金屬斷口圖像的紋理特征提取與分類.pdf

1、金屬斷口的模式識(shí)別與分類是實(shí)現(xiàn)斷裂構(gòu)件智能診斷的重要內(nèi)容之一。斷裂過(guò)程的每一階段都會(huì)在斷口上留下相應(yīng)的痕跡、形貌與特征。分析金屬斷口圖像可以為金屬材料的性能及行為等許多方面的研究提供重要信息。通過(guò)對(duì)金屬斷口的特征、性狀、形貌等問(wèn)題的研究，可以更好地揭示斷裂機(jī)理，研究影響斷裂過(guò)程及斷口形態(tài)的各種因素，從而更好地指導(dǎo)生產(chǎn)實(shí)踐，為機(jī)械產(chǎn)品的設(shè)計(jì)和制造提供依據(jù)。 金屬斷口的形貌分析是斷口分析的一個(gè)重要研究方向。金屬材料的斷口顯微圖像具有

2、一定的紋理性，所以本文從紋理分析的角度對(duì)疲勞、韌窩、沿晶、解理四種典型金屬斷口圖像的形貌進(jìn)行研究。具體地說(shuō)，就是研究了灰度共生矩陣和小波變換方法在斷口分析中的效果。 灰度共生矩陣是一種傳統(tǒng)的空間域紋理分析方法，但是其參數(shù)眾多，對(duì)于不同類別的圖像如何選取有效的參數(shù)至今沒(méi)有統(tǒng)一的方法。本文計(jì)算了13個(gè)特征參數(shù)，根據(jù)不同步長(zhǎng)、不同壓縮級(jí)時(shí)特征值的變化曲線確定步長(zhǎng)和灰度壓縮級(jí)，然后根據(jù)相關(guān)系數(shù)分析選擇其中的7個(gè)特征，分別利用加權(quán)歐式距離

3、分類器和K近鄰分類器對(duì)斷口圖像進(jìn)行了分類。與用常用的5個(gè)特征相比，根據(jù)此方法選擇的7個(gè)特征分類效果明顯更好。 小波變換也是一種廣泛使用的時(shí)頻域紋理分析方法。本文利用db4小波對(duì)斷口圖像進(jìn)行分解，提取紋理特征。然后設(shè)計(jì)了加權(quán)歐式距離分類器和k近鄰分類器，比較了二者的分類效果。 實(shí)驗(yàn)中共使用了320幅斷口圖像，每類80幅，其中訓(xùn)練樣本20幅，測(cè)試樣本60幅。結(jié)果為對(duì)韌窩識(shí)別率最高，疲勞次之，沿晶和解理不是很好。最后，對(duì)實(shí)驗(yàn)結(jié)