基于图像纹理特征的炮膛疵病检测方法
基于CCD的小口径炮膛质量检测系统
v d c n o i h p ro m a c s is i g n e i e o i i o f h g e f r n e a t ma i g d v c ,c mb n d wi e y d s g e mo t ・ o e c mp n n n rv n i e t n wl e i n d s o h b r o h o e ta d d i i g
0 引 言
近 年 来 , 小 口径 火 炮 在 我 军 防 空 反 导 能 力 和 陆 军机 械 化 建 设 中 ,得 到 了广 泛 的 应 用 。对 小 口径 火 炮 而 言 ,炮 管 是 其 关 键 部 件 , 炮 膛 质 量 是 影 响 小 口 径 火 炮 战 术技 术 指 标 的最 主 要 因 素 ( 精 度 、 速 、 如 初 射速 、 寿命 等 指 标 ) , 同 时 也 关 系 到 武 器 系统 在 使 用 过程 中 的 安 全 性 和 可 靠 性 【2 由于 炮 管 内径 小 、 l】 ,。 窥膛 仪 视场 窄 、 放 大 倍 数 小等 原 因 ,传 统 的光 学 窥
膛 仪 直接 观 察 方 法 存 在 精 度 低 、 易 被 漏 检 、 易 被 误
mo e , t d n mi a l o t t e l a i e p c u e f b r .Th n t e o t r o h s s e d l o y a c ly b mn h c e r v d o i t r o o e e , h s fwa e f t e y t m a c m p i h s h c o ls e t e
2 P A M i tr e r s n aieOfiei . a t r , h n q n 0 0 3 C i a . L l a yR p e e tt f No 1 2F co y C o g ig 4 0 2 , h n ) i v c n 5
基于Contourlet变换的火炮内膛疵病分割方法
基于亚像素级火炮内膛质量检测研究 (测控)
基于亚像素级的火炮内膛损伤检测研究摘要:针对小口径火炮炮膛表面质量缺陷的检测一直依赖传统光学窥膛仪用肉眼定性观测,不能定量检测,准确度差,效率低下,而且检测结果受检验人员的经验影响的问题,提出一种基于亚像素级火炮内膛质量检测方法,采用微小型高性能工业CCD摄像机获得火炮炮膛的清晰图像,采用亚像素级边缘检测模型对内膛表面疵病进行分析。
实验证明该检测系统具有自动在线测量能力,测量精度更高,对小口径火炮炮管加工、生产过程实施质量控制,提高生产效率具有较大的监督与促进作用。
关键词:小口径火炮;CCD;亚像素级;边缘检测中图分类号:TP391.9 文献标识码:AGun bore damage detection based on The pixel levelABSTRACT:Small artillery in the life-weary taker surface quality defect detection has been dependent on traditional optical peep instrument with the naked eye qualitative observation bore, can't quantitative detection and the accuracy is poor, the efficiency is low, and the test results of inspection personnel by the influence that the experience is proposed based on a pixel level and quality detection method bore artillery, the small small-sized high performance industrial CCD camera get a clear picture of the life-weary taker gun, using the pixel level edge detection model internal surface defects analysis bore disease. Experiment results show that the testing system has to be automatic on-line measurement ability, measurement accuracy is higher, small gun barrel of processing, production process implementation of quality control, improve the production efficiency has a greater supervision and promote the role.KEYWORDS : Small gun; CCD; The pixel level; Edge detection0 引言兵器的测试技术是衡量一个国家武器装备水平的重要标志。
火炮身管疵病深度测量系统
t a i a e t a r a he e i a e t muliba e i t r o i a n t ds a e t ke o o a n o c lbr t he c me a, nd t qu v l n t— s l ne s e e m gi g me ho r a n t bt i t lw m a . On t e a i h b e,t s s s e e r c s t i a e t r s nd r a ie t he fa i ge h b ss of t e a ov hi y t m xta t he m ge f a u e a e lz s he s e e a c i g pr c s i g a c di o t a i a in da a a d l a i r m e e s Th n,i ob ans t r o m t h n o e sn c or ng t he c lbr to t n oc ton pa a t r . e t ti
火炮 身 管疵病 深 度测 量 系统
曾朝阳 , 赵继广
(.装备指挥技术学院 光 电装备 系, 1 北京 11 1 ; 046 2 .装备指挥技术学院 航天装备系, 北京 1 11 ) 04 6
摘 要 : 了准 确 获 取 火 炮 身 管疵 病 深 度 参 数 , 出 了一 种 新 的 基 于 等 效 多 基 线 立 体 成 像 的 疵 病 深 度 测 量 方 法 , 采 用 单 为 提 并
摄像 机 建 立 了疵 病 深 度 自动 测 量 系 统 。首 先 , 摄 像 机 采 用 Tsi 步 法 进 行 标 校 。接 着 , 用 等 效 多 基 线 立 体 成 像 法 对 a两 采
获 取疵 病 图像 。在 此 基 础 上 , 用 标 校 数 据 和 图像 的位 置 参 数 , 过 疵 病 特 征 提 取 和 疵 病 图 像 立 体 匹 配 处 理 , 取 疵 病 利 通 获 深 度 图像 的输 出 , 而 得 到 准确 的疵 病 深 度 值 , 现 对 火炮 身 管 疵 病 深 度 参 数 的精 确 测 量 。测 试 结 果 表 明 : 疵 病 测 量 从 实 该 系 统得 到 的疵 病 深 度 测 量 绝 对 误 差 < O 1mm, 对 误 差< 5 , 全 满 足 火 炮 身 管 疵 病 深 度 测 量 的 需 要 , 够 为 火 炮 鉴 . 相 完 能 定 试验 和伴 装 保 障提 供 重 要 的 技 术 支 持 。
基于系统模型的炮膛图像分析过程研究
LIYu ln —a ,ZHENG i i Ha- ,W ANG e ,LUAN u - i g q W i J n yn ,TANG — i Li we
( p rme to nEn ie rn ,Or n n eEn ie rn o lg ,S ia h a g 0 0 0 De at n fGu gn e ig d a c gn eig C l e hj z u n 5 0 3,He e,Chn ) e i bi ia
中 图分 类 号 : J0 T 36 文 献 标 志码 :A 文 章 编 号 :1 7— 54 (0 9 0 -0 30 636 2 2 0 ) 30 1 -5
Re e r h o Ana y i o e s o n r m a e Ba e n S s e M o e s a c n l s s Pr c s f Gu Bo e I g s d o y t m dl
摘
要 :研 究 了 火炮 身 管 窥 膛 检 测 中 疵 病 的 识 别 和 判 定 过 程 。 以 系 统 模 型 的 形 式 表 示 了 人 眼 视 觉 系 统 、
软 件 计 算 与分 析 系 统 的 图 像 分 析 过 程 ,从 输 入 条 件 和 输 出 结 论 分 析 了 它 们 的 功 能 、局 限 及 特 点 根 据 输 入 条 件 和需 要 完 成 的 任 务 建 立 了机 器 视 觉 系统 的 概 念 模 型 ;从 炮 膛 理 想 图 像 的 近 似 描 述 和 对 疵 病 的 定 义 两 方 面 阐 述 了该 系统 图像 分 析 过 程 实 现 的基 础 ;从 图像 信 息 转 换 的 角 度 构 建 了模 型 传 递 函 数 的 框 架 。研 究 表 明 ,通 过 讨 论 现 有 两 种 系 统 的 图 像 分 析 过 程 , 明确 了 引 入 机 器 视 觉 需 要 解 决 的 问题 ;以 系 统 模 型 为 基 础 模 型 研 究 图像 分 析 过 程 , 为基 于 机 器 视 觉 的 炮 膛 疵 病 检 测 奠定 了 理 论 基 础 。 关 键 词 : 息 处 理 技 术 ;炮 膛 ;图 像 分 析 过 程 ;系 统 模 型 ;火 炮 身 管 ;炮 膛 图像 信
一种基于图像处理技术的坯布疵点检测及评估方法
习。选择 一幅无 疵 点 的图 像 , 过 滤 波后 的 图像 为 经
H=[ IP , 灰 度 级 在 [ , 5 ] 围 内。 图像 H h m ̄其 025 范
的归一 化统计 直 方 图l 1 为
P s) , =0 1 …… ,5 (k = k ,, 25
ll
式中:
归 纳 起来 , 物疵 点 检测 算 法 大体 上 分 为统 计 织
方法 、 谱方 法和 基 于模 型 的 方法 H 。基 于模 型 的方
s —第 k级灰 度 的灰 度值 ; k — n—— 图像 中灰度值 为 S 的像 素 的个数 ; k
5 ・ 准 ・ 测 ・ 6 标 检
动织 物检 测 系统 。然而 , 些 国外 的产 品价 格 昂贵 , 这
且 能够 检测 出 的疵点种 类 与 国内生产 的坯 布上 出现 的疵 点种 类并 不 分 一 致 , 分标 准 也 有 差 别 。 因 卜 评
h
j , j
1
一
此 , 发 出适 合 我 国纺 织 工 业 国情 的 自动 验 布 系统 开
E VS公 司的 l E 自动 检 验 系 统 。该 系 统 基 于 —T X
2 疵 点 检 测 算 法
2 1 数 据预 处理 和统计 学 习 .
坯 布 以一 定 的速 度 沿 着 固 定 的方 向通 过 检 测
线, 坯布 上方 的线 阵 C D相机 实 时采 集 图像 数 据 F C
=
随着织 机产 量 的不断 提高 , 人工 验布 在检测
效率 、 可靠 性 、 复性 等方 面越 来越 不适 应工业 自动 重 化生 产 的要求 。 为 了克 服 人 工验 布 的 不 足 , 自动 验 布 系统 近 年 来 成为研 究 的热 点 。但 真 正适用 于实 际生 产并被 市 场认 町 的产 品 并 不 多 , 场 主 要 占有 者 为 以 色 列 市
基于图像处理的定装式炮弹合膛检测方法
Bdge det ect i on
O引 育
炮弹一般分为分装式炮弹 和定装式炮弹,分装式 炮弹射击时,其弹丸和和药 筒分别装入炮膛;而定装 式炮弹在射击前弹丸和药筒 已经装配好,因此,定装 式炮弹在装配完毕后,都需 要进行合膛检测,看弹丸 和药筒是否同轴,来判定装配的正确性。
传统的合膛检测一般都采用合膛规检查的方法, 也就是把装配后的炮弹插入与炮膛相似的合膛规中, 看插 拔是否 顺畅 。这种 手工检 测方法 存在 劳动强 度 大、检测效率低、检测误差大、检测结果随意性大等 缺陷。尤其是定装式炮弹其发射药、底火都已经装配 完毕,在手工进行合膛规检查时容易发生危险。
关键词:定装式炮弹; 合膛检测; 机器视觉; 图像处理; 边缘检测 中田分类号:TP391.4 文献标识码:A 文章编号2 1007- 2276( 2007) 增( 激光) 一0270一04
Det ect i on met hod f or conj oi nt 锄 muni t i on based on i mage pr oc ess
A嘁mct :A∞w d曲ect i ∞ met l l od f or conj om a眦nuI l i 吐on b鹤ed∞i I nage pr oces s t eonj oi nt 猢 u11i t i on p1.opose d i n t hi s paper.Gai l l ed t 11e i ma ge of
的57BYG系列混合式步进电机( 2相、0.9。,0.5~3 A,
’r h en get me ed ge of 赳mnuI l i t i on us ed by edg e det ect i on.nl e coor di l l at e s of c ent er s i n di f f 色 r ent pl a c es is
基于图像处理的瑕疵检测方法研究
基于图像处理的瑕疵检测方法研究图像处理技术自20世纪70年代开始兴起,随着技术的不断提升和发展,它已经成为了工业制造、医疗诊断、安全监控等领域不可或缺的一种技术手段。
在工业制造中,图像处理技术被广泛应用于产品质量检测和瑕疵检测,能够极大地提高产品质量和生产效率。
本文将介绍一种基于图像处理技术的瑕疵检测方法研究。
1.瑕疵检测的背景与意义在工业制造领域中,产品瑕疵是造成产品不符合质量标准的主要原因之一。
传统的瑕疵检测方法主要依赖人工视觉,存在着人工疲劳、漏诊、误诊等问题,难以满足高精度、大批量的检测要求。
而基于图像处理技术的瑕疵检测方法可以通过数字图像分析、处理,快速准确地检测产品表面的瑕疵,大大提高产品的质量和生产效率,具有重要的现实意义。
2.基于图像处理的瑕疵检测方法研究2.1 图像预处理图像预处理是瑕疵检测的前置处理步骤,目的是提取出图像中有用的信息。
常见的图像预处理方法有灰度化、滤波、二值化等。
灰度化是将RGB彩色图像转换为灰度图像的过程。
滤波是对原始图像进行去噪处理的过程,常用的滤波方法有中值滤波、均值滤波等。
二值化是将图像中的像素值转换为0或1的过程,目的是使图像更容易处理和分析。
2.2 特征提取与选择特征提取是从原始图像中提取出更有代表性的特征信息,用于后续的分类与判别。
常用的特征提取方法有边缘检测、纹理分析等。
特征选择是从各种特征中筛选出具有重要信息的特征,目的是降低数据维度,提高分类准确率。
2.3 分类与判别分类与判别是将图像中的像素点进行分类,确定是否存在瑕疵的过程。
常用的分类方法有支持向量机、K近邻算法等。
这些算法从数据的统计特征和结构特征入手,通过学习样本的特征分布规律,确定瑕疵的位置和类型。
3.案例分析某家制造企业需要对其生产的机器零部件进行瑕疵检测。
为了提高瑕疵检测的准确率和效率,该企业采用了基于图像处理的瑕疵检测方法。
具体步骤如下:3.1 采集图像数据该企业利用摄像头对机器零部件进行扫描,将采集到的数据进行处理,得到待处理的图像。
基于图像处理的机械零件缺陷检测技术
基于图像处理的机械零件缺陷检测技术随着工业化进程的不断推进,机械行业成为现代社会中不可或缺的部分。
然而,在机械制造过程中,零件的缺陷问题是一个十分常见的挑战。
传统的人工检测方法无法满足大规模生产的需要,因此,基于图像处理的机械零件缺陷检测技术应运而生。
图像处理技术通过对机械零件的图像进行获取、分析和处理,实现自动化的缺陷检测。
首先,通过高分辨率的摄像头对待检测零件进行拍摄,获取图像数据。
然后,利用图像处理算法对图像进行分析,从中提取出关键的特征。
最后,根据这些特征,判断零件是否存在缺陷。
基于图像处理的机械零件缺陷检测技术具有许多优势。
首先,它能够实现高效、快速的自动化检测,大大提高了生产效率。
人工检测通常需要大量的时间和人力资源,而图像处理技术可以在短时间内处理数千张图像,并快速准确地判断零件的质量。
其次,图像处理技术具有较低的误判率。
由于算法的灵活性和精确性,其对于不同类型的缺陷都能做出准确判断,避免了人工检测中主观判断的偏差。
此外,基于图像处理的缺陷检测技术还可以提前预测零件的寿命和故障情况,减少生产中出现的问题。
在实际应用中,基于图像处理的机械零件缺陷检测技术已经取得了许多成功的案例。
例如,在汽车制造业中,通过图像处理技术对发动机零件进行检测,可以有效地发现裂纹、磨损等缺陷,从而提高发动机的可靠性和耐用性。
在钢铁行业中,图像处理技术可以用来检测钢板表面的缺陷,确保钢材的质量符合相关标准。
在电子设备制造业中,图像处理技术可以用来检测电路板上的焊接缺陷,避免出现故障。
当然,在基于图像处理的机械零件缺陷检测技术中也存在一些挑战和局限性。
首先,图像处理算法的设计和调试需要专业的知识和经验,对于某些特殊的零件类型,可能需要进行个性化的算法开发。
其次,技术的使用成本较高,包括设备购置、维护及人员培训等。
此外,图像处理技术对光照条件和背景噪声等因素比较敏感,需要在工作环境中进行充分的优化和调整。
总的来说,基于图像处理的机械零件缺陷检测技术在工业生产中具有重要的应用价值。
基于图像纹理特征的炮膛疵病检测方法
基于图像纹理特征的炮膛疵病检测方法原瑞宏;刘军卿;董自卫;黄文胜;祝天宇【期刊名称】《兵工自动化》【年(卷),期】2012(031)001【摘要】In order to solve the problem of extracting features of flaw images of gun bore, extracting textural features of flaw images is proposed. The characteristics of several kinds of flaws of gun bore are analyzed. The concept of grey level co-occurrence triangular matrix (GLCTM) and four parameters of grey level co-occurrence matrix are applied to extract features of images. The experimental results show that the proposed method can abridge calculation time and reflect grey airspace information of images well, so the proposed method is effective.%为实现炮膛疵病的自动识别,提出提取炮膛疵病图像的纹理特征的方法.对若干类炮膛疵病特点进行分析,引用灰度共生三角阵的概念和灰度共生矩阵的熵、能量、对比度、相关度4个特征参量,提取图像的纹理特征.实验结果表明,该方法是有效的,能缩短计算时间,并充分反映图像的灰度空间信息.【总页数】3页(P78-80)【作者】原瑞宏;刘军卿;董自卫;黄文胜;祝天宇【作者单位】武汉军械士官学校枪炮系,武汉430075;武汉军械士官学校枪炮系,武汉430075;武汉军械士官学校枪炮系,武汉430075;武汉军械士官学校枪炮系,武汉430075;武汉军械士官学校枪炮系,武汉430075【正文语种】中文【中图分类】TJ306【相关文献】1.炮膛疵病图像的去噪研究 [J], 原瑞宏;余能国;唐力伟;王平;祝天宇2.基于功率-幅值谱的炮膛疵病图像识别 [J], 李玉兰;郑海起;王平;原瑞宏;唐力伟;栾军英3.基于积分散射理论的光学疵病快速检测方法 [J], 吕剑维4.炮膛疵病检测系统设计 [J], 李建锋;史金霞;安宜贵5.一种基于图像纹理特征的波浪检测方法 [J], 李刚;熊亚洲;刘康克;王建华因版权原因,仅展示原文概要,查看原文内容请购买。
火炮身管疵病深度测量系统
火炮身管疵病深度测量系统曾朝阳;赵继广【摘要】为了准确获取火炮身管疵病深度参数,提出了一种新的基于等效多基线立体成像的疵病深度测量方法,并采用单摄像机建立了疵病深度自动测量系统.首先,对摄像机采用Tsai两步法进行标校.接着,采用等效多基线立体成像法获取疵病图像.在此基础上,利用标校数据和图像的位置参数,通过疵病特征提取和疵病图像立体匹配处理,获取疵病深度图像的输出,从而得到准确的疵病深度值,实现对火炮身管疵病深度参数的精确测量.测试结果表明:该疵病测量系统得到的疵病深度测量绝对误差<0.1 mm,相对误差<5%,完全满足火炮身管疵病深度测量的需要,能够为火炮鉴定试验和伴装保障提供重要的技术支持.【期刊名称】《光学精密工程》【年(卷),期】2010(018)010【总页数】10页(P2221-2230)【关键词】火炮身管;疵病;深度测量;立体成像;图像匹配【作者】曾朝阳;赵继广【作者单位】装备指挥技术学院,光电装备系,北京,101416;装备指挥技术学院,航天装备系,北京,101416【正文语种】中文【中图分类】TJ306;TP3911 引言火炮是重要的武器装备,而身管是火炮的重要组成部分。
身管的工作条件极为恶劣和苛刻,尤其是其内膛,不仅要承受高温高压火药燃气的高温、冲刷和化学作用,还要承受高速运动弹丸的摩擦作用,致使身管会产生多种疵病。
研究和实践表明,随着身管射击弹数的累积,内膛的烧蚀磨损量不断增加,将导致膛压下降,弹丸初速降低,从而引起弹丸在膛内运动摆动、飞离炮口起始扰动增大、射向偏移、弹丸飞行不稳定、弹着点散布变大等现象的发生。
在众多火炮身管内膛疵病中,有些疵病如阳线磨损、机械划伤、小烧蚀网等,即使长度、面积比较大,对于火炮的性能和安全性也不会造成严重影响;而有些疵病如阳线断脱、烧蚀沟、龟裂、冲凹等,即使面积不大,当达到一定深度时也会对火炮的结构完整性、刚度和强度造成严重影响,而且疵病越深,其扩展速度越快。
基于图像变换的火炮身管膛线参数检测技术研究
基于图像变换的火炮身管膛线参数检测技术研究
郑军;徐春广;肖定国
【期刊名称】《兵工学报》
【年(卷),期】2004(025)002
【摘要】本文介绍了一种能够对身管膛线参数进行检测的装置;讨论了膛线参数检测的原理;分析、证明了基于约当(Radon)变换的直线参数(角度和至给定点的距离)的检测技术,提出了基于图像变换的火炮身管膛线参数检测方法.这种方法能够对身管膛线的宽度和角度进行检测,并具有较高的抵抗噪声干扰的能力.考虑到光学系统对图像产生了一定的畸变,进而对膛线参数的检测产生一定的影响,本文对此进行了分析和研究,给出了膛线参数的修正公式.最后,通过实例,实现了对膛线参数的检测,并对提高膛线缠角的检测精度和降低算法代价作了讨论.
【总页数】5页(P134-138)
【作者】郑军;徐春广;肖定国
【作者单位】清华大学机械工程系,北京,100084;北京理工大学机械与车辆工程学院;北京理工大学机械与车辆工程学院
【正文语种】中文
【中图分类】TP391;TJ306
【相关文献】
1.火炮身管膛线参数检测技术研究 [J], 郑军;张建;马建峰;王信义
2.基于模板匹配的火炮身管膛线缠角测量技术研究 [J], 冯忠伟;焦开河;徐春广;朱
文娟;肖定国
3.基于结构光的火炮身管膛线深度检测方法 [J], 邵新杰; 丁超; 宋彬; 朱石坚
4.基于眼动参数检测的阿尔茨海默症诊断技术研究 [J], 迟英凯; 王登
5.基于介电参数的牛奶新鲜度非接触检测技术研究 [J], 康霞霞;胡彧;吕玉祥
因版权原因,仅展示原文概要,查看原文内容请购买。
基于CCD成像和计算机图像处理技术的火炮内膛自动检测
基于CCD成像和计算机图像处理技术的火炮内膛自动检测白庆本;韩兆福
【期刊名称】《计算机测量与控制》
【年(卷),期】2002(010)002
【摘要】基于CCD成像技术的火炮身管测径窥膛仪使火炮的内膛图像可输入计算机进行采集处理,为火炮的自动检测提供了方便.本文根据火炮的维修鉴定标准,利用计算机图像处理技术,提出了对火炮内膛损伤情况进行自动检测判断的方法,提高了火炮检测的客观性和准确性.
【总页数】3页(P124-126)
【作者】白庆本;韩兆福
【作者单位】装甲兵工程学院,北京,100072;装甲兵工程学院,北京,100072
【正文语种】中文
【中图分类】TP274
【相关文献】
1.基于粗糙集和支持向量机的火炮内膛疵病识别方法 [J], 傅建平;雷洁;甘霖;王建仁
2.基于机器视觉的火炮内膛全景窥测设备研究 [J], 傅建平;张丽花;雷洁;吴定海
3.基于亚像素级的火炮内膛损伤测量研究 [J], 徐红;杨子光
4.基于快速分水岭分割的火炮内膛损伤检测研究 [J], 曲鸣飞;马冬宝
5.多功能火炮内膛自动检测机器人 [J], 包建东;王昌明;何云峰;李江石
因版权原因,仅展示原文概要,查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
f a u e fi g s h x e i n a e u t h w h tt e p o o e e h d c n a rd e c l u a i n tme a d r fe tg e e t r s o ma e .T e e p r me t lr s ls s o t a h r p s d m t o a b i g a c l t i n e c r y o l
兵 工 自 动 化
Or na e I d t y Au o a i n d nc n us r t m t o
2 2 0l 0l .
3 () 11
基 于 图像纹 理特 征 的炮膛 疵病 检测 方 法
原 瑞宏 ,刘军卿 ,董 自卫 ,黄文胜 ,祝 天宇
( 武汉 军械 士 官学 校枪 炮系 ,武 汉 4 0 7 ) 3 0 5 摘 要 :为 实现 炮膛 疵 病的 自动 识 别 ,提 出提 取 炮膛 疵 病 图像 的纹理 特征 的方 法 。对 若 干 类炮膛 疵 病特 点 进行 分 析 ,引用灰 度 共生 三 角阵 的概念 和 灰度共 生 矩 阵的 熵 、能 量 、对 比度 、相 关度 4个特 征参 量 ,提 取 图像 的 纹理特 征 。 实验 结 果表 明 ,该 方法是 有 效 的, 能缩短 计 算时 间 ,并充 分反 映 图像 的灰度 空间信 息 。 关 键词 : 炮膛 ;疵 病 ;灰 度 共生 三 角阵 ;纹 理特 征
等 1 个特 征参量来描述 图像 的纹理特 征【。 a li 4 5 B r da 】 a 通过大 量的试验认为 :熵 、能量 ( 角二 阶矩) 、对 比
度 以及 相 关 度 4种 统 计 量 效 果 最 好 【。这 4个 特 征 6 】
参 量 的 表 达 式 和 含 义 [8 下 : 71 -如
收 稿 日期 :2 1 8 1 :修 回 日期 :2 1 9 0 0 卜0 — 2 0 卜O — 6 作 者 简 介 : 原瑞 宏 (9 6 ) 男 ,河 南 人 。工 学 硕 士 ,助 教 , 从 事 武 器 试 验 、 性 能 检 测 与 故 障诊 断研 究 。 1 8一 ,
原瑞宏 ,等 :基于 图像 纹理特征 的炮膛疵病 检测方法
对 烧 蚀 网 的描 述 , 阴 阳膛 线 有 裂 纹 ,然 而 裂 纹 有 闭
合 ,也有不 闭合 ,裂纹 的宽度 、长度和深度等差别
较 大 , 几 何特 征 很难 测 量 , 以给 出 定量 的 描 述 。 其 难 3 区域 内疵 病 分布 的 不 确 定 性
表面加工疵病等 6 类疵病损伤特 征 比较明显,各类 疵病 的差异较大 ,从疵病 的位 置、几何形状或颜色 等特征 ,人眼很容 易识别和判 断;而小烧 蚀等 8 类
对于一 定区域 内的龟裂等 疵病 , 损伤程度严重 , 分布 比较 集中;然而对于小烧蚀等疵病 ,损伤 程度 很轻 ,区域 内裂纹分布较分散 。 由此 可 见 ,这 些 类 型 的疵 病 难 以用 几 何 参 数 来
疵病 ,损伤特征有相似之 处,每一类又分为 3个损 伤等级 , 而且每个损伤等级之 间并没有明显的界 限。 人 的主 观 性 对 识 别 结 果 影 响 较 大 ,容 易 因不 同 的判
arp c n o ma in o g s elS h rp s d meh di fe tv . is a eif r t fi o ma e l Ot ep o o e t o sef cie w ,
K e r s u o e fa GLCTM ; e t r l e t r y wo d :g n b r ; w; l t x u a a u e f
中图 分类 号 :T 3 6 文献 标志 码 :A J0
T eDe e t n o n Bo eF a Ba e n T x u a e t r so h t ci fGu r l w s d o e t r l a u e f ma e o F I g
・9 7・
像的灰度等级) 组成 的矩 阵 Mrj ( , 称为灰度共生 i 三角阵 。
与 灰 度 共 生 矩 阵 相 比 ,灰 度 共 生 三 角 阵 中的 非 零 元 素 减 少 了 ,这 样 可 以减 少运 算 次 数 ,缩 短 运 算 时 间 , 更 适 合 图 像 的实 时 分 析 【, 因此 , 笔 者 选 用 4 】 灰 度 共 生 三 角 阵 来 表 达 疵 病 图像 的 纹 理 。
2 图像 纹 理特 征 提 取
纹 理 是 图像 中 一 个 重 要 的特 性 ,是 图像 分 析 中
个 重要指标 。纹理可认 为是灰 度 ( 色) 空间 以 颜 在 定 的 形 式 变 化 而产 生 的 图案 ( 式 ) 模 ,是 由 许 多 相 互 接 近 的 互 相 编 织 的 元 素 构 成 ; 纹 理 与 尺 度 紧 密 、
定 者 得 出 不 同 的 结 果 ,需 要 从 机 器 视 觉 的角 度 给 出 定 量 的 标 准 ,实 现 对 疵 病 类 型 的准 确 判 断 。 于 此 , 基 笔 者 主 要 针 对 小 烧 蚀 等 8 类 疵 病 图 像 进 行 特 征 提
取 。这 几类疵 病的特 点主要包括 : 1 疵 病 分 布 的 区 域 性
23 图像 纹 理 的 描 述 .
丰富 的视觉场 景信息 ,并通过纹理 分析方法完成 计 算 机 视 觉 和 图 像 理 解 领 域 的 一 些 研 究任 务 。
综 合 以 上 分 析 , 笔 者 认 为 提 取 疵 病 图像 整 体 的 纹理特征 是实现疵病 识别的有效途径 。
对 应 灰 度 共 生 矩 阵 ,有 角 二 阶矩 、 对 比度 和 熵
C —c urn et a g l tx ( C M)a dfu aa tr o ry lv l Oo c re c t xaea pid t xrc Oo c re c r n ua ma i GL T n o rp rmees fge e e -curn emar r p l o etat i r r C i e
l 疵 病 特 点 分 析
在 国军 标 中 ,总共 给 出了 1 身管 内膛 疵 病【。 4类 l 】 其 中 , 内膛 表 面 机 械 损 伤 、 阳线 磨 损 可分 为 若 干 种 疵 病 情 况 ,而 小 烧 蚀 、 中烧 蚀 网和 大 烧 蚀 网 等 几 类 疵 病 又 各 分 为 3个 损 伤 等 级 。 1 疵 病 中 ,内膛 在 4类
面 积 的 冲 蚀 沟 ,而 且 烧 蚀 网和 冲 蚀 沟 的 形 状 都 是 随 机 的 ,很 难 对 其 几 何 特 征 进 行 定 量 的 描 述 。例 如 ,
故笔者根 据国军标对疵病 的描述 ,分析 了疵 病的特 点 ,提 出并 提 取 疵 病 图像 的纹 理 特 征 的方 法 。
0 引 言
作 为现代 战争中的常规武器 ,火炮 的作用 非常 重要 。采用先进 的技术对 炮膛疵病进行有效检测 , 对于身管 的研 究、火炮的验收及火炮技术保障 ,都
具 有 重 要 的 意 义 。但 目前 对 疵 病 的识 别 仍 要 靠 人 工 来 完 成 ,检 测 时 间 较 长 ,检 测 过 程 繁 琐 ,容 易 因检 测 人 员 的主 观 因 素 影 响 检 测 效 率 和 检 测 的准 确 性 , 必须 实现 炮 膛 疵 病 的 自动 识 别 。 由于 对 炮 膛 疵 病 进 行 自动 识 别 的 关 键 在 于 提 取 疵 病 图像 的有 效 特 征 ,
一
1熵 = ) 值 一 pj g( 代 图 圭 () [i 表 像 flp,Biblioteka ,。 川,i =1 =l
一
所 具 有 的 信 息 量 ,是 度 量 图 像 内容 随 机 性 的特 征 参
相 连 , 仅 在 一 定 尺 度 上 可 以观 察 到 ;纹 理 具有 区 域 性 质 的特 点 ,是 对 局 部 区域 中像 素 之 间关 系 的 一 种 度 量 ,对 单 个 像 素 来 说 没 有 意 义 。纹 理 分 为 全 局 有 序 纹 理 、局 部 有 序 纹 理 和 无 序 文 理 【3类 。 2 J
2 1 纹 理 分 析 方 法 .
数 ,表 征 图像 中纹理 的复杂程度 。图像 的纹理越复
杂 ,熵 值 则 越 大 , 反之 则 越 小 。
2 能 角 阶 ==1 ∑P( ) 对 ) 量(二 矩) ∑ j , , 应 f i =l
图 像 的 均 匀 性 或 平 滑 性 。 当灰 度 共 生 矩 阵 中元 素分 布 较 集 中于 主 对 角 线 附 近 时 ,说 明 图像 局 部 的灰 度
疵 病 的 分 布 不 是 集 中于 一. 很 小 的 区 域 ,而 点或
是 有 一 定 面 积 的 区 域 , 因此 , 国 军标 中对 疵 病 是 基 于 区 域 性 的 描 述 。例 如 ,烧 蚀 网类 型 的疵 病 , 裂 纹 在 阳 线 区 域 和 阴线 区域 均 有 分 布 。对 于 小烧 蚀 类 型 的 疵 病 , 由于 损 伤 程 度 比较 轻 , 需 要 分 析 一 定 区 域 内裂 纹 的分 布 情 况 才 能确 定 。 2 疵 病 形 状 的 随机 性 疵 病 有 呈 现 一 维 线 状 的 烧 蚀 网 ,也 有 呈 现 二 维