金属冲击试样断口图像研究现状及发展.docx

《金属冲击试样断口图像研究现状及发展.docx》由会员分享，可在线阅读，更多相关《金属冲击试样断口图像研究现状及发展.docx（13页珍藏版）》请在第一文库网上搜索。

1、冲击试样断口形貌分析研究摘要：灰度共生矩阵对冲击断口的纹理特征提取有重要意义。本文首先简单介绍了国内外学者对金属断口图像的处理方法以及断口的识别与分类的研究方法。然后本文提出一种基于灰度共生矩阵的方法对冲击断口图像进行特征提取，为图像后续处理奠定基础。关键词：灰度共生矩阵；冲击断口：纹理分割：纤维断面率中图分类号：TP391.41文献标志码：ATheimpactfracturemorpho1ogyana1ysisbasedongray1eve1co-occurrencematrixAbstract：gray1eve1co-occurrencematrixoftheimpactfractures

2、urfacetexturefeatureextractionisimportant.Thispaperfirstintroducesthedomesticandforeignscho1arsimageprocessingmethodofmeta1fracturesurfaceandfractureidentificationandc1assificationoftheresearchmethods.Thenthispaperproposesamethodbasedongray1eve1co-occurrencematrixof(heimpactfracturesurfaceimagefeatu

3、reextraction,1ayafoundationforsubsequentimageprocessing.Keywords:gray1eve1co-occurrencematrix;impactfracture;Texturesegmentation;Toughnessofrate1 .课题研究背景和意义冲击试验发展已有近百年的历史，其在研究解决桥梁、船舶、压力容器、隧道、发电设备和汽轮机以及其他设备发生脆性断裂事故方面起到了很大作用。在材料的生产及加工工艺检验上也积累了许多经验，冲击试验已成功地用于生产检测中。在国家标准GB/T12778-91“金属夏比冲击断口的测定方法”中，都是用测

4、量方法测定冲击试样断后的断口晶状断面率,然后转换成断口纤维断面率，以此表征钢材在冷脆转变过程中随试验温度的降低，纤维断面率从100%变为0这一过程中断口形态的变化。由于断口的晶状不规则，形状复杂，人为测量难度大，因此引起人为测量误差是不可避免的标准中引入“韧性断面率”来代替“纤维断面率”，但是在测定冲击力特征值后，仍需依靠正确选择经验公式来计算韧性断面率，这在人为选择时也难免不会出错。在工程实际中，由于未能对材料韧性加以正确判断，采用有效改进和防范措施，致使事故发生的情况屡见不鲜，因此寻求一种高精确测定纤维断面率的方法是具有十分重大意义的。近几年，随着现代计算机技术及其图像处理技术的迅猛发展，

5、为金属断口分析提供了新的手段和途径，其中，断口的特征提取和模式识别越来越受重视，这也为测定韧性断面率提供了基础。如下图1冲击断口形貌目前，虽然在对断口的识别和分类提出了各种方法,并取得了一些有效的成果,但这些方法在应用上都存在着一些严重不足,并且识别率不高，以至影响到各方法的实际应用效果。而且,通过成像设备获取断口图像的过程中不可避免的受到各种因素的干扰，也直接影响了识别结果的正确率。因此很有必要采用新的方法对断的识别与分类进一步的研究和探索，来提高纤维断面率的精确度。本课题将以灰度共生矩阵为基础进行纹理特征提取,应用计算机对冲击试样断口进行识别和分类展开研究工作，实现断口图像的纹理分割，为后

6、续图像处理奠定基础。2 .国内外研究动态断口是钢材或金属构件断裂后，破环部分的外观形貌。断裂是金属材料在不同情况下当局部破断发展到临界裂纹尺寸，剩余界面不能承受外界载荷时发生的完全破断现象。冲击试样断口通常情况下除了切口底部的断裂源外，一般由纤维区、放射区、剪切唇区组成。在冲击力作用下，试样的断裂过程与拉伸一样，仍然表现为弹性变形、塑性变形和断裂三个过程。从金属断口的微观形貌上来区分,断口图像可分为:疲劳、解理（放射区）、沿晶和韧窝（纤维区和剪切唇区）四类,根据不同的断口形状可以研究金属的受力强度和零件受力破断的原因和机理。（1）金属断口图像的预处理研究动态1944年由Car1A.Zapffe

7、最早提出断口形貌学这个定义断口技术研究的概念。而早在1617世纪,就开始了断口形貌学的研究。在1722年，法国科学家Reaumur就开始借助显微镜尝试由断口来分析破损的原因及机理。到了上个世纪，断口学的研究取得了质的飞跃，开始步入了全新的高速发展时期，这些进步很大程度上归功于扫描电子显微镜和透射电子显微镜的使用。这使得各种断口图像的微观分析变得异常活跃，通过对断口的微观等基本形态的研究,有助于研究人员分析和解决断口机理、断裂故障分析等方面的理论知识和实际问题。在利用现有手段提取断口图像，由于易受到各种因素的干扰,所以对断口图像进行去噪、融合、增强、分割等预处理也显得尤为重要。小波变换是一种新的

8、分析处理工具，它建立在调和分析、Fourier分析、泛函分析和样条分析基础之上。由于小波变换在获取图像方向上的局限性，该方法虽然在断口处理领域取得了一些成果，但是它的局限性决定了其不能更有效的表达图像。因此在金属断口图像预处理时，郑州大学的梁鹏“】等提出将轮廓波变换应用到图形处理中，提出了一种无冗余的基于GrOUP1et-COntoUrE变换的金属断口图像去噪和增强方法,该方法提高了去噪和增强图像的峰值信噪比，同时也很好的保留了图像的轮廓信息。也提出了一种基于WBCT-PCNN的图像融合方法。在提出的方法中，首先对待融合的两幅图像进行WBCT变换，然后对得到的各对应的低频和高频子带系数采用PC

9、NN融合规则选取融合系数，最后对融合后的子带系数采用逆WBCT变换生成融合图像,通过和其他算法相比较,该算法在图像融合方面有一定优势。南昌航空大学的周志宇在金属断口图像处理中引入了GroUP1et变换和BandeIet变换，并结合这两种变换的优点，提出了Group1et-BandeIet变换算法，在图像去噪、增强和边缘检测方面取得了优于小波变换的效果。南昌航空大学的王琳网针对疲劳断口图像，本文提出了一种基于马尔可夫随机场(MRF)的金属疲劳断口图像的条带分割方法。文中构造了图像的马尔可夫随机场模型，并且提出了一种基于该模型的图像分割算法。通过小波变换和经验模式分解得到的疲劳断口图像进行了比对，

10、结果表明该算法具有收敛速度快、稳健性好等优点，该方法分割得到的疲劳断口图像效果更好。南昌航空大学张俊河运用二维经验模式分解(BEMD)方法对图像进行纹理分析，对人工合成纹理图像进行了纹理分割，获得了较好的实验效果；对经过高斯白噪声干扰的图像运用BEMD方法进行滤波，该方法达到了较为理想的滤波效果。结合了1aws纹理能量描述方法描述疲劳断口图像的纹理特征，运用最近邻准则对特征向量进行聚类，分割出纹理区域。通过与Fourier变换和小波变换分割得到的图像进行对比，BEMD方法得到的效果要明显好于后两者。冷璐,黎明等划分为噪声、区域内部和边缘三类子图，然后针对受不同类型噪声污染的断口图像设计了自适应

11、确定参数和中止条件的各向异性扩散的去噪方法,使滤波对不同噪声类型的适应性更好，对噪声的选择性平滑更准确，并能保护边缘和低对比度区域，该方法对噪声污染的金属断口图像有更好的抗噪效果和细节保持能力，有利于提高后续模式分析和定量计算的准确性。杨浩、罗扬中提出了通过将纹理分析的思想和传统的边缘检测算子相结合，提出了一种基于灰度共生矩阵的边缘检测新方法。该方法对图像进行纹理分析后自适应地选择模板，因此很好地保持了图像边缘的细节并且抑制了噪声。(2)金属断口识别与分类的研究动态20世纪80年代初开始出现断口的模式识别和分类,这些研究最先由日本的学者开始，并且获得了一定的研究成果。Mande1brot于19

12、84年在断口识别之中获得断口的特征过程时引入了分形理论”胤，从此开辟了断口图像模式识别研究的先河。金属断口图像处理的快速发展时期是在20世纪90年代，其应用的水平、研究规模以及取得的成果都是前所未有的。1990年KMinOShima、T,Nagasaki和KKomai提出在金属断图像分类中引入数字图像处理技术叫1993年K.Komai.K.Minoshima和S.Ishii对六种典型金属断口进行了分类识别研究”叫国内对这方面的研究虽然起步稍晚,但也成果斐然。东北大学实验室以灰度梯度共生矩阵为特征向量,并采用BP人工神经网络对金属断口进行了分类识别。颜云辉M等提出的金属断口图像的句法模式识别方法

13、，都取得了较好的效果。郑州大学的梁鹏“】将峭度的概念和COntOUrE变换引入到金属断口图像处理中，并结合ComOUrIet变换和峭度的各自优点，给出了COmOUrIet峭度的定义和算法,与11范数、平均能量相比较,Contour1et峭度能够更敏感地反映金属断口的纹理特征,并且对方向不敏感。在此基础上,提出了一种基于COmoUrE峭度的金属断口图像识别方法。该方法首先对金属断口图像进行三级COmoUrIet变换，将各个频带输出的峭度作为断口识别的特征，输入到分类器中进行识别。同时，提出的方法还与基于范数和平均能量的识别方法进行了比较。试验结果表明，提出的方法是有效的。关联向量机(re1eve

14、ncevectormachine,RVM)具有很好的泛化能力,能对类别的归属给出一种概率度量。提出了一种基于COmoUrIet-RVM金属断口图像识别方法。在提出的方法中，首先对金属断口图像进行两级COmoUr1et变换,将各个频带输出的1范数作为断口识别的特征，然后采用RVM分类器进行分类。同时，提出的方法还与COmoUr1et-SVM识别方法进行了对比分析。实验结果表明，提出的方法是有效的，不论在正确识别率方面,还是在训练速度方面,ContOUrIet-RVM识别方法都优于ContoUr1et-SVM识别方法。李志农田等结合GrOUPIet变换和关联向量机的各自优点，提出了一种基于GrOU

15、P1et-RVM识别方法，提出的方法以GroUPIet平均能量、Group1et调和燔和GroUP1e1峭度为特征量，RvM为识别器，并成功地应用到金属断口图像识别中。提出的方法是有效的,Group1et峭度比GrOUP1eI平均能量、GroUPIet调和燔对断口图像的纹理变化更敏感，特别适于金属断口的特征提取。与小波-RVM识别方法相比较，提出的方法克服了小波-RVM识别方法只能获取图像有限的方向信息，取得了更高的识别率。和GrOUPIet-SVM识别方法相比较，GrOUP1e1-RVM识别方法GroUPIe1SVM识别方法有同样好的识别率，然而，Gr。UP1et-RVM的识别速度明显优于G

16、r。UP1e1SVM识别方法，特别是随着训练样本的增加，这种优势越明显。李志农等将BandeIet变换引入到金属断口图像特征提取中，提出了一种基于Bande1et变换的金属断口形貌非线性识别方法。在提出的方法中，利用Bande1et变换提取金属断口图像的Bande1e1烯作为特征向量，神经网络作为非线性分类器,对几种典型的金属断口图像进行了识别验证。同时,将该方法与基于传统的小波变换的金属断口图像识别方法进行了对比。结果表明，由于BandeIet变换克服了小波变换在处理金属断口图像时孤立对待边界各点的缺点，得到了比传统的小波变换方法更好的识别效果。南昌航空大学韩太坤的结合灰度共生矩阵和流形学习中的局部线性嵌入(11E)方法两者的优点，经过严格的推导，提出一种基于灰度共生矩阵与流形学习的金属断口图像识别方法G1CM-11Eo该方法在识别率方面优于G1CM方法，具有实用、有效的优点。同时结合小波变换和流形学习各自的优点，提出了一种基于Wave1et-11E的金属断口图像识别方法。在提出