应用马尔可夫随机场的金属疲劳断口条带分割

《应用马尔可夫随机场的金属疲劳断口条带分割》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、cD唧“册西叫仃P州馏硎d爿即ffc口砌刀s计算机工程与应用应用马尔可夫随机场的金属疲劳断口条带分割王琳1，刘君1，黎明2、7l，ANGLin’，LIUJ岫‘，LIMingz1．南昌航空大学信息工程学院。南昌3300632．南昌航空大学无损检测教育部重点实验室，南昌3300631．SchoolofInfo姗ationEn百ne鲥ng，N狮changHangkongUniversi吼Nanch觚g330063，Chim2．KeyLaboratoryofNondestmctiveTest，N釉changH蛐gkongUniversi劬N孤ch柚g330063，Clli的w

2、ANGLiⅡ，LIUJun，LIMjng．StriaHonsegmentaUonofmetalfad删efrac饥nbasedonMRRComputerEngineeri吨andAp-plications，2012，48(3)：228-231．Abstract：ThisarticIeh鹪studiedthef撕gueofmetal加ctureimagemvisionquestion锄daMarkovR锄d蛳Field(MRF)-b弱edstria．ti∞segmentationmethordfor眦taIfatigue觚ctureimageisproposed．Bec

3、肌seofmetextureiIltllefatigue劬ctllrcilI嘴erecordingsteessofthe仔acmreprocess，throug

4、lanalyzingtllestriationtextIleofnlefatiguefhctllrec姐irlverSme厅actureprocess．Thercfor’stLIdyingthef乱i舒le助ctIlreimagese掣nenlationh硒iInpmtantscientificvalueforfailureaIlalysis．Marl(ovRandomFieldmodelofim·ageis

5、stnlc仙『ed锄dimagese舯锄伽onalgorithnlisproposedinnlisanicle．Markovralldomfieldmodelisapmbabilitymodelde—sc订bingtbestmctureofimage．ItmakesfIlUuseofmeimageofspace．relatedi11fbmlation粕dc柚beachievedwithIowsi印altonoise阳tioofmetalfhigue丘acturestriationse舯entation．Theresultsshowmatthealgorithmhasf

6、astconver苫ence柚dgoodstabili够Keywords：f撕gIle触cture；imagese舯en协tion；MarkoVR狮domField(MRF)；paramete娼estimation摘要：研究了金属疲劳断口图像的分割问题，提出了一种基于马尔可夫随机场(MRF)的金属疲劳断口图像的条带分割方法．由于疲劳断口图像中的纹理记录了整个断裂过程中的受力情况，通过对疲劳断口的条带纹理进行分析可以反演断裂的过程，因此研究疲劳断口图像的分割可以对失效分析有重要的科学价值。文中构造了图像的马尔可夫随机场模型，并且提出了一种基于该模型的图像分割算法。马尔可

7、夫随机场模型是一种描述图像结构的概率模型，能够充分利用图像的空间相关信息，能够实现对低信噪比的金属疲劳断口图像进行条带分割。结果表明算法具有收敛速度快、稳健性好等优点．关键词：疲劳断口；图像分割；马尔可夫随机场；参数估计DOI：lO．3778／i．issn．1002．8331．2012．03．067文章编号：1002．8331(2012)03．0228．04文献标识码：A中图分类号：TGlll．8l引言金属疲劳断裂是十分重要的断裂方式，占整个断裂事故的80％以上，因此对疲劳断口分析研究是极其重要的u。21。断口是试样或零件在试验或使用过程中断裂后形成的相匹配的表面，它

8、是断裂失效最主要的残骸，也是断裂失效分析最重要的物证。断口忠实记录了材料在载荷与环境作用下，断裂前的不可逆变形以及裂纹萌生和扩展直至断裂的全过程。因此，可以通过分析断口的特征规律(或参数)反推载荷和断裂环境等信息。传统上纹理分割的方法有很多，大致可以分为4类：统计方法、结构方法、频谱方法和模型方法。纹理的统计方法主要建立在一定区域纹理图像的灰度直方图的高阶矩的基础上，该类方法最典型目应用最普遍的是1973年R．M．Haralick等人提出的灰度共生矩阵法(GLCM)。该方法的优点是能够很好地反映图像的空间灰度分布情况，缺点是计算量非常庞大。结构方法主