Розробка методів кількісного аналізу металографічних зображень в інформаційно-вимірювальних системах

Размещено на http://www.allbest.ru/

НАЦІОНАЛЬНА АКАДЕМІЯ НАУК УКРАЇНИ

Фізико-механічний інститут ім. Г.В. Карпенка

УДК 004.932.4

Розробка методів кількісного аналізу металографічних

зображень в інформаційно-вимірювальних системах

05.11.16 - інформаційно-вимірювальні системи

АВТОРЕФЕРАТ

дисертації на здобуття наукового ступеня

кандидата технічних наук

Корній Валентина Василівна

Львів - 2005

Дисертацією є рукопис.

Робота виконана у Фізико-механічному інституті ім. Г.В. Карпенка НАН України.

Науковий керівник: доктор технічних наук, професор Русин Богдан Павлович, завідувач відділу методів і систем обробки, аналізу та ідентифікації зображень Фізико-механічного інституту ім. Г. В. Карпенка НАН України

Офіційні опоненти: доктор технічних наук, професор Поджаренко Володимир Олександрович, завідувач кафедри метрології і промислової автоматики Вінницького національного технічного університету Міністерства освіти і науки України, Вінниця

Доктор технічних наук, старший науковий співробітник Муравський Леонід Ігорович, завідувач відділу оптико-електронних інформаційних систем Фізико-механічного інституту ім. Г.В. Карпенка НАН України, Львів

Провідна установа: Національний університет “Львівська політехніка”, кафедра інформаційно-вимірювальних технологій

Захист відбудеться “10” листопада 2005 р. о 14:00 годині на засіданні спеціалізованої вченої ради Д 35.052.10 у Фізико-механічному інституті ім. Г.В. Карпенка НАН України: 79601, Львів, вул. Наукова, 5.

З дисертацією можна ознайомитися у бібліотеці Фізико-механічного інституту ім. Г.В. Карпенка НАН України за адресою: 79601, Львів, вул. Наукова, 5.

Автореферат розісланий “10” жовтня 2005 р.

Учений секретар

спеціалізованої вченої ради Погребенник В.Д.



АНОТАЦІЯ

Корній В.В. Розробка методів кількісного аналізу металографічних зображень в інформаційно-вимірювальних системах. - Рукопис.

Дисертація на здобуття наукового ступеня за спеціальністю 05.11.16 - інформаційно-вимірювальні системи. - Фізико-механічний інститут ім. Г.В. Карпенка НАН України, Львів, 2005.

Дисертація присвячена проблемі обробки та розпізнавання металографічних зображень в автоматизованих експертних ІВС. Розроблено моделі зображень та нові алгоритми виділення структурних елементів (зерен феритів, перлітів, тріщин, борозен утоми, зламів), які ґрунтуються на теоретико-множинному підході.

Встановлено, що для прогнозування довговічності, а також зміни фізико-механічних властивостей матеріалів необхідно для визначення фрактальної розмірності зерен зображень використовувати поняття фрактала.

Запропоновано новий метод визначення переважальних орієнтацій стрічок з карбідів у металографічних зображеннях, який базується на аналізі максимальних значень кругового спектра, його дисперсії та похідної.

На основі розроблених методів попередньої обробки, формування систем інформативних ознак запропоновано елементи і структуру автоматизованої експертної ІВС для аналізу та інтерпретації в реальному часі металографічних зображень.

Ключові слова: металографічне зображення, шліф, попередня обробка, аналіз, синтез, фрактал, фрактальна розмірність, круговий спектр, статистичний аналіз, розпізнавання, інформаційно-вимірювальна система.



АННОТАЦИЯ

Корний В.В. Разработка методов количественного анализа металлографических изображений в информационно-измерительных системах. - Рукопись.

Диссертация на соискание ученой степени кандидата технических наук по специальности 05.11.16 - информационно-измерительные системы. - Физико-механический институт им. Г.В. Карпенко НАН Украины, Львов, 2005. металографічний зображення автоматизований ферит

Диссертация посвящена проблеме обработки и количественного анализа металлографических изображений в автоматизированных экспертных информационно-измерительных системах. В работе оценены применение аналитических методов количественной металлографии для анализа поверхности шлифов, а также основные методы исследования при количественном анализе основных типов структуры изображений.

Показано, что структура металлов проявляется в многообразных формах. Для количественного металлографического исследования целесообразно свести это многообразие к малому количеству основных геометрических типов, так как для каждого типа независимо от специфических признаков структуры и типа структурных составляющих можно определить характерные параметры структуры и для их анализа использовать одни и те же принципы измерения и обработки данных. Рассмотрено основные методы исследований, которые сводятся к операторной оценке изображений зерен по площадям, определению среднего размера и другие. Показано, что эти методы не позволяют в реальном масштабе времени производить интерпретацию металлографических изображений в информационно-измерительных системах.

На основании теоретико-множественного подхода разработаны модели изображений и новые алгоритмы выделения структурных элементов металлографических изображений, что позволило в задачах количественной металлографии осуществить однозначное выделение связных контуров.

Показано, что для улучшения количественного анализа металлографических изображений необходимо использовать понятие фрактала. Рассмотрены существующие (клеточная размерность) та разработаны новые алгоритмы (круговая и окружностная размерности) определения фрактальной размерности структурных элементов металлографических изображений, которые дают возможность, в отличии от известных, впервые устанавливать зависимость изменения физико-механических свойств конструкционных материалов от их фрактальной структуры.

Для выделения элементов структуры металлографических изображений разработан метод, который базируется на предложенной модели связности и позволяет эффективно исследовать изображения структуры сталей. Предложено использовать следующие признаки структурных элементов изображений: площадь, периметр, диаметр, центр веса, угол наклона, что позволяет адекватно с минимальной погрешностью не более 5 % описывать структуру и геометрические свойства зерен карбидов.

Для определения ориентации цепочек карбидов предложен новый метод, который на основании анализа максимальных значений кругового спектра, его дисперсии и производной позволяет определять преобладающие ориентации цепочек и оценивать достоверность полученных результатов у сравнении с преобразованием Радона и операторными методами.

На основании разработанных методов предварительной обработки (выделение связных элементов, формирования систем информативных признаков) впервые предложены элементы и структура автоматизированной экспертной информационно-измерительной системы, которая позволяет за время не более 1,0 с. производить количественный анализ и интерпретацию в реальном времени металлографических изображений.

Разработана и внедрена информационно-аналитическая система отбора и обработки видеоданных “Материалы”, которая дает возможность оценивать пространственную структуру материалов в количественной металлографии.

Ключевые слова: металлографическое изображение, шлиф, предварительная обработка, анализ, синтез, фрактал, фрактальная размерность, круговой спектр, статистический анализ, распознавание, информационно-измерительная система.



SUMMARY

Korniy V.V. Development of methods of metallographic images quantitative analysis in information-measuring systems. - Manuscript.

Thesis for the candidate's degree in technical sciences by specialty 05.11.16 - Information-measuring Systems. - Karpenko Physico-Mechanical Institute, National Academy of Sciences of Ukraine, Lviv, 2005.

The thesis is devoted to the problem of metallographic images processing and recognition in automatized expert information-measuring systems (IMS). Image models of structural elements (ferrite and pearlite grains, cracks, fatigue grooves of fractures) and new algorithms their extraction are developed on the basis of the set-theoretical approach.

It is established that a “fractal” notion, or rather the fractal dimension of images is appropriate for determination of changes of physicomechanical properties of materials and prediction of their durability.

A new method is proposed to determine orientations of carbide strips on the metallographic images. This method analyses circular spectrum of the image by calculation of the maximum values, dispersion and derivative to determine the dominated orientation.

Elements and structure of an automatized expert IMS for real-time analysis and interpretation of metallographic images are proposed using developed methods of image preprocessing and formation of the features set.

Key words: metallographic image, cross section, preprocessing, analysis, synthesis, fractal, fractal dimension, circular spectrum, statistical analysis, recognition, information-measuring system.



ХАРАКТЕРИСТИКА РОБОТИ

Актуальність роботи. Для обробки, аналізу та інтерпретації накопичених та отримуваних великих об'ємів візуальної інформації під час досліджень структури матеріалів необхідні нові принципи, методи і алгоритми автоматизації процесів обробки інформації та прийняття рішень. На сьогодні існує велика кількість універсальних прикладних графічних програмних засобів, систем баз відеоданих, засобів підтримки експертних систем і систем автоматизації досліджень та прикладних пакетів обробки, аналізу і розпізнавання зображень. Однак існує потреба в розробці проблемно-орієнтованих систем. Універсальні системи розв'язують широкий спектр задач, але, як правило, не враховують специфіку конкретної задачі.

На сьогодні розроблено та використовується багато спеціалізованих комп'ютерних систем аналізу структури матеріалів. Зокрема, в Інституті електрозварювання ім. Є.О.Патона НАН України створено малогабаритні голографічні прилади для контролю якості кільцевих зварних з'єднань тонкостінних труб. Зображення голографічної інтерферограми записується на плівки аморфних молекулярних напівпровідників та визначаються розробленими комп'ютерними системами поля переміщень, деформацій і напружень.

Голограми візуалізували за технологією, яка дозволяла відображати псевдостереоскопічне зображення, та розробили алгоритми розрахунку товщини корозійного шару для сталі Х18Н10Т. Проте згадані інформаційно-вимірювальні системи (ІВС) не визначають кількісних показників, зокрема, геометричних розмірів та характеристик структурних елементів металографічних зображень.

З розвитком обчислювальної техніки важливою задачею у дослідженні фізико-механічних властивостей конструкційних матеріалів, прогнозуванні їх довговічності та ресурсу безвідмовної роботи в агресивних середовищах є розробка методів обробки та розпізнавання їх структури за металографічними зображеннями в ІВС.

Методи обробки, аналізу та розпізнавання матеріалів, як правило, полягають у тому, що зображення їх поверхні формували за допомогою мікроскопів у вигляді фотографій або фотопластинок, а аналіз та їх інтерпретацію здійснювала людина або нешвидкодійні спеціальні апаратні засоби, наприклад “Епіквант”. Такий підхід, по-перше, не дає можливості однозначно інтерпретувати металографічні зображення і, по-друге, обробляти їх у реальному масштабі часу.

Останнім часом спостерігається зміщення акцентів у бік розробки експертних автоматизованих ІВС аналізу структури матеріалів у реальному масштабі часу, у яких би були відсутні суб'єктивні чинники, пов'язані у першу чергу, з похибками сприйняття і обробки оператором металографічних зображень, похибками, які вносяться під час формування зображень, та похибками, які виникають під час переносу інформації про реальну поверхню на фотопластину або фотографію. З появою сучасних обчислювальних високопродуктивних та швидкодійних засобів вдалося, в принципі, змінити акценти в процесі аналізу металографічних зображень в ІВС, замінивши, наприклад, зберігання інформації на фотопластинках на ввід і зберігання цифрового оптичного зображення поверхні матеріалу у вигляді окремого файла в персональному комп'ютері.

Розвинуті у роботі положення ґрунтуються на результатах багатьох учених, зокрема В. Васильєва, Р. Воробля, В. Кожем'яка, О. Зеленського, Л. Муравського, В. Поджаренка, Є. Путятіна, Б. Русина, О. Свенсона, Дж. Ту, Р. Гонсалеса, У. Претта, Б. Голда, Т. Павлідіса та ін.

Тому створення методів і алгоритмів обробки та кількісного аналізу металографічних зображень просторової структури матеріалів, інваріантних до процесу їх формування, різного роду спотворень, а також методів та механізмів побудови параметрично налаштованих автоматизованих експертних ІВС є актуальною науковою задачею.

Зв'язок роботи з науковими програмами, планами, темами: Дисертаційна робота є складовою частиною досліджень, що проводились у рамках виконання держбюджетних тем: “Розробка методів автоматичного експрес-аналізу параметрів мікроструктури конструкційних матеріалів” (номер державної реєстрації 0102U002670), “Розробка інформаційних технологій реконструкції і кількісного аналізу тривимірних зображень поверхні зламів конструкційних матеріалів” (номер державної реєстрації 0105U004310), де автор брав участь як виконавець.

Мета і задача досліджень. Метою дослідження є розробка методів опису, обробки та кількісного аналізу металографічних зображень для створення автоматизованих експертних ІВС ідентифікації. Для її досягнення розв'язували такі задачі:

- дослідили процеси формування зображень у системах ідентифікації, проаналізували спотворення, характеристики методів обробки металографічних зображень у кількісній металографії;

- розробили теоретико-множинний підхід до задач обробки та кількісного аналізу зображень у металографії;

- проаналізували металографічні зображення, щоб встановити фрактальну розмірність зерен карбідів сталей;

- обґрунтували визначені похідні ознаки елементів просторової структури металографічних зображень шліфів та виконали їх статистичний аналіз;

- розробили метод кругового спектра для аналізу металографічних зображень;

- розробили автоматизовану експертну ІВС для кількісного оцінювання металографічних зображень.

Об'єктом дослідження є металографічні зображення поверхні шліфів.

Предметом дослідження є системи інваріантних ознак та методи обробки і аналізу металографічних зображень поверхні матеріалів.

Методи дослідження. У роботі поставлені задачі розв'язували на основі положень та методів побудови ІВС, обробки зображень, розпізнавання об'єктів, теорії ймовірності, числового аналізу та комп'ютерного моделювання.

Наукова новизна одержаних результатів полягає у наступному:

1. На основі теоретико-множинного аналізу розроблено моделі зображень та нові алгоритми виділення структурних елементів металографічних зображень (зерен феритів, перлітів, тріщин, борозен утоми, зламів і т.п.), які дозволяють у задачах кількісної металографії з точністю 5% однозначно виділяти зв'язні контури.

2. Розроблено нові алгоритми (кругова і колова розмірності) визначення фрактальної розмірності структурних елементів металографічних зображень, які на відміну від відомих, дають можливість точніше і якісніше встановлювати залежність зміни фізико-механічних властивостей конструкційних матеріалів від їх фрактальної структури.

3. Запропоновано новий метод визначення орієнтованості стрічок з карбідів, який, на відміну від відомих, дозволяє ефективніше на основі аналізу максимальних значень кругового спектру, його дисперсії та похідної визначати переважальні орієнтації стрічок та оцінювати достовірність отриманих результатів.

4. На основі розроблених методів попередньої обробки (виділення зв'язних елементів, формування інваріантних систем ознак) вперше запропоновано елементи і структуру побудови автоматизованої інформаційно-вимірювальної експертної системи, що дає можливість за 1,0 с. аналізувати та інтерпретувати металографічні зображення.

Практичне значення одержаних результатів.

1. Запропонований комбінований метод попередньої обробки металографічних зображень дозволяє покращити якість обробки і адаптуватись до змін рівня шумів та властивостей системи формування зображення.

2. У результаті використання моделі восьми зв'язності, згідно з розробленим алгоритмом, у двічі швидше формуються контури зерен на металографічних зображеннях.

3. Отримані наукові результати стали теоретичною основою для розробки пакета прикладних програм, призначених для:

- сегментації та виділення контурів зерен зображень поверхні металу;

- покращання якості зображень, отриманих у різних діапазонах освітлення;

- встановлення фрактальної розмірності зерен карбідів;

- дослідження текстури поверхні шліфа і визначення ресурсу роботоздатності матеріалу;

- кількісного і статистичного аналізів металографічних зображень поверхні шліфів.

4. З допомогою моделей агрегації, яка обмежена дифузією, атракторів нелінійних динамічних систем, множин Мандельброта розроблено алгоритми синтезу фрактальних зображень і систем фрактального росту, що відповідають реальним металографічним зображенням.

5. Створено автоматизовану ІВС відбору та обробки відеоданих “МАТЕРІАЛИ”, яка дозволяє в реальному масштабі часу аналізувати, синтезувати та інтерпретувати просторову структуру шліфів у кількісній металографії.

Реалізація та впровадження результатів роботи. Теоретичні положення, викладені у дисертації, є певним внеском у систему знань про процеси формування обробки, синтезу та розпізнавання металографічних зображень в ІВС. Прикладні програми моделювання обробки та розпізнавання зображень використовуються у навчальному процесі НУ “Львівська політехніка” під час викладання дисциплін “Структурний аналіз металів і сплавів” та “Металографія”.

На основі розробок, блок-схем та рекомендацій до побудови ІВС у Фізико-механічному інституті НАН України створено автоматизовану експертну систему “МАТЕРІАЛИ”. Практичну цінність отриманих результатів підтверджують акти впровадження у ДПІЦ „Техно-Ресурс” (Львів), НУ „Львівська політехніка”.

Особистий внесок здобувача. Основні результати та положення, які становлять суть дисертації, отримані автором самостійно. У публікаціях, написаних у співавторстві, здобувачеві належить: в 1 - розробка методу оцінки фрактальної розмірності зерен карбідів металографічних зображень; 2 - процедура кількісної оцінки металографічних кольорових зображень шліфів; 3,7 - метод кругового спектра для визначення орієнтованості стрічок карбідів; 4 - статистичний аналіз структурних елементів зображень для оцінки просторової структури поверхні матеріалів; [5] - розробка методів реконструкції поверхні шліфів матеріалів; 6,9 -інформаційна технологія при створенні експертних ІВС обробки і розпізнавання зображень; 8 - моделі синтезу фрактальних зображень і систем фрактального росту.

Апробація результатів дисертації: Основні положення дисертації були представлені на Міжнародній конференції “Photonics-2005” (Вінниця, 2005 р.), Х Міжнародній науково-технічній конференції “ЛЕОТЕСТ-2005” (Славське, 2005 р.), Міжнародній конференції “CADMS-2005” (Свалява, 2005 р.) та КМН-2003 (Львів, 2003 р.), де автор особисто доповідав про одержані результати.

Публікації. За матеріалами дисертації опубліковано 9 праць, з них 6 - у фахових виданнях.

Структура та обсяг роботи. Дисертація складається зі вступу, чотирьох розділів, висновків, переліку літературних джерел (107 найменувань) і додатку. Загальний обсяг роботи - 147 сторінок, у тому числі 76 рисунків та 7 таблиць.



ОСНОВНИЙ ЗМІСТ РОБОТИ

У вступі проаналізовано стан проблеми з розробки методів обробки, аналізу та розпізнавання металографічних зображень в ІВС, обґрунтовано актуальність вибраної теми, сформульовано мету дослідження та задачі для її досягнення, показано наукову новизну, практичне значення та апробацію результатів дисертації.

У першому розділі “Методи обробки та кількісного аналізу металографічних зображень” оцінено аналітичні методи кількісної металографії для аналізу поверхні шліфів. Показано, що структура металів проявляється у різноманітних формах. Для кількісного металографічного дослідження доцільно звести цю різноманітність до малої кількості основних геометричних типів, так як для кожного типу, незалежно від специфічних ознак структури і типу структурних складових, можна визначити характерні параметри структури і для їх аналізу використовувати одні і ті самі принципи вимірювання і обробки даних. Запропоновано розглядати такі типи структури: однофазно-поліедричну, багатофазно-поліедричну, сітчасту, матричну і орієнтовану. Розглянуто основні методи досліджень, які зводяться до операторної оцінки зображень зерен за площами, об'ємною часткою, визначенням середнього розміру та ін. Показано, що цими методами не можна в реальному масштабі часу інтерпретувати металографічні зображення в ІВС.

Результати аналізу існуючих методів попередньої обробки і фільтрації металографічних зображень, а також відомих засобів автоматичного визначення статистичних параметрів зерен свідчать про їх емпіричність, оскільки вони ґрунтуються на математичній моделі формування зображень і не враховують спотворень на етапі їх обробки. Обґрунтовано необхідність розробки нових та удосконалення існуючих методів обробки та синтезу металографічних зображень, формування систем інваріантних ознак та створення високопродуктивних ІВС.

У другому розділі “Моделі та аналіз зображень у кількісній металографії” розглянуто теоретико-множинний підхід у задачах обробки та розпізнавання зображень, застосування для проблем кількісної металографії викликане двома основними причинами. По-перше, існує необхідність теоретично обґрунтувати як нові методи та алгоритми обробки і розпізнавання зображень структури конструкційних матеріалів, так і ті, які вже використовуються і розроблені здебільшого на евристичній та інтуїтивній основі. По-друге, створений математичний апарат дозволить формально аналізувати і синтезувати нові алгоритми обробки з теоретичним обґрунтуванням, тобто доведенням 'правильності алгоритмів'.

Нехай маємо два елементи множини (зображення та ). Одночасно

та

підмножини множини . Це означає, що можна ввести теоретико-множинні операції як над зображеннями, так і над підмножинами.

Класичне означення об'єднання підмножин та визначає множину яка містить елементи, кожен з яких належить хоч би одній з множин або , причому елементи, що належать і множині , і множині , входять в об'єднання тільки один раз. Уведемо додатково ще одну умову. Якщо координати елементів та збігаються, тоді яскравість відповідного елемента об'єднання приймається з . Таким чином, маємо таке означення.

Означення 1. Об'єднанням двох зображень та називатимемо зображення (об'єднання у класичному розумінні), у якому виконується умова: якщо та , тоді .

Розглянемо дві множини та координат і яскравостей елементів :



,

.

Перший вираз, наприклад, читається так: множина включає елементи множини (), для яких слідує (символ ), що існує (символ `') елемент у множині з координатами , тобто ().

Сформуємо множину

та на її основі - множину

Тепер означення об'єднання зображень можна сформулювати так:

Означення 2. Об'єднанням зображень та є зображення

.

Вираз `' означає різницю множин та , тобто множину елементів , які не входять у . Зауважимо, що коли (пуста множина), то операція об'єднання комутативна, тобто .

Розглянемо операції перетину зображень.

Перетином зображень та (у класичному теоретико-множинному розумінні) є зображення , яке складається з елементів, котрі одночасно належать як зображенню , так і зображенню .

Означення 3. Перетином за координатами зображень та є зображення , яке складається з елементів , де .

Таким чином, у входять елементи , координати яких збігаються з відповідними координатами елементів зображення Z₂. Очевидно, що , тобто операція не є комутативною, оскільки об'єднання зображення поглинає .

Означення 4. Перетином за яскравістю зображень та є зображення з елементами , де , та або .

Таким чином, у входять елементи та , у яких збігаються яскравості. Це можна відобразити так:

.

Очевидно, що , тобто операція комутативна. Множина містить елементи Z₂ = {(5,4),2; (5,5),3; (6,4),2; (6,5),6; (6,6),4; (6,7 ),2; (7,5),4; (7,6),3; (7,7),3; (7,8),3; (8,6),3; (8,7),4; (8,8),2}.

Згідно з означеннями 1-4 представлення одержаних результатів. Як відомо, цифрове зображення - це результат дискретизації і квантування неперервного зображення. Нехай це буде матриця Z = z_i,j.

Деяку підмножину Z₁ елементів матриці Z можна розглядати як фрагмент зображення Z, водночас його можна трактувати як зображення. Такі зображення можна виділяти різними способами і трактувати Z як сукупність зображень. Зображення, наприклад рисунок, може складатися зі зображення кругів, трикутників, букв та інших об'єктів. Задача виділення таких зображень із загального - зі складових задачі розпізнавання, і часто її називають задачею виділення об'єктів на зображенні. Для її розв'язання необхідно задати правила, за якими формуються підмножини із Z, а також алгоритми реалізації цих правил.

Надалі розглядатимемо правила формування підмножини, які ґрунтуються на моделі зв'язності зображення і, відповідно, алгоритми виділення також формуватимуться цією моделлю.

Базовим поняттям у визначенні моделі зв'язності зображення є поняття околу зв'язності.

Нехай задана деяка непуста підмножина множини цілих чисел від нуля до L-1.

Розглянемо ще множину пар цілих чисел

.

Просторовим околом елемента z_i,j називають множину елементів

_.

Означення 5. Околом зв'язності називають пару .

Означення 6. Елемент безпосередньо зв'язаний з тими елементами , які набувають значень з множини M.

Означення 7. Два елементи та є зв'язними, якщо існує послідовність безпосередньо зв'язних елементів .

Таку послідовність називатимемо шляхом між елементами та .

Означення 8. Зображення називають зв'язним, якщо всі його елементи є зв'язними.

На основі введених означень зв'язності доведено теореми, які підтверджують коректність запропонованих алгоритмів виділення структурних елементів зображень.

Розглянемо існуючий (кліткова розмірність) та розроблені нові алгоритми (кругова і колова розмірності) визначення фрактальної розмірності структурних елементів металографічних зображень.

У результаті попередньої обробки цього зображення (порогової операції бінаризації, медіанної та морфологічної фільтрацій), виділено структурні елементи зображення . Ці зображення є вхідними для алгоритмів визначення фрактальної розмірності.

Цей результат випливає з того, що розмірність D множини є критичною, за якої міра множини змінює своє значення з нуля на нескінченність. Асимптотично, за малих існує співвідношення , з якого визначають фрактальну розмірність контурного зображення D.

Розглянемо розроблені нові методи визначення фрактальної розмірності.

Визначення фрактальної розмірності кругами. Для зображення зерна з центром , що збігається з центром зображення, проводять концентричні круги (з певним кроком радіуса) та визначають функцію

S_f1(r)=S_f(r)/S_c(r)100%,

де S_f(r) - площа фрагмента фрактала, який включається в описаний круг, а S_c(r) - площа описаного круга. Для зображення зерна, наведеного на рис. 3б, така залежність показана на рис.6 (крива 1).

Визначення фрактальної розмірності колами. Для зображення зерна з центром, що збігається з центром зображення, проводять концентричні кола (з певним кроком радіуса) та визначають функцію



де - довжина кола, що покривається фрагментом фрактала, який включається в описане коло, а - довжина описаного кола.

Інформативним відрізком розмірів радіусів є інтервал . Круги (кола) радіусом, меншим за , лежать у суцільній області фрактала, а якщо їх радіус більший за , вони повністю охоплюють фрактал.

Таким чином, для покращання кількісного аналізу металографічних зображень необхідно використовувати поняття фрактала. Крім того, побудовано нові алгоритми визначення фрактальної розмірності зерен, які, на відміну від відомих, дають можливість встановлювати залежність зміни фізико-механічних властивостей сталі від воднево-корозійної деградації.

У третьому розділі “Формування ознак для обробки та аналізу металографічних зображень” розроблено методи адекватного визначення структурних і похідних ознак, які однозначно описують просторово-часову структуру зображень матеріалів, а також статистично проаналізовано металографічні зображення.

До основних ознак структурного елемента (СЕ) запропоновано відносити: площу (S), периметр (P), координати центра (x_c,y_c), діаметр (), кут нахилу (), мінімальну віддаль (d_k) між центром k-го CE.

Основними статистичними характеристиками для СЕ є наступні:

середнє значення (m), мода (mo), медіана (me), дисперсія (), коефіцієнт варіації (=d/m), середнє абсолютне відхилення

, коефіцієнт асиметрії

, коефіцієнт

ексцесу.



У роботі запропоновано новий підхід до визначення орієнтованості карбідів у сталі, що ґрунтується на методі кругового спектра. Ідея цього метода ось у чому:

Нехай - фінітна функція. Функцію

називатимемо спектром функції. Розглянемо випадкову величину з густиною розподілу

, ().

Розглянемо функцію

,

отриману із функції шляхом повороту системи координат на кут , тобто перетворенням:

, ,

де та .

називатимемо круговим спектром функції . Зауважимо, що



та .

Нехай - випадкова величина з густиною розподілу

, де

з математичним очікуванням

, дисперсією

та функцією кореляції

.

Розглянемо дискретний аналог кругового спектра для зображень. Нехай маємо зображення описане матрицею M=m_i,j, . Зображення , повернене на кут навколо центра та , описуватимемо матрицею , ( - ціла частина ).

Сумісний аналіз функцій , та , а також кореляційної матриці дозволяє оцінювати домінантні напрямки орієнтованості стрічок з карбідів в сталях. Значення кута , за якого досягається максимум вищезгаданих функцій вважають переважальним напрямком орієнтації карбідів. У нашому випадку він становить 472.

На основі розроблених методів виділення зв'язних елементів, їх формального опису та класифікації запропоновано інформаційну технологію аналізу просторово-часової структури матеріалів.

Запропоновано основні принципи, методи та механізми побудови експертної ІВС обробки, розпізнавання та аналізу зображень просторово-часової структури матеріалів. Визначено структуру, функціональність, логічні та інформаційні залежності і взаємозв'язки підсистем. Розглянутий підхід дозволяє створювати проблемно-орієнтовані та спеціалізовані експертні системи, налаштовані на конкретну предметну область. Наведені результати експериментальної експлуатації окремих підсистем підтверджують доцільність створення такої експертної системи та ефективність її практичного використання у теоретичних та прикладних дослідженнях матеріалів.

Четвертий розділ “База відеоданих металографічних зображень структури матеріалів та результатів їх обробки і аналізу” присвячений розробці ІВС відбору та обробки відеоданих “Матеріали”.

У режимі “Загальна структура” система забезпечує користувачеві доступ до всіх ресурсів бази даних, а саме: ввід даних у базу, перегляд інформації у базі та видалення застарілої або непотрібної інформації, проведення аналізу накопиченої інформації та виведення результатів цього аналізу. Форма також забезпечує штатний (правильний) вихід з бази даних (із збереженням введених даних та проведених змін).

Наведена форма для вводу даних. Зображення з файлу Img.bmp з'являється у формі, використовуючи приєднану рамку об'єкта. Це один з механізмів OLE, який дає змогу вводити відеоінформацію у базу. В рамці завжди після оновлення форми вводу міститиметься зображення, записане в файл Img.bmp. Після натиснення кнопки вводу запускається відповідний макрос, який розміщує вмістиме приєднаної рамки у відповідне поле головної таблиці main.

Як видно, для введення матеріалу та маркування використані поля зі списками, що зменшує імовірність випадкових збоїв при введені цих даних. Поле дати використовує біжучу дату і не вимагає вводу. В цій формі задіяні також інші механізми для контролю введеної інформації, щоб звести до мінімуму імовірність помилкового вводу параметрів зображення.



ВИСНОВКИ

У роботі розв'язано наукову задачу, пов'язану з розробкою нових методів кількісного оцінювання та інтерпретації металографічних зображень для створення ІВС. Зокрема, отримано такі результати:

1. Проаналізовано застосування аналітичних методів кількісної металографії для оцінки поверхні шліфів. Показано, що структуру зображень поверхні можна розділити на однофазно-поліедричну, багатофазно-поліедричну, сітчасту, матричну та орієнтовану. Наведено основні методи досліджень для кількісного аналізу зображень основних геометричних типів структури.

2. На основі теоретико-множинного підходу розроблено моделі зображень та нові алгоритми виділення структурних елементів металографічних зображень (зерен феритів, перлітів, тріщин, борозен утоми зламів і т.п.), що дозволяють у задачах кількісної металографії однозначно виділяти зв'язні контури.

3. Показано, що для покращання кількісного аналізу металографічних зображень необхідно використовувати поняття фрактала. Розглянуто існуючі (кліткова розмірність) та розроблено нові алгоритми (кругова і колова розмірності) визначення фрактальної розмірності структурних елементів металографічних зображень, які дають можливість, на відміну від відомих, вперше встановлювати залежність зміни фізико-механічних властивостей конструкційних матеріалів від їх фрактальної структури.

4. Для виділення елементів структури металографічних зображень розроблено метод, який ґрунтується на запропонованій моделі зв'язності, що дозволяє ефективно досліджувати зображення структури сталей, наприклад, сталі 15ХА2МФЛ. Запропоновано використовувати такі ознаки структурних елементів зображення: площу, периметр, центр ваги, діаметр, кут нахилу, що дає можливість адекватно (з мінімальною похибкою не більше 5%) описувати структуру і геометричні властивості зерен карбідів.

5. Запропоновано новий метод визначення орієнтації стрічок з карбідів, який на відміну від відомих, дозволяє ефективніше на основі аналізу максимальних значень кругового спектру, його дисперсії та похідної визначати переважальні орієнтації стрічок та оцінювати достовірність отриманих результатів, порівняно з перетворенням Радона та операторними методами.

6. На основі розроблених методів попередньої обробки (виділення зв'язних елементів, формування інваріантних систем ознак) вперше запропоновано елементи і структуру побудови автоматизованої інформаційно-вимірювальної експертної системи, яка дає можливість за 1,0 с. кількісно аналізувати та інтерпретувати металографічні зображення.

7. Розроблено та впроваджено інформаційно-аналітичну систему відбору та обробки відеоданих “МАТЕРІАЛИ”, яка дозволяє проводити в реальному масштабі часу аналізувати та інтерпретувати просторову структуру матеріалів у кількісній металографії.



СПИСОК ОПУБЛІКОВАНИХ ПРАЦЬ ЗА ТЕМОЮ ДИСЕРТАЦІЇ

1. Корній В.В., Кисіль Б.В. Застосування поняття фрактальної розмірності для аналізу зображень у неруйнівному контролі //Фізичні методи та засоби контролю середовища, матеріалів та виробів: Акустичні та електромагнітні методи неруйнівного контролю матеріалів та виробів. - Львів: ФМІ НАН України, 2005. - С. 193-199.

2. Комп'ютерна оцінка фазового складу матеріалу за кольоровим зображенням шліфів /Б.П. Русин, В.Г. Іванюк, Г. Лау, В.М. Довгуник, В.В. Корній //Фіз.-хім. механіка матеріалів. - 2004. - №5. - С. 77-80.

3. Корній В.В., Кисіль Б.В., Русин Б.П. Автоматизована система аналізу кругового спектра металографічних зображень // Фіз.-хім. механіка матеріалів. - 2004. - №2. - С. 113-115.

4. Кисіль Б.В., Корній В.В. Алгоритми визначення похідних ознак елементів просторової структури зображення та їх статистичний аналіз // Відбір і обробка інформації. - 2003. - Вип.18(94). - С. 100-105.

5. Кожан В.П., Корній В.В., Русин Б.П. Реконструкція форми поверхні матеріалів за їх зображеннями // Вісник НУ "Львівська політехніка" Автоматика. Вимірювання та керування. - 2005. - №.530 - С.116-121.

6. Корній В.В., Кисіль Б.В. Інформаційна експертно-аналітична система аналізу фрактографічних зображень //Відбір і обробка інформації. - 2005. - Вип. 22(98). - С.70-75.

7. Корній В.В. Метод кругового спектра в задачах аналізу металографічних зображень // Матеріали ХVIII відкритої наук.-техн. конф. молодих науковців і спеціалістів. - Львів: ФМІ НАН України, 2003. - С.231-233.

8. Korniy V. Peculiarities of simulation for the synthesis of aggregation images // Proceedings of the 8th International Conference "The Experience of Designing and Application of CAD Systems in Microelectronics" CADSM'2005. - Lviv-Polyna. - 2005. - P. 71-72.

9. Корній В.В., Кисіль Б.В., Русин Б.П. Застосування інформаційних технологій при створенні експертних систем обробки і розпізнавання зображень // International Conference on Optoelectronic Information Technologies “Photonics-ODS 2005”. - Vinnytsia. - 2005. - P.74-76.

Размещено на Allbest.ru

...