[发明专利]基于图像灰度共生矩阵多特征提取的复合材料老化预测方法

权利要求书

1.基于图像灰度共生矩阵多特征提取的复合材料老化预测方法，其特征在于，包括以下步骤：

步骤1，对全部待老化预测的复合材料样本同时开始进行热氧、纯氧老化处理，并且在热氧、纯氧老化处理过程中按照设定时间周期阈值和数量阈值，从正在进行热氧、纯氧老化处理的复合材料样本中取出若干作为老化样品；

步骤2，对步骤1中取出的老化样品的进行序列化图像采样，并且对采样得到的序列化图像进行平滑图像处理，并确定序列化图像的前景和背景，然后对经过平滑图像处理的序列化图像进行感兴趣区域定义，完成图像预处理；

步骤3，根据步骤2中定义的感兴趣区域，提取步骤2中经过图像预处理后的老化样品的序列化图像的灰度共生矩阵特征以及HSV三通道的方向梯度直方图特征；

步骤4，对所述步骤3中得到的方向梯度直方图特征建立对应老化样品的数据库；将经过步骤1处理的其他待老化预测的复合材料，按照步骤2和3所述的方法处理得到对应的序列化图像，并分别与所述步骤4的数据库中每个老化样品的序列化图像进行计算处理，得到其他待老化预测的复合材料的序列化图像与每个老化样品的序列化图像间的相关系数，选择老化样品的序列化图像中与每个其他待老化预测的复合材料的序列化图像相关系数最大的老化样品对应的及HSV三通道的方向梯度直方图特征作为其老化状态预测结果。

2.如权利要求1所述的基于图像灰度共生矩阵多特征提取的复合材料老化预测方法，其特征在于：步骤1中，从正在进行热氧、纯氧老化处理的复合材料样本中取出若干作为老化样品，具体的，是将在进行热氧、纯氧老化处理的复合材料样本从热氧、纯氧老化处理设备的定子线棒上进行剥离，获取单层或多层堆叠的绝缘片材作为老化样本。

3.如权利要求2所述的基于图像灰度共生矩阵多特征提取的复合材料老化预测方法，其特征在于：所述对全部待老化预测的复合材料样本进行热氧、纯氧老化处理的温度为120℃和130℃，所述设定时间周期阈值具体的。

4.如权利要求2或3所述的基于图像灰度共生矩阵多特征提取的复合材料老化预测方法，其特征在于：所述设定时间周期阈值具体的，从第5h到第50h每隔5h取出1到2片片材作为老化样本，从第50h到第150时每隔50h取出2到4片片材作为老化样本。

5.如权利要求1所述的基于图像灰度共生矩阵多特征提取的复合材料老化预测方法，其特征在于：步骤2中对序列化图像进行平滑图像处理，具体是对序列图像进行灰度处理得到灰度图像，并使用为3*3、方差为1的标准高斯滤波器对得到的灰度图像进行滤波处理，得到平滑后的图像。

6.如权利要求1或5所述的基于图像灰度共生矩阵多特征提取的复合材料老化预测方法，其特征在于：所述感兴趣区域即老化样本的序列图像部分，具体的，步骤2中对经过平滑图像处理的序列化图像进行特征提取的感兴趣区域定义，具体是对经过平滑图像处理的序列化图像进行二值化处理得到（0，255）二值图像，并对二值图像的像素点逐行逐列进行扫描，计算每行中所包含的0像素点的点数，当点数大于设定阈值50时则定义该行为特征提取的感兴趣区域。

7.如权利要求6所述的基于图像灰度共生矩阵多特征提取的复合材料老化预测方法，其特征在于：当点数大于设定阈值50时，还需对该行中不为0像素点的像素点进行剪裁，最终得到特征提取的感兴趣区域。