融合提升小波和霍夫变换的磨粒纹理提取及识别

发布时间：2017-08-16 07:20

  本文关键词：融合提升小波和霍夫变换的磨粒纹理提取及识别

  更多相关文章： 铁谱图像 纹理 提升小波 霍夫变换

【摘要】：随着现代设备技术的不断发展,如何能有效的对机械设备运行状态进行监测和故障诊断成为了人们热点关注问题。铁谱分析技术是一种广泛应用于机械设备状态监测和故障诊断的有效手段,近年来,随着计算机技术、图像处理技术和智能化技术的兴起与发展,使得铁谱分析技术也向着自动化、智能化发展。铁谱图像分析技术主要包括铁谱图像分割和铁谱图像磨粒分析与识别两个方面,磨粒的分析与识别是铁谱图像分析技术的关键环节,如何有效的对磨粒特征如纹理特征进行提取是磨粒准确识别的前提,磨粒类型的准确识别是机械运行状态监测和故障诊断的主要依据来源。本文首先对铁谱图像分析技术的原理、发展和研究现状作了介绍;对机械磨损机理及磨粒类型进行了概述,并介绍了图像处理的一些常用方法,如中值滤波、形态学处理、大津阈值法等;再对分水岭分割算法以及分割后的磨粒表面纹理研究方法进行了介绍。针对铁谱图像磨粒纹理提取问题,本文提出基于D4提升小波的磨粒纹理特征提取方法(LWTE)。该方法首先在RGB空间,分别对R、G、B三个通道图像进行滤波、形态学等预处理;然后再对各个通道图像进行D4提升小波变换,得到磨粒纹理的垂直、水平、对角三个方向的细节信息;再利用模极大值来提取三个通道的磨粒纹理,并通过或运算将各个通道的磨粒纹理进行融合,从而得到具有磨粒纹理的图像。在对磨粒纹理进行提取后,本文提出基于霍夫变换的磨粒纹理识别方法(HTTI)。该方法主要针对异常大磨粒如严重滑动磨粒和疲劳磨粒,首先对纹理图像进行统计概率霍夫变换,可以得到纹理中的直线特征参数,如线段的长度和角度;然后提取磨粒的几何特征参数,如磨粒的长短轴;再通过统计分析,可以检测出纹理的直线性与方向性,从而区分严重滑动磨粒和疲劳磨粒。最后通过实验验证本文方法的有效性。结果表明本文方法可以有效的对铁谱磨粒纹理进行有效提取,并能较好的区分磨粒类型,是一种有效的磨粒分析和识别方法。
【关键词】：铁谱图像 纹理 提升小波 霍夫变换
【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】：2015
【分类号】：TP391.41
【目录】：

• 摘要4-5
• ABSTRACT5-12
• 第一章 绪论12-18
• 1.1 课题研究背景12
• 1.2 铁谱分析技术12-15
• 1.2.1 铁谱分析技术的发展和研究意义12-13
• 1.2.2 铁谱图像分析技术的研究现状13-15
• 1.3 铁谱磨粒纹理研究15-17
• 1.3.1 纹理研究现状15-16
• 1.3.2 铁谱磨粒纹理研究意义16
• 1.3.3 磨粒纹理研究存在的问题16-17
• 1.4 本文研究内容17-18
• 1.4.1 本文研究方法和目的17
• 1.4.2 本文的思路和结构框架17-18
• 第二章 铁谱磨粒纹理研究方法概述18-36
• 2.1 机械磨损机理及磨粒类型18-22
• 2.1.1 机械磨损概述18-20
• 2.1.2 典型磨粒形成机理及其分类20-21
• 2.1.3 典型磨粒类型21-22
• 2.2 图像处理技术简介22-29
• 2.2.1 颜色空间简介22-23
• 2.2.1.1 RGB颜色空间22-23
• 2.2.1.2 CIE L*a*b*颜色空间23
• 2.2.2 铁谱图像预处理23-26
• 2.2.2.1 铁谱图像的中值滤波23-24
• 2.2.2.2 铁谱图像的形态学处理24-26
• 2.2.3 大津阈值法去除背景26-29
• 2.2.3.1 大津阈值简介26
• 2.2.3.2 大津阈值算法原理26-27
• 2.2.3.3 改进大津阈值法去除背景27-29
• 2.3 分水岭算法分割29-31
• 2.3.1 分水岭算法原理30-31
• 2.3.2 分水岭算法分割31
• 2.4 纹理特征提取方法31-35
• 2.4.1 纹理定义31-32
• 2.4.2 统计类纹理特征提取方法32-33
• 2.4.3 结构类纹理特征提取方法33-34
• 2.4.4 模型类纹理特征提取方法34
• 2.4.5 信号处理类纹理特征提取方法34-35
• 2.5 本章总结35-36
• 第三章 基于提升小波的磨粒纹理特征提取36-58
• 3.1 小波变换理论简介36-41
• 3.1.1 小波理论的形成和发展36
• 3.1.2 连续小波变换36-37
• 3.1.3 离散小波变换37
• 3.1.4 二维小波变换37-38
• 3.1.5 多分辨率分析和Mallat算法38-41
• 3.2 基于提升算法的小波变换41-45
• 3.2.1 提升小波概述41-42
• 3.2.2 提升小波变换42-44
• 3.2.3 提升小波算法实现44-45
• 3.3 基于提升小波的磨粒纹理特征提取45-56
• 3.3.1 小波基的选取原则45
• 3.3.2 几种小波基的提升算法45-51
• 3.3.3 基于D4 提升小波的磨粒纹理特征提取51-54
• 3.3.4 磨粒纹理特征参数54
• 3.3.5 实验结果分析54-56
• 3.4 本章总结56-58
• 第四章 基于霍夫变换的磨粒纹理识别58-67
• 4.1 霍夫变换简介58-61
• 4.1.1 霍夫变换基本原理58-59
• 4.1.2 统计概率霍夫变换检测59-60
• 4.1.3 霍夫变换纹理检测60-61
• 4.2 磨粒纹理识别61-66
• 4.2.1 几何特征参数61-62
• 4.2.2 特征参数提取及磨粒识别62
• 4.2.3 实验结果分析62-66
• 4.3 本章总结66-67
• 第五章 铁谱磨粒纹理提取及识别系统67-72
• 5.1 系统平台设计介绍67-68
• 5.1.1 平台搭建67
• 5.1.2 OpenCV介绍67-68
• 5.2 系统模块功能介绍68-71
• 5.3 本章总结71-72
• 第六章 总结与展望72-74
• 6.1 本课题的主要研究工作72
• 6.2 本课题创新点72-73
• 6.3 对本课题研究的展望73-74
• 参考文献74-78
• 致谢78-79
• 在学期间的研究成果及发表的学术论文79

【相似文献】

中国期刊全文数据库 前10条

1 颜彬;基于空域结构的自适应纹理识别算法[J];计算机工程与设计;2004年08期

2 刘晓民;;纹理研究及其应用综述[J];测控技术;2008年05期

3 彭宏;李雄飞;;风格图案的纹理生成方法[J];吉林大学学报(信息科学版);2011年02期

4 惠鹏飞;苗凤娟;陶佰睿;周喜权;;基于纹理分析法的豆浆凝结特性试验研究[J];食品工业;2013年07期

5 于晓晗;袁保宗;;方向测度及其在纹理识别中的应用[J];自动化学报;1990年04期

6 李德仁;张继贤;;影象纹理分析的现状和方法(一)[J];武测科技;1993年03期

7 黄胜华,刘海鹰,彭思龙,洪继光;基于非乘积型小波的纹理分析[J];中国图象图形学报;1998年09期

8 郑丽颖,田凯,王科俊;基于混沌映射的纹理图象生成方法[J];中国图象图形学报;2002年10期

9 李文举,梁德群,王新年,于东;基于纹理一致性测度的汽车车徽分割方法[J];计算机应用研究;2004年10期

10 潘璐璐;叶正麟;孟帆;;一种基于概周期性的纹理图象分析及合成方法[J];计算机工程与应用;2006年24期

中国重要会议论文全文数据库 前8条

1 徐国栋;郭恒业;;统计纹理生成模型[A];中国科学技术协会首届青年学术年会论文集（工科分册·上册）[C];1992年

2 卢海燕;陈明;孙梅;宋树良;马艳;郑传立;;肝纤维化超声图像纹理分析与组织学检查对照研究[A];第二届长三角超声医学论坛暨2009年浙江省超声医学学术年会论文汇编[C];2009年

3 杨关;冯国灿;邹小林;刘志勇;;彩色纹理分析中的高斯图模型[A];第十五届全国图象图形学学术会议论文集[C];2010年

4 熊欣;何中市;;纹理分析在超声图像中的应用[A];2008年计算机应用技术交流会论文集[C];2008年

5 姚明海;应宏微;;基于反馈的汽车牌照纹理分析定位算法的研究[A];第二十三届中国控制会议论文集（下册）[C];2004年

6 黄战华;刘正;张振;蔡怀宇;杨基春;张尹馨;;基于矢量化方法的纹理缺陷快速检测[A];2008中国仪器仪表与测控技术进展大会论文集（Ⅰ）[C];2008年

7 管玉娟;王淑晴;关泽群;;纹理分析的条件模式谱方法[A];第十四届全国遥感技术学术交流会论文摘要集[C];2003年

8 刘佳;李哲英;王淑英;;路标识别算法研究[A];2008通信理论与技术新发展——第十三届全国青年通信学术会议论文集（下）[C];2008年

中国博士学位论文全文数据库 前2条

1 高妮;基于Contourlet提取纹理建立早期AD的高斯过程预测模型[D];首都医科大学;2016年

2 张国鹏;三维纹理分析在虚拟结肠镜计算机辅助检测/诊断中的应用研究[D];第四军医大学;2013年

中国硕士学位论文全文数据库 前10条

1 陈金霞;快速粒度估计法在纹理分析中的应用研究[D];华南理工大学;2015年

2 刘W，

本文编号：682014