Алгоритмы обработки и анализа изображений на основе многомасштабных моделей для контроля качества продукции машиностроительного предприятия

Алгоритмы обработки и анализа изображений на основе многомасштабных моделей для контроля качества продукции машиностроительного предприятия

Автор: Гай, Василий Евгеньевич

Шифр специальности: 05.13.17

Научная степень: Кандидатская

Год защиты: 2009

Место защиты: Владимир

Количество страниц: 159 с. ил.

Артикул: 4364182

Автор: Гай, Василий Евгеньевич

Стоимость: 250 руб.

Алгоритмы обработки и анализа изображений на основе многомасштабных моделей для контроля качества продукции машиностроительного предприятия  Алгоритмы обработки и анализа изображений на основе многомасштабных моделей для контроля качества продукции машиностроительного предприятия 

Введение
ГЛАВА 1. ОБЗОР СУЩЕСТВУЮЩИХ МЕТОДОВ ОБРАБОТКИ ИЗОБРАЖЕНИЙ СТРУКТУР МЕТАЛЛОВ.
1.1. Особенности исследуемых структур металлов и сплавов.
1.2. Методы исследования изображений структур
1.2.1. Экспертный метод
1.2.2. Автоматизированный подход к исследованию
, I
1.3 Многомасштабный подход в обработке изображений
1.3.1. Реализация многмоасштабпого разложения изображения
1.3.2. Свойства многомасштабного представления изображений.
1.3.3. Обзор способов построения многомасштабного представления изображения
1.3.4. Постановка задачи построения многомасштабного представления изображений с переменным коэффициентом
изменения масштаба.
1.4. Математические модели.многомасштабного.представления
изображений.
1.4.1. Обзор математических моделей многомасштабного
представления изображений
1.4.2. Постановка задачи разработки многомасштабных моделей
изображений
Выводы по главе 1 и постановка задач исследования
ГЛАВА 2. РАЗРАБОТКА И ИССЛЕДОВАНИЕ
МНОГОМАСШТАБНЫХ МОДЕЛЕЙ ИЗОБРАЖЕНИЙ
2.1. Анализ зависимостей между элементами многомасштабного представления изображений
2.1.1. Использование условных и совместных гистограмм для анализа
зависимостей между отсчтами многомасштабной
последовательности.
2.1.2. Анализ зависимостей между отсчтами многомасштабной последовательности на основе взаимной информации.
2.2. Разработка алгоритмов построения многомасштабного представления изображения
2.2.1. Построение последовательности приближений на основе
величины взаимной информации.
2.2.2. Построение последовательности приближений на основе анализа массива величин взаимной информации.
2.2.3. Построение последовательности дополнений.
2.3. Выбор окрестности отсчта элемента многомасштабной.
последовательности
2.3.1. Алгоритм выбора окрестности на основе взаимной информации
2.3.2. Тестовый эксперимент.
2.4. Особенности использования многомасштабного представления с переменным коэффициентом изменения масштаба в алгоритмах обработки многомасштабных данных
2.4.1. Описание связей между элементами многомасштабной
последовательности
2.4.2. Выравнивание размеров элементов многомасштабной последовательности
2.4.3. Взаимное влияние отсчтов многомасштабной
последовательности
2.5. Разработка многомасштабных моделей изображений.
2.5.1. Модифицированная модель многомасштабного марковского
случайного поля.
2.5.2. Модифицированная модель скрытого марковского дерева
2.5.3. Выбор окрестности многомасштабной последовательности.
2.6. Генерация изображений
2.6.1. Генерация изображений на базе модифицированной модели
многомасштабного марковского случайного поля
2.6.2. Генерация изображений на базе модифицированной модели скрытого
марковского дерева
Выводы по главе 2.
ГЛАВА 3. РАЗРАБОТКА АЛГОРИТМОВ ОБРАБОТКИ
ИЗОБРАЖЕНИЙ НА ОСНОВЕ МНОГОМАСШТАБНЫХ МОДЕЛЕЙ.
3.1. Разработка алгоритмов сегментации изображений
3.1.1. Оценка качества работы алгоритмов сегментации изображений
3.1.2. Алгоритм сегментации изображений на основе модифицированной модели многомасштабного марковского случайного поля.
3.1.3. Алгоритм сегментации изображений на основе
модифицированной модели скрытого марковского дерева.
3.2. Разработка алгоритмов восстановления изображений.
3.2.1. Оценка качества работы алгоритмов восстановления
изображений.
3.2.2. Алгоритм восстановления изображений на основе
модифцированной модели многомасштабного марковского
случайного поля.
3.2.3. Восстановление изображений на основе модифцированной модели
скрытого марковского дерева.I
Выводы по главе 3.
ГЛАВА 4. ПРАКТИЧЕСКОЕ ПРИМЕНЕНИЕ РАЗРАБОТАННЫХ МОДЕЛЕЙ И АЛГОРИТМОВ
4.1. Разработка алгоритмов анализа изображений структуры металла
4.1.1. Оценка размера зерна.
4.1.2. Определение удельной поверхности раздела.
4.1.3. Вычисление количественного соотношения фаз в сплаве
4.1.4. Оценка глубины обезуглсроженного слоя
4.1.5. Исследование изображений усталостных изломов.
4.2. Разработка автоматизированной подсистемы анализа
изображений структуры металлов и сплавов
Выводы по главе 4.
Заключение
Библиографический список
ПРИЛОЖЕНИЕ А
ПРИЛОЖЕНИЕ Б
Введение
Актуальность


В приложении п риводятся копии патентных документов, свидетельств об официальной регистрации программ для ЭВМ и копии актов о реализации научных положений и выводов диссертационной работы. ГЛАВА 1. ОБЗОР СУЩЕСТВУЮЩИХ. В настоящее время машиностроение является активно развивающейся отраслью промышленности. Одной из главных задач машиностроительного производства является обеспечение и повышение качества выпускаемой продукции. При решении этой задачи важная роль отводится контролю качества продукции на всех этапах производства Целью контроля качества является проверка соответствия. В общем случае под качеством, в соответствии со стандартом ГОСТ Р ИСО , понимают степень соответствия совокупности присущих характеристик продукции. Отдел технического контроля. Центральная заводская лаборатория. Одной из главных задач отдела технического контроля является предотвращение выпуска продукции, не соответствующей требованиям ГОСТов и ТУ. Проведение на предприятии исследовательских работ в области технологии, направленных на обеспечение выполнения производственных планов в цехах предприятия при высоком качестве выпускаемой продукции. Анализ качества применяемых предприятием основных и вспомогательных материалов, топлива, полуфабрикатов, деталей и узлов, составление заключений о соответствии их ГОСТам и техническим условиям. В состав ЦЗЛ входят различные лаборатории например, лаборатория металловедения, химическая лаборатория и т. ГОСТах и технических условиях. I . На его основе обнаруживают и исследуют состояние и изменение структуры металлов, микро и макродефекты производственнотехнологического, и эксплуатационного происхождения . Подготовка образца изделия для анализа. Регистрация изображения поверхности образца. Анализ получешюго изображения. Под непрерывным изображением понимается двумерная функция Гх,у, где хну пространственные координаты, а значение функции для каждой пары координат х,у называется интенсивностью или яркостью изображения в точке. Под дискретным изображением понимается двумерный набор отсчтов, к у. I7. М 5Гу5ГУд. Уу0. Необходимо отметить, что в процессе регистрации изображение может быть искажено шумом. Искажение изображения снижает точность оценки параметров структуры металла. Исследование макроструктуры. Макроструктура изделия изучается путм анализа изображения поверхности специально подготовленных образцов макрошлифов или изломов невооружнным глазом или при небольших увеличениях до раз. Исследование микроструктуры. Микроструктура изделия изучается путм анализа изображения поверхности специально подготовленных образцов микрошлифов при помощи оптического микроскопа с увеличением от до раз. Макроанализ дат представление об общем строении металла и позволяет оценить его качество после различных операций металлургического производства, а также различных видов обработки на машиностроительных предприятиях. Этот анализ позволяет выбрать те участки, которые требуют дальнейшего микроскопического исследования. Целью микроанализа является определение микроструктуры и фазового состава сталей и сплавов, оценка количества, размеров, формы различных фаз. Этот анализ также позволяет установить связь химического состава, условий производства и обработки сплава с его микроструктурой и свойствами. Характеристики структуры металла оцениваются на основеметаллографического метода путм измерения численных параметров структуры по изображению поверхности шлифа. Анализ выполняется с учтом того, что различные структурные составляющие металла обладают различными текстурными иили яркостными характеристиками. Иногда, для выделения отдельной структурнойсоставляющей образец специально подготавливают например, выполняют травление образца, используя растворы кислот, щелочей, солей. Травление образца, вследствие наличия примесей, различных структурных составляющих, дефектных участков структуры, происходит неравномерно. В результате этого, на поверхности появляются углубления, попадая в которые, отраженный свет рассеивается, и эти участки воспринимаются устройством регистрации, как темные, в то время как гладкие, менее сильно травящиеся, участки поверхности кажутся светлыми.

Рекомендуемые диссертации данного раздела

28.06.2016

+ 100 бесплатных диссертаций

Дорогие друзья, в раздел "Бесплатные диссертации" добавлено 100 новых диссертаций. Желаем новых научных ...

15.02.2015

Добавлено 41611 диссертаций РГБ

В каталог сайта http://new-disser.ru добавлено новые диссертации РГБ 2013-2014 года. Желаем новых научных ...


Все новости

Время генерации: 0.205, запросов: 244