金屬斷口圖像的紋理特征提取與分類.pdf

1、金屬斷口的模式識別與分類是實現(xiàn)斷裂構(gòu)件智能診斷的重要內(nèi)容之一。斷裂過程的每一階段都會在斷口上留下相應(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。通過對金屬斷口的特征、性狀、形貌等問題的研究，可以更好地揭示斷裂機理，研究影響斷裂過程及斷口形態(tài)的各種因素，從而更好地指導(dǎo)生產(chǎn)實踐，為機械產(chǎn)品的設(shè)計和制造提供依據(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疲勞、韌窩、沿晶、解理四種典型金屬斷口圖像的形貌進行研究。具體地說，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，對于不同類別的圖像如何選取有效的參數(shù)至今沒有統(tǒng)一的方法。本文計算了13個特征參數(shù)，根據(jù)不同步長、不同壓縮級時特征值的變化曲線確定步長和灰度壓縮級，然后根據(jù)相關(guān)系數(shù)分析選擇其中的7個特征，分別利用加權(quán)歐式距離

3、分類器和K近鄰分類器對斷口圖像進行了分類。與用常用的5個特征相比，根據(jù)此方法選擇的7個特征分類效果明顯更好。 小波變換也是一種廣泛使用的時頻域紋理分析方法。本文利用db4小波對斷口圖像進行分解，提取紋理特征。然后設(shè)計了加權(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。 實驗中共使用了320幅斷口圖像，每類80幅，其中訓(xùn)練樣本20幅，測試樣本60幅。結(jié)果為對韌窩識別率最高，疲勞次之，沿晶和解理不是很好。最后，對實驗結(jié)