钢中析出粒子测量及形态分类系统的设计研究

论文摘要

在生产和科研中,经常需要分析各种工艺下材料中析出物的尺寸和形态的变化规律。钢中析出粒子的大小、形态及其分布对钢的性能有很大影响,尤其在超细晶技术快速发展的今天,钢中析出粒子已不是大型夹杂物,已从微米级细化到纳米级,它的大小与形态分布是目前超细晶研究领域的一个热点问题,它涉及了材料制备、图像处理、模式识别等诸多领域的前沿研究,是一个极富挑战性的高技术密集型研究平台。本文以钢中纳米级析出粒子显微结构为主要研究目标,针对钢中析出粒子常见的粒子形态各异、粒子团聚、粒子空洞与毛刺与传统人工统计工作模式带来的低效、低准确率等问题,综合数字图像处理技术、数学形态学、神经网络理论,提出了一种基于形态特征和神经网络进行钢中析出粒子的测量及形态分类的方法。该方法首先采集钢中析出粒子显微图像,然后对其进行图像增强,灰度修正增强图像的对比度,消除背景噪音。对比传统图像分割法,采用区域划分的自适应阈值方法实现图像中的析出粒子与背景的分离,采用多种形态学处理方式与改进的种子填充算法对图像在由于制片及采集时造成的缺陷和背景杂质进行处理和修复。根据对钢中析出粒子参数的大量分析工作,对形态不规则的钢中析出粒子采用诸如:面积、周长、长宽比、圆形度、形状系数及矩形度的几何形状特征参数向量描述最为合适,利用BP神经网络建立粒子特征矢量与粒子形态的映射关系,继而实现对各种形态析出粒子的自动分类统计。最后通过实验结果表明,该方法对诸如粒子团聚、粒子空洞及毛刺等缺陷目标具有很好的处理效果,并且可高效、便捷地进行析出粒子的自动分类,为钢中析出粒子的定量微观分析提供了可靠依据;而且该方法具有很好的普适性

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 粒子分析与测试技术简介
• 1.2 粒子分析与识别技术的应用现状
• 1.3 钢中析出粒子的测量及形态分类的研究意义
• 1.4 本文研究的主要内容和方法
• 1.4.1 本研究的主要内容
• 1.4.2 方法实现
• 1.5 本章小结
• 第二章 钢中析出粒子图像处理系统与图像预处理
• 2.1 概述
• 2.2 钢中析出粒子图像处理系统构成
• 2.2.1 系统的构成
• 2.2.2 本文使用的图像处理系统模型及算法流程
• 2.3 图像处理软件
• 2.4 图像的增强
• 2.4.1 领域平均滤波法
• 2.4.2 中值滤波法
• 2.5 图像的灰度修正
• 2.5.1 原理与算法
• 2.5.2 均衡后效果图
• 2.6 本章小结
• 第三章 钢中析出粒子图像分割及形态学处理
• 3.1 概述
• 3.2 析出粒子与复杂背景的分割
• 3.3 阈值分割
• 3.3.1 阈值分割方法回顾
• 3.3.2 自适应方法
• 3.4 二值分割图像的后处理
• 3.4.1 数学形态学
• 3.4.2 数学形态学的四种基本运算
• 3.4.3 团聚粒子的分离及粒子空洞的填充
• 3.5 本章小结
• 第四章 析出粒子测量及形态分类研究
• 4.1 概述
• 4.2 区域标定
• 4.2.1 像素标记算法
• 4.2.2 算法分析
• 4.2.3 对像素点标记算法的改进
• 4.2.4 递归标记算法描述
• 4.2.5 试验效果
• 4.3 尺寸标定
• 4.4 粒子参数测量
• 4.4.1 几何形态特征的提取
• 4.4.2 粒径的测量
• 4.5 本章小结
• 第五章 析出粒子形态的自动分类模块设计
• 5.1 概述
• 5.2 BP神经网络分类器
• 5.3 析出粒子神经网络形态分类器设计
• 5.3.1 网络结构参数设定
• 5.3.2 样本采集
• 5.3.3 网络训练
• 5.4 本章小结
• 第六章 析出粒子自动测量与形态分类应用实例分析
• 6.1 自动测量与形态分类方法应用及结果分析
• 6.2 与人工测量分类结果对比分析
• 6.3 本章小结
• 第七章 析出粒子测量与形态分类系统的设计
• 7.1 总体及硬件系统框架
• 7.2 软件系统设计
• 7.2.1 面向对象的程序设计方法
• 7.2.2 软件模型与设计思路
• 7.2.3 系统编程环境
• 7.2.4 软件具体实现设计
• 7.3 系统功能及应用
• 7.3.1 系统主界面
• 7.3.2 文件管理
• 7.3.3 图像编辑
• 7.3.4 图像预处理
• 7.3.5 二值分割
• 7.3.6 形态学处理
• 7.3.7 金相参数测定
• 7.3.8 形态分类
• 7.4 本章小结
• 第八章 结论与后续展望
• 8.1 结论
• 8.2 后续与展望
• 参考文献
• 致谢
• 在校期间发表的论文目录