基于改进灰色聚类的铁谱图像分割

发布时间：2017-09-26 17:34

  本文关键词：基于改进灰色聚类的铁谱图像分割

  更多相关文章： 铁谱技术 图像分割 分水岭 灰色聚类

【摘要】：机械零部件的磨损往往会引起能源及材料的损耗，造成巨大的浪费，也会导致机械的失效和报废，甚至于引发重大的事故，危及人身安全。所以建立机器磨损状态监测和提高故障诊断技术具有重大的经济和社会效益。铁谱分析是广泛应用于机械状态监测与故障诊断的有效手段之一。近年来，随着计算机、图像处理识别、专家系统等技术的兴起和逐渐完善，使得铁谱分析技术向着智能化方向不断发展。铁谱图像分割是智能化铁谱分析的首要和关键步骤，其分割的准确与否直接影响到后续工作中磨粒磨损特征的提取、类型的识别和统计的精度。 本文首先简要介绍了铁谱分析技术的原理、特点及发展现状，并对铁谱图像分割中一些常用的方法如阈值分割法、形态学分割算法及聚类算法的一些基本概念做了介绍，也对灰色理论在图像处理中的应用做了简要分析。 其次，针对铁谱图像中难以准确分割的磨粒沉积链及异常大磨粒，本文提出了基于改进灰色聚类的铁谱图像分割的方法。在该算法中：首先，采用改进的大津阈值分割方法，将铁谱图像背景与磨粒分离；其次，使用分水岭算法对减除背景后的图像进行分割，实现磨粒的初步分割；然后，针对在分水岭分割过程中，异常大磨粒出现的过分割现象，将区域间相对位置关系参数和区域颜色特征序列引入到改进的灰色聚类中，合并关联度大于阈值的区域，实现异常大磨粒较为准确的分割；最后，根据铁谱图像上的异常大磨粒与磨粒沉积链形状上的差异，通过比较磨粒的等效椭圆长短轴比来区分磨粒沉积链和异常大磨粒，对聚类结果进行判别和修正，从而实现对不同类型磨粒的准确分割。 最后将本文算法与Canny边缘检测、K均值聚类、模糊C均值聚类算法进行比较。实验结果证明，本方法可以实现对包含磨粒沉积链及异常大磨粒的铁谱图像进行较为准确的分割。 本文以VC++6.0编程为平台，利用OpenCV函数库，通过编程实现了本文算法，实验结果证明了本文算法的可行性、快速性及有效性。
【关键词】：铁谱技术 图像分割 分水岭 灰色聚类
【学位授予单位】：南京航空航天大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TP391.41;TH165.3
【目录】：

• 摘要5-6
• ABSTRACT6-9
• 图表目录9-11
• 第一章 绪论11-17
• 1.1 引言11
• 1.2 铁谱分析技术11-15
• 1.2.1 铁谱分析技术原理及特点11-12
• 1.2.2 铁谱图像分析技术的发展12-13
• 1.2.3 铁谱图像分析技术研究现状13-14
• 1.2.4 铁谱图像分析技术的研究意义14-15
• 1.3 铁谱图像分割存在的问题15-16
• 1.4 本文的研究内容及结构框架16-17
• 1.4.1 本文的研究内容16
• 1.4.2 本文的结构框架16-17
• 第二章 铁谱图像处理技术简介17-30
• 2.1 颜色空间简介17-19
• 2.1.1 颜色的定义17
• 2.1.2 RGB 颜色空间17-18
• 2.1.3 CIE L * a * b *颜色空间18-19
• 2.2 图像预处理技术19-21
• 2.2.1 幂次变换19-20
• 2.2.2 空间滤波20-21
• 2.3 图像边缘检测法21-22
• 2.3.1 Roberts 边缘检测算子21
• 2.3.2 Sobel 边缘检测算子21-22
• 2.3.3 Canny 边缘检测算子22
• 2.4 阈值分割法22-24
• 2.4.1 阈值分割法简介22-23
• 2.4.2 大津阈值法简介23-24
• 2.5 数学形态学分割算法24-27
• 2.5.1 数学形态学简介24
• 2.5.2 数学形态学的基本运算24-27
• 2.6 聚类算法简介27-29
• 2.6.1 聚类的概念和过程27
• 2.6.2 灰色聚类在图像处理中的应用27-29
• 2.7 本章小结29-30
• 第三章 基于大津阈值和分水岭算法的铁谱图像分割30-40
• 3.1 大津阈值与分水岭算法的原理30-32
• 3.1.1 大津阈值算法原理30-31
• 3.1.2 分水岭算法基本原理31-32
• 3.2 基于大津阈值和分水岭算法的铁谱图像分割32-39
• 3.2.1 大津阈值减除背景33-36
• 3.2.2 基于分水岭的磨粒图像分割36-39
• 3.3 本章小结39-40
• 第四章 基于改进灰色聚类的磨粒分割40-63
• 4.1 灰色聚类原理40-43
• 4.1.1 灰色关联分析40-41
• 4.1.2 邓氏关联度41-42
• 4.1.3 其他灰色关联度42-43
• 4.1.4 灰色关联聚类43
• 4.2 改进灰色聚类分割图像43-50
• 4.2.1 改进灰色聚类算法44-49
• 4.2.2 具体算法流程49-50
• 4.3 聚类过程实例50-56
• 4.4 实验结果及对比56-62
• 4.5 本章小结62-63
• 第五章 总结与展望63-65
• 5.1 本课题的主要研究工作63-64
• 5.2 对本课题研究的展望64-65
• 参考文献65-69
• 致谢69-70
• 在学期间的研究成果及发表的学术论文70

【参考文献】

中国期刊全文数据库 前6条

1 郑子华;陈家祯;钟跃康;;基于灰色加权绝对关联度的边缘检测算法[J];电脑知识与技术;2006年20期

2 王康泰;戴文战;;一种基于Sobel算子和灰色关联度的图像边缘检测方法[J];计算机应用;2006年05期

3 李峰,徐诚,任国全,高经纬;基于数学形态学的铁谱磨粒图像分割研究[J];南京理工大学学报(自然科学版);2005年01期

4 胡鹏;傅仲良;陈楠;;利用灰色理论进行图像边缘检测[J];武汉大学学报(信息科学版);2006年05期

5 石俊涛;朱英;楚晓丽;任亚恒;;基于灰色关联度和Prewitt算子的边缘检测新方法[J];微计算机信息;2010年29期

6 王静秋;张龙;王晓雷;;融合颜色聚类和分水岭算法的铁谱图像分割[J];中国矿业大学学报;2013年05期

，

本文编号：924868