改進分水嶺和灰靶理論在鐵譜圖像分析中的研究.pdf

1、機械零部件的磨損是機械設備運行時不可避免的現(xiàn)象，若不及時發(fā)現(xiàn)并維修，會不斷造成材料和能源的損耗。隨著磨損的加深，會導致機械的一部分零件失效，甚至可能引起重大的事故，造成人員傷亡。因此，建立設備的磨損狀態(tài)監(jiān)測、提高故障的診斷技術具有重大的社會經(jīng)濟效益。隨著計算機技術的發(fā)展，鐵譜分析技術逐漸向智能化發(fā)展，其中鐵譜圖像的自動化分割和磨粒分析作為重要環(huán)節(jié)，對機械設備故障的準確快速的診斷具有重要的意義。
　　本文首先介紹鐵譜技術的原理、研究

2、重點和存在的問題，以及一些鐵譜圖像處理技術中常用的一些方法；由于鐵譜圖像背景顏色相對穩(wěn)定，利用3O顏色空間，基于大津閾值算法減除鐵譜圖像背景的方法（IBS-3O），該方法可以得到準確去除背景的鐵譜圖像；在鐵譜圖像的質(zhì)量改善階段，使用暗通道先驗的去霧算法（DCPH）來改進圖像質(zhì)量。
　　其次，本文提出了使用改進分水嶺算法（IWA）來分割鐵譜圖像。在該算法中：首先，用大津閾值算法將原始圖像背景減除，將磨粒與背景分離開來；在使用分水嶺算

3、法進行分割時，增加了在灰度遞增浸沒時對閾值的處理以及分水嶺算法在浸沒時標記的四鄰域浸沒改為八鄰域浸沒，解決了異常大磨粒的過分割問題；利用灰靶理論的鐵譜圖像的磨粒識別方法（GTT），針對磨粒的濃度以及尺寸等磨粒數(shù)字特征，建立鐵譜圖像分析的標準模式，量化磨粒濃度和磨粒尺寸等參數(shù)，將量化后的參數(shù)進行灰靶變換與標準模式進行比較，通過靶心度實現(xiàn)磨粒的濃度分析。
　　最后，根據(jù)本文所取得的研究成果，以VC++6.0為軟件平臺加載了OpenCV