CN111709939A - 一种结构对称性的编织陶瓷基复合材料细观组分分类方法 - Google Patents

一种结构对称性的编织陶瓷基复合材料细观组分分类方法 Download PDF

Info

Publication number
CN111709939A
CN111709939A CN202010563378.8A CN202010563378A CN111709939A CN 111709939 A CN111709939 A CN 111709939A CN 202010563378 A CN202010563378 A CN 202010563378A CN 111709939 A CN111709939 A CN 111709939A
Authority
CN
China
Prior art keywords
matrix
image
row
pixel
sim
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010563378.8A
Other languages
English (en)
Other versions
CN111709939B (zh
Inventor
贾蕴发
宋迎东
高希光
方光武
于国强
张盛
董洪年
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Aeronautics and Astronautics
Original Assignee
Nanjing University of Aeronautics and Astronautics
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing University of Aeronautics and Astronautics filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN202010563378.8A priority Critical patent/CN111709939B/zh
Publication of CN111709939A publication Critical patent/CN111709939A/zh
Application granted granted Critical
Publication of CN111709939B publication Critical patent/CN111709939B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10116—X-ray image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20112—Image segmentation details
    • G06T2207/20164—Salient point detection; Corner detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)

Abstract

一种结构对称性的编织陶瓷基复合材料细观组分分类方法，是基于计算机图形算法的2.5D编织结构陶瓷基复合材料XCT切片细观结构识别方法，根据每条基体的（重心）坐标对不同的基体进行配对，通过（图像）梯度的方法剔除属于纬纱边缘的像素，更加快速的拟合经纱边缘，并通过Harris角点修正经纱边缘函数，获得经纱区域，再结合图像梯度求出的纬纱边缘像素，获得纬纱区域。由于基体和孔隙的像素灰度值相差较大，因此通过阈值分割法对基体和孔隙进行定位。上述的由此提升识别过程的自动化水平。本发明提供的方法可以识别出2.5D编织材料的基体、孔隙、经纱和纬纱组分，整个过程仅需设置极少参数，操作简单且识别效率高。

Description

一种结构对称性的编织陶瓷基复合材料细观组分分类方法
技术领域
本发明属于编织陶瓷基复合材料领域，具体涉及一种结构对称性的编织陶瓷基复合材料细观组分分类方法。
背景技术
陶瓷基复合材料(CMCs，Ceramic Matrix Composites)是由界面、基体和连续增强纤维三种组分构成，相比于金属基复合材料，其耐温性，耐腐蚀性更好，密度小，是航空发动机热端部件的理想候选材料。
由于材料的多组分且各组分失效模式不同，造成失效机理复杂。当前在编织体结构建模时如纤维束、基体等，大部分学者理想化各组分分布，假设每种组分分布均匀，但实际上，纤维变形，基体和孔隙随机分布均导致有限元分析结果与真实情况相差甚远，可以看出编织体的细观结构很大程度上决定了材料的有限元模拟的准确度。
X射线计算机断层扫描成像(XCT，X-Ray Computed Tomography)是一种无损检测技术，可以在不破坏试件的基础上获得材料内部真实的细观结构。因此基于的XCT切片的有限元建模方法由于考虑材料的真实结构已成为了数值计算与数值模拟发展的一种趋势。
一些学者针对CMCs的2.5D编织结构提出了细观结构的计算机图形识别方法(如专利公开号为CN106469454A，发明名称为“一种复合材料细观结构的计算机图形识别技术和三维建模方法”)。该方法需要对每条基体进行编号配对，操作过程相对复杂，且容易弄混。
因此，有必要对于2.5D编织材料的细观结构识别展开进一步的技术研究。
发明内容
本发明针对现有技术中的不足，提供一种结构对称性的编织陶瓷基复合材料细观组分分类方法，根据每条基体的中心坐标对不同的基体进行配对，通过像素梯度的方法剔除属于纬纱边缘的像素，更加快速的拟合经纱边缘，并通过Harris角点修正经纱边缘函数，获得经纱区域，由此提升识别过程的自动化水平。
本发明提供的方法可以识别出2.5D编织材料的基体、孔隙、经纱和纬纱组分，整个过程仅需设置极少参数，操作简单且识别效率高。
为实现上述目的，本发明采用以下技术方案：
一种结构对称性的编织陶瓷基复合材料细观组分分类方法，其特征在于，包括如下步骤：
步骤一：扫描编织陶瓷基复合材料试件，获得一系列包含材料内部细观结构的XCT切片；
步骤二：根据基体像素阈值，对XCT切片中小于基体像素阈值和大于等于基体像素阈值的像素值分别进行设定，得到图像1；
步骤三：使用拉普拉斯算子对图像1进行锐化，并将图像像素进行反转，得到图像2；
步骤四：使用canny提取图像2的边缘，得到二值图像3；
步骤五：删除图像3的局部噪声像素区域，得到图像4；
步骤六：根据孔隙面积阈值，删除图像4孔隙部分的像素区域，得到图像5；
步骤七：采用Harris角点检测算法获得图像5中的角点并标记；
步骤八：确定标记图像中各像素区域，计算每个区域的中心坐标，从而确定配对的基体；
步骤九：根据梯度值删除每条基体的纬纱边缘部分；
步骤十：对于删除后的图像，通过统计配对基体中每条基体左右两侧经纱多出部分、每条基体中间经纱边缘部分，并结合镜像操作和最小二乘法，拟合识别出经纱区域；
步骤十一：结合经纱区域，进一步确定纬纱区域和孔隙。
为优化上述技术方案，采取的具体措施还包括：
进一步地，所述步骤一中，选取固定尺寸的编织块，采用金刚线切割，采用XCT设备扫描切割后的试件，获得一系列包含材料内部细观结构的XCT切片。
进一步地，所述步骤五中，使用8连通方式计算图像3中像素区域面积小于阈值Area_remove_1的像素块，将其删除，并对图像进行闭操作，连接基体部分的线段间断，得图像4。
进一步地，所述步骤六中，设置孔隙面积阈值Area_Void_Thresh，使用8连通方式计算图像4中像素区域面积小于孔隙面积阈值的像素块，并删除得图像5。
进一步地，所述步骤七中，采用Harris角点检测算法获得图像5中的角点，并选取前500个最强烈的角点，以十字标记，依次计算500个角点中各角点与其他角点之间的横纵坐标距离，若横纵坐标距离均小于10，将该其他角点删除。
进一步地，所述步骤八中，以8连通方式来确定标记图像中各像素区域，并计算每个像素区域的中心坐标，根据不同像素区域的中心坐标的纵坐标之间的距离和横坐标之间的距离来确定配对的基体，如果基体存在奇数条，删除无法配对的单条基体。
进一步地，所述步骤九中，图像是一个二维矩阵，尺寸为[row，col]；
对于图像列梯度，第一列采用[f(i，1)-f(i，2)]计算，最后一列采用[f(i，col)-fi，col-1计算，其他列均采用fi，j+1-fi，j/2计算；其中，f为图像函数，fi，j是图像的第i行第j列的像素值，i＝1，...，row，j＝1，...，col；
对于图像行梯度，第一行采用[f(1，j)-f(2，j)]计算，最后一行采用[f(row，j)-frow-1，j计算，其他行均采用fi+1，j-fi，j/2计算；
记图像列梯度和图像行梯度分别为Ix和Iy，行和列的点积为Ixy，其中Ixy＝Ix·*Iy；
分别统计Ixy大于0和小于0的像素数量，将像素数量少的部分确认为纬纱边缘，并将所在坐标的像素值设为0；采用8连通方式确定像素区域个数，将每个像素区域中数量小于设定值Area_remove_2的像素块移除。
进一步地，所述步骤十中，首先统计每对配对基体中每条基体左右两侧经纱多出部分，统计每对配对基体中基体中间经纱边缘的部分，将左右两侧经纱多出部分的像素位置赋予基体中间经纱边缘的部分，然后对图像进行镜像操作，使用最小二乘法拟合镜像操作后的经纱上下边缘，并结合步骤七提取的角点进行微调，获得经纱的识别结果。
进一步地，所述步骤十具体如下：
1)统计每对配对基体中每条基体左右两侧经纱多出部分的像素位置以及数量：计算每条基体的列最小值rem_y_min和最大值rem_y_max，左侧经纱多出部分的列在rem_y_min到(rem_y_max+rem_y_min)/2范围内，统计范围内像素值为1的列坐标所对应的行坐标个数是否为1，如果是累加到row_ext_1中，坐标对应的像素值矩阵为tmp_matrix_1；右侧经纱多出部分的列数在(rem_y_max+rem_y_min)/2到rem_y_max范围内，统计范围内像素值为1的列坐标所对应的行坐标个数是否为1，如果是则累加到row_ext_2中，坐标对应的像素值矩阵为tmp_matrix_2；其中，row_ext_1表示左侧多出部分的像素个数，row_ext_2表示右侧多出部分的像素个数，tmp_matrix_1是row_ext_1对应像素的坐标矩阵，tmp_matrix_2是row_ext_2对应像素的坐标矩阵；
2)统计每对配对基体中基体中间经纱边缘的部分，经纱上边缘记为up_matrix，下边缘记为down_matrix，列坐标范围为rem_y_min到rem_y_max；计算列坐标范围内像素值为1的行坐标的个数x_sim_num和行坐标x_sim，判断x_sim_num是否大于等于2个，如果等于2个且x_sim(2)-x_sim(1)＞3，则将x_sim(1)和对应的列坐标计入up_matrix，将x_sim(2)和对应的列坐标计入down_matrix；如果大于2个且x_sim(x_sim_num)-x_sim(1)＞3，则将则将x_sim(1)和对应的列坐标计入up_matrix，将x_sim(x_sim_num)和对应的列坐标计入down_matrix；其中，x_sim(1)、x_sim(2)、x_sim(x_sim_num)指的同一列坐标对应的第1个、第2个和第x_sim_num个行坐标；
3)将每条基体的左右两侧经纱多出部分的像素位置赋予每条基体的up_matrix、down_matrix：判断row_ext_1是否大于0，如果是，则比较|tmp_matrix_1(row_ext_1，1)-up_matrix(1，1)|和|tmp_matrix_1(row_ext_1，1)-down_matrix(1，1)|的大小，如果前者大于后者，则将tmp_matrix_1赋予down_matrix，反之则赋予up_matrix；对于row_ext_2，进行相同的比较；其中，tmp_matrix_1(row_ext_1，1)表示左侧经纱多出部分第row_ext_1位置处的行坐标，up_matrix(1，1)表示上边缘的第一个坐标的行坐标，up_matrix(1，1)表示下边缘的第一个坐标的行坐标；
4)对图像进行镜像操作：首先对经纱的上边缘up_matrix进行左右对称翻转，翻转均长度为col/4，图像是一个二维矩阵，尺寸为[row，col]；之后对经纱下边缘down_matrix进行左右对称翻转；
5)使用最小二乘法拟合翻转之后的经纱上下边缘，获得两者的曲线函数，并将步骤七提取的角点代入对应曲线中，查看这些角点是否在这些曲线上，如果不在，则对曲线进行微调；通过对每条经纱上下边缘曲线函数内的坐标进行定位，获得经纱的识别结果。
进一步地，所述步骤十一中，由步骤九确定的Ixy小于0的部分，就是纬纱的左右边缘，结合经纱的上下边缘曲线，确定纬纱的最终区域。由于基体和孔隙的像素灰度值相差较大，通过阈值分割法对基体区域和孔隙区域进行定位，获得最终的分类图像。
本发明的有益效果是：
1、通过对具有结构对称性的编织陶瓷基复合材料进行细观组分识别，可以便捷地通过边缘提取、确定重心、重心匹配，快速实现对称性结构经纱的左右匹配，无需人工标记与排号；
2、通过对左右两侧经纱边缘分割为三部分，分别为经纱左侧部分，经纱中间部分和右侧部分，可以自动实现每条经纱上边缘与下边缘的定位，并对经纱采取镜像对称的方法，对图像进行翻折，进一步实现经纱边缘拟合的准确率；
3、通过图像梯度的方法分离经纱和纬纱边缘，可以在识别经纱部分的同时排除纬纱的影响，提高了纬纱识别的准确率；
4、此方法可应用于陶瓷基复合材料具有对称性的编织结构，适用范围广，操作简单。
附图说明
图1是2.5D编织XCT切片。
图2是拉普拉斯锐化图像。
图3是提取图像边缘。
图4是删除局部噪声像素小区域。
图5是删除孔隙部分的像素区域。
图6是Harris求出的角点。
图7是基体的配对部分，三角形为基体的重心。
图8a到8c是根据梯度值删除每条基体的纬纱边缘部分。
图9是对基体部分进行镜像后，拟合所得经纱边缘。
图10是将经纱曲线代入原XCT切片。
图11是识别出的经纱区域。
图12是识别完成的切片。
具体实施方式
现在结合附图对本发明作进一步详细的说明。
步骤1、选取固定尺寸如5*5*3mm3的编织块，采用金刚线切割。采用X射线电子计算机断层扫描XCT(X-ray Computed Tomography)设备扫描试件，获得一系列包含材料内部细观结构的XCT切片。
步骤2、设定基体像素阈值Matrix_Thresh，将所得切片中小于设定基体阈值的像素值设定为Pixel_1，大于等于基体像素阈值的像素值设定为Pixel_2，得图像1。实例中，Matrix_Thresh设定为12，Pixel_1设定为80，Pixel_2设定为160。
步骤3、使用拉普拉斯算子对图像1进行图像锐化得图像2，并将图像像素值进行反转。
步骤4、使用canny提取图像2的边缘，获得二值图像3。
步骤5、编织结构XCT切片上存在一些微小噪声区域且随机分布，使用8连通方式计算图像3中像素区域面积小于Area_remove_1的像素块，将其删除。并对图像进行闭操作，连接基体部分的线段间断，得图像4。实例中，Area_remove_1设定为80。
步骤6、设置孔隙面积阈值Area_Void_Thresh，再次使用8连通计算图像4中像素区域面积小于孔隙面积阈值的像素块，并删除得图像5。实例中，Area_Void_Thresh设定为280。
步骤7、采用Harris角点检测算法获得图像5中的角点，并选取前500个最强烈的角点，以绿色十字标记，并将500个角点中横坐标和纵坐标横纵坐标距离均小于10的角点删除，结果如图6。
步骤8、以8连通域的方式来确定标记图像中各像素区域0，1，2……，并计算每个区域的像素总数量和中心坐标。根据不同区域的中心坐标的纵坐标之间距离和横坐标之间距离来确定配对的基体，配对结果如图7，三角形代表经纱重心。如果基体存在奇数条，则删除无法配对的单条基体。
步骤9、为后续拟合经纱边界，需要将纬纱的边界点删除。通过求取每个点的斜率梯度。图像本身就是一个二维矩阵，尺寸为[row，col]。因此，对于图像列梯度，第一列采用[f(i，1)-f(i，2)]计算，最后一列采用[f(i，col)-f(i，col-1)]，其他列均采用[f(i，j+1)-fi，j/2计算。对于行梯度，第一行采用[f1，j-f(2，j)]计算，最后一行采用frow，j-frow-1，j，其他行均采用[f(i+1，j)-f(i，j)]/2计算，i和j分别指的是图像的行和列。记列和行梯度分别为Ix和Iy，行和列的点积为Ixy，其中Ixy＝Ix·*Iy。所得结果中，由于经纱边缘的像素数量远大于纬纱像素数量，且两者的由于方向不同，所以梯度值的符号相反。因此，分别统计Ixy大于0和小于0的像素数量，将像素数量少的部分确认为纬纱边缘，并将所在坐标的像素值设为0。并采用8连通域法确定像素区域个数，将每个区域数量小于20得像素块移除如图8a和8b。并将经纱边缘分为三部分，如图8c。
步骤10、统计每对配对基体中每条基体左右两侧经纱多出部分的像素位置以及数量。计算每条基体的列最小值rem_y_min和最大值rem_y_max，左右两侧多出部分的列数分别在rem_y_min到(rem_y_max+rem_y_min)/2或(rem_y_max+rem_y_min)/2到rem_y_max范围内，统计范围内像素值为1的横坐标对应纵坐标的个数是否为1个，如果是则分类累加到row_ext_1和row_ext_2中，坐标对应的像素值矩阵分别为tmp_matrix_1和tmp_matrix_2。
步骤11、统计每对配对基体中基体中间经纱边缘的部分，经纱上边缘记为up_matrix，下边缘记为down_matrix，列坐标范围为rem_y_min到rem_y_max。计算范围内像素值为1的行坐标的个数x_sim_num和行坐标x_sim，判断x_sim_num是否大于等于2个，如果等于2个且x_sim(2)-x_sim(1)＞3，则将x_sim(1)和对应的列坐标计入up_matrix，将x_sim(2)和对应的列坐标计入down_matrix。如果大于2个且x_sim(x_sim_num)-x_sim(1)＞3，则将x_sim(1)和对应的列坐标计入up_matrix，将x_sim(x_sim_num)和对应的列坐标计入down_matrix。
由于中间部分的经纱边缘可能存在阶梯状的情况，也就是说经纱上边缘或者下边缘的一个列坐标对应多个行坐标。因此，该步骤中将这个分为两类，第一类是一个列坐标对应2个像素值为1的行坐标，第二类为多个(大于2个)像素值为1的行坐标。如果是第一类情况，则根据第二个和第一个行坐标的距离进行判断；如果是第二类情况，则根据最后一个和第一个行坐标的距离进行判断。如果这两个行坐标之间的距离大于经验参数3(此经验参数需要根据实际情况来修定)，则将第一个行坐标和对应列坐标归类为经纱的上边缘down_matrix，将第二个或最后一个行坐标以及对应的和列坐标分类为up_matrix。
步骤12、将每条基体的左右两侧经纱多出部分像素赋予up_matrix或者down_matrix。判断row_ext_1是否大于0，如果是，则比较|tmp_matrix_1(row_ext_1，1)-up_matrix(1，1)|和|tmp_matrix_1(row_ext_1，1)-down_matrix(1，1)|的大小，如果前者大于后者，则将tmp_matrix_1赋予down_matrix，反之则赋予up_matrix。对于row_ext_2，进行相同的比较。
步骤13、为确保后续对经纱边缘拟合的准确性，对切片进行镜像操作。首先对经纱的上边缘up_matrix进行左右对称翻转，翻转均长度为col/4；之后对经纱下边缘down_matrix进行左右对称翻转。
步骤14、使用最小二乘法拟合翻转之后的经纱上以及下边缘，如图9，可获得两者的曲线函数，并将步骤7提取的Harris角点代入对应的基体曲线中，查看是否这些角点在这些曲线上，如果不在，则对曲线进行微调。将这些曲线代入到原切片，如图10。通过对每两条经纱上下边缘曲线函数内的坐标进行定位，可获得经纱的识别结果，如图11。
步骤15、由步骤9确定的Ixy小于零的部分，即是纬纱的左右边缘，结合经纱的上下边缘曲线，可确定纬纱的分布区域。由于基体和孔隙的像素灰度值相差较大，通过阈值分割法对基体区域和孔隙区域进行定位，获得最终的分类图像，如图12。
需要注意的是，发明中所引用的如“上”、“下”、“左”、“右”、“前”、“后”等的用语，亦仅为便于叙述的明了，而非用以限定本发明可实施的范围，其相对关系的改变或调整，在无实质变更技术内容下，当亦视为本发明可实施的范畴。
以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护范围。

Claims (10)

1.一种结构对称性的编织陶瓷基复合材料细观组分分类方法，其特征在于，包括如下步骤：
步骤一：扫描编织陶瓷基复合材料试件，获得一系列包含材料内部细观结构的XCT切片；
步骤二：根据基体像素阈值，对XCT切片中小于基体像素阈值和大于等于基体像素阈值的像素值分别进行设定，得到图像1；
步骤三：使用拉普拉斯算子对图像1进行锐化，并将图像像素进行反转，得到图像2；
步骤四：使用canny提取图像2的边缘，得到二值图像3；
步骤五：删除图像3的局部噪声像素区域，得到图像4；
步骤六：根据孔隙面积阈值，删除图像4孔隙部分的像素区域，得到图像5；
步骤七：采用Harris角点检测算法获得图像5中的角点并标记；
步骤八：确定标记图像中各像素区域，计算每个区域的中心坐标，从而确定配对的基体；
步骤九：根据梯度值删除每条基体的纬纱边缘部分；
步骤十：对于删除后的图像，通过统计配对基体中每条基体左右两侧经纱多出部分、每条基体中间经纱边缘部分，并结合镜像操作和最小二乘法，拟合识别出经纱区域；
步骤十一：结合经纱区域，进一步确定纬纱区域和孔隙。
2.如权利要求1所述的一种结构对称性的编织陶瓷基复合材料细观组分分类方法，其特征在于：所述步骤一中，选取固定尺寸的编织块，采用金刚线切割，采用XCT设备扫描切割后的试件，获得一系列包含材料内部细观结构的XCT切片。
3.如权利要求1所述的一种结构对称性的编织陶瓷基复合材料细观组分分类方法，其特征在于：所述步骤五中，使用8连通方式计算图像3中像素区域面积小于阈值Area_remove_1的像素块，将其删除，并对图像进行闭操作，连接基体部分的线段间断，得图像4。
4.如权利要求1所述的一种结构对称性的编织陶瓷基复合材料细观组分分类方法，其特征在于：所述步骤六中，设置孔隙面积阈值Area_Void_Thresh，使用8连通方式计算图像4中像素区域面积小于孔隙面积阈值的像素块，并删除得图像5。
5.如权利要求1所述的一种结构对称性的编织陶瓷基复合材料细观组分分类方法，其特征在于：所述步骤七中，采用Harris角点检测算法获得图像5中的角点，并选取前500个最强烈的角点，以十字标记，依次计算500个角点中各角点与其他角点之间的横纵坐标距离，若横纵坐标距离均小于10，将该其他角点删除。
6.如权利要求1所述的一种结构对称性的编织陶瓷基复合材料细观组分分类方法，其特征在于：所述步骤八中，以8连通方式来确定标记图像中各像素区域，并计算每个像素区域的中心坐标，根据不同像素区域的中心坐标的纵坐标之间的距离和横坐标之间的距离来确定配对的基体，如果基体存在奇数条，删除无法配对的单条基体。
7.如权利要求1所述的一种结构对称性的编织陶瓷基复合材料细观组分分类方法，其特征在于：所述步骤九中，图像是一个二维矩阵，尺寸为[row，col]；
对于图像列梯度，第一列采用[f(i，1)-f(i，2)]计算，最后一列采用[f(i，col)-fi，col-1计算，其他列均采用fi，j+1-fi，j/2计算；其中，f为图像函数，fi，j是图像的第i行第j列的像素值，i＝1，...，row，j＝1，...，col；
对于图像行梯度，第一行采用[f(1，j)-f(2，j)]计算，最后一行采用[f(row，j)-frow-1，j计算，其他行均采用fi+1，j-fi，j/2计算；
记图像列梯度和图像行梯度分别为Ix和Iy，行和列的点积为Ixy，其中Ixy＝Ix·*Iy；
分别统计Ixy大于0和小于0的像素数量，将像素数量少的部分确认为纬纱边缘，并将所在坐标的像素值设为0；采用8连通方式确定像素区域个数，将每个像素区域中数量小于设定值Area_remove_2的像素块移除。
8.如权利要求1所述的一种结构对称性的编织陶瓷基复合材料细观组分分类方法，其特征在于：所述步骤十中，首先统计每对配对基体中每条基体左右两侧经纱多出部分，统计每对配对基体中基体中间经纱边缘的部分，将左右两侧经纱多出部分的像素位置赋予基体中间经纱边缘的部分，然后对图像进行镜像操作，使用最小二乘法拟合镜像操作后的经纱上下边缘，并结合步骤七提取的角点进行微调，获得经纱的识别结果。
9.如权利要求8所述的一种结构对称性的编织陶瓷基复合材料细观组分分类方法，其特征在于：所述步骤十具体如下：
1)统计每对配对基体中每条基体左右两侧经纱多出部分的像素位置以及数量：计算每条基体的列最小值rem_y_min和最大值rem_y_max，左侧经纱多出部分的列在rem_y_min到(rem_y_max+rem_y_min)/2范围内，统计范围内像素值为1的列坐标所对应的行坐标个数是否为1，如果是累加到row_ext_1中，坐标对应的像素值矩阵为tmp_matrix_1；右侧经纱多出部分的列数在(rem_y_max+rem_y_min)/2到rem_y_max范围内，统计范围内像素值为1的列坐标所对应的行坐标个数是否为1，如果是则累加到row_ext_2中，坐标对应的像素值矩阵为tmp_matrix_2；其中，row_ext_1表示左侧多出部分的像素个数，row_ext_2表示右侧多出部分的像素个数，tmp_matrix_1是row_ext_1对应像素的坐标矩阵，tmp_matrix_2是row_ext_2对应像素的坐标矩阵；
2)统计每对配对基体中基体中间经纱边缘的部分，经纱上边缘记为up_matrix，下边缘记为down_matrix，列坐标范围为rem_y_min到rem_y_max；计算列坐标范围内像素值为1的行坐标的个数x_sim_num和行坐标x_sim，判断x_sim_num是否大于等于2个，如果等于2个且x_sim(2)-x_sim(1)＞3，则将x_sim(1)和对应的列坐标计入up_matrix，将x_sim(2)和对应的列坐标计入down_matrix；如果大于2个且x_sim(x_sim_num)-x_sim(1)＞3，则将则将x_sim(1)和对应的列坐标计入up_matrix，将x_sim(x_sim_num)和对应的列坐标计入down_matrix；其中，x_sim(1)、x_sim(2)、x_sim(x_sim_num)指的同一列坐标对应的第1个、第2个和第x_sim_num个行坐标；
3)将每条基体的左右两侧经纱多出部分的像素位置赋予每条基体的up_matrix、down_matrix：判断row_ext_1是否大于0，如果是，则比较|tmp_matrix_1(row_ext-1，1)-up_matrix(1，1)|和|tmp_matrix_1(row_ext_1，1)-down_matrix(1，1)|的大小，如果前者大于后者，则将tmp_matrix_1赋予down_matrix，反之则赋予up_mattix；对于row_ext_2，进行相同的比较；其中，tmp_matrix_1(row_ext_1，1)表示左侧经纱多出部分第row_ext_1位置处的行坐标，up_matrix(1，1)表示上边缘的第一个坐标的行坐标，up_matrix(1，1)表示下边缘的第一个坐标的行坐标；
4)对图像进行镜像操作：首先对经纱的上边缘up_matrix进行左右对称翻转，翻转均长度为col/4，图像是一个二维矩阵，尺寸为[row，col]；之后对经纱下边缘down_matrix进行左右对称翻转；
5)使用最小二乘法拟合翻转之后的经纱上下边缘，获得两者的曲线函数，并将步骤七提取的角点代入对应曲线中，查看这些角点是否在这些曲线上，如果不在，则对曲线进行微调；通过对每条经纱上下边缘曲线函数内的坐标进行定位，获得经纱的识别结果。
10.如权利要求7所述的一种结构对称性的编织陶瓷基复合材料细观组分分类方法，其特征在于：所述步骤十一中，由步骤九确定的Ixy小于0的部分，就是纬纱的左右边缘，结合经纱的上下边缘曲线，确定纬纱的最终区域；再通过阈值分割法对基体区域和孔隙区域进行定位，获得最终的分类图像。
CN202010563378.8A 2020-06-19 2020-06-19 一种结构对称性的编织陶瓷基复合材料细观组分分类方法 Active CN111709939B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010563378.8A CN111709939B (zh) 2020-06-19 2020-06-19 一种结构对称性的编织陶瓷基复合材料细观组分分类方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010563378.8A CN111709939B (zh) 2020-06-19 2020-06-19 一种结构对称性的编织陶瓷基复合材料细观组分分类方法

Publications (2)

Publication Number Publication Date
CN111709939A true CN111709939A (zh) 2020-09-25
CN111709939B CN111709939B (zh) 2021-09-07

Family

ID=72542150

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010563378.8A Active CN111709939B (zh) 2020-06-19 2020-06-19 一种结构对称性的编织陶瓷基复合材料细观组分分类方法

Country Status (1)

Country Link
CN (1) CN111709939B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112250462A (zh) * 2020-10-30 2021-01-22 南京航空航天大学 一种编织陶瓷基复合材料单束纤维分割及模型重建方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105803623A (zh) * 2016-04-18 2016-07-27 南京航空航天大学 一种复合材料细观结构的计算机图形识别方法
WO2019089212A2 (en) * 2017-10-19 2019-05-09 General Atomics Joining and sealing pressurized ceramic structures
CN109919080A (zh) * 2019-03-05 2019-06-21 南京航空航天大学 多解码器全卷积神经网络及其相应的细观结构识别方法
CN110334461A (zh) * 2019-07-11 2019-10-15 南京航空航天大学 一种陶瓷基复合材料螺栓预制体-结构一体化设计方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105803623A (zh) * 2016-04-18 2016-07-27 南京航空航天大学 一种复合材料细观结构的计算机图形识别方法
WO2019089212A2 (en) * 2017-10-19 2019-05-09 General Atomics Joining and sealing pressurized ceramic structures
CN109919080A (zh) * 2019-03-05 2019-06-21 南京航空航天大学 多解码器全卷积神经网络及其相应的细观结构识别方法
CN110334461A (zh) * 2019-07-11 2019-10-15 南京航空航天大学 一种陶瓷基复合材料螺栓预制体-结构一体化设计方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张盛: "编织陶瓷基复合材料力学行为的多尺度分析", 《中国博士学位论文全文数据库》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112250462A (zh) * 2020-10-30 2021-01-22 南京航空航天大学 一种编织陶瓷基复合材料单束纤维分割及模型重建方法
CN112250462B (zh) * 2020-10-30 2021-06-29 南京航空航天大学 一种编织陶瓷基复合材料单束纤维分割及模型重建方法

Also Published As

Publication number Publication date
CN111709939B (zh) 2021-09-07

Similar Documents

Publication Publication Date Title
CN108629775B (zh) 一种热态高速线材表面图像处理方法
KR101934313B1 (ko) 검사 이미지들 내에서 결함들을 검출하기 위한 시스템, 방법 및 컴퓨터 프로그램 제품
EP1563457B1 (en) Image analysis
CN115100221B (zh) 一种玻璃缺陷分割方法
CN110348429B (zh) 一种平纹编织结构经纱与纬纱识别方法
CN103530644A (zh) 条纹织物组织结构自动识别方法
CN111709939B (zh) 一种结构对称性的编织陶瓷基复合材料细观组分分类方法
US20040161148A1 (en) Method and system for object recognition using fractal maps
CN115100206A (zh) 用于具有周期图案纺织物的印花缺陷识别方法
CN116523898A (zh) 一种基于三维点云的烟草表型性状提取方法
CN113570651B (zh) 基于sem图像的碳酸盐岩储层孔隙半径分布定量方法
CN111353247B (zh) 陶瓷基复合材料平纹编织结构细观组分识别与重建方法
CN111709992B (zh) 一种用于编织陶瓷基复合材料经纬纱交叉处定位方法
CN113029899B (zh) 一种基于显微图像处理的砂岩渗透率计算方法
CN115035081A (zh) 一种基于工业ct的金属内部缺陷危险源定位方法及系统
CN116879129B (zh) 基于三维微观图像的岩土材料有效渗流路径表征方法
CN109148433B (zh) 用于确定集成电路器件的尺寸的方法和设备
CN112991518A (zh) 一种非织造布微观结构的三维重建方法
CN114913180B (zh) 一种棉布筘痕缺陷的智能检测方法
CN111986143B (zh) 一种陶瓷基复合材料的细观结构表征方法
CN115690073A (zh) 一种激光增材制造陶瓷微结构局部表征方法、装置及介质
Ding et al. Three-dimensional image reconstruction procedure for food microstructure evaluation
CN111340786B (zh) 一种复杂点阵结构内部缺陷的三维分割方法及系统
JP4981112B2 (ja) 組織学的アセスメント
Shen et al. Removal of surface artifacts of material volume data with defects

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant