面向在线铁谱图像自动识别的磨粒链自适应分割方法技术

面向在线铁谱图像自动识别的磨粒链自适应分割方法，步骤一、分别将铁谱传感器所提供的透射光图像和反射光图像分别经过预处理转换为二值化图像和灰度化图像；步骤二、采用反射光图像Imgf进行基于灰度形态学的粗分割；步骤三、针对上述粗分割后的二值化图像进行精细——多尺度二值形态学分割：针对每条磨粒链采用变尺度的腐蚀-膨胀算法实现对大小磨粒的分割，获得二值分割线；步骤四、将二值分割线叠加到原始的透射光图像和反射光图像即可获得分割后的磨粒图像。本发明专利技术不但可以解决在线磨粒链图像的分割问题，还可应用于传统离线铁谱图像中的磨粒链自动分割，对实现铁谱图像分析技术的智能化和自动化具有重要意义。

【技术实现步骤摘要】
面向在线铁谱图像自动识别的磨粒链自适应分割方法
本专利技术涉及机械系统状态监测
，涉及铁谱图像的自动分析技术，特别涉及一种面向在线铁谱图像自动识别的磨粒链自适应分割方法。
技术介绍
磨粒分析是通过分析被检测机器的润滑介质和携带的磨损微粒情况，获得机器的磨损状态信息的关键技术，对磨损故障的诊断、预测、维护决策都起着至关重要的做作用。作为一种重要的磨粒分析手段，传统的离线铁谱图像分析已经成功应用于工业装备的磨损状态监测，形成了标准化的磨损状态评价体系。但是这种技术具有明显的缺陷：1）取样和分析周期长，效率低；2）分析结果的经验依赖性强，重复度低。随着实情维护技术的发展需求，实时性和自动化监测成为状态监测的发展方向，传统的离线分析技术面临着新的挑战。在线铁谱技术于上世纪30年代提出，近10年来获得快速的发展，随着在线传感器的出现，将这种传统的铁谱分析技术延伸到实时监测和自动分析领域。在线磨粒图像将铁谱分析技术的独特优势呈现在在线监测领域，但是新的技术瓶颈限制了该技术优势：磨粒粘连成链、团簇极大地增加了获取单个磨粒特征信息的难度。虽然在线铁谱传感器及采集方法不断改进，依然没有找到有效的磨粒链分割方法，而只能给出宏观浓度统计指标（IPCA：百分比面积覆盖率），使其在诸多在线磨粒传感器中无法体现独特优势。显然，智能化的磨粒链分割已经成为在线铁谱技术的发展瓶颈。在线磨粒分析是近10年来快速发展的油液监测技术，各种传感器成为该技术的主要进展技术，从原理角度可大致分为：电学、光学、磁感应和图像4种：1）电学传感器：Itomi等人研制的基于电阻测量的“Oilchecksensor”（公开号：JP2002286697）；MuraliS基于电容原理开发的基于微流道结构的电容磨粒计数器；英国Kittiwake公司采用电感原理开发的MetallicparticleSensor和TotalFerrousDebrisSensor。2）光学传感器：美国海军研究的LaserNetFines磨粒监测仪；AllisonM.Toms等人开发的在线油液监测的傅里叶红外光谱监测装置。3）磁感应传感器：加拿大Gastop公司的MetalScan传感器。采用上述3种原理的传感器的共性缺点是无法提供磨损机理信息，而铁谱图像是分析磨损机理的重要途径。由于铁谱图像一直采用离线铁谱仪器获取，在线铁谱传感器技术成为新的技术方向。2001年西安交通大学开发了第一代可在线提供铁谱图像的传感器（专利号：01240347.4）。2005年，通过混合励磁方式和CMOS图像传感器的使用，该课题组提出第二代在线数字图像铁谱传感器”（公开号：CN1673733A），并于2008年专利技术了第三代短沉积距离的图像型在线铁谱传感器（公开号:CN100365413C），使用电磁场主动沉积磨粒，可以分别提供大、小磨粒的图像。在线铁谱图像的获取为在线磨粒分析提供技术基础。由于采用磁场沉积原理，磨粒在铁谱图像中不可避免的产生成链、堆积现象，如图1所示，极大影响了后续磨粒特征分析的准确性，虽然通过改变沉积参数可以消除磨粒图像中的堆积现象，磨粒成链却仍然无法避免，因此磨粒链分割已经成为在线磨粒分析的技术瓶颈。磨粒链分割在离线图像铁谱分析中同样存在，由于一直采用人工分析，自动分割仅仅限于单个特征磨粒的背景分割，而极少涉及磨粒链分割的报道。基于“watershed”数学形态学方法虽然在离线铁谱图像中获得了精确的磨粒分割效果，但是由于在分割过程中需要人为的设定分割参数，因此无法应用于在线自动分割。更多的基于数学形态学自动分割方法在粘连颗粒的分割领域应用，如细胞和谷物的图像分割，主要包括：1）基于边缘检测与凹点分配的分离方法；2）基于分水岭分割的分离方法；3）基于分离搜索点算法的分离方法。上述各种颗粒图像分离算法针对具有类圆性、尺寸相近的颗粒对象，因此难以应用于形状不规则、边缘粗糙、尺寸分布宽的磨粒分割。在线铁谱技术的现状表明：磨粒链的智能分割方法已经成为在线铁谱技术发挥其磨粒分析优势的技术瓶颈，而现有的分割算法无法应用于磨粒链图像分割。
技术实现思路
针对现有技术的缺陷，本专利技术提供面向在线铁谱图像自动识别的磨粒链自适应分割方法，结合灰度和形态学信息的磨粒链图像分割方法，实现了在线铁谱图像中粘连磨粒的分割；本专利技术不但可以解决在线磨粒链图像的分割问题，还可应用于传统离线铁谱图像中的磨粒链自动分割，对实现铁谱图像分析技术的智能化和自动化具有重要意义。为了达到上述目的，本专利技术的技术方案为:面向在线铁谱图像自动识别的磨粒链自适应分割方法，步骤如下：步骤一、将铁谱传感器所提供的透射光图像和反射光图像分别经过预处理转换为二值化图像和灰度化图像。步骤二、采用反射光图像Imgf进行基于灰度形态学的粗分割：识别灰度化图像中的每条磨粒链，并采用内部标记和外部标记两种控制标记符标记磨粒链中的可分割磨粒，进一步采用分水岭变换获得上述可分割磨粒的灰度分割线，并将此分割线叠加到对应的二值化图像中实现粗分割；步骤三、针对上述粗分割后的二值化图像进行精细——多尺度二值形态学分割：针对每条磨粒链采用变尺度的腐蚀-膨胀算法实现对大小磨粒的分割，获得二值分割线；步骤四、将二值分割线叠加到原始的透射光图像和反射光图像即可获得分割后的磨粒图像。步骤一所述的反射光图像灰度化是将图像中每个像素点（x,y）的RGB值按照公式（1）计算获得该点的灰度值，最终处理结果为灰度化图像：公式（1）：步骤一所述的透射光图像二值化预处理包括灰度化、二值化、和形态学去噪3个步骤，所述的灰度化参照公式（1）：将图像中每个像素点（x,y）的RGB值按照公式（1）计算获得该点的灰度值；所述的二值化是通过设定一个阈值，并通过公式（2）将整个图像的像素值分成两个部分，从而将图像转换为二值化图像：公式（2）：T.]]>形态学去噪使用数学形态学里面的“腐蚀”与“膨胀”算子所构成的“开运算”和“闭运算”对二值图像进行形态学滤波，去除无关的噪点。步骤二所述的灰度形态学的粗分割是以反射光灰度化图像中的磨粒链灰度值为处理对象，通过提取灰度特征进行磨粒分割的方法，具体方法为：以透射光图片二值化结果为参考，采用标记连通域方法获取图像中的每条磨粒链作为处理对象，计算磨粒链图像的灰度梯度，绘制灰度梯度图；应用最小强制方法进行局部极小值融合，从而获得改进的极小值区域，即为所求内部标记符；对已经做了内部标记的图像分别进行距离变换和分水岭变换，获得的分割线作为外部标记符；将所获得的内外标记符叠加到梯度幅度图像中对原梯度幅度图像进行修改，使局部最小区域仅仅出现在标记的位置，即以标记符所处位置为新的极小值位置，同时其他局部最小区域将被增亮并删除；以修改过的梯度幅度图像为对象进行分水岭分割获得灰度形态学下的分割线；将所获得分割线叠加至原始的透射光图像的预处理结果中，获得粗分割结果。步骤三所述多尺度二值形态学分割通过分析像素点之间的逻辑位置关系来实现粘连本文档来自技高网...

【技术保护点】
面向在线铁谱图像自动识别的磨粒链自适应分割方法，其特征在于，步骤如下： 步骤一、将铁谱传感器所提供的透射光图像和反射光图像分别经过预处理转换为二值化图像和灰度化图像； 步骤二、采用反射光图像Imgf进行基于灰度形态学的粗分割： 识别灰度化图像中的每条磨粒链，并采用内部标记和外部标记两种控制标记符标记磨粒链中的可分割磨粒，进一步采用分水岭变换获得上述可分割磨粒的灰度分割线，并将此分割线叠加到对应的二值化图像中实现粗分割； 步骤三、针对上述粗分割后的二值化图像进行精细——多尺度二值形态学分割：针对每条磨粒链采用变尺度的腐蚀‑膨胀算法实现对大小磨粒的分割，获得二值分割线； 步骤四、将二值分割线叠加到原始的透射光图像和反射光图像即可获得分割后的磨粒图像。

【技术特征摘要】
1.面向在线铁谱图像自动识别的磨粒链自适应分割方法，其特征在于，步骤如下：步骤一、将铁谱传感器所提供的透射光图像和反射光图像分别经过预处理转换为二值化图像和灰度化图像；步骤二、采用反射光图像Imgf进行基于灰度形态学的粗分割：识别灰度化图像中的每条磨粒链，并采用内部标记和外部标记两种控制标记符标记磨粒链中的可分割磨粒，进一步采用分水岭变换获得上述可分割磨粒的灰度分割线，并将此分割线叠加到对应的二值化图像中实现粗分割；步骤三、针对上述粗分割后的二值化图像进行精细——多尺度二值形态学分割：针对每条磨粒链采用变尺度的腐蚀-膨胀算法实现对大小磨粒的分割，获得二值分割线；步骤四、将二值分割线叠加到原始的透射光图像和反射光图像即可获得分割后的磨粒图像。2.根据权利要求1所述的面向在线铁谱图像自动识别的磨粒链自适应分割方法，其特征在于：步骤一所述的反射光图像灰度化是将图像中每个像素点(x,y)的RGB值按照公式(1)计算获得该点的灰度值，最终处理结果为灰度化图像，公式(1)：步骤一所述的透射光图像二值化预处理包括灰度化、二值化、和形态学去噪3个步骤，所述的灰度化参照公式(1)：将图像中每个像素点(x,y)的RGB值按照公式(1)计算获得该点的灰度值；所述的二值化是通过设定一个阈值，并通过公式(2)将整个图像的像素值分成两个部分，从而将图像转换为二值化图像，公式(2)：形态学去噪使用数学形态学里面的“腐蚀”与“膨胀”算子所构成的“开运算”和“闭运算”对二值图像进行形态学滤波，去除无关的噪点。3.根据权利要求1所述的面向在线铁谱图像自动识别的磨粒链自适应分割方法，其特征在于：步骤二所述的灰度形态学的粗分割是以反射光灰度化图像中的磨粒链灰度值为处理对象，通过提取灰度特征进行磨粒分割的方法，具体方法为：以透射光图片二值化结果为参考，采用标记连通域方法获取图像中的每条磨粒链作为处理对象，计算磨粒链图像的灰度梯度，绘制灰度梯度图；应用最小强制方法进行局部极小值融合，从而获得改进的极小值区域，即为所求内部标记符；对已经做了内部标记的图像分别进行距离变换和分水岭变换，获得的分割线作为外部标记符；将所获得的内外标记符叠加到梯度幅度图像中对原梯度幅度图像进行修改，使局部最小区域仅仅出现在标记的位置，即以标记符所处位置为新的极小值位置，同时其他局部最小区域将被增亮并删除；以修改过的梯度幅度图像为对象进行分水岭分割获得灰度形态学下的分割线；将所获得分割线叠加至原始的透射光图像的预处理结果中，获得粗分割结果。4.根据权利要求1所述的面向在线铁谱图像自动识别的磨粒链自适应分割方法，其特征在于：步骤三所述多尺度二值形态学分割通过分析像素点之间的逻辑位置关系来实现粘连磨...

【专利技术属性】
技术研发人员：武通海，吴虹堃，彭业萍，
申请(专利权)人：西安交通大学，西安凯硕电子科技有限公司，
类型：发明
国别省市：陕西;61