圆弧圆心角;θ2为仰拱圆弧圆弧半角度;θ3为仰拱与边墙连接圆弧圆心角;a为边墙圆弧圆心偏离隧道中线距离;d0为路面中线与隧道中线偏移的距离。
为了使得隧道内轮廓在纵向上保持一致, 在确定基本参数的时候应该与不设置仰拱的区段相应的保持一致。因此可将R1, R2, a, H1, d0, SB1, SB2, d1~d8的取值与不设置仰拱时的内轮廓线值一致。
2.2 几何关系
几何关系如图2所示, 可得:
隧道内轮廓的开挖面积S由3个部分组成:
第1部分:即是半径为R1及R2的圆弧组成的面积:;第2部分:即是半径为R3的连接圆弧面积;第3部分:即是剩余部分面积;隧道内轮廓的开挖面积S=2× (S1+S2+S3) 。
2.3 编程求解过程
根据不设置仰拱时三心圆的计算结果:可拟定H2'取值范围为:。由于起拱线以上的部分与不设置仰拱时三心圆比较没有变化, 因此可以不考虑R1, R2, a, H1, d0, SB1, SB2, d1~d8的值。R3可根据《公路隧道设计规范》的推荐标准, 将R3取为定值:R3=100 cm。
利用Visual C++6.0进行编程设计, 输入已知信息, 利用H2'和θ3作为循环控制变量, 通过双重for循环来对隧道的仰拱半径R4以及隧道的开挖面积S进行计算。程序不断比较H2'和θ3计算出的开挖面积S, 并将最小值保存及输出。由于源程序代码较长, 本文未将其列出。
3 结论与展望
内轮廓的设计除应符合隧道建筑限界的规定外, 还应满足洞内路面、排水设施、装饰的需要, 并为通风、照明、消防、监控、营运管理等设施提供安装空间, 同时考虑围岩变形、施工方法影响的预留富余量, 使确定的断面形式及尺寸符合安全、经济、合理的原则。因此, 在对内轮廓进行优化时, 要考虑通风、照明、消防、监控、营运管理等设施造成的约束条件, 确定约束条件后再录入到计算机程序中, 才能因地制宜的进行优化。
摘要：根据公路隧道内轮廓的特点, 从几何关系方面研究了隧道内轮廓形状快速确定的方法及过程, 并借助于计算机程序设计, 实现了对公路隧道内轮廓的快速、优化设计。
关键词：公路隧道,内轮廓,C++程序,几何优化
参考文献
[1]JTG D70-2004, 公路隧道设计规范[S].
[2]JTG B01-2003, 公路工程技术标准[S].
[3]郭艳华, 李志业.公路隧道内轮廓优化确定方法[J].四川建筑, 2003, 23 (3) :6.
轮廓优化 篇2
相位测量轮廓术(Phase Measuring Profilometry,PMP)是一种非接触的光学三维测量方法,广泛应用在光学三维传感、工业检测以及产品质量控制等领域[1,2,3,4,5,6,7]。PMP采用正弦光栅投影和相移技术,通过获取全场条纹的空间信息和一个条纹周期内相移条纹的时序信息,来完成物体三维信息的重建。传统的PMP至少需要采集三幅变形条纹图像才能完成一次测量,因此不利于应用在快速测量、在线检测方面。C.Guan等人提出了一种通过投影一帧复合光栅图、采集一帧变形图像来恢复物体的三维信息的相位测量轮廓术[8],该方法就是一种基于PMP原理的快速三维测量手段。通过把该方法与传统的PMP进行比较研究分析[9],得到该方法对于高度连续变化的物体的动态测量有很大的应用前景,但在测量精度还有待研究提高。
本文通过对这种将N(N≥3)步相移光栅分别加载在与其正交的N个频率不同的载波光栅上组合形成复合光栅结构的研究,通过复合光栅结构与三维物体重建精度的关系图得到最优化参数,从而来指导设计出最佳测量精度的复合光栅,运用于基于PMP方法的物体快速三维测量中去。通过复合光栅的优化设计来提高测量的精度,有利于扩大该方法的运用领域和范围,也为PMP应用在在线检测领域提供了一种有效的方法。
2 基于复合光栅的相位测量轮廓术
相位测量轮廓术(PMP)需要N(N≥3)帧变形条纹图才能恢复物体,而采用将N步相移的相移光栅图像分别加载在与相移光栅正交的不同频率的载频光栅上,然后叠加组合成一幅复合光栅只需一帧就能恢复出物体三维信息。复合光栅的形成机理如图1所示。
设N步相移光栅的光强可Inp(x,y)表示为
其中:A表征背景光强和B表征条纹对比度,ηy为相移光栅的基频,可表示为
其中:pY为相移光栅的总长度,光栅为正弦光栅,np为Yp中的总周期数。ηy既影响光栅频谱混叠,又决定了相移光栅的对被测物体的抽样频率。由N个与相移光栅正交且不同频率ξn的载频正弦光栅分别对应调制各相移光栅强度分布Inp(x,y),经叠加组合得到复合光栅图像,即:
其中:C、D分别表征各调制光栅的背景光强和条纹对比度。当该复合光栅投影到被测物体上,用CCD相机获取的变形复合光栅为
式中:φ为物体的高度引起的相移光栅相位变化φ(x,y)的简写形式,对式(4)进行快速傅里叶变换(FFT)得到其频谱图,从频谱图中分别滤出N步相移光栅的频率成分,对滤出的N个相移光栅频谱分别做逆快速傅里叶变换(IFFT),取模运算后就得到正好表征PMP第n步相移的变形条纹In(x,y):
可以从恢复出来的N幅相移变形条纹图中计算出被测物体的相位分布φ(x,y):
由于式(6)得到的φ(x,y)被截断在反三角函数的主值范围内,因此相位是离散分布的。为了从相位分布计算出被测物体的高度分布,必须进行相位展开,通过相关相位展开算法[10,11,12]得到物体的连续相位分布,由物体相位与高度之间的映射关系[13]就可以计算出物体的高度分布,即得到物体的三维信息。
3 复合光栅的优化设计
为了从受物体高度调制的变形复合光栅的频谱中准确提取出每个相移光栅的频谱成分,要求所采用的各个载波光栅的频率ξn在整个频谱图中分布间隔尽量大,使各个频谱之间的混叠尽量小,并且各载波光栅的频率值不应成整数倍关系,以免由于CCD自身的非线性,引入载波光栅的高次谐波,造成基频与高次谐波的混叠,影响测量精度。因此,在遵从各个载波光栅的频谱间混叠最小前提下,合理选择各载波光栅的频率ξn是复合光栅优化设计的先决条件,一旦ξn选定,相移光栅的基频ηy便是影响三维测量精度关键,由式(2)知,当相移光栅的总长度Yp一定时,相移光栅的周期数np可以表征相移光栅的基频ηy,测量精度用均方差(Root-mean-square,RMS)σ来表征,从大量的数字化模拟计算,发现测量精度σ与相移光栅的周期数np存在一定的变化规律。图2为误差曲线总体趋势示意图。
从图2可以看出:1)σ随np由小变大呈振荡变大的趋势,最终单调递增;2)误差较小区域位于np较小(<9)的位置;3)在误差较小区域中总是存在一个误差最小特征点,该特征值大小与待测物体形貌有关,不同物体,特征点对应的np也不同。当np较大时对应的ηy也较大,复合光栅中的正弦相移光栅的频率较高,由于数字投影设备和图像采集设备的像素分辨率以及CCD传感器光强探测的非线性影响,产生随机噪声、高次谐波等因素,使重建物体的RMS误差必然增大,因此主要关注np≤9的情况。
以上分析表明,为了尽可能减小由于复合光栅设计不当,而引入测量误差,应通过待测物体形貌特征,优化设计复合光栅结构,使测量均方差最小。数字投影仪是一种先进的空间光调制器,为复合光栅优化设计提供了有效手段,复合光栅优化设计算法如图3所示,即将一组用计算机编程好的复合光栅(np≤9)通过数字投影仪分别投影到待测物体上,对应采集变形复合光栅,采用复合光栅PMP重构物体形貌,RMS最小时对应的复合光栅即为优化复合光栅,由计算机实现自动寻优。
4 实验结果
为了研究相移光栅的频率ηy与不同被测物体3D重建精度的关系,对相应的复合光栅优化设计进行了数字模拟实验。实验中,取N=3,即采用3步相移复合光栅PMP进行物体的重建,复合光栅大小都为512×512像素,分别对峰值高度均为25mm的圆锥形物体、Peaks函数形物体和马鞍形物体三个不同物体进行了的数字模拟。如图4所示,图4(a)、图4(b)、图4(c)是上述三个典型物体的数字原形。图4(d)、图4(e)、图4(f)是分别为对应的均方差随相移光栅周期数np变化的特性曲线,可以看出,均方差较小区域都在np≤9范围内,并且均存在一个最小均方差特征点,其所在位置有所不同,对圆锥形物体出现在np=3处,对Peaks函数形物体出现在np=5处,而对马鞍形物体出现在np=8处。图4(g)、图4(h)、图4(j)是用上述的优化设计算法设计的对应复合光栅。
为了验证对复合光栅参数优化设计的有效性,将最优化的复合光栅分别投影到相应的三个被测物体上,采集到受物体高度调制的变形组合光栅图如图5中的(a)、(b)、(c)所示。用复合光栅PMP重现的对应物体三维面形如图5中的(d)、(e)、(f)所示。
对重建物体的误差计算可得:圆锥形物体的重构最小RMS误差σmin=0.045mm;Peaks函数形物体的重构最小RMS误差σmin=0.039mm;马鞍形物体的重构最小RMS误差σmin=1.25mm。由于复合光栅PMP采用频域滤波,这决定了复合光栅运用于测量高频成分多的物体时精度相对较低。
为了验证该方法的实用性,采用数字微镜投影机PLC-XU50/XU55对图6(a)所示已知标准圆锥物体进行了实验,图6(b)是采用优化设计光栅投影的变形光栅图像,图6(c)是未经优化设计光栅投影的变形光栅图像,图6(d)是三维重构与标准物体的比较结果,图6(e)是图6(d)中锥顶局部放大情况,其中L1是已知标准物体的剖面图,L2是采用优化设计光栅投影重构物体剖面图,L3是未经优化设计光栅投影重构物体剖面图,分析可知,L2比L3更接近于标准物体轮廓,二者的最大误差分别为0.35mm和0.67mm,其均方差分别为0.11mm和0.29mm,表明采用优化复合光栅投影可以提高物体的测量精度。
5 小结
轮廓优化 篇3
傅里叶变换轮廓术 (FTP) 具有单帧获取、全场分析和高分辨率等优点。随着计算机技术硬件和软件的发展, 以及图像获取设备分辨率的提高, 傅里叶变换轮廓术倍受人们的关注, 已成为三维传感中最重要和最活跃的研究领域之一。
利用光栅投影法原理进行三维物体轮廓测量, 关键是要选取合适的参数, 保证系统测量精度和测量范围, 并保证傅里叶频谱的完全分离。在此重点讨论了利用等效波长的概念, 对傅里叶变换轮廓术 (FTP) 中的参数进行选择和优化。从理论和实践两方面进行了深入研究。
1FTP中各参数的优化与选择理论分析
傅里叶变换轮廓术测量光路图如图1所示, G表示正弦光栅, P表示投影系统, C表示CCD摄像机, S表示监视器。在摄像机和投影仪光心的连线与参考平面平行以及摄像机光轴与投影仪光轴平行且L≫h (x, y) 的情况下, 被测物体的高度与相位差之间的映射[1,2,3,4]关系为:
式中, L为CCD摄像机入瞳到参考平面的距离;D是投影系统出瞳到摄像机入瞳的距离;tg θ=D/L;θ为投影仪光轴与摄像机光轴之间的夹角。由式 (1) 可知, 物体重建的精度取决于位相Δφ (x, y) 的测量精度, 光栅像的基频f0, 以及投影仪光轴与摄像机光轴之间的夹角θ。定义等效波长:λc=p0/tg θ, 用以表征系统的测量精度, 等效波长越长, 系统的测量精度越低。
用λc和 (dh/dφ) 表征系统的测量精度是一致的。定义局部空间频率为:
引入物面倾面α (x, y) =tg-1 (∂h (x, y) /∂x) , 将式 (3) 代入后有:
由式 (4) 可知, 当减小夹角θ时, tg θ亦减小, fn得到压缩, 而等效波长λc却增大, 所以频谱的压缩是以系统测量精度的降低为代价的。
压缩夹角θ, 使基频同零频和高频完全分离, 须满足条件:
式中, fb为零频最大值。解得各次谱完全分离时夹角θ所必须满足的条件为:
必须对 (f0-fb) /f0与1/3进行比较, 以决定θ的选择。不考虑零频的影响, 假设各次频谱完全分离时的夹角为θc, 则θc由下式确定:
当θ<θc时, 可适当增大θ, 以提高测量精度;当θ>θc时, 可减小θ, 以满足频谱完全分离的条件。随着θ的减小, 等效波长增大, 在相同的位相测量误差条件下, 系统的整个测量精度下降。为保证系统测量的精度, 由等效波长的定义可知, 在减小夹角的同时, 提高投影光栅的空间频率f0, 可保证λc不变。由以上分析可得:压缩夹角, 提高投影光栅的空间频率, 可在频域中避免各次频谱的混叠, 并保证系统的测量精度。
2参数选择和优化的计算机模拟
为了证明结论的正确, 用计算机模拟了整个程序, 物体总长度为N=256像素, 投影光栅采用正弦光栅, 经过多次选择和处理后, 模拟的光学系统最佳参数如下:f0=1/16 (条纹/像素) , θ=25°, 滤波窗采用汉宁窗 (采用汉宁窗作为滤波窗, 可以更有效地抑制噪声, 减小误差) , 窗口大小选择60。
以下是模拟结果:图2为被测物体的高度分布图;图3为物体的条纹灰度图, 汉宁窗在x, y方向上的分布情况如图4所示。模拟物体折叠时的灰度图如图5所示, 展开后的相位图如图6所示。
在此, 对经参数选择和优化后的图像与未经参数选择和优化的图像进行比较。通过观察分析可以直观地看出, 图8与模拟图像原图2最为相近, 而图7相对误差很大, 噪声显著。
3人脸面具模型的实验验证
为了验证上述问题, 对一个人脸面具模型进行了实际测量。其投影图像由计算机产生, 并经液晶投影仪 (LCD ) 投影到被测物体表面。系统结构参数为:
在此, 对经过参数选择和优化的物体三维相位网络图10与图11进行了比较, 可以明显看出: 经过参数选择和优化后的图像, 更有效地避免了零频分量和基频分量之间的频谱混叠, 提高了FTP 的测量精度, 图10更加精确清晰, 误差得到了显著降低。
为了更好地观察图像, 将图像进行渲染, 从不同角度得到如图12和图13所示的渲染图像。通过观察可以发现, 在清晰获得人脸三维信息的同时只有一些突变的区域比如人耳部分产生的错误。
为了进一步说明经参数选择和优化的优越性, 在标定的基础上得出以下的误差图:标定行程为10 cm, 步进电机携标定板每次移动10 mm, 这样在10 cm的行程中总共采集11组图片, 分别为50, 40, 30, 20, 10, 0, -10, -20, -30, -40, -50 (mm) 。选取10 mm处的图片进行分析, 可得到如图13所示的标准差图, 从图中发现, 实际高度为10 mm的平面, 在测量下其高度分布在9.97～10.005 mm之间, 其误差在0.03 mm以内。实验测得标准差为0.022 5 mm。
4结语
在参数选择和优化过程中, 需注意夹角越大测量精度越高, 但是夹角过大, 会使得视场变小, 视场变小会影响测量范围, 增大误差, 因此需压缩夹角。经过多次试验, 夹角在20°～30°效果最好, 精度最高;利用等效波长的概念, 压缩夹角, 提高投影光栅的空间频率, 这样既可以保证系统的测量精度, 又可以保证系统的视场范围。同时, 进行空间带宽积的合理选择, 以及滤波、相位展开等处理, 进一步提高了FTP的测量范围的同时, 系统的测量精度也得到了保证, 达到两全其美的效果。
轮廓优化 篇4
美国科罗拉多州丹佛市国家犹太健康中心肺病研究员兼助理教授Rick Reisdorph博士表示:“在非靶向代谢组学和蛋白质组学实验中使用Agilent MassHunter Profinder能够显著提高差异分析数据集的质量,我们可以快速轻松地从这些复杂数据集中提取出数千种化合物,然后快速确定不同样品组之间的差别,并选择特定的化合物进行靶向分析。”
安捷伦液质联用软件产品经理Steve Madden表示:“迄今为止,传统的复杂生物样品质谱数据的处理方法存在诸多限制且步骤繁琐,需投入大量的人力、时间和成本。借助我们最尖端的差异色谱峰查找解决方案MassHunter Profinder,研究人员可同时处理多个大规模数据集,仅需少量的人工干预即可获得最大限度的灵活性以及出色的实验结果。”
轮廓优化 篇5
本工作首先设计了一种超材料吸波体, 模拟仿真计算了其谐振频率点, 并分析了其表面电流分布情况;然后对这个模型进行了取轮廓的处理, 在发现这种处理后的轮廓对其谐振吸收基本上没有影响的基础上, 在这个轮廓模型中加入了其他的谐振单元, 研究了通过单元间的组合实现拓宽微波衰减吸收频带的技术途径, 最后通过激光刻蚀的方法, 研制了实际材料样品, 在实验上对所设计的模型进行了验证。
1 模型设计
实验设计的模型如图1 (a) 所示, 经过大量的仿真实验, 得到的模型尺寸如下:外正方形边长a=8mm、开口g=2.8mm、所有金属条的宽度w=1.2mm、背板为金属板, 所有的金属都为铜, 其厚度为0.017mm, 导电率为5.88×107S/m。谐振结构和金属背板分别处于边长c=12mm、厚度为2mm的FR4基板 (E=4) 正反两面。
2 仿真结果和数据分析
数字仿真是采用基于有限差分法来计算金属-电介质结构的透射参数与反射参数的CST Microwave Studio软件进行的, 在1~8GHz频段, 对图1 (a) 中的一个单元的超材料结构进行了仿真研究。在垂直入射电磁波的激励下仿真计算了一个单元吸波体的散射参数, 如图1 (b) 所示。从图中可以看出, 在4.5GHz左右出现了一个吸收峰, 由于背板为金属, 透过率S221可以认为是0, 所以这个模型的吸收率[11]A=1-S211-S221, 其在谐振频点处达到了0.90以上 (图1 (c) ) ;进一步分析其谐振点的表面电流分布发现 (图1 (d) ) , 大部分电流集中分布在金属结构的边缘, 这就为基本不改变谐振点位置的前提下最大限度简化超材料结构提供了可能。
因此, 对这个模型进行了轮廓化处理, 由于一般PCB板加工的精度在3~6mil (0.075~0.15mm) , 所以为了满足工业领域加工精度要求, 实验中取其轮廓线的宽度w=0.2mm。模型如图2 (a) 所示, 其余尺寸不变, 在垂直入射电磁波的激励下仿真计算了一个单元吸波体的S参数, 结果如图2 (b) 。
从图1 (b) 和图2 (b) 的S11参数对比可以看出, 轮廓模型使原始模型的谐振频点向低频有所移动, 但变化不是很大, 其在吸收深度上有所加深。通过观察分析这两个模型谐振点的电流分布可以看出 (图2 (c) ) , 轮廓模型在结构外环上产生了一定强度的电流分布, 而在原始模型上最外边缘几乎没有电流分布, 因此认为对原始模型取轮廓后, 由于外轮廓与内轮廓之间的距离, 产生了一个寄生电容, 相当于在原来的电容上并联了一个电容, 根据LC谐振电路的计算公式 可知, 增加的这部分电容C1使得谐振频点向低频移动了, 与此同时由这个电容所组成的环路还起到了增加电磁场能量消耗的作用, 使得吸收峰变得更深;更深入观察发现, 这种结构模型在谐振点所激发的电流模式都是从上而下的, 这为以后分析多带宽电流分布是由哪个结构决定的提供了重要的依据。
3 双吸收带的实现
在模型轮廓处理研究工作的基础之上, 对通过不同结构参数模型的组合来实现双吸收峰的结构进行了研究。通过大量的仿真实验得到了一种实现双吸收带宽的组合结构, 结果如图3所示。
中间“王”字型的结构是原始结构模型的简化版本, 其结构参数为:高度h0=7mm, 宽度b=6mm, b1=3.6mm, 线宽w=0.2mm。由仿真结果的S11参数可以看出 (图3 (b) ) , 这个模型分别在3.4GHz和5.2GHz处出现了吸收峰, 并且其低频吸收峰比高频吸收峰浅 (图3 (c) ) 。进一步观察其谐振频点的表面电流分布发现 (图3 (d) ) , 在低频谐振时, 外轮廓上的电流分布和图2 (c) 的表面电流分布相同, 而“王”字形结构和图2 (c) 的表面电流分布相反, 这说明低频谐振主要是由外轮廓谐振产生的。而“王”字形结构的反向电流分布起到了抑制外轮廓感应电流产生的磁场消耗入射电磁波磁场的能力, 使得吸收峰变浅。为了进一步说明这个问题, 可以对整个结构的谐振模式进行分析[11], 首先, 超材料谐振是由两种谐振模式组成的, 第一种是超材料结构金属单元和背板之间产生的磁耦合, 另外一种是单元和单元之间产生的电耦合, 而磁耦合是引起表面电流分布的主要原因。在这个模型中, 其入射的磁场方向垂直于谐振环和金属背板, 根据楞次定理, 由磁通量的改变而产生的感应电流方向, 总是在阻碍磁通量的改变, 所以, 金属结构上表面电流的方向一定与入射磁场的变化趋势有关, 而不同结构的表面出现了不同方向的感应电流必然是由于不同的磁通量变化趋势引起的, “王”字型金属上感应电流产生的磁场是阻碍外轮廓感应电流产生的磁场的, 那么这样就减少了谐振时外轮廓对入射电磁波磁场的消耗能力, 吸收峰变浅。同时, “王”字形结构的电谐振产生了一个寄生电容, 相当于在原来的电容上并联一个电容, 吸收峰向低频移动, 使得低频吸收峰的位置比单独由外轮廓产生的吸收峰的位置低。
在高频谐振时, 只在“王”字型结构上产生了表面电流, 并且其表面电流的分布与图2 (c) 的一样, 所以高频谐振是由“王”字型结构谐振产生的, 同时, 由于外轮廓没有产生反向感应电流的阻碍, 从而使得电流强度非常小的“王”字型结构产生了比低频谐振时更深的吸收峰。为了进一步清楚地说明这个问题, 实验中对“王”字型结构单独进行了仿真, 仿真结果如图4所示, 发现没有外轮廓的情况下, 谐振频点依然是处于5.6GHz左右, 并且其表面电流分布和组合结构中高频时其表面电流分布一样 (图4 (c) ) , 所以外轮廓的作用也仅仅只是增加了寄生电容而拉低了谐振频率点。
4 实验结果
为了进一步说明实验结果的正确性, 实验中通过激光刻蚀技术制作了所有的计算模型 (图5) , 并用弓形法反射率测量方法对其S11参数进行了测量。从图5可以很明显地看出, 实验结果与仿真结果具有很好的一致性, 谐振频点的微小移动是由超材料制作上尺寸的微小误差所造成的, 而吸收深度的变浅是由测量误差所引起的, 在实际测量中, 由于软件的拟合等因素, 不可能出现在仿真结果中出现的那么尖的吸收峰。排除这些因素的影响, 可以说实验结果完全验证了超材料轮廓法拓宽吸波材料衰减吸收频带的技术思路。
5 结论
(1) 设计了一种超材料吸波体, 通过模拟仿真计算确定了其谐振中心频率的位置, 并分析了其表面电流的分布情况, 发现了谐振中心处频点的表面电流位置主要分布在超材料结构的边缘。
(2) 在超材料结构模型进行轮廓化处理, 仿真结果显示, 处理后的轮廓对其谐振吸收基本上没有影响。
(3) 在轮廓模型中加入了新的谐振单元, 通过单元间的组合实现了双频带的微波衰减吸收, 通过激光刻蚀技术对设计的模型进行了实验验证, 实验结果表明与仿真结果具有很好的一致性, 验证了超材料轮廓法拓宽吸波材料的技术思路, 为宽频带超材料吸波体的研究提供了一个很好的技术途径。
参考文献
[1]SMITH D R, PADILLA W J, VIER D C, et al.Composite medium with simultaneously negative permeability and permittivity[J].Phys Rev Lett, 2000, 84 (18) :4184-4187.
[2]ENOCH S, TAYEB G, SABOUROUX P, et al.A metamaterial for directive emission[J].Phys Rev Lett, 2002, 89 (21) :3902-3906.
[3]CHEN H T, PADILLA W J, ZIDE J M O, et al.Active terahertz metamaterial devices[J].Nature, 2006, 444:597-600.
[4]LANDY N I, SAJUYIGBE S, MOCK J J, et al.Perfect metamaterial absorber[J].Physical Review Letters, 2008, 100 (20) :207402.
[5]CUBUKCU E, AYDIN K, OZBAY E.Subwavelength resolution in a two-dimensional photonic-crystal-based superlens[J].Phys Rev Lett, 2003, 91:207401-207404.
[6]SCHURIG D, MOCK J J, JUSTICE B J, et al.Metamaterial electromagnetic cloak at microwave frequencies[J].Science, 2006, 314 (5801) :977-980.
[7]LAILA D, SUJITH R, SHAMEENA V A, et al.Complementary split ring resonator-based microstrip antenna for compact wireless applications[J].Microwave and Optical Technology letters, 2013, 55 (4) :814-816.
[8]LANDY N I, BINGHAM C M, TYLER T, et al.Design, theory, and measurement of a polarization-insensitive absorber for terahertz imaging[J].Phys Rev, 2009, B79:125104-125109.
[9]LI M H, YANG H L, HOU X W, et al.Perfect metamaterial absorb with dual bands[J].Progress in Electromagnetics Research, 2010, 108:37-49.
[10]LUO H, WANG T, GONG R Z, et al.Extending the bandwidth of electric ring resonator metamaterial absorber[J].Chin Phys Lett, 2011, 28 (3) :034204.
集成轮廓跟踪 篇6
设计鲁棒的目标跟踪方法是一项艰巨的任务,特别是考虑自然场景中可能发生的各种复杂变化,例如,目标外形和表面的变化、亮度变化、部分遮挡等。最近,自从Collins等人[1]提出“将跟踪看作是目标和背景的分类”这一思想后,基于分类的跟踪算法得到了广泛研究并表现出很好的性能[2,3,4,5,6,7]。Avidan[2]提出了将SVM和光流法相结合的支持向量跟踪算法,随后Avidan[3]又提出了集成跟踪算法,利用每个像素11维的颜色和方向梯度特征,采用Adaboost训练分类器并且在线更新,以实现鲁棒的跟踪。Grabner[4,5]等人提出了在线Adaboost特征选择方法,并将其应用于复杂背景学习、视觉跟踪和目标检测。为减小漂移问题,Grabner等人[6]随后又提出了基于在线半监督Boosting的鲁棒跟踪方法。但在上述方法中,目标被限制在一个矩形区域内,不能获得更精确的目标轮廓,为解决这一问题,本文引入快速水平集算法来获取目标轮廓。
水平集(Level Set)方法[8]由Osher和Sethian提出,它具有适应拓扑结构变化、自动分裂与合并等优良特性,在图像分割和视觉跟踪中得到了广泛应用[9,10,11]。最近,Shi等人[11]提出了快速水平集算法,能实现实时的目标轮廓跟踪,但算法侧重于计算效率和速度的研究,而在跟踪的鲁棒性方面有待进一步提高。
基于此,本文基于“将跟踪看作是目标和背景的分类”这一思想,在文献[3,11]工作的基础上,提出了一种将Adaboost集成学习和快速水平集算法相结合的集成轮廓跟踪方法。
1 集成轮廓跟踪算法总体框架概述
本文提出的集成轮廓跟踪方法总体框架如图1所示,算法采用基于Adaboost的集成学习方法来构建快速水平集算法的速度函数,然后采用本文提出的基于动态邻近区域的快速水平集(图中虚线框部分)来演化目标边界曲线以实现目标的轮廓跟踪。
总体的算法运行如下:以初始帧所选目标区域像素点为正样本,与目标区域邻近的背景带区域像素点为负样本,训练得到包含T个弱分类器的集合;在接下来的每一帧新图像到来时,以上一帧的轮廓跟踪曲线初始化当前帧,并用上一帧更新得到的强分类器H来分类用于描述轮廓曲线的链表Lin和Lout中的各像素点(其具体定义在本文第二节中给出),从而得到曲线演化的外部速度,然后采用基于动态邻近区域的快速水平集算法演化曲线,重复这一过程直到满足曲线演化停止条件并最终得到当前帧的目标轮廓,最后根据新的目标轮廓得到当前帧的正负样本并更新强分类器H。
在跟踪过程中,算法始终维护并更新一个弱分类器的集合,用于从背景中区分前景目标。弱分类器可以在任何时间增加或移除以反映目标或背景的动态变化,而时序相关性则通过持续地训练新的弱分类器并将它们加入到弱分类器集合中来保持。集成因此实现了两个目标:每一个弱分类器被调整到在特定帧中从背景中区分目标,并且集合作为一个整体保证了时序上的一致性。
2 Shi快速水平集算法简介
文献[11]提出的快速水平集算法采用双链表的方式来实现曲线的演化。该方法根据曲线的隐含描述,如图2(a)所示,定义曲线C内部邻域点链表Lin和曲线外部邻域点链表Lout如下:
其中:x、y为像素点,N4(x)即为像素点x的4邻域,Rfg、Rbg分别为曲线C的内、外部区域,且Rfg∪Rbg为整个图像平面。基于此,曲线C包围区域由链表Lin、Lout所完全确定,且曲线的任意演化过程可以简单地通过链表Lin、Lout之间的像素点交换来实现。如图2(b)所示,在点A处要将曲线外移,只需把点A从Lout调换到Lin中即可,类似地,仅需将点B从Lin调换到Lout来将实现曲线内移,因此该方法通过重复的调换操作,就能实现任意的目标边界。算法首先定义如下的水平集函数来近似符号距离函数:
其中:内部点指在曲线C内部但不属于Lin的像素点,外部点指在曲线C外部但不属于Lout的像素点。在根据式(1)、(2)对Lin、Lout和水平集函数φ(x)定义的基础上,定义了对链表Lin和Lout进行操作的两个基本程序switch_in(x)、switch_out(x),用于实现Lin和Lout之间像素点的调换。由于在该算法中每演化一次,曲线向内或向外移动一个像点,即具有固定的演化速度,因此只需知道曲线演化的方向即可,即只需得到速度函数的符号,若速度函数为正,则曲线向外演化,反之,曲线则向内演化,在文献[11]中用于跟踪的外部、内部速度的分别定义为
其中:p(v|Ωfg)、p(v|Ωbg)分别为背景差分后的所得图像中目标和背景的特征分布,G1为高斯平滑模板。由此,整个快速水平集算法采用基于Fext(x)和Fint(x)的曲线演化双循环实现,具体流程可见文献[11]。
3 基于动态邻近区域的快速水平集曲线演化
本节在Shi快速水平集方法的基础上,针对跟踪任务的特点,结合Adaboost集成分类器,实现基于动态邻近区域特性的快速水平集曲线演化算法,本文称之为DNRFLS算法(Dynamic Neighborhood Region Fast Level Set),即实现图1中灰色区域部分。
如图3所示,设图像中内部闭合曲线C是初始目标轮廓曲线,C的内部区域是目标,内部与外部曲线之间是由曲线C确定的邻近背景区域带,在此仍以Rfg、Rbg分别标识目标及其邻近背景区域,但Rfg∪Rbg不是整个图像平面。本文将背景区域带的宽度Wbg取为
其中:Area(Rfg)是目标区域的面积也就是目标区域像素点的个数,Length(C)为闭合曲线C的长度也就是曲线上像素点的个数,通过式(5)进行在线动态地背景带宽选择,能自适应地适应目标尺度的变化。
在文献[11]提出的快速水平集算法中,曲线进化外部速度Fext(x)直接决定着跟踪的效果。而其外部速度本质上就是一个分类判别函数,因此本文引入基于Adaboost的集成分类器来设计外部速度函数。
设跟踪过程中,由上一帧或初始帧中的样本集通过Adaboost训练得到的强分类器H(x)为
其中:x为像素点的d维特征矢量,即x∈Rd,ht(x)为训练得到的第t个弱分类器,αt为基于弱分类器ht的错误率et而分配的权值。类似于式(3),式(7)的分类判别函数可直接作为速度函数,若g(x)≥0,则该像素点分类为目标,反之则为背景。但仅用式(7)的速度函数易受到噪声的影响,造成曲线在演化过程中会产生较多冗余轮廓,为减少噪声影响及消除冗余轮廓,本文增加点x的空间邻域信息,即对g(x)进行加窗滤波处理。以x为中心,选取一窗口Wx,对g(x)进行滤波可得本文的外部速度函数:
本文算法的实现与文献[11]类似,由于在式(8)中我们增加了窗口滤波,与式(4)的内部速度相类似,在很大程度上保证了曲线的平滑性,因此文献[11]中的曲线平滑循环可去除。DNRFLS算法流程如下:
1)初始化:根据初始曲线C,按式(1)、(2)初始化φ(x)、Lin和Lout,规定最大迭代次数Nmax;
2)for k=1:Nmax do
a)根据曲线C获得目标区域Rfg及背景带区域Rbg;
b)朝外进化:遍历Lout,由式(8)计算Lout中每一点x的外部速度Fext(x),若Fext(x)≥0,则switch_in(x);
c)Lin冗余点消除:遍历Lin,对于每个像素点x∈Lin,若满足∀y∈N4(x)且φ(y)<0,则将x从Lin中删除,并设置φ(x)=-3;
d)朝内进化:遍历Lin,由式(8)计算Lin中每一点x的外部速度Fext(x),若Fext(x)<0,则switch_out;
e)Lout冗余点消除:遍历Lout,对于每个像素点x∈Lout,若满足∀y∈N4(x)且φ(y)>0,则将x从Lout中删除,并设置φ(x)=3;
f)停止条件判断:若满足(Fext(x)<0∀x∈Lout且Fext(x)>0∀x∈Lin)则停止曲线演化,否则转到2)。
基于动态邻近区域的快速水平集算法与原有算法相比的主要特点是:Rfg和Rbg是图像平面的一部分,且在曲线演化过程中二者的大小都是在动态发生变化的;采用基于Adaboost的集成分类器来构建外部速度,增强了目标轮廓提取的准确性,并通过加窗滤波提高了抗噪性能。
4 集成轮廓跟踪算法流程
跟踪算法在d维特征空间中运行,每个像素x由归一化的d维特征矢量描述,即x∈Rd。本文中d=27,包括24维的Gabor纹理特征及3维的RGB颜色特征。其中灰度图像f(x,y)的Gabor纹理特征计算如下:
其中:“*”表示卷积运算,ψu,v(z)为二维Gabor滤波器组[12]:
其中:z=(x,y)代表像素的位置,||·||代表范数运算;参数u和v分别代表Gabor滤波器的方向和尺度,σ则决定了窗口宽度和波长的比例关系;方括号中的第一项是交流分量,第二项则为补偿直流分量,用以消除滤波器响应对图像亮度绝对值变化的依赖性;小波向量ku,v为ku,v=kvexp(iφu),其中kv=kmax/fv,φu=πu/U,kmax是最大频率,f是尺度因子,U是Gabor滤波器方向总个数。二维Gabor滤波器是一组具有高斯包络的平面波,能够精确地提取图像的局部特征,且对位移、形变、旋转、尺度变化和光照变化都有一定的容忍能力。这样,由不同尺度v∈1{,…,V}和不同方向u∈1{,…,U},通过式(10)、(11)即可得到灰度图像的不同尺度和不同方向的Gabor纹理特征。
本文提出的集成轮廓跟踪算法总体流程如下:
1)初始化(用于第一帧):
a)根据初始化曲线C0及式(5)确定目标R0fg和背景R0bg并提取样本集{xi,yi}N0i=1,其中xi∈Rd,yi∈{-,1+}1为样本xi的标定,初始化权值{iw}N0i=1为1/N0;
b)Fort=,1…,T(训练得到各弱分类器)
(1)归一化样本权值{wi}N0i=1,在{xi,yi}N0i=1上用弱学习算法训练生成弱分类器ht(x):Rd→{-,1+}1;
(2)计算th的错误率et=∑N0i=1wi|ht(xi)-yi|,权值αt=1(/)2log[(1-et)/et],并更新样本权值wi=wiexp(αt|ht(xi)-yi|);
c)运行DNRFLS算法得到C1。
2)while(1)
a)输入第j(j=2,3,…)帧图像,以Cj-1作为第j帧初始目标轮廓;
b)运行DNRFLS算法得到第j帧的轮廓Cj及其对应的目标区域Rjfg,根据式(5)确定背景区域Rjbg;
c)根据新的曲线Cj提取样本集{xi,yi}Nji=1,并初始化样本权值{iw}Nji=1为1/Nj;
d)Fort=,1…,K(保留K个最好的弱分类器并更新它们的权值)
(1)归一化样本权值{wi}Nji=1,并从{h1(x),…,hT(x)}中选择错误率et最小的弱分类器ht(x);
(2)更新弱分类器权值αt和样本权值{wi}Nji=1,并从{h1(x),…,hT(x)}中移除ht(x);
e)Fort=K+1,…,T(增加T-K个新的弱分类器)
(1)归一化样本权值{wi}Nji=1,在{xi,yi}Nji=1上用弱学习算法训练生成弱分类器ht(x):Rd→{-,1+}1;
(2)计算et=∑Nji=1wi|ht(xi)-yi|和αt=1(/2)log[(1-et)/et],更新样本权值{wi}Nji=1;
f)j=j+1,若图像输入结束则退出;否则,转向(2)。
需要指出的是,根据式(2),在跟踪结果中只需将φ(x)<0的图像部分保留即可得到分割出的目标部分。
5 实验结果
为验证本文算法的有效性,对两种典型视频序列进行了跟踪实验。实验均采用Matlab 7.01开发环境及Matlab编程语言实现,在Windows XP SP3,CPU为Intel Pentium M 1.5 GHz,内存为512 MB的PC上完成。实验中,Gabor滤波器大小为16 pixels×16 pixels,V=3,U=8,σ=π/2,f=2,kmax=π/2;其它参数设置如下:T=6,K=4,Nmax=25,Wx=[1/16 1/8 1/16;1/8 1/4 1/8;1/16 1/8 1/16]。实验结果如表1和图4所示。
Egtest05视频序列跟踪实验,如图4(a)所示,该视频序列中摄像机是运动的,在第52帧时存在部分遮挡及光照条件的变化,且跟踪过程中目标发生旋转变化,而基于Adaboost的集成分类器通过自适应调整并更新各弱分类器能适应目标及背景区域的变化,实现稳定的跟踪。图4(e)中给出了目标的运动轨迹,由于摄像机是运动的,轨迹以目标质心的行列坐标值分别给出。
Sweden视频序列跟踪实验,如图4(b)所示,该视频序列的显著特点是在图像中存在两个类似的非刚体目标,且目标尺度逐渐变大。由于水平集算法在处理曲线的分裂和合并上的天然优势,使本文算法能实现两个目标的同时跟踪并适应目标的尺度变化,而无需采用两个相互独立的文献[3]中的算法来进行跟踪。图4(f)给出了目标质心的运动轨迹,从图中看到在行坐标为150、列坐标为80~120之间位置处多次发生了目标的分裂和合并。
图4(c)给出了Egtest05序列在发生光照变化及部分遮挡时H(x)的调整变化,图4(d)给出了Sweden序列在目标尺度逐渐增大时H(x)的调整变化。从图中看出,当目标及背景区域发生变化时,本文算法通过自适应调整并更新各弱分类器,从而使得到的强分类器H(x)能迅速适应该变换,实现稳定而鲁棒的跟踪。
表2给出了实验中部分跟踪结果的各弱分类器的分类错误率及其权值,分类错误率小的弱分类器被赋予更大的权值,以保证所得到的强分类器的分类正确性。在算法的处理速率上,由于本文为实现鲁棒和准确的轮廓跟踪,在特征选择上采用了多尺度、多方向的Gabor纹理特征,且采用水平集算法来获取目标轮廓,因而本文算法与文献[3]相比处理速率慢,如表1所示。
6 结论
本文将跟踪看作是一个二分类问题,提出了一种基于Adaboost集成学习和快速水平集的集成轮廓跟踪算法。本文算法的主要特点包括:1)提出了基于动态邻近区域特性的快速水平集曲线演化算法,根据“将跟踪看作是目标和背景的分类”这一思想,将Adaboost集成分类方法应用于快速水平集,以实现目标轮廓跟踪;2)在特征选择上,通过采用多尺度和多方向的Gabor纹理特征,能更好地适应光照变化、目标旋转及尺度变化;3)弱分类器的集合被在线训练并更新,使跟踪器能适应目标或背景表面的动态变化,提高跟踪的稳定性和鲁棒性。实验结果表明,本文算法在摄像机运动、光照变化、部分遮挡或目标尺度变化等情况下,能实现刚体或非刚体目标的轮廓跟踪。
参考文献
[1]Collins T R,Liu Y,Leordeanu M.Online Selection of Discriminative Tracking Features[J].IEEE Trans.on PAMI(S0162-8828),2005,27(10):1631-1643.
[2]Avidan S.Support vector tracking[J].IEEE Trans.on PAMI(S0162-8828),2004,26(8):1064-1072.
[3]Avidan S.Ensemble tracking[J].IEEE Trans.on PAMI(S0162-8828),2007,29(2):261-271.
[4]Grabner H,Bischof H.On-line boosting and vision[C]//Proc.CVPR’06,New York,June17-22,2006:260-267.
[5]Helmut Grabner,Christian Leistner,Horst Bischof.Real-Time Tracking via On-line Boosting[C]//Proc.BMVC2006,Edinburgh,September4-7,2006:47-56.
[6]Helmut Grabner,Christian Leistner,Horst Bischof.Semi-Supervised On-line Boosting for Robust Tracking[C]//Proc.ECCV2008,Marseille,October12-18,2008,5302:234-247.
[7]Wang J,Chen X,Gao W.Online selecting discriminative tracking features using particle filter[C]//Proc.CVPR’05,San Diego,June20-25,2005,2:1037-1042.
[8]Osher S,Sethian J.A.Fronts propagating with curvature dependent speed:Algorithms based on Hamilton-Jacobi formulation[J].Comput.Phys(S0021-9991),1988,79:12-49.
[9]Yilmaz A,Li X,Shah M.Contour-Based Object Tracking with Occlusion Handling in Video Acquired Using Mobile Cameras[J].IEEE Trans.on PAMI(S0162-8828),2004,26(11):1531-1536.
[10]Mohand Sad Allili,Djemel Ziou.Object tracking in videos using adaptive mixture models and active contours[J].ELSEVIER:Neuro computing(S0925-2312),2008,71:2001-2011.
[11]Shi Yong-gang,William Clem Karl.A Real-Time Algorithm for the Approximation of Level-Set-Based Curve Evolution[J].IEEE Trans.on Image Processing(S1057-7149),2008,17(5):645-656.
中国地质构造的基本轮廓 篇7
1 古亚洲构造域
该构造域包括阿尔泰褶皱系、额尔古纳褶皱系、天山褶皱系、内蒙古大兴安岭褶皱系和吉黑褶皱系, 以及黑龙江褶皱带、那丹哈达褶皱的—部分, 大体与天山—兴安活动带相吻合。
2 塔里木—华北构造域
塔里木—华北构造域, 由塔里木、华北两大地台组成, 二者作东西向排列, 呈楔形相连, 是我国克拉通化程度较高的两大块体。
华北地台是我国最古老的地台, 在冀东、鞍山均已获得38亿a的同位素年龄值。于新太古代已出现了冀东、胶辽等古老地体。阜平期时粘合为太古宙克拉通。由高级变质区与花岗岩-绿岩带组成。高级变质区主要为花岗片麻岩和部分表壳岩, 以卵形穹窿和韧性剪切带为特征。绿岩带形成于古裂谷或古岛弧带, 构造样式以紧闭的复合褶皱群以及韧性剪切带为特征。此后, 地壳由塑性向刚性转化, 于吕梁期固结为地台。由于经后期叠加改造, 现今地台大致呈—东宽西窄的横卧三角形, 并被贺兰山、吕梁山、太行山以及郯庐断裂等纵向构造带分割为阿拉善、鄂尔多斯、冀鲁、胶辽等块体。它的北部与南缘均为中元古裂谷。北缘的“内蒙古地轴”可能是一个复杂的地体拼贴构造带。
塔里木地台呈东西向的透镜状, 显示近南北向的强烈压缩。地台萌生于新太古代或更早, 固结于晋宁期 (塔里木运动) , 大部为新生界所覆盖。地台西部隆起, 东部为叠加式断陷, 南北边缘发育山前逆冲推覆和古生代或古—中新生代叠加式前陆盆地, 东南部即阿尔金优地槽, 北侧有北东东向的铁克力克—阿尔金中元古裂谷和民丰—罗布庄断陷带。
3 昆仑—秦祁构造域
昆仑—秦祁构造域属近东西向摺皱区, 包括东、西昆仑褶铍系、秦岭褶皱系和祁连褶铍系四个次级构造单元, 为我国南北大陆的结合带, 构成中国大陆地质、地球物理、地球化学和自然地理的南北分界。该区主体构造为东西—北西西走向, 祁连造山带为其一个北西向分支, 东段被郯庐断裂带大幅度左旋平移至胶南、苏北地区, 走向转为北东东, 且陆缘软体部分已荡然无存, 仅残留下胶南—苏北中间地块的一部分。
该区内部结构十分复杂。其构造面貌还有待进一步查明, 据现有资料它是晋宁、加里东、华力西、印支、燕山等5次叠加造山所形成的复合造山带, 这些造山带互相关联、互相制约, 但其范围、展布方向又不完全一致。
加里东造山带的主体在祁连山—北秦岭, 有可能经胶南、苏北至朝鲜半岛北部作北西至近东西向延展, 与晋宁期秦昆带在秦岭斜向叠加, 北端为阿尔金优地槽所截。在祁连、北秦岭一带发育早古生代双峰式海相火山岩和岛弧型火山岩以及长达数百公里的蛇绿混杂岩带多条。形成一条巨大的加里东期重熔型花岗岩链, 并有蓝片岩带出现, 显示了造山的演化过程。其间的柴达木、大别、胶南—苏北等地块均来自塔里木、华北陆块和扬子陆块。这一时期昆仑、大巴地区属陆内裂陷槽, 出现浅水海盆沉积。
华力西期造山带的主体在昆仑、西秦岭—带, 石炭—二叠纪时属特提斯洋北侧的一个分支, 呈向西南开放的喇叭状。在中昆仑、阿尼玛卿一带有代表洋壳的蛇绿岩带分布, 塔里木南缘的柯岗断裂和柴达木南缘的金鱼湖—阿尼玛卿断裂可能是特提斯北支于早二叠世闭合时的缝合带。东秦岭及其以东地区属陆内裂陷性质, 华力西期造山带作近东西向展布, 在秦岭地区与加里东期秦祁造山带亦为斜向垒加, 所以导致秦岭地区的构造十分错综复杂。
4 古华夏构造域
位于我国东南部, 它涉及华南褶皱系和扬子地台两大构造单元及东南沿海褶皱系。该两构造单元在四堡期拼接形成四堡期弧形造山带。此后受到多期拉伸裂陷与来自东南方向的压缩作用, 经加里东、华力西运动, 发展至印支期, 形成一个总体作北东北东东向展布, 指向上扬子的叠加式弧形复式造山带。与华南西部以川滇青藏地区向北东方向突出的弧形构造带大体对称。二者之间为发育于攀西、黔东南北西构造带之间的构造干涉地带。
南华加里东期裂谷, 可能是沿绍兴—萍乡—北海古结合带发展起来的, 加里东运动时再次拼接, 因之, 加里东期褶皱系可分为两大部分, 即发育于扬子基底斜坡上的湘桂褶皱带和奠基于华夏古陆上的华夏褶皱带。后者由于先是向北, 后是向西的逆冲、叠覆、拼接, 概括古华夏域的构造格局, 不难发现, 由于构造域的东南部是一个裂解沉沦了的华夏古陆块, 并濒临东南侧的古大洋, 其构造、沉积、岩浆、变质作用的演化, 既具有陆间活动的某些特点, 又具有迭次向南东迁移的发展趋势。
5 特提斯构造域
主要包括昆仑—秦岭活动带以南、扬子地台以西的青藏高原地区。分属华南褶皱系的西部陆缘带、藏滇板块和印度板块北缘。它们由5条含有蛇绿岩带的结合带与5个地块相间排列, 呈现条带状的构造格局。
新特提斯开始出现在三叠纪末, 印度河—雅鲁藏布江张裂带开始活动到侏罗纪进一步扩张形成中、新生代洋盆, 即特提斯主域向南迁移, 三叠系从南至北, 呈稳定型沉积—过渡型沉积—活动型沉积的变化, 显示新特提斯于雅鲁藏布江一带开始拉张, 到侏罗—白垩纪形成新特提斯洋。雅鲁藏布江带间的蛇绿岩套及深海沟沉积, 是新特提斯洋的遗迹。
冈瓦纳大陆于白垩纪开始解体, 印度洋扩张并驱动印度大陆向北漂移。新生代开始, 至始新世末, 新特提斯洋消减于欧亚大陆之下, 最后导致印度大陆与欧亚大陆的碰撞, 欧亚大陆最后形成。每次洋壳的消减都伴以大陆增生, 显示萌特提斯-古特提斯-新特提斯的演化。
滨西太平洋构造域是一个巨型构造域, 自印支运动后, 由于联合成一体的欧亚超级大陆板块与库拉—太平洋超级大洋板块间发生了强烈的相互作用, 从而形成了极为壮观的滨西太平洋构造域。其影响深入板内, 并使大陆受到了大面积、大规模地改造。但它的作用都叠加在古亚洲、华北地台、古华夏和部分东昆仑—秦祁构造域之上。
结束语
综观整个地质历史发展演化阶段, 都出现相应的成矿作用, 在不同的地质历史演化阶段和不同的构造单元内出现的成矿特征。
摘要：我国的地质构造不同时期构造运动所形成的次级构造单元之间, 出现有规律性的演化关系。为了反映这些构造类型的时间演化、空间展布和对区域成矿作用的影响, 将我国划分成五大构造域。
关键词：中国,地质,构造,基本轮廓
参考文献
[1]江西省地质局.初论与斑岩有关的“多位一体铜矿床的成因模式”[J].地质学报, 51卷, 第1期.