气缸套是船舶柴油机的主要部件,其工作的好坏直接影响着柴油机的性能。论文对气缸套表面异常磨损的形式、产生机理、引起异常磨损的具体原因做了系统的分析与归纳,在此基础上,阐述了异常磨损在图像中的特征,对后续研究起到了铺垫作用。为了区分磨损表面图像中的磨损目标与背景,本文引入了图像边缘提取技术。 边缘是人类视觉识别图像目标的重要特征。图像的主要信息都存在于图像的边缘中,表现为图像局部特征的不连续性,是图像中灰度变化比较剧烈的地方。如何从图像中提取人们需要的目标边缘特征,一直是图像处理中的一个难点和热点。目前已研究出不少边缘提取的方法,但还没有一种普遍适用于各种图像的有效方法,尤其对于噪声图像。论文首先分析了数字图像的特点,利用直方图均衡化和中值滤波技术,对采集到的气缸套表面磨损图像进行了对比度增强和滤波去噪处理。在对磨损图像预处理的基础上,从经典的边缘提取方法入手,研究了Marr-Hildreth和Canny两种改进的边缘检测方法,最后引进了基于小波变换的多尺度边缘检测方法,并应用到磨损图像的边缘特征提取中。实验表明该方法对于磨损图像的边缘特征提取是行之有效的。 论文分析研究了模板匹配方法在不同磨损图像识别中的应用。为了实现算法的快速性,节省运算时间,在提取出磨损图像边缘特征基础上,本文引入了基于边缘特征的Hausdorff距离匹配(HD)方法,进行基于不同磨损形式的图像匹配识别。从匹配的结果看来,基于不同边缘检测方法得到的边缘特征图像,匹配的识别率是不同的。总体上来说,该方法能有效地识别出气缸套表面图像中的不同磨损类型。 论文把图像处理与识别技术直接应用到气缸套表面异常磨损检测中。针对气缸套表面几种典型的异常磨损图像,通过对气缸套表面磨损的机理分析,引入数字图像处理技术,提取、分析和研究异常磨损图像的特征,并实现磨损特征模板匹配识别,为船舶机务管理人员维护和修理提供参考,开辟了气缸套磨损检测方法的新途径。