基于分形和神经网络的铁谱磨粒图像特征提取与识别

摘要

本文介绍了铁谱技术是诊断大型柴油机磨损故障的重要手段。目前铁谱谱片磨粒识别工作主要由人工借助显微镜来完成。铁谱磨粒图像特征提取与识别的目标是结合传统的图像处理方法与神经网络和分形等现代计算方法，自动提取铁谱图像的特征，对图像进行分析，从而判别磨粒的性质、形状、大小、数量等，为柴油机故障诊断提供有力的铁谱数据。 本论文围绕着分形和神经网络在铁谱磨粒图像识别处理中的一些难点问题展开深入研究。首先介绍了在传统图像处理方法中图像的分割和特征提取；接着在提取磨粒轮廓图像和灰度图像的基础上，使用分形方法计算铁谱磨粒图像的边缘轮廓和表面灰度分形维数，为最终图像的识别提供了分形特征；最后使用神经网络方法提取磨粒图像波形特征并且实现磨粒图像的自动识别。

目录

文摘

英文文摘

淅江工业大学学位论文原创性声明和学位论文版权使用授权书

第一章绪论

1.1铁谱磨粒识别应用概况

1.2铁谱磨粒图像特征提取和识别的研究意义

1.3论文的主要内容

1.4论文各章安排

第二章传统图像分割技术和特征提取

2.1概述

2.2图像分割

2.2.1阈值分割

2.2.2边界分割

2.3图像特征提取

2.4磨粒图像的分割和特征提取

2.5小结

第三章基于分形的铁谱磨粒图像特征提取

3.1分形的基本理论

3.1.1分形概念

3.1.2分形性质

3.1.3分形维数

3.2磨粒分形维数的计算

3.2.1磨粒分类及特征提取

3.2.2磨粒分形维数的计算方法

3.2.3磨粒边缘轮廓分形维数计算方法的比较

3.3分形维数在磨粒识别中的应用

3.4小结

第四章基于神经网络技术的铁谱磨粒识别

4.1神经网络

4.1.1神经网络的形式化描述

4.1.2神经网络模型分类

4.1.3神经网络的训练和学习

4.2 BP神经网络

4.2.1反传学习算法

4.2.2BP神经网络模型

4.3基于BP神经网络技术的磨粒形状自动识别

4.3.1磨粒图像预处理

4.3.2磨粒的边界波形

4.3.3基于边界波形自动分类的磨粒形状识别

4.4基于BP神经网络技术的磨粒自动识别

4.5小结

第五章结束语

参考文献

致谢

攻读学位期间发表的学术论文