【技术实现步骤摘要】
本专利技术涉及一种融合超像素信息的钢材金相组织分割方法，属于图像分割。
技术介绍
1、钢材金相图是一种通过金属显微检测技术对钢铁样品的断面进行拍摄而得到的显微图片。它可以反映金属在特定工艺条件下所呈现的内部结构和组成。钢材金相图在分析微观组织与宏观性能之间的关系，改善工艺流程和提高产品性能等方面具有重要意义，在实验室研究和工业生产中得到广泛应用。钢材金相图的研究一直是材料领域的重要课题。在化学成分一定的情况下，材料的微观组织形态、分布、组成和类型等特征决定了材料的性能表现。因此，通过对钢材金相图的分析，可以深入探究金属材料内部结构与性能之间的关系，为材料的研发和优化提供无价的信息。总之，钢材金相图是材料科学中不可或缺的重要工具，它能够帮助科学家和工程师更好地理解材料的微观组织和性能，为材料制备和应用提供有力支撑。
2、目前，针对钢材金相图的分割主要采用人工比照法和深度学习训练模型分割。然而，人工比照法受到主观意识的影响较大，误差比较明显。同时，深度学习训练模型需要消耗大量的人力来制作数据集，并且模型精度训练难度较大。因此，需要一种高效、高精度的自动分割方法来解决这一问题。
技术实现思路
1、专利技术目的：为了解决现有技术存在的问题，克服金相组织分割精度低、耗时长的不足，本专利技术提供一种融合超像素信息的钢材金相组织分割方法。
2、技术方案：一种融合超像素信息的钢材金相组织分割方法，包括如下步骤：
3、步骤1，获取待识别的金相图片，去除金相图片中的
4、步骤2，将处理后的图片通过不同滤波器提取不同的特征图，并将不同的特征图整合成金相特征图；
5、步骤3，将金相特征图进行聚类分析，通过对聚类结果的分析，识别出不同的金相组织并将它们分割开来；
6、步骤4，结合超像素信息，以所述分割来合并同类组织。超像素聚类信息提供了更加详细的图像信息，可以帮助区分有相似特征的金相组织。
7、步骤5，为了进一步提高分割的准确性，还使用了边缘提取方法，对超像素分割后的结果图进行边缘补偿。
8、最终，该方法能够快速准确地得到钢材金相组织分割图。与传统的手动分割相比，这种方法更加快速和自动化，大大减少了专家的时间和成本。
9、所述步骤1中，采用了高斯滤波和中值滤波的图像处理技术；高斯滤波用于对数字图像进行平滑处理；高斯平滑滤波器用于去除图像中服从正态分布的噪声，中值滤波用于抑制图像噪声。中值滤波是将数字图像或数字序列中每个点的值用该点邻域中各点值的中值代替，从而消除孤立的噪声点，使周围的像素值接近真实值。步骤1的主要作用是消除图像中无关信息、恢复有用信息并增强有关信息的可检测性，最大限度地简化数据，从而提升特征抽取、匹配和识别的可靠性。
10、所述步骤2中，所述滤波器主要为峰度、方差、熵、能量、偏度五种滤波器。
11、方差(variance)是一种衡量图片样本分布均匀性的尺度标准，图像共有n点，第i点的灰度值为xi，其均值为x，方差的计算公式为：
12、
13、偏度(skewness)代表的是图片样本总体取值分布的对称性，即图像的扭曲度。偏度需要与正态分布相比较，偏度为0表示其数据分布形态与正态分布的偏斜程度相同；偏度大于0表示其数据分布形态与正态分布相比为正偏或右偏，即数据右端有较多的极端值；偏度小于0表示其数据分布形态与正态分布相比为负偏或左偏，即数据左端有较多的极端值。偏度的绝对值数值越大表示其分布形态的偏斜程度越大，偏度的计算公式为：
14、
15、峰度(kurtosis)表明的是样本总体中所有取值分布形态的陡缓程度，表示图片样本分布的峰值是否突兀或平坦，峰度同样也需要与正态分布相比较，峰度为0表示该总体数据分布与正态分布的陡缓程度相同；峰度大于0表示该总体数据分布与正态分布相比较为陡峭，为尖顶峰；峰度小于0表示该总体数据分布与正态分布相比较为平坦，为平顶峰。峰度的绝对值数值越大表示其分布形态的陡缓程度与正态分布的差异程度越大。峰度的计算公式为：
16、
17、熵反映图像灰度分布的空间特征，引入能够反映灰度分布空间特征的特征量来组成图像的熵。选择图像的邻域灰度均值作为灰度分布的空间特征量，与图像的像素灰度组成特征二元组，记为(i,j)，其中i表示像素的灰度值(0<＝i<＝255)，j表示邻域灰度均值(0<＝j<＝255)。
18、
19、上式能反应某像素位置上的灰度值与其周围像素灰度分布的综合特征，其中f(i,j)为特征二元组(i,j)出现的频数，n为图像的尺度。图像熵的计算公式为：
20、
21、log的底数是2，能量变换反映了图像灰度分布均匀程度和纹理粗细度。若灰度共生矩阵的元素值相近，则能量较小，表示纹理细致；若其中一些值大，而其它值小，则能量值较大。能量值大表明一种较均一和规则变化的纹理模式。其计算公式为：
22、asm＝∑i∑j(pi，j)2。
23、所述步骤3中，所得到的金相特征图进行k均值聚类分析，包括以下步骤：
24、(1)首先，用户确定簇个数k，计划将数据划分为k个类。
25、(2)随机确定k个初始点作为质心(在数据边界范围之内随机选取)；图像是由许多像素点组成的，初始点从像素点中随机选择。
26、(3)对每个数据实例(像素点)依次计算到k个质心的距离，选择最小距离的质心，并将其分配给该质心所对应的簇，直到数据集(图像中所有的像素点)中的所有数据全都分配给k个簇，更新k个簇的质心为该簇所有点的平均值；
27、(4)循环上述步骤(3)，重新分配每个数据实例到新的质心，直到所有数据的分配结果不再发生改变为止。
28、金相图片可以由亮度(l)和有关色彩的a,b三个要素组成。l表示亮度，l的值域由0(黑色)到100(白色)。a表示从红色至绿色的范围(a为负值指示绿色而正值指示品红)，b表示从黄色至蓝色的范围(b为负值指示蓝色而正值指示黄色)。对所得到的聚类分析特征图进行超像素分割合并特征相似的区域，包括以下步骤：
29、(1)初始化种子点(聚类中心)：按照设定的超像素个数，在图像内均匀的分配种子点。假设图片总共有n个像素点，预分割为k个相同尺寸的超像素，那么每个超像素的大小为n/k，则相邻种子点的距离近似为s＝sqrt(n/k)。
30、(2)在种子点的n*n邻域内重新选择种子点。具体方法为：计算该邻域内所有像素点的梯度值，将种子点移到该邻域内梯度最小的地方。这样做的目的是为了避免种子点落在梯度较大的轮廓边界上，以免影响后续聚类效果。
31、(3)在每个种子点周围的邻域内为每个像素点分配类标签(即属于哪个聚类中心)。超像素的搜索范围限制为2s*2s，可以加速算法收本文档来自技高网...
【技术保护点】
1.一种融合超像素信息的钢材金相组织分割方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的融合超像素信息的钢材金相组织分割方法，其特征在于，所述步骤1中，采用了高斯滤波和中值滤波的图像处理技术；高斯滤波用于对数字图像进行平滑处理，中值滤波用于抑制图像噪声。
3.根据权利要求1所述的融合超像素信息的钢材金相组织分割方法，其特征在于，所述步骤2中，所述滤波器主要为峰度、方差、熵、能量、偏度五种滤波器；
4.根据权利要求1所述的融合超像素信息的钢材金相组织分割方法，其特征在于，所述步骤3中，所得到的金相特征图进行K均值聚类分析，包括以下步骤：
5.根据权利要求1所述的融合超像素信息的钢材金相组织分割方法，其特征在于，金相图片可以由亮度L和有关色彩的a,b三个要素组成；L表示亮度，L的值域由0到100。a表示从红色至绿色的范围，b表示从黄色至蓝色的范围；对所得到的聚类分析特征图进行超像素分割合并特征相似的区域，包括以下步骤：
6.根据权利要求1所述的融合超像素信息的钢材金相组织分割方法，其特征在于，所述步骤5中，对与金相
7.一种融合超像素信息的钢材金相组织分割系统，其特征在于，包括预处理模块、特征提取模块和K均值处理模块；获取待识别的金相图片，将待处理的金相图片输入预处理模块，去除金相图片中的杂点与噪声，获得整体亮度一致的金相图片，将获得的图片输入至特征提取模块，经不同的滤波器获得不同的特征图，整合得到的金相特征图，输入至K均值模块进行聚类分析，得到初步的识别的结果，再经过超像素分割合并同类组织，经过边缘提取对超像素分割后的结果图进行边缘补偿，得到最终的金相组织分割图。
8.根据权利要求7所述的融合超像素信息的钢材金相组织分割系统，其特征在于，预处理模块通过高斯、中值滤波器，对输入的金相图进行滤波处理。
9.根据权利要求7所述的融合超像素信息的钢材金相组织分割系统，其特征在于，滤波器特征提取模块提取图片的熵、能量、偏差、方差、峰度五个方面的特征，将所得到的特征图合并得到最终的特征图。
10.根据权利要求7所述的融合超像素信息的钢材金相组织分割系统，其特征在于，所述K均值模块将得到的特征图进行K均值聚类分析，其步骤主要为：
...【技术特征摘要】
1.一种融合超像素信息的钢材金相组织分割方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的融合超像素信息的钢材金相组织分割方法，其特征在于，所述步骤1中，采用了高斯滤波和中值滤波的图像处理技术；高斯滤波用于对数字图像进行平滑处理，中值滤波用于抑制图像噪声。
3.根据权利要求1所述的融合超像素信息的钢材金相组织分割方法，其特征在于，所述步骤2中，所述滤波器主要为峰度、方差、熵、能量、偏度五种滤波器；
4.根据权利要求1所述的融合超像素信息的钢材金相组织分割方法，其特征在于，所述步骤3中，所得到的金相特征图进行k均值聚类分析，包括以下步骤：
5.根据权利要求1所述的融合超像素信息的钢材金相组织分割方法，其特征在于，金相图片可以由亮度l和有关色彩的a,b三个要素组成；l表示亮度，l的值域由0到100。a表示从红色至绿色的范围，b表示从黄色至蓝色的范围；对所得到的聚类分析特征图进行超像素分割合并特征相似的区域，包括以下步骤：
6.根据权利要求1所述的融合超像素信息的钢材金相组织分割方法，其特征在于，所述步骤5中，对与金相原图进行canny边缘提取；使用两种不同的阈值分别检测强边缘和弱边缘，并且当...
【专利技术属性】
技术研发人员：李平平，段献宝，陶玉婷，王群，徐云涛，黄铁，吴飞虎，梁雪冬，
申请(专利权)人：中铁检验认证常州机车车辆配件检验站有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。