本文關(guān)鍵詞：基于改進(jìn)灰色聚類的鐵譜圖像分割

  更多相關(guān)文章： 鐵譜技術(shù) 圖像分割 分水嶺 灰色聚類

【摘要】：機(jī)械零部件的磨損往往會(huì)引起能源及材料的損耗，造成巨大的浪費(fèi)，也會(huì)導(dǎo)致機(jī)械的失效和報(bào)廢，甚至于引發(fā)重大的事故，危及人身安全。所以建立機(jī)器磨損狀態(tài)監(jiān)測(cè)和提高故障診斷技術(shù)具有重大的經(jīng)濟(jì)和社會(huì)效益。鐵譜分析是廣泛應(yīng)用于機(jī)械狀態(tài)監(jiān)測(cè)與故障診斷的有效手段之一。近年來，隨著計(jì)算機(jī)、圖像處理識(shí)別、專家系統(tǒng)等技術(shù)的興起和逐漸完善，使得鐵譜分析技術(shù)向著智能化方向不斷發(fā)展。鐵譜圖像分割是智能化鐵譜分析的首要和關(guān)鍵步驟，其分割的準(zhǔn)確與否直接影響到后續(xù)工作中磨粒磨損特征的提取、類型的識(shí)別和統(tǒng)計(jì)的精度。 本文首先簡(jiǎn)要介紹了鐵譜分析技術(shù)的原理、特點(diǎn)及發(fā)展現(xiàn)狀，并對(duì)鐵譜圖像分割中一些常用的方法如閾值分割法、形態(tài)學(xué)分割算法及聚類算法的一些基本概念做了介紹，也對(duì)灰色理論在圖像處理中的應(yīng)用做了簡(jiǎn)要分析。 其次，針對(duì)鐵譜圖像中難以準(zhǔn)確分割的磨粒沉積鏈及異常大磨粒，本文提出了基于改進(jìn)灰色聚類的鐵譜圖像分割的方法。在該算法中：首先，采用改進(jìn)的大津閾值分割方法，將鐵譜圖像背景與磨粒分離；其次，使用分水嶺算法對(duì)減除背景后的圖像進(jìn)行分割，實(shí)現(xiàn)磨粒的初步分割；然后，針對(duì)在分水嶺分割過程中，異常大磨粒出現(xiàn)的過分割現(xiàn)象，將區(qū)域間相對(duì)位置關(guān)系參數(shù)和區(qū)域顏色特征序列引入到改進(jìn)的灰色聚類中，合并關(guān)聯(lián)度大于閾值的區(qū)域，實(shí)現(xiàn)異常大磨粒較為準(zhǔn)確的分割；最后，根據(jù)鐵譜圖像上的異常大磨粒與磨粒沉積鏈形狀上的差異，通過比較磨粒的等效橢圓長(zhǎng)短軸比來區(qū)分磨粒沉積鏈和異常大磨粒，對(duì)聚類結(jié)果進(jìn)行判別和修正，從而實(shí)現(xiàn)對(duì)不同類型磨粒的準(zhǔn)確分割。 最后將本文算法與Canny邊緣檢測(cè)、K均值聚類、模糊C均值聚類算法進(jìn)行比較。實(shí)驗(yàn)結(jié)果證明，本方法可以實(shí)現(xiàn)對(duì)包含磨粒沉積鏈及異常大磨粒的鐵譜圖像進(jìn)行較為準(zhǔn)確的分割。 本文以VC++6.0編程為平臺(tái)，利用OpenCV函數(shù)庫(kù)，通過編程實(shí)現(xiàn)了本文算法，實(shí)驗(yàn)結(jié)果證明了本文算法的可行性、快速性及有效性。
【關(guān)鍵詞】：鐵譜技術(shù) 圖像分割 分水嶺 灰色聚類
【學(xué)位授予單位】：南京航空航天大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TP391.41;TH165.3
【目錄】：

• 摘要5-6
• ABSTRACT6-9
• 圖表目錄9-11
• 第一章 緒論11-17
• 1.1 引言11
• 1.2 鐵譜分析技術(shù)11-15
• 1.2.1 鐵譜分析技術(shù)原理及特點(diǎn)11-12
• 1.2.2 鐵譜圖像分析技術(shù)的發(fā)展12-13
• 1.2.3 鐵譜圖像分析技術(shù)研究現(xiàn)狀13-14
• 1.2.4 鐵譜圖像分析技術(shù)的研究意義14-15
• 1.3 鐵譜圖像分割存在的問題15-16
• 1.4 本文的研究?jī)?nèi)容及結(jié)構(gòu)框架16-17
• 1.4.1 本文的研究?jī)?nèi)容16
• 1.4.2 本文的結(jié)構(gòu)框架16-17
• 第二章 鐵譜圖像處理技術(shù)簡(jiǎn)介17-30
• 2.1 顏色空間簡(jiǎn)介17-19
• 2.1.1 顏色的定義17
• 2.1.2 RGB 顏色空間17-18
• 2.1.3 CIE L * a * b *顏色空間18-19
• 2.2 圖像預(yù)處理技術(shù)19-21
• 2.2.1 冪次變換19-20
• 2.2.2 空間濾波20-21
• 2.3 圖像邊緣檢測(cè)法21-22
• 2.3.1 Roberts 邊緣檢測(cè)算子21
• 2.3.2 Sobel 邊緣檢測(cè)算子21-22
• 2.3.3 Canny 邊緣檢測(cè)算子22
• 2.4 閾值分割法22-24
• 2.4.1 閾值分割法簡(jiǎn)介22-23
• 2.4.2 大津閾值法簡(jiǎn)介23-24
• 2.5 數(shù)學(xué)形態(tài)學(xué)分割算法24-27
• 2.5.1 數(shù)學(xué)形態(tài)學(xué)簡(jiǎn)介24
• 2.5.2 數(shù)學(xué)形態(tài)學(xué)的基本運(yùn)算24-27
• 2.6 聚類算法簡(jiǎn)介27-29
• 2.6.1 聚類的概念和過程27
• 2.6.2 灰色聚類在圖像處理中的應(yīng)用27-29
• 2.7 本章小結(jié)29-30
• 第三章 基于大津閾值和分水嶺算法的鐵譜圖像分割30-40
• 3.1 大津閾值與分水嶺算法的原理30-32
• 3.1.1 大津閾值算法原理30-31
• 3.1.2 分水嶺算法基本原理31-32
• 3.2 基于大津閾值和分水嶺算法的鐵譜圖像分割32-39
• 3.2.1 大津閾值減除背景33-36
• 3.2.2 基于分水嶺的磨粒圖像分割36-39
• 3.3 本章小結(jié)39-40
• 第四章 基于改進(jìn)灰色聚類的磨粒分割40-63
• 4.1 灰色聚類原理40-43
• 4.1.1 灰色關(guān)聯(lián)分析40-41
• 4.1.2 鄧氏關(guān)聯(lián)度41-42
• 4.1.3 其他灰色關(guān)聯(lián)度42-43
• 4.1.4 灰色關(guān)聯(lián)聚類43
• 4.2 改進(jìn)灰色聚類分割圖像43-50
• 4.2.1 改進(jìn)灰色聚類算法44-49
• 4.2.2 具體算法流程49-50
• 4.3 聚類過程實(shí)例50-56
• 4.4 實(shí)驗(yàn)結(jié)果及對(duì)比56-62
• 4.5 本章小結(jié)62-63
• 第五章 總結(jié)與展望63-65
• 5.1 本課題的主要研究工作63-64
• 5.2 對(duì)本課題研究的展望64-65
• 參考文獻(xiàn)65-69
• 致謝69-70
• 在學(xué)期間的研究成果及發(fā)表的學(xué)術(shù)論文70

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前6條

1 鄭子華;陳家禎;鐘躍康;;基于灰色加權(quán)絕對(duì)關(guān)聯(lián)度的邊緣檢測(cè)算法[J];電腦知識(shí)與技術(shù);2006年20期

2 王康泰;戴文戰(zhàn);;一種基于Sobel算子和灰色關(guān)聯(lián)度的圖像邊緣檢測(cè)方法[J];計(jì)算機(jī)應(yīng)用;2006年05期

3 李峰,徐誠(chéng),任國(guó)全,高經(jīng)緯;基于數(shù)學(xué)形態(tài)學(xué)的鐵譜磨粒圖像分割研究[J];南京理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年01期

4 胡鵬;傅仲良;陳楠;;利用灰色理論進(jìn)行圖像邊緣檢測(cè)[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2006年05期

5 石俊濤;朱英;楚曉麗;任亞恒;;基于灰色關(guān)聯(lián)度和Prewitt算子的邊緣檢測(cè)新方法[J];微計(jì)算機(jī)信息;2010年29期

6 王靜秋;張龍;王曉雷;;融合顏色聚類和分水嶺算法的鐵譜圖像分割[J];中國(guó)礦業(yè)大學(xué)學(xué)報(bào);2013年05期

，

本文編號(hào)：924868