红外热成像疲劳检测图像处理研究

红外热成像疲劳检测图像处理研究

论文摘要

近年来,金属材料的疲劳极限特性越来越受到人们的重视,采用准确、有效、快速的金属疲劳极限检测方法就显得尤为重要。鉴于红外测温其测温范围宽、测温速度快、非接触性及“夜视”性等优良特性,近年提出的红外热成像金属疲劳极限检测法方法不仅可以真实的反映出工件工况时刻的应力分布,而且某些缺陷在萌发期就能早期预测。但该方法的仍有一些影响实际应用的技术尚不成熟需要解决,比如:如何解决该方法在高噪声情况下的有用信号的提取及疲劳极限定量计算等问题。正是由于上述原因限制了红外测温金属疲劳极限检测技术的广泛应用。本文对应用红外测温检测金属疲劳极限的方法展开深入的分析研究,主要内容有:(1)研究红外摄像机输出数据包含的内容并据此设计满足本文中热弹性能、耗散能检测理论实现的文件格式-PTW文件格式,并分析BMP图像文件格式,根据两种文件的格式特点,设计Visual C++.NET程序,实现PTW格式文件转换为BMP格式图像文件;(2)根据红外测温检测金属疲劳极限过程中信号和噪声的特点,全面系统地建立了适合本文中热弹性能和耗散能的检测及去噪处理数学模型;(3)在解决红外图像载荷信号同步获取问题的基础上,实现了红外图像热弹性能检测,较好地解决了高噪情况下热弹性能信号提取困难问题,然后,在VC++.NET环境下针对活塞栓、曲轴连杆红外图像设计了新的去噪算法程序,并与中值滤波、均值滤波等经典去噪算法的去噪效果进行了比较。最后应用信噪比、均方误差两项指标对新算法和经典算法的去噪效果进行评价;(4)前文准备的基础上实现红外图像耗散能检测,较好的解决了低信噪比情况下的耗散能检测问题;(5)在分析分层聚类和K-means算法优缺点的基础上,设计分层-K-means混合算法对处理后的红外灰度图像灰度值上色,进一步提高了去噪后的图像清晰度;(6)基于Visual C++.NET语言的MFC开发红外图像检测系统软件,设计了程序界面并完成(1)-(5)的算法及功能。文中实验结果证明了本文分析方法及检测算法的正确性和有效性。

论文目录

  • 学位论文数据集
  • 摘要
  • ABSTRACT
  • 第一章 绪论
  • 1.1 本课题的研究目的和意义
  • 1.2 国内外研究发展状况及分析
  • 1.2.1 国内外发展状况
  • 1.2.2 存在的问题及分析
  • 1.3 本文的主要研究内容
  • 1.4 本文的创新点
  • 第二章 红外图像金属疲劳极限检测系统基本原理
  • 2.1 红外图像金属疲劳极限检测系统中能耗测量的理论依据
  • 2.2 红外图像金属疲劳极限检测系统中的噪声
  • 2.3 红外图像金属疲劳极限检测系统中的硬件设备
  • 2.4 红外图像金属疲劳极限检测系统中图像文件设计
  • 2.4.1 BMP图像文件格式
  • 2.4.2 PTW图像文件格式
  • 2.5 图像格式转换程序设计
  • 2.5.1 图像格式转换程序流程图
  • 2.5.2 图像格式转换程序编译
  • 2.6 本章小结
  • 第三章 红外图像热弹性能检测去噪算法及程序实现
  • 3.1 红外图像金属材料热弹性能检测与去噪算法原理
  • 3.1.1 红外图像的数学模型的建立
  • 3.1.2 红外图像热弹性能去噪算法
  • 3.1.3 红外图像热弹性能检测算法
  • 3.1.4 经典去噪算法
  • 3.2 红外图像热弹性能去噪实例及去噪效果分析
  • 3.2.1 红外图像热弹性能去噪实例
  • 3.2.2 红外图像热弹性能去噪效果分析
  • 3.3 红外图像热弹性能检测方法程序设计
  • 3.4 本章小结
  • 第四章 红外图像耗散能检测及程序实现
  • 4.1 红外图像金属材料耗散能检测与去噪算法原理
  • 4.1.1 红外图像耗散能去噪算法
  • 4.1.2 红外图像耗散能检测算法
  • 4.2 红外图像耗散能去噪实例及去噪效果分析
  • 4.3 红外图像耗散能检测程序设计
  • 4.4 本章小结
  • 第五章 红外图像伪彩色处理
  • 5.1 红外图像的聚类分析伪彩色处理
  • 5.1.1 分层聚类的算法原理
  • 5.1.2 K-means算法原理
  • 5.1.3 混合聚类算法优点
  • 5.1.4 伪彩色处理效果比较
  • 5.1.5 混合算法程序实现过程
  • 5.1.6 混合算法程序流程图
  • 5.2 未处理红外灰度图像的伪彩色处理
  • 5.3 本章小结
  • 第六章 VC++.NET环境下红外检测系统的软件设计与实现
  • 6.1 红外图像检测系统软件介绍
  • 6.2 红外图像检测系统红外图像载入模块功能演示
  • 6.3 红外图像检测系统图像去噪模块功能演示
  • 6.4 本章小结
  • 结论
  • 参考文献
  • 致谢
  • 研究成果及发表的论文
  • 作者与导师简介
  • 附件
  • 相关论文文献

    • [1].基于区域生长的自适应红外图像火焰识别[J]. 南方农机 2020(05)
    • [2].基于红外图像识别的智能远程控制消防装置[J]. 今日消防 2020(01)
    • [3].基于雾线暗原色先验的红外图像去雾算法[J]. 红外技术 2020(06)
    • [4].基于生成对抗网络的红外图像数据增强[J]. 计算机应用 2020(07)
    • [5].基于迁移学习的红外图像分类[J]. 天津职业技术师范大学学报 2020(03)
    • [6].一种多分辨多尺度的红外图像增强算法[J]. 激光杂志 2019(08)
    • [7].一种基于区域显著性识别的红外图像增强方法[J]. 江苏大学学报(自然科学版) 2019(06)
    • [8].基于密度相似因子的电力红外图像分割方法[J]. 红外技术 2017(12)
    • [9].基于融合技术的单幅红外图像增强方法[J]. 电子器件 2018(04)
    • [10].对受灾区域红外图像优化识别仿真[J]. 计算机仿真 2017(03)
    • [11].海上远距离目标探测中的红外图像增强算法[J]. 大连海事大学学报 2015(04)
    • [12].红外图像采集及特征提取技术的研究[J]. 激光杂志 2016(08)
    • [13].远程微小红外图像小差异特征分类算法仿真[J]. 计算机仿真 2015(07)
    • [14].红外图像影响因素及增强方法[J]. 农村科学实验 2017(03)
    • [15].复杂海面的舰船弱目标红外图像提取方法[J]. 舰船科学技术 2020(18)
    • [16].基于大数据的舰船红外图像目标实时跟踪方法[J]. 舰船科学技术 2020(02)
    • [17].基于红外图像处理技术的钢构件损伤识别[J]. 红外技术 2020(03)
    • [18].一种红外图像增强算法在无人机巡检输电线路上的应用[J]. 电子设计工程 2020(16)
    • [19].红外图像特征的三维提取技术[J]. 激光杂志 2019(02)
    • [20].红外图像中快速运动目标的检测与跟踪方法[J]. 红外技术 2019(03)
    • [21].基于多感知的红外图像增强算法设计[J]. 信息与电脑(理论版) 2019(13)
    • [22].基于透射图融合的红外图像传感器信号增强方法[J]. 传感技术学报 2019(07)
    • [23].基于红外图像的船舶特征识别方法[J]. 舰船科学技术 2018(12)
    • [24].基于最小平均距离免疫算法的模糊红外图像分割(英文)[J]. 光谱学与光谱分析 2018(11)
    • [25].基于人眼视觉的红外图像增强算法研究[J]. 激光与红外 2017(01)
    • [26].针对边缘检测和数学形态学的红外图像增强算法[J]. 佳木斯职业学院学报 2017(01)
    • [27].一种可见光和红外图像加权融合最佳权值因子的确定方法[J]. 电子世界 2017(13)
    • [28].红外图像识别在舰船火灾中的应用分析[J]. 舰船科学技术 2017(20)
    • [29].一种基于实测数据温差扰动的红外图像实时生成方法[J]. 红外技术 2017(10)
    • [30].外场提高红外图像质量研究[J]. 电子测试 2016(14)

    标签:;  ;  ;  ;  ;  

    红外热成像疲劳检测图像处理研究
    下载Doc文档

    猜你喜欢