磨损颗粒图像的分割分割算法

文摘

本研究旨在用JSEG算法部分磨损粒子的形象。磨损颗粒提供详细信息机械部件之间的磨损过程发生。Autosegmentation的图像是智能分类系统的关键。这项研究调查了是否可以使用这个算法在粒子的图像分割。不同尺度的测试。与传统的阈值和边缘检测器相比,JSEG算法显示承诺的结果。它提供了一个相对精度高,可用于彩色图像代替灰度图像计算复杂度。可以得出一个结论,JSEG方法适合成像穿粒子分割,可以投入实际使用中磨损颗粒的识别系统。

1。介绍

与复杂的机器的发展,有效的需求和经济维护日程这些年来发展迅速。使用实时数据的状态维修是一个想法优先和优化维护资源而不是常规的定期检查。观察系统的状态称为状态监测。这样一个系统将决定设备的健康和行为只有在维护是必要的(1,2]。声音、振动和温度信息特征往往测量估计机器状态,然而穿粒子分析着自己的优势(3]。磨损颗粒(或磨屑)生成组件彼此相对移动。定义磨损颗粒的参数,比如他们的数量、形状、大小和反映磨损模式,磨损机制和严重程度与他们的代4]。润滑油中包含的磨屑进行详细的和重要的信息关于机器的状况5]。粒子特征足够具体,以便操作机器内穿模式可能会决定,允许预测机器的迫在眉睫的行为(6,7]。穿粒子通常分类的疲劳磨损模式如胶粒子或粒子。

在实践中,磨损颗粒铁谱分析技术,上收集的通常是使用一个设计的磁场吸引和保持粒子流体样品,因为它流过一个特别准备的显微镜衬底(8]。铁谱分析技术展示在图上的示意图1。铁谱分析技术技术允许穿粒子上的首次观察和分析。在早期的状态监测,医生决定穿条件仅仅通过磨屑的数量。铁谱分析技术提供了一个广泛的研究上的发展,帮助识别磨损颗粒的特点和他们产生的机制。铁谱分析技术的技术上的问题目前采用的粒子形态评估、粒子分类,和机器状态评估严重依赖人类的经验,这是费时,昂贵的,而且并不总是可靠的(1]。近年来,tribologists和工程师做出了相当大的努力构建autoclassification成像系统磨损粒子。这样一个系统需要摩擦学研究和图像处理技术。大部分工作集中在如何识别磨损粒子(1]。据报道,蚁群算法(9),确定旅游走(5),和模糊则算法(10)可以用来识别磨损粒子。此外,在11),多次确定胶粘剂疲劳和磨料粒子使用面积,周长,和伸长参数;研究表明,这些简单的参数可以有效等某些类型的磨损颗粒磨料粒子和球体粒子像疲劳。同一研究小组还比较了不同的降维方法和纹理特性(12,13]。在这项研究中,14),分形维数被用于分析表面磨屑。在这项研究中,15),一个小齿轮箱在线监测系统已建成和灰度和综合形态学特征用于穿粒子的图像分割。

使用模式识别系统的可能性磨损粒子分析不需要人类专家在状态监测行业提供了广阔的前景。不过,有几个需要解决的问题。其中的第一个和最重要的是autosegmentation穿粒子的形象。为了autoclassify磨损粒子,一个人必须首先限定对象出现在数字图像。分割的准确性将直接影响到后续的特征提取,分类,和磨损颗粒的识别。因此,穿颗粒分割的至关重要的第一步是穿颗粒图像分析。然而,现有的分割方法不适应复杂的铁谱图像,有两个原因:(1)磨损颗粒沉积在玻璃基板上往往有复杂的背景。等大颗粒异常疲劳严重滑动粒子或粗颗粒主要目标但他们周围无数微粒通常颜色相近,制作精确分割的阈值技术一份艰难的工作。(2)因为照片是微观图像,边缘的对象经常模糊,导致难以分割的边缘检测算法。

作为显示在图2 (b)这些粒子有复杂的纹理特性和他们的背景充满了微粒子和一些边缘模糊。即使是在计算机视觉领域,细分实际上是一个中央和最困难的实际问题16,17]。然而,直到最近,不是已经完成了大量的工作。在[18),灰度和综合形态学特征用于段凝聚粒子,然而图像的背景是相当简单、干净;算法自适应复杂背景应当测试。据报道在9],蚁群算法可以用来完成这个任务,但计算效率需要改进。李等人用形态学腐蚀和膨胀操作二进制图像;单一的边缘磨损粒子可以检测到与拉普拉斯操作(19]。然而如何获得准确的二进制图像本身是一个困难的问题。

在这个研究中,尝试了为了解决上述问题,提高铁谱分析技术图像上自动分析的结果。我们代表改进的JSEG算法磨损颗粒的彩色图像。本研究的对象是这个算法是否可用于粒子图像分割。根据磨损颗粒的特征参数进行了测试。开发一个计算机程序对图像进行预处理。所使用的图像样本生成使用摩擦学测试机器。实验结果表明,JSEG适合穿粒子的图像分割。

2。实验和方法

2.1。磨损颗粒的图像集合

穿测试被执行研究某些材料或润滑油的摩擦学性能。在这个研究中,然而,它是收集穿粒子和构建数据库的图像。

粘着磨损测试进行pin-on-disk机由卧式转盘和deadweight-loaded销。不锈钢固定销(硬度175高压)和磁盘是由铸铁(300高压)。销和阀瓣直径10毫米和60毫米,分别。阀瓣平均粗糙度是Ra = 2.5μm。测试在实验室进行了空气,温度是22°C,相对湿度为50%。是10公斤的负载接触压力大约是1.27 MPa。转速设置为500 rpm和时间设置为90分钟,给一个近似总滑动距离7500米。耐溶剂PVC环安装在磁盘块磨损粒子的周长。为了模拟边界润滑,一层CD40润滑油应用于磁盘的开始。实验表明,该润滑减少了摩擦系数从0.4不超过0.2的平均水平。实验后,磁盘被丙酮和磨损颗粒聚集与铁粉记录术。

疲劳磨损颗粒是由四球试验机。球的材料是GCr15(硬度700高压)。最大负载和速度设置为1800 N和300 r / min。为了产生疲劳磨损颗粒的时间设置为6小时。在测试前,球应该在石油醚超声波清洗。收集粒子生成的铁谱分析技术被用来上,然后把它们放在一个显微镜载玻片。扩大数据库,使结果更加健壮,粒子从真实的机器的润滑系统也使用铁粉记录术收集。

2.2。JSEG算法介绍

JSEG算法(20.)分为两个部分。在第一部分中,图像中的颜色是量子化的几个代表类,可以用来区分图像中的区域。这在颜色空间量化执行不考虑颜色的空间分布。然后,图像像素值替换为相应的颜色类标签,从而形成一个class-map的形象。class-map可以被视为一种特殊的纹理成分。在接下来的部分,空间分割上执行class-map没有考虑相应的像素颜色相似。艰巨的任务是分析颜色的相似性及其分布在同一时间。算法的示意图如图3。

为了消除彩色图像噪声,使用过滤器如矢量中值滤波器或定向距离过滤器。这些传统过滤器实现统一在整个图像无论条件每个像素。因此这些过滤器总是修改像素噪声不。在这个研究中,一个非线性算法称为同辈群体过滤用于提高分割的质量。让指一个图像像素矢量(在彩色图像包含三个值:红、绿、蓝)的特征位置的颜色信息集中在一个窗口。类中的所有像素窗口根据他们的距离在升序和表示它们。这里使用欧氏距离测量:

对等组的大小为被定义为 然后过滤可以做只同龄群体成员而不是整个窗口的像素,从而可以避免边缘模糊。剩下的问题是如何确定合适的大小每个对等组基于局部统计信息。在这项研究中,一个阈值这样设置

在这里,1 d距离Fisher判别的估计(21使用)。最大化的准则 在哪里

该方法计算为每一个并发现截止位置是最大的;也就是说,

但是在寻找停车的位置,一个额外的计算是为了去除脉冲噪声。以下测试执行第一个和最后一个点的;通常将一半的;一阶的差异,计算:

如果,结束点为或被认为是脉冲噪声和删除。剩下的用于计算真正的同龄群体。去除噪声和发现截止位置后,中心像素取而代之的是加权平均的同龄群体成员: 在哪里是标准的高斯权重取决于相对位置的关于。

同龄群体过滤后,集群技术是用于颜色量化。——开始随机的集群,然后迭代之间移动项目集群,集群之间的差异最小化。作为显示在图4,图4(一)是原始图像,图4 (b)图像量化后,和图吗4 (c)对等组滤波器后图像和颜色量化。量化减少总只有15种颜色,而粒子的纹理几乎保留了原始的风格;考虑到实时图像不应该超过400×400(大量的像素可以使计算复杂度增长到一个不可接受的水平),颜色量化后的图像信息将失去少。直接量子化的结果相比,该方法平滑原始图片,让它更可靠的后续的分割。

正如上面提到的,过滤和颜色量化和总各种颜色减少到一个很小的数字。所有的像素颜色替换为相应的类标签。这些标签的新建形象称为class-map。class-map实际上反映了图像的纹理成分。图5给出一个示例class-map [20.];出于演示,有三个标签:红、黄、蓝。每个点的值(像素)class-map图像像素位置,2 d向量。让是一组的class-map数据点。让,让,让的意思是:

假设有类,,;让的均值数据点的类,

让 在哪里的总方差分属于同一个类。定义

条件的图像组成的几个颜色均匀区域,颜色类更多的彼此分离和的值很大。另一方面,如果所有的颜色类是均匀分布在图像,的价值往往是小的。例如,三个图像如图5都有3类,每个类的数量是完全相同的。然而,过去的是最小的,因为类是均匀分布的。粒子的形象,因此,在粒子内部,纹理是统一在某种方式外的粒子是完全不同的。此外,当地区域边界附近的值可以是非常大的。我们现在可以认为构建一个图像的像素值对应于这些值在像素为中心的小窗口。这些图片被称为图像。更高的地方值,对应的像素区域边界附近。

给定的特征形象、区域增长方法适用于图像分割,因为不同的地区往往有相似的值。一组初始种子可以通过计算标准偏差的地方,如果某些数据(通常设置为大约1%的像素计算窗口)的像素值小于平均和连接。他们应当设置为一个种子。然后nonseed像素生长一个接一个;与当地最低值分配给其相邻的种子,直到所有像素分配(22]。

3所示。结果与讨论

在本节中,该方法的结果提出了两个实验:JSEG的参数分析和与其他方法的比较。

JSEG算法,计算窗口的规模是显著的。图6给出了一些例子图像计算不同尺度下。表1给不同的窗口大小计算价值观和区域大小对种子的决心。我们可以看到在图6,图6(一)是原始图像,以下图片是他们的计算图像尺度下1、2和3。规模越小,越细节图像保留。规模将忽视小细节而边缘变得相当粗糙。

因为整个种子和种子的成长过程是基于的决心图像,分割不同规模不同的结果。作为显示在图7,图7(一)是指种子的生成和增长规模1,图7 (b)是指规模2和图7 (c)规模指的是3。图像规模3包含更多的细节但它也会导致oversegmentation。粒子的表面上的划痕不作为一个统一的地区。这是因为当计算窗口太小,局部区域的价值上升和下降过快,尤其是质地不是很好。

现在,我们将比较该方法与传统的阈值和边缘检测方法。交互式数据语言写的一个程序开发分离的粒子背景。在这个过程中,粒子的边缘得到使用形态学膨胀和腐蚀操作通过人机交互遵循以下步骤:(我)灰色的强度阈值设置为单独的粒子从背景。(2)使用一个结构执行侵蚀到目标(粒子),一个four-neighborhood边缘(3)选择边缘地区的增长。

一些典型的例子如图8;图8(一个)边缘的获得是通过阈值。阈值包括分离黑暗与光明黑暗区域的图像,从而确定物体在光背景(反之亦然)。当对象是非常大而不具备表面细节,细分可以想象把图像分成若干区域各有高水平的一致性在某些参数如亮度,颜色,纹理,甚至运动。在第二个例子中,阈值超过该方法。然而,当粒子的结构是复杂的和颜色强度和背景相似,阈值失去优势,因为它不能充分利用纹理信息。图8 (b)由Sobel边缘检测算子。边缘提供了本质上更严格的方法比初始图像分割阈值,但是我们得到的边缘是不关闭,其oversegmentation无法解决的,除非用精明的经营者,但其参数设置需要人类的经验。

一般来说,JSEG穿粒子的图像表现良好。该算法利用颜色信息和纹理信息。然而,仍有一些局限性;一个主要问题是穿粒子的颜色。粒子的形状通常是一部分,但由于缺乏照明常常使oversegmentation。然而,这个问题可以被解决通过改进硬件,例如,把几个图片在不同照明,然后用它们组成一个新的图片。另一个问题是,当粒子附上类似的结构,该算法不会带他们两个,但一个大的粒子。这个问题可能得到解决通过结合分水岭算法或增强边缘信息。

4所示。结论

在这个工作中,一个穿粒子的图像分割算法。颜色的分割包括量化和空间分割。这种方法的优点是,它是完全无监督,可以直接用于彩色图像。不同的参数进行测试。实验表明,对于普通的铁谱图像,大规模更合适;小范围可能导致分割。相比早期图像分割和边缘检测方法,该方法在autoclassification系统拥有更大的潜力为磨损粒子,但仍存在一些问题需要解决。例如,性能不好当面对积累的粒子,尤其是当重叠粒子纹理相似属性。为了解决这个问题,其他算法如分水岭方法或其他图像属性如密集的颜色变化应该考虑改善分割结果。进一步的研究将集中在解决这些问题并将实时测试机的润滑系统。

相互竞争的利益

作者宣称没有利益冲突。

引用

1. g . w . Stachowiak和p . Podsiadlo”自动穿粒子分类系统的发展,“摩擦学国际,39卷,不。12日,第1623 - 1615页,2006年。视图:出版商的网站|谷歌学术搜索
2. j . Wang和x王”,一个穿粒子识别方法通过结合主成分分析和灰色关联分析,“穿,卷304,不。1 - 2、96 - 102年,2013页。视图:出版商的网站|谷歌学术搜索
3. c . Kowandy c . Richard Y.-M。陈和j j。Tessier”、摩擦学的行为之间的相关性和磨损粒子morphology-case灰口铸铁石墨和聚四氟乙烯相比,250年”穿,卷262,不。7 - 8,996 - 1006年,2007页。视图:出版商的网站|谷歌学术搜索
4. s . Raadnui”穿粒子analysis-utilization定量计算机图像分析:复习一下,”摩擦学国际,38卷,不。10日,871 - 878年,2005页。视图:出版商的网站|谷歌学术搜索
5. h . h . Liu, l·魏j . Li和z,”一个穿粒子的纹理分析和识别实验通过使用确定性旅游行走算法,”工业润滑和摩擦学,卷67,不。6,582 - 593年,2015页。视图:出版商的网站|谷歌学术搜索
6. j·a·威廉姆斯,“穿,穿粒子——一些基本面因素,”摩擦学国际,38卷,不。10日,863 - 870年,2005页。视图:出版商的网站|谷歌学术搜索
7. r·k·阿帕德海耶“显微技术来确定各种磨损模式的机油使用,“杂志的显微和超微结构,1卷,不。3、111 - 114年,2013页。视图:出版商的网站|谷歌学术搜索
8. b·j·兰斯,若以桑不光要“Ferrography-then现在,”摩擦学国际,38卷,不。10日,857 - 862年,2005页。视图:出版商的网站|谷歌学术搜索
9. l . j . Wang, f . Lu, x,“穿粒子在铁谱图像的分割基于一种改进的蚁群算法,”穿,卷311,不。1 - 2、123 - 129年,2014页。视图:出版商的网站|谷歌学术搜索
10. z, o . c . Au r .邹w . Yu和j .田”的一种自适应无监督图像分割方法对像素聚类和颜色,”模式识别,43卷,不。5,1889 - 1906年,2010页。视图:出版商的网站|谷歌学术搜索|Zentralblatt数学
11. g . p . Stachowiak g . w . Stachowiak, p . Podsiadlo”自动分类的磨损粒子根据其表面纹理和形状特征,“摩擦学国际第41卷。。1,34-43,2008页。视图:出版商的网站|谷歌学术搜索
12. g . p . Stachowiak p Podsiadlo, g . w . Stachowiak”评价方法减少表面纹理特性,”摩擦学的信,22卷,不。2、151 - 165年,2006页。视图:出版商的网站|谷歌学术搜索
13. g . p . Stachowiak p Podsiadlo, g . w . Stachowiak”的纹理特征提取方法比较机器状态监测和故障分析,“摩擦学的信,20卷,不。2、133 - 147年,2005页。视图:出版商的网站|谷歌学术搜索
14. x p c .问:元,j . Li Yan, z .彭,“使用分形描述描述工程表面磨损颗粒,”穿,卷255,不。1 - 6,315 - 326年,2003页。视图:出版商的网站|谷歌学术搜索
15. h·t·吴y Peng Wu x,和j·王,“完整的人生磨损状态的动态识别基于在线磨屑图像特性,”机械系统和信号处理,42卷,不。1 - 2、404 - 414年,2014页。视图:出版商的网站|谷歌学术搜索
16. 周x辽、h·徐y et al .,“自动图像分割使用突出关键点提取和星形状之前,“信号处理卷,105年,第136 - 122页,2014年。视图:出版商的网站|谷歌学术搜索
17. m . Jungmann h·佩普·Wißkirchen c .条款和t . Berlage“薄切片图像的分割粒度分析使用区域竞争和edge-weighted区域合并,“电脑与地球科学卷。72年,33-48,2014页。视图:出版商的网站|谷歌学术搜索
18. y Du, t·吴,吴h . n .郭和z .彭”成像磨损产物分离为在线监测使用灰度和集成的形态学特征,“穿,卷316,不。1 - 2,19-29,2014页。视图:出版商的网站|谷歌学术搜索
19. c . f . Li徐,G.-Q。任,J.-W。铁谱分析技术戴上高,“图像分割的粒子基于数学形态学,”南京大学科技杂志》上卷,29号1,第72 - 70页,2005。视图:谷歌学术搜索
20. y邓和b . s .希,“无监督分割彩色纹理区域的图像和视频中,“IEEE模式分析与机器智能,23卷,不。8,800 - 810年,2001页。视图:出版商的网站|谷歌学术搜索
21. r·o·杜达和p·e·哈特模式分类和场景分析约翰·威利& Sons,纽约,纽约,美国,1970年。
22. c·邓c·肯尼m . s . Moore和b . s .希,“组过滤和感知彩色图像量化,”诉讼IEEE国际研讨会的电路和系统,4卷,页21 - 24日,奥兰多,佛罗里达州,美国,1999年5月。视图:谷歌学术搜索

版权

版权©2016年香港刘et al。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。