工業(yè)制造是國民經(jīng)濟的重要組成部分,而鋼材是工業(yè)制造領域常用材料。許多鋼材由于服役環(huán)境惡劣,內部組織結構發(fā)生變化,造成使用壽命大大縮減。為了保證設備的正常工作和保障使用人員的安全,鋼材性能檢測是極其重要的一環(huán),而金相圖像是分析鋼材性能的主要手段。在金相顯微鏡下,絕大多數(shù)鋼材表面呈現(xiàn)出晶粒狀的結構畫面,這些晶粒的尺寸大小即鋼材的晶粒度會對鋼材的拉伸強度、韌性、塑性等機械性質有決定性影響。而鋼材金相圖像中的晶界提取則是鋼材晶粒度分析的前提。本文基于數(shù)字圖像處理技術和機器學習算法,圍繞鋼材金相圖像晶界提取及分析展開研究,并在此基礎上開發(fā)出智能評級軟件,主要研究內容和取得的成果如下:1.鋼材金相圖像獲取及預處理算法研究�；阡摬脑嚇拥闹苽溥^程,采用金相顯微鏡獲取鋼材金相圖像;針對鋼材金相圖像中亮度不均的問題,將自適應直方圖均衡化方法應用于鋼材金相灰度和彩色圖像中予以解決;針對獲取的鋼材金相圖像中的噪聲問題,采用雙邊濾波方法實現(xiàn)了不影響晶界清晰度條件下的噪聲去除。2.針對鋼材金相圖像中晶粒分割,提出參數(shù)自適應Mean Shift的鋼材金相圖像晶粒分割算法。通過引入標記分水嶺方法標記前景和背景來修正梯度幅值圖像,實現(xiàn)對金相圖像的區(qū)塊分割,有效避免了傳統(tǒng)分割算法的過分割現(xiàn)象。在此基礎上將每塊區(qū)域的面積大小映射為帶寬參數(shù)值域,在參數(shù)自適應Mean Shift聚類分割基礎上最終實現(xiàn)晶粒分割。3.針對鋼材金相圖像中晶界提取,提出基于結構化隨機森林的鋼材金相圖像晶界提取算法�；诙鄠�去相關決策樹預測結果的融合,同時結合結構化標記獲取整幅圖像的鄰域信息,降低每個像素預測需要的決策樹個數(shù)。而針對結構化標記所帶來的計算量大、信息增益難定義等問題,通過映射到離散的標記集合,計算離散標記集合的信息增益實現(xiàn)晶界的準確高效提取。4.智能評級軟件的設計�；赩isual Studio軟件平臺的MFC框架,結合開源的OpenCV視覺庫實現(xiàn)了四大功能模塊:圖像數(shù)據(jù)的讀取與存儲管理、晶界提取模塊、手工繪制工具模塊、晶粒度評級模塊。除本文所提出的算法外,軟件中還集成了大量金相圖像處理算法,以滿足大部分鋼材晶粒度評級的需求。
【學位單位】：江蘇大學
【學位級別】：碩士
【學位年份】：2018
【中圖分類】：TP391.41;TG142.1
【部分圖文】：

1.1 課題研究背景與意義鋼鐵工業(yè)被譽為現(xiàn)代工業(yè)的脊梁，是人類生產生活中使用最多的金屬材料。生鐵和鋼的主要成分都是鐵，含碳量的不同是兩者最主要的區(qū)別，生鐵的含碳量為 2~4.3%，鋼的含碳量為 0.03~2%。與生鐵相比，鋼的物理、化學、機械性能更好[1]，很快便脫穎而出，引起人類的注意。18 世紀，西方世界爆發(fā)了第一次工業(yè)革命[2]，在此期間，煉鋼技術得到飛速發(fā)展；19 世紀中葉，Besseme 發(fā)明了貝氏煉鋼法[3]，在降低鋼制取成本的同時提高了制取效率。19 世紀下半葉，煉鋼技術蓬勃發(fā)展，新技術的發(fā)明提高了鋼的產量，帶動了現(xiàn)代鋼鐵工業(yè)的興起[4]�，F(xiàn)如今，鋼已經(jīng)與人類社會息息相關，是日常生活中使用最多的材料之一。圖 1.1、1.2 所示的兩座世界聞名的建筑便是由大量鋼材構成。

1.1 課題研究背景與意義鋼鐵工業(yè)被譽為現(xiàn)代工業(yè)的脊梁，是人類生產生活中使用最多的金屬材料。生鐵和鋼的主要成分都是鐵，含碳量的不同是兩者最主要的區(qū)別，生鐵的含碳量為 2~4.3%，鋼的含碳量為 0.03~2%。與生鐵相比，鋼的物理、化學、機械性能更好[1]，很快便脫穎而出，引起人類的注意。18 世紀，西方世界爆發(fā)了第一次工業(yè)革命[2]，在此期間，煉鋼技術得到飛速發(fā)展；19 世紀中葉，Besseme 發(fā)明了貝氏煉鋼法[3]，在降低鋼制取成本的同時提高了制取效率。19 世紀下半葉，煉鋼技術蓬勃發(fā)展，新技術的發(fā)明提高了鋼的產量，帶動了現(xiàn)代鋼鐵工業(yè)的興起[4]。現(xiàn)如今，鋼已經(jīng)與人類社會息息相關，是日常生活中使用最多的材料之一。圖 1.1、1.2 所示的兩座世界聞名的建筑便是由大量鋼材構成。

(a) (b)圖 1.3 軸承損壞圖Fig. 1.3 The image of broken bearing究其原因是鋼材在服役過程中金相組織發(fā)生了一系列變化，導致其性能改變，進而影響整個設備的正常工作并引發(fā)事故。鋼材的普遍使用所帶來的潛在安全問題也慢慢呈現(xiàn)出來。盡管種類不同、功能不同、應用場合不同，但鋼材的疲勞、老化等問題都會影響鋼材機械零件的使用，如何準確評價鋼材的性能就顯得尤為重要。金相顯微組織分析是研究鋼材組織結構、性能、成分、加工工藝的主要方法之一。傳統(tǒng)的金相分析主要是通過人工進行定性或半定量分析，這種方法受人為因素制約較大，并且費時費力，可重復性差。近年來，數(shù)字圖像處理技術迅猛發(fā)展，已經(jīng)逐步應用于金相分析領域，增強了金相分析的自動化程度。然而，運用
【參考文獻】

相關期刊論文 前10條

1 鄭林濤;董永生;史恒亮;;一種新型X射線安檢圖像增強算法[J];科學技術與工程;2014年23期

2 呂鳳華;舒寧;龔龑;郭清;尚海興;;基于自適應Mean Shift影像分割算法的研究[J];武漢大學學報(信息科學版);2014年07期

3 范嘉豪;肖彥君;;復雜行車環(huán)境下基于視頻的目標跟蹤算法[J];科技創(chuàng)新導報;2014年18期

4 吳偉;吳劍劍;張永華;鄔冠華;盧鵬;吳宇;張士晶;;基于數(shù)字圖像處理的TC4鈦合金金相組織定量分析[J];失效分析與預防;2014年02期

5 徐勝軍;韓九強;劉光輝;;基于馬爾可夫隨機場的圖像分割方法綜述[J];計算機應用研究;2013年09期

6 楊光;吳鐘建;羅鎮(zhèn)寶;王浩宇;張龍;;限制對比度的多層POSHE自適應圖像增強算法[J];激光與紅外;2013年01期

7 何娟芝;陳小雕;;一種基于YUV空間的彩色邊緣檢測算法[J];杭州電子科技大學學報;2012年06期

8 陳瀟紅;;基于相似性判斷的雙邊濾波改進算法[J];計算機工程;2012年22期

9 郭相鳳;賈建芳;葛中峰;;圖像序列的預處理與目標檢測技術綜述[J];傳感器世界;2012年04期

10 施剛;班慧勇;石永久;王元清;;高強度鋼材鋼結構的工程應用及研究進展[J];工業(yè)建筑;2012年01期

相關博士學位論文 前2條

1 張紅旗;基于圖像處理技術的12Cr1MoV鋼金相組織分析研究[D];內蒙古農業(yè)大學;2013年

2 翟改霞;基于數(shù)字技術的鑄鐵圖像分析[D];內蒙古農業(yè)大學;2007年

相關碩士學位論文 前10條

1 吳琴琴;Mean Shift算法在彩色圖像濾波與分割中的應用[D];陜西師范大學;2015年

2 蔣輝;雙邊濾波理論及其在遙感圖像處理中的應用研究[D];西南交通大學;2014年

3 宋玉婷;基于三維彩色直方圖均衡化的彩色圖像增強算法研究[D];山東財經(jīng)大學;2013年

4 唐璐;鋼材的景觀表現(xiàn)力分析研究[D];北京林業(yè)大學;2013年

5 李樂;分水嶺算法與水平集算法在醫(yī)學圖像分割應用中的研究[D];中原工學院;2013年

6 唐佳;高鉻鑄鐵組織超聲無損評價研究[D];南昌航空大學;2011年

7 蔡海軍;跟蹤印花系統(tǒng)視覺檢測算法研究[D];華中科技大學;2011年

8 吳海波;基于分水嶺和水平集方法的圖像分割算法研究[D];中南大學;2009年

9 李慧芬;基于泛函極值的圖像分割算法研究[D];中南大學;2009年

10 肖海波;圖像處理在定量金相分析中的應用[D];江西理工大學;2008年

本文編號：2848739