论文部分内容阅读
科学研究和统计表明,人类从外界获得的信息约有75%是从图像中获得的。而计算机及其有关软件的发展,使图像的实时化数字处理,传输成为可能。新的分析、处理理论的不断出现,如小波变换,使数字图像处理的内容越来越丰富。所有这些条件使数字图像的识别在测控系统中的地位越来越重要。 在工业自动化生产过程中,数字图像识别技术的利用是实现产品质量监控和故障诊断的最佳方法之一。这一应用技术中的关键问题是对被测控对象的模式识别和特征提取。本论文以CCD图像为对象在模式识别和特征提取方面进行了深入的研究,取得了一些成果。本论文针对自动测控系统中被控对象的主要模式,以列车轮对和其它一些常见机械零部件为对象,对各种模式进行了识别,这是本论文的主要研究内容。在识别过程中,在运用传统的模式识别理论的基础上,对一些新的方法,新的技术进行一些尝试,并提出了一些自己的新见解。 本论文从图像处理技术出发,利用VB6.0作为平台,开发了一套图象处理及识别软件系统,来对一些一般故障模式进行特征提取,然后再进行聚类分析,从而达到对测控对象图像进行自动测试和识别的目的。主要做的工作包括几种识别方法的研究与评述;三种数学形态学算法的实现以及各自的优劣比较;利用无监督学习进行聚类以及Matlab在图像处理中的嵌入;动态图像的差分分析等。在实际应用当中,主要是以车轮踏面故障为对象,利用计算机图像识别技术进行了自动识别,并在静态情况下得出了比较满意的结果,同时还对存在的问题作了一定的分析和讨论。 本论文属应用性研究,所开发的应用软件和对新的分析方法的尝试,对图象识别技术在工程中的应用起到了抛砖引玉的作用,并且对利用数字图像处理技术在测控系统中实现工况监测、故障诊断等具有一定的参考价值。