基于BEMD的疲勞斷口圖像分割研究.pdf

1、金屬斷裂是金屬構件的三大失效模式之一，是失效模式中危害性最大的一個。在金屬斷裂中，疲勞斷裂占據(jù)了整個斷裂事故的80％以上，是斷裂的主要方式。近年來，對金屬斷裂的研究主要集中在金屬斷口圖像的識別和分類以及斷口圖像的三維重建上。但是，對于疲勞斷裂的研究也僅限于疲勞斷口的識別等，對疲勞斷口圖像的紋理特征研究并不多，而對疲勞斷口圖像的紋理分割就更少了。由于疲勞條帶是疲勞斷裂特有的斷口特征，也是對疲勞斷口圖像進一步研究的重要依據(jù)，對疲勞斷口圖像的

2、紋理分割就顯得極其重要。因此對失效件的疲勞斷口進行分析對確定失效的模式、原因、機理具有重要意義。
　　在圖像處理中，頻域分析在圖像的特征提取中有著重要的地位，在頻域內對疲勞斷口圖像的紋理分析也是一個行之有效的方法。頻域分析的經典方法主要有Fourier變換、Gabor變換和小波變換等。Fourier變換建立了信號從時域到頻域的橋梁，但是二者卻是絕對分離的。Gabor變換使用一個固定的短時窗函數(shù)，因而還存在著不可逾越的缺陷；小波變換

3、依賴于預先定義的濾波器或小波函數(shù)。針對上述信號分析方法的弊端，Norden Huang等人在1998年提出了一種新的信號分析處理方法——經驗模式分解（Empirical Mode Decomposition，EMD）。EMD具有自適應性，適用于非線性信號和非平穩(wěn)信號的分析與處理。二維經驗模式分解（BEMD）是對EMD的擴展，BEMD方法是圖像處理領域一個新的研究熱點。
　　本文的主要研究內容如下：
　　(1)對疲勞斷口圖像進

4、行預處理，主要進行了濾波、基于大津法的二值化處理、直方圖均衡化等。經過預處理的圖像能夠有較好的圖像質量和在灰度上有較強的對比度。
　　(2)由于疲勞斷口圖像是一類比較復雜的紋理圖像，在頻域內主要分析了疲勞斷口圖像的Fourier變換和小波變換的紋理特性，并對疲勞斷口圖像用上述兩種方法進行了分割，得到了疲勞斷口圖像的紋理區(qū)域。
　　(3)運用BEMD方法對圖像進行紋理分析，對人工合成紋理圖像進行了紋理分割，獲得了較好的實驗效果

5、；對經過高斯白噪聲干擾的圖像運用BEMD方法進行濾波，該方法達到了較為理想的濾波效果。結合了Laws紋理能量描述方法描述疲勞斷口圖像的紋理特征，運用最近鄰準則對特征向量進行聚類，分割出紋理區(qū)域。
　　(4)最后將經BEMD方法分割得到的疲勞斷口圖像與Fourier變換和小波變換分割得到的圖像進行對比，BEMD方法得到的效果要明顯好于后兩者。
　　本文主要運用了 BEMD方法對疲勞斷口圖像進行紋理分析，本文方法能夠很好的實現(xiàn)疲