[发明专利]一种纤维预制体横截面图像分割方法

说明书

本发明涉及一种纤维预制体横截面图像分割方法，首先对编织复合材料实物进行CT扫描，以获得经纱和纬纱的截面信息；然后选取一定数量的CT图像制作神经网络训练数据集，训练深度卷积神经网路以用于分割CT图像中的纱线截面；再对经神经网络分割后的纱线截面进行识别，并找到发生重叠的截面并进行截面分类；最后对重叠截面的重叠区域进行分割。本发明分割效率高、分割速度快，不需要图像具备较高的分辨率和对比度，且本发明使用多种纱线分离算法进行结合，可以很好的对重叠纱线截面进行分离，有效的减低了建模前数据前处理的人工与时间成本，为后续的参数化建模提供便利。

技术领域

本发明涉及图像处理技术领域，具体涉及一种纤维预制体横截面图像分割方法。

背景技术

纺织复合材料因其强度重量比大，高机械性能，可定制性，材料的多功能性等常用于高新行业中。通过改变机织织物复合材料中的编织图案和织物结构，就可以获得一系列不同力学性能的材料以应用于不同的领域。然而，纺织复合材料的不同细观结构对其复合材料的力学性能有着很大的影响，因其复杂的结构在很多应用中难以预测其力学性能和使用寿命。对复合纺织材料进行建模仿真就作为研究复合材料力学性能和损伤演变的有效手段。其中模型的重建尤为重要，尤其是基于CT图像重建的复合纺织材料模型，因其精度高、适应性强等特点常用于模型的重建与分析。基于CT图像重建的材料模型的过程中最重要的一个环节就是图像中纱线截面的分割。

传统的对于CT图像中纱线的分割方法主要使用人工的方式对图像中的纱线截面进行分离，但是这样需要消耗大量的人力成本。也有分割方式是基于结构张量与基于CT图像灰度图的灰度共生矩阵(GLCM)进行的，但其对于CT图像的分辨率有较高的要求，以及要求CT图像中不同相之间有着明显的对比度，因此，在实际分割过程中经常需要人工干预，并且现有的分割方法都无法分离出相重叠的截面。

发明内容

本发明公开一种纤维预制体横截面图像分割方法，能够分离相重叠的纱线截面，并覆盖至原CT图像上，使后续的模型重建可以用于更多元的建模方式重建。

为了实现上述目的，本发明所采用的技术方案为：

一种纤维预制体横截面图像分割方法，包括：

步骤1：获取编织复合材料实物的经纱截面CT图像和纬纱截面CT图像；

步骤2：构建并训练神经网络，用训练完的神经网络分割经纱截面CT图像和纬纱截面CT图像，并将分割后的经纱截面CT图像和纬纱截面CT图像单独显示出来；

步骤3：计算分割后所有CT图像中每个纱线截面的宽和高，判断是否有截面发生重叠，并对重叠截面进行分类，重叠截面分类包括横向重叠截面、纵向重叠截面、混合重叠截面；

步骤4：使用图像形态学中的腐蚀操作对横向重叠截面以及混合重叠截面进行腐蚀，记录截面重叠处的位置信息，根据位置信息在原截面图像上的投影获得截面的轮廓点，计算相邻两轮廓点间的矩形判断区域中截面与背景面积的比值来确定分割线，然后将重叠截面分离；

步骤5：采用列查找方式对纵向重叠截面进行遍历，获得图像每列上的轮廓点坐标，判断两两轮廓点间中点坐标的位置信息来确定截面重叠区域的内凹点坐标；应用分布在截面轮廓上的圆形判断区域内的截面背景面积比值来确定重叠截面的外凹点坐标，用所获得的内、外凹点坐标绘制分割线，然后将重叠截面分离；

步骤6：对完成步骤4和步骤5分割后的纱线截面进行整合并显示于原CT图像上。

进一步，所述神经网络采用U-net深度卷积神经网络。

进一步，所述步骤3中，横向重叠截面是指只在横向方向上发生重叠的纱线截面，纵向重叠截面是指只在纵向方向上发生重叠的纱线截面，混合重叠截面是指在横向方向和纵向方向均发生重叠的纱线截面。

进一步，所述步骤3中，纱线截面的宽和高按下列给出公式计算：