[发明专利]一种基于灰度梯度特征实现碳纤维复合材料表面形貌三维评定的方法

摘要

本发明公开了一种基于灰度梯度特征实现碳纤维复合材料表面形貌三维评定的方法，首先，对碳纤维复合材料表面图像预处理；其次，利用LoG算子得到灰度梯度共生矩阵；然后，求得灰度梯度共生矩阵的15维特征向量；最后，根据求得灰度梯度共生矩阵的15维特征向量，通过对比实验，与仪器测量的三维幅度参数Sq建立联系，并验证得到的规律。本发明基于灰度梯度共生矩阵可以提取碳纤维表面的纹理特征值，并与三维形貌参数建立联系，发现灰度梯度特征中能量和梯度熵与仪器测量的三维幅度参数Sq分别呈递减和递增的关系，三维幅度参数Sq的值越大，碳纤维复合材料表面越粗糙，所以可以通过能量和梯度熵评定碳纤维复合材料表面的粗糙性，在保证准确性的情况下简化碳纤维复合材料表面评定的过程。 1

主权项

1.一种基于灰度梯度特征实现碳纤维复合材料表面形貌三维评定的方法，其特征在于，包括以下步骤：

A，对碳纤维表面图像进行巴特沃斯同态滤波，增强图像中相邻区域的对比度，为之后提取基于LoG算子的灰度梯度共生矩阵特征值，进而建立与三维形貌参数的联系做准备；

B，获取处理后图像512*512的灰度矩阵，并采用5*5窗口的LoG算子与预处理后图像进行卷积得到512*512的梯度矩阵，再对灰度矩阵与梯度矩阵进行归一化计算；

C，根据得到归一化的灰度矩阵F(m,n)和梯度矩阵G(m,n)中，统计共同具有灰度值为i和梯度值为j的总像点数，得到元素为H(i,j)的灰度梯度共生矩阵,并求得灰度梯度共生矩阵每个元素的概率p(i,j)，再计算15个特征值得到15维的特征向量；

D，根据不同表面的碳纤维复合材料测得的15个特征值与仪器测量的三维幅度参数S_q建立联系，并得到规律。

2.根据权利要求1所述的方法，其特征在于，所述步骤A中巴特沃斯同态滤波的具体步骤如下：

第1步，原图可看成由两部分组成，即f(x,y)＝f_i(x,y)f_j(x,y)，其中，f_i代表随空间位置不同的光强分量，其特点是缓慢变化，集中在图像的低频部分；f_j代表景物反射到人眼的反射分量；其特点包含了景物各种信息，高频成分丰富；

第2步，原图做对数变换，得到如下两个加性分量，ln f(x,y)＝ln f_i(x,y)+ln f_j(x,y)

第3步，对数图像做傅里叶变换，得到其对应的频域表示为：

DFT[ln f(x,y)]＝DFT[ln f_i(x,y)]+DFT[ln f_j(x,y)]

第4步，设计一个频域滤波器H(u,v)，进行对数图像的频域滤波；

第5步，傅里叶反变换，返回空域对数图像；

第6步，取指数，得空域滤波结果。

3.根据权利要求2所述的方法，其特征在于，原图使用电子显微镜500倍拍摄下的碳纤维复合材料表面SEM图。

4.根据权利要求1所述的方法，其特征在于，所述步骤B中梯度矩阵的计算以及灰度矩阵与梯度矩阵进行归一化计算如下：

①梯度矩阵的计算如下：

G(x,y)＝▽²(g(x,y)*f(x,y))

其中，G(x,y)为计算得到的梯度图像，g(x,y)为高斯函数，f(x,y)是灰度矩阵中的象点；

LoG滤波器的计算公式：

②灰度矩阵与梯度矩阵进行归一化计算如下：

a、灰度矩阵归一化：

F(m,n)＝INT(f(m,n)×L/f_max)+1

其中INT表示取整运算：f_max表示图像中最大的灰度值；L是归一的最大灰度值。

b、梯度矩阵归一化：

G(m,n)＝INT(g(m,n)×L/g_max)+1

其中INT表示取整运算：g_max表示图像中的最大梯度值；L是归一的最大梯度值。

5.根据权利要求1所述的方法，其特征在于，所述步骤C中灰度梯度共生矩阵元素的概率p(i,j)是以图像的总象点数归一化得到，根据灰度梯度共生矩阵H(i,j)和灰度梯度共生矩阵元素的概率p(i,j),提取15个特征值构成15维特征向量的具体公式如下：

灰度梯度共生矩阵纹理特征值参数：

a1.小梯度优势

a2.大梯度优势

a3.灰度分布不均匀性

a4.梯度分布不均匀性

a5.能量

a6.灰度均值

a7.梯度均值

a8.灰度标准差

a9.梯度标准差