[发明专利]金属落锤撕裂DWTT断口图像自动评定方法

摘要

金属落锤撕裂DWTT断口图像自动评定方法。能解决传统方法存在的测试韧脆转变温度需要一系列试验、过程耗费巨大，无法实现图像自动判别的问题。运用基于最小生成树图像分割技术和基于支持向量机SVM的机器学习技术，实现断口图像中韧性区、脆性区的边界的准确分割和类别的准确识别；采用基于最小生成树图像分割技术进行边界的准确分割，分割成子区，但是不能区分子区的类别；利用灰度共生矩阵，傅里叶分析，laws纹理能量，提取子区域的特征数据；采用运用特征数据采样基于支持向量机SVM的机器学习技术判别子区的类别。能够快速、有效、准确的将新输入的未知类型子区域分类成韧性区或脆性区；易操作、易使用、效果显著且实用性强。

主权项

金属落锤撕裂DWTT断口图像自动评定方法，其特征在于包括以下步骤：步骤一：将断口图像映射成若干带权无向图；步骤二：按照步骤一中的无向图，以每个像素点为顶点，各像素点到其四邻域的连线均为边，所述顶点的集合及所述边的集合；步骤三：计算步骤二中边连接的两像素点的灰度值之差，及此边的权值；步骤四：将步骤二中所述边的集合以权值升序顺序进行排列；步骤五：依次计算步骤四中的排列，并通过分析计算来合并相应区域；步骤六：设定需要达到的分割的最小区域的面积；步骤七：将步骤五中的各区域面积与步骤六中的最小区域面积进行对比，若步骤五中的区域面积小于该最小区域面积，则将其与区域内差异相似的另一区域合并；步骤八：针对每一个子区域提取其对比度、梯度、平均灰度值、一维傅里叶变换功率、5X5 Laws滤波器能量；步骤九：对步骤八中的特征分量进行数量级上的统一，即特征分量标准化；步骤十：将步骤九中所得的特征值构成支持向量SVM，利用SVM将向量映射到一个高维空间，在这个空间里建立一个最大分隔超平面；步骤十一：根据步骤十中得到的超平面，将新输入的未知类型子区域分类成韧性区或脆性区。