冲击试样断口纹理特征提取分割研究.docx

《冲击试样断口纹理特征提取分割研究.docx》由会员分享，可在线阅读，更多相关《冲击试样断口纹理特征提取分割研究.docx（5页珍藏版）》请在第一文库网上搜索。

1、冲击试样断口纹理特征提取分割研究摘要:本文针对传统测定冲击试样断口纤维断面率方法以及目前基于图形处理技术的测定系统存在的一些问题，提出了一种测定纤维断面率的新系统，以冲击断口图像的纹理为主导特征，基于灰度共生矩阵提取纹理特征信息，构成纹理特征向量空间。并对其采用模糊C均值聚类分析，实现断口图像晶状区域的提取。实验表明，该方法对冲击断口图像的晶状区域提取取得了较好的效果。关键词：灰度共生矩阵；冲击试样断口；特征值；纹理；模糊C均值O引言在温度急剧下降的环境下，使金属材料的塑性和韧性下降，造成材质冷脆断裂。金属材料随温度下降可能发生由韧性向脆性转变，其标志是在一定温度下冲击值或断面收缩率急剧下降，

2、这种现象称为冷脆性。由于金属材料的这一特性，如果生产设备时选材不当，就有可能引发事故，对安全生产产生威胁。因此在选材时，需要评定材料韧性，确定韧脆转变温度。金属夏比V型缺口冲击试验是最常用的一种方法，在不同温度下测定冲击试样断口的纤维断面率，进而绘出纤维断面率温度曲线，以冲击试样断口某一纤维断面率所对应的温度为材料的韧脆转变温度。由于纤维断面率的误差，将直接影响曲线的形状，从而影响韧脆转变温度，因此准确测定纤维断面率尤为关键。传统测定纤维断面率的方法有对比法、游标卡尺测定法，这两种方法由于断口的晶状不规则，形状复杂，人工测量难度大，容易引起人为测量误差，降低测量精度；目前基于图像处理技术的测量

3、系统，以冲击试样断口图像的灰度为主导特征，断口的晶状区域亮度高的特性，利用自动确定阈值的算法，生成二值化图像提取晶状区域。此方法鲁棒性较差，不具有抗干扰的能力。针对上述问题，本文提出了一种测定冲击试样断口纤维断面率的系统，该系统算法根据冲击试样断口晶状区和纤维区两个区域的纹理不同，通过基于灰度共生矩阵提取纹理特征和模糊C均值聚类，实现断口图像的晶状区域提取。此方法一方面提高了测定纤维断面率的精度，减小了人工测量的劳动强度；另一方面提高了外界因素的抗干扰能力，对选择生产设备材料有更好的保障。1 图像采集平台搭建和系统方案框架1.1 图像采集平台搭建系统测定纤维断面率方法，利用图像处理技术，对冲击

4、试样断口图像分析处理。冲击试样断口图像采集选用MER-500-7UC-1水星系列相机，放置试样断口的平台包括二维XY平台以及与其配合的旋转圆台，Z向调焦系统。断口图像采集平台的整体结构，如图1所示2 图像处理系统分析2.1 图像预处理为了加快处理速度以及后续灰度共生矩阵的应用，在图像处理过程中，需要把彩器嗡*转换为灰度图像，24位彩色图像每个像素用3个字节表示，每个字节对桂聚R,G,B分量的亮度(红、绿、蓝)，转换公式如下Gray(i,j)=0.299R(i,j)+0.587G(iJ)+0.114B(iJ)(1)式中为转换后灰度图像在(i,j)处的灰度值。2.2 相机在采集冲击试样断口图像时，

5、由于光照以及图像自身等原因导致图像偏亮或偏暗，不利于图像的深入分析。因此把偏亮或偏暗的冲击试样断口图像进行直方图均衡化，可以得到在灰度上比较均匀，适合进一步处理的图像。2.3 基于灰度共生矩阵的纹理特征提取灰度共生矩阵是由Hara1ick等人在1973年提出的纹理特征描述算法，其实质是由图像中灰度对的联合概率密度所构成的矩阵，是由邻近像素位移关系函数构成的，能够反映图像的二阶统计特征。一幅图象的灰度共生矩阵能反映出图象灰度关于方向、相邻间隔、变化幅度的综合信息，它是分析图象的局部模式和它们排列规则的基础。设f(x,y)为一幅二维数字图像，其大小为MXN,灰度级别为N%则满足一定空间关系的灰度共

6、生矩阵为P(i,j)=#(x1,y1),(x2,y2)MNf(x1,y1)=i,f(x2,y2)=j(2)其中#(x)表示集合X中的元素个数，显然P为NgXNr的矩阵，若(x1,y1)与(x2,y2)间距离为d,两者与坐标横轴的夹角为8,则可以得到各种间距及角度的灰度共生矩阵P(iJd,e),一般取夹角0,45,90,135四个方向。为了更直观地以共生矩阵描述纹理状况，Hara1iCk等人提出了14种不同的纹理特征值来对纹理进行描述，后经U1aby等人通过大量实验证明14种特征值中有4个特征值描述纹理效果尤为突出且不相关，它们分别是角二阶(AngU1arSecondMoment5ASM),对比

7、度(COntraSt,CON),自相关(COiTe1ation,COR)和嫡(EntrOPy,ENT),用这些特征描述纹理时，既能充分保证对纹理描述的全面性与可靠性，也能减少计算量，不需要同时计算14个不同的特征值。D角二阶距(能量)，是灰度共生矩阵元素值的平方和，反映了图像灰度分布均匀程度和纹理粗细度。如果共生矩阵的所有值均相等，则ASM值小；相反，如果其中一些值大而其它值小，则ASM值大。当共生矩阵中元素集中分布时，此时ASM值大。ASM值大表明一种较均一和规则变化的纹理模式。ASM=SS(G(i,(3)/=1,/=12)对比度，反映了图像的清晰度和纹理沟纹深浅的程度。纹理沟纹越深，其对比

8、度越大，视觉效果越清晰；反之，对比度小，则沟纹浅，效果模糊。灰度差即对比度大的象素对越多，这个值越大。灰度公生矩阵中远离对角线的元素值越大，CoN越大。CoN=Z*力)3)相关，它度量空间灰度共生矩阵元素在行或列方向上的相似程度，因此，相关值大小反映了图像中局部灰度相关性。当矩阵元素值均匀相等时，相关值就大;相反，如果矩阵像元值相差很大则相关值小。如果图像中有水平方向纹理，则水平方向矩阵的COR大于其余矩阵的COR值。“田vv(U)Gaj)一叫,、COR=日布-4)炳，它是图像所具有的信息量的度量，纹理信息也属于图像的信息，是一个随机性的度量，当共生矩阵中所有元素有最大的随机性、空间共生矩阵中

9、所有值几乎相等时，共生矩阵中元素分散分布时，爆较大。它表示了图像中纹理的非均匀程度或复杂程度。ENT=-X；=,E；=IG(,j)1ogGwj)(6)式(6)中%=1fJ)%=1Z,J)S,2=X)G(i,加i,)2S；=E：ZqG(MX)2冲击试样断口图像包含晶状区和纤维区两个区域的不同纹理，需要对每一种纹理单独进行描述，因此在构建断口图像灰度共生矩阵时，就需要将构建窗口从整幅图像的范围缩小到一定的区域，这个区域的大小必然会对纹理的描述产生影响。在构建灰度共生矩阵时，为减小角度参数e对纹理特征的影响，计算出四个方向的灰度共生矩阵的纹理特征值，之后将同一类参数计算算术平均值，以此值来描述纹理。

10、综上所述，本文试验构建灰度共生矩阵时，窗口大小、灰度级和像素对距离三个要素对计算纹理特征值有较大的影响。以下为提取纹理特征的算法步骤：D扩展冲击试样断口灰度图像的边缘；2) 选择合适的窗口大小(为方便算法寻找窗口中心，窗口为奇数窗口)、灰度级和像素对距离，构建四个方向灰度共生矩阵；3) 提取每个窗口的特征值，求取同一类特征值的平均值，并赋值给每个窗口的中心像素；4) 窗口遍历整幅图像，得到纹理特征空间。2.2基于模糊C均值聚类模糊C均值聚类算法属于模糊分离识别，它的基础就是模糊识别。由于图像的退化、受外界噪声和其他不确定因素的影响，在图像分割中很难将像素归属到某个分类器中，而模糊C均值聚类算法

11、将分类器之间的独立性用一种模糊的概念来取代，克服了硬分类方法将像素归属一刀切的不足，在某种程度上能克服不确定因素对像素分类造成的影响。模糊C均值聚类算法的具体过程：(1)初始设置。确定聚类数目C和参数叱迭代终止条件，即误差。，初始化各个聚类中心V=MO#2.0,0uRP,算法的最大迭代次数对F=I,2,.,小。1)计算a=1uiknt令4UhxkviIIa如果u=0,贝J/j=1,且对iW/,uik1=Oickn;如果dg0,则，ick=1djkj2)计算V=v1j+1v2j+1.,vcj+1,vf.r+1(%)1=3，ico/1EUikJ=13）重复更新隶属度和各个初始聚类中心，直到各个样本

12、的隶属度值稳定,即H+1-H=vu+1-vh,则终止迭代。3 .试验结果图4纹理分割图像本次试验方案用MAT1AB验证,基于灰度共生矩阵提取试验图像的纹理特征,对由能量、对比度、相关以及燧组成的特征向量空间，采用模糊C均值聚类，实现断口图像纹理分割。试验结果如下图3试样断原始图像4 .结束语本文针对传统测定冲击试样断口纤维断面率方法存在的一些问题，提出了一种测定纤维断面率的新方法，利用图形处理技术，对断口图像提取纹理特征信息并聚类分析，实现断口图像区域的划分。实验证明该方法具有较好的分割效果，但是灰度共生矩阵提取纹理特征存在一些缺点：它的计算量大，很耗时，不能满足我们对测定纤维断面率的实时性要求。因此对此算法还要进一步优化，来减小计算量。