（机械电子工程专业论文）基于工件表面纹理分析的加工参数优化技术的研究.pdf

浙江工业大学硕士学位论文 基于工件表面纹理分析的加工参数优化技术的研究 摘要 随者生产自动化的日益普及，加工参数优化已经成为现代切削加 工，尤其是精密硬态切削加工过程中降低生产成本和提高生产效率的 关键，因此，应用各种理论和方法进行加工参数优化具有重要的现实 意义。参数优化的关键是优化指标的选取，本文结合纹理分析中的纹 理谱和马尔可夫随机场理论，以工件表露纹理为研究对象，对加工参 数优化指标的选取进行了比较深入地研究，提出了一些新的算法。 ( 1 ) 阐述了加工参数优化的研究背景及意义，分析了基于工件表 面纹理分析的加工参数优化的优越性和可行性。比较了各种纹理分析 方法的优缺点及主要应用场合。 ( 2 ) 研究了基于工件表面纹理的相关分析法和纹理谱分析法的应 片j 原理、设计思路及相关注意事项。重点研究了基于工件表面纹理分 析的纹理谱改进方法，提出了能反映工件表面纹理平滑性和完整性的 衡量指标。 ( 3 ) 研究了基于高斯马尔可夫随机场( g m r f ) 模型的刀具磨损状 态识别方法，比较了g m r f 模型的最小平方误差( l s ) 估计与最大似然 ( m l ) 估计的估计效果，并分析了g m r f 模型的阶数与处理速度之间的 矛盾，分析结果表明，采用五阶g m r f 模型进行l s 估计，求得的相对 距离d 能有效地识别出刀具的磨损状态。 ( 4 ) 分析了不同切削用量对基于g m r f 模型法的刀具磨损量衡量指 标d 和基于纹理谱法的纹理完整性衡量指标s 的影响，最后进行了加 工参数的正交实验设计，完成了加工参数的优化。 关键词：刀具磨损，马尔可夫随机场，纹理谱，参数估计，参数优化 浙江工业大学硕士学位论文 r e a s e a r o ho nc u t tln gp a r a m e t e ro p t imiz a tlo nb a s e d o nw o r k pie o es u r f a c et e x t u r e a b s t r a c t w i t ht h ed e v e l o p m e n to fa u t o m a t i z a t i o n ，t h eo p t i m i z a t i o no fc u t t i n gp a r a m e t e r s h a v eb e c o m ei n t ot h ek e yo fr e d u c i n gp r o d u c t i o nc o s ta n di n c r e a s i n gp r o d u c t i o n e f f i c i e n t c y t h e r e f o r e ，i ti ss i g n i f i c a n tt os t u d yt h em e t h o do fo p t i m i z i n gt h ec u t t i n g p a r a m e t e r su s i n ga l lk i n d so f t h e o r i e s t h ek e yt oo p t i m i z ep a r a m e t e r si sh o wt os e l e c t t h eo p t i m a lt a r g e t w i t ht h eo b j e c to f w o r k p i e c es u r f a c et e x t u r e ，t h i sp a p e ri n t e g r a t e st h e m e t h o do ft e x t u r es p e c t r u ma n dt h et h e o r yo fm a r k o vr a n d o mf i e l d ，l u c u b r a t e st h e s e l e c t i n go fo p t i m a lt a r g e ta n db r i n g sf o r w a r ds o m en e wm e t h o d s t h em a i nr e s e a r c h c o n t e n t sa r ea sf o f l o w s ： f i r s t l y , t h ep a p e rt a l k sa b o u tt h es i g n i f i c a n c ea n db a c k g r o u n do f t h er e s e a r c h t h e a p p l i c a t i o no fp a r a m e t e ro p t i m i z a t i o nb a s e do nw o r k p i e c es u r f a c et e x t u r ei sa n a l y z e d t h e a d v a n t a g e sa n dd i s a d v a n t a g e so f t e x t u r ea n a l y s i sa r ep r e s e n t e d s e c o n d l n t h i s p a p e r s t u d i e st h em e t h o d so fc o r r e l a t i v e a n a l y s i s a n dt e x t u r e s p e c t r u m ，i n c l u d i n gt h e i ra p p l i c a t i o nt h e o r y , a p p r o a c ha n dt h ei n v o l v e da t t e n t i o n s in o r d e rt or e c o g n i z et h es m o o t h n e s sa n di n t e g r i t yo ft e x t u r e ，t h i sp a p e re m p h a s i z e st h e m e t h o do fm e n d e dt e x t u r es p e c t r u mb a s e do nw o r k p i e c e s u r f a c et e x t u r ea n db r i n g s f o r w a r dt h ew e i g h i n g t a r g e to f s m o o t h n e s sa n di n t e g r i t y t h et h i r dp a r ti st or e s e a r c ht o o lw e a rc o n d i t i o nb a s e do nt h em a r k o vr a n d o mf i e l d m o d e l i ti n t r o d u c e st h et h e o r i e so fv i s i o n l a b e l i n ga n dm a r k o vr a n d o mf i e l d ，t h e g a u s sm a r k o vr a n d o mf i e l d ( g m r f ) i se s t a b l i s h e dt o a n a l y z ew o r k p i e c es u r f a c e t e x t u r e b e s i d e s ，t h i sp a p e rr e s e a r c h e st h ep a r a m e t e re s t i m a t i o nm e t h o d s ，c o m p a r e st h e e f f e c tb e t w e e nt h el e a s t s q u a r e s ( l s ) e s t i m a t ea n dt h em a x i m u ml i k e l i h o o d ( m l ) e s t i m a t ea n da n a l y z e st h e i n c o n s i s t e n c yb e t w e e nt h eo r d e ro fn e i g h b o r h o o da n dt h e s p e e do fm a n a g i n g t h er e s e a r c h e dr e s u l t ss h o w e dt h ere l a t i v ed i s t a n c edb a s e do n t h ef i f t ho r d e rg m r fm o d e lc a l lb eu s e dt o r e c o g n i z et h et o o lw e a l c o n d i t i o n i t 堑望三些查兰堕主堂垡堡苎 e f f e c t i v e l y a tl a s t ，t h i sp a p e ra n a l y z e st h ei n f l u e n c e so fc u t t i n gp a r a m e t e r so nr e c o g n i t i o na n d d e s i g n s a n o r t h o g o n a lt e s t i n g t a b l e a sar e s u l t ，i tr e a l i z e s t h e o p t i m i z a t i o n o f p a r a m e t e r s k e yv r o r d s ：t o o lw e a r , m a r k o vr a n d o mf i e l d ，t e x t u r e s p e c t r u m ，p a r a m e t e r e s t i m a t i o n ，p a r a m e t e ro p t i m i z a t i o n i l l 浙江工业大学 学位论文原创性声明 y7 4 9 5 7 7 本人郑重声明：所提交的学位论文是本人在导师的指导下，独立进行 研究工作所取得的研究成果。除文中已经加以标注引用的内容外，本论文 不包含其他个人或集体已经发表或撰写过的研究成果，也不含为获得浙 江工业大学或其它教育机构的学位证书而使用过的材料。对本文的研究作 出重要贡献的个人和集体，均已在文中以职确方式标明。本人承担本声明 的法律责任。 作者签名： 胡金详 日期：妒年夕月，口日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意 7 学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许沦义 被查测和借阅。本人授权浙江工业大学可以将本学位沦文的全部或部分内 容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存 和汇编本学位论文。 本学位论文属于 1 、保密口，在年解密后适用本授权书。 2 、不保密彤 ( 请在以上相应方框内打“”) 作者签名： 导师签名： 日期：硝年，月矽日 日期：护件r 月口日华易 金够 钾够 浙江工业大学硕士学位论文 第一章绪论 1 1 本课题的研究意义和目的 2 0 世纪8 0 年代以来，随着数控机床、加工中心、柔性生产线的日益普及，机 床切削工况的自动监测、自动认别、故障的自动排除以及工件加工质量的自动检 测显得越来越重要。现代各大中型企业中，柔性制造系统( f m s ) 和计算机集成制造 系统( c i m s ) 正逐步成为企业产品生产的主流，生产的底层设备因故障不能及时排 除所造成的停产损失将是不可估量的。近年来，随着计算机技术的飞跃发展，计 算机视觉系统得到不断的应用和完善。把计算机视觉应用于柔性制造系统和计算 机集成制造系统，是工业发展的方向和需要，也是提高生产率的有效途径【l 。】。 随着工业自动化水平的提高，为了充分利用资源和提高生产效率，加工参数的 优选必然也要求实现在线调整，尤其是在精密硬态切削加工过程中，由于硬态切 削刀具本身成本较高，且加工参数的选择对切削刀具的使用寿命和工件表面质量 的影响较大，加工参数优化已经成为精密硬态切削加工过程中降低生产成本和提 高生产效率的关键，因此，应用各种理论和方法进行加工参数优化具有重要的现 实意义。 加工参数的优化是指在保证加工表面质量的前提下，通过选取合适的加工参 数，尽可能地提高刀具的使用寿命，从而达到降低生产成本和提高生产效率的目 的。加工参数优化的关键是优化指标的选取，常用的优化指标是刀具的磨损量或 工件的表面质量，因此，为了实现加工参数的在线优化，首先必须要研究刀具磨 损量和工件表面质量的在线识别方法。 在目前刀具磨损状态在线监测技术中，大多数监测方法如声发射、振动、切削 力、温度等都存在传感器安装困难，可靠性不高等问题，而且，目前研究的各种 监测方法均存在各种各样的缺陷，还没有一种能完全满足工程实际的需要。本文 研究的基于工件表面纹理的刀具磨损状态监测技术属于基于计算机视觉的刀具状 态监测( c o m p u t e r v i s i o nb a s e dt o o lc o n d i t i o nm o n i t o r i n g ，简称为c v t c m 方 法) 的一种，它采用c c d 摄像头摄取工件表面的纹理图像进行分析，具有抗干扰能 力强的特点，且不存在传感器安装困难的问题，故能在一定程度上克服声发射等 浙江工业大学硕士学位论文 传统监测方法所存在的缺陷，为刀具磨破损在线监测系统( t o o lc o n d i t i o n m o n i t o t i n gs y s t e m ，简称t c m s ) 的开发提供了一种新思路，为实现一种基于工件 表面图像分析的切削过程在线监测的新方法奠定了基础，具有重要的工程应用价 值和现实意义。 本文所研究的基于工件表面纹理的刀具状态监测系统和工件表面质最检测系 统从本质上来说是计算机视觉系统的一个分支。计算机视觉是一门多学科交叉的 综合性学科，是具有无限发展潜力的新型边缘学科 3 1 。随着计算机技术的逐步深入 与发展，人类进入了一个前所未有的高度信息化时代。目前，计算机视觉系统己 广泛地进入工业过程质量控制和检测中，包括质量跟踪、质量检测、过程监视等。 由于计算机视觉系统的客观性、稳定性，使得它在工业检测中表现出了无与伦比 的优越性。虽然计算机视觉原理并不完善，计算机视觉的研究离其堆终目标也有 一段很大的距离但各种基于计算机视觉系统的应用研究却开展得如火如萘，几 乎进入到能利用人类视觉的各个领域，如：制造业、检验、文档分析、医疗诊断和 军事等，成为各种智能自主系统中不可分割的一部分。 综上所述，基于工件表面纹理分析的刀具磨损量和工件表面质量的识别作为计 算机视觉的一个分支，具有无限发展潜力，便于实现在线检测，因此，对工件表 面纹理进行分析，获取能反映刀具磨损量和工件表面质量的衡量指标作为优化指 标，有利于实现加工参数的智能优化。又因为在高精密硬态切削过程中，加工参 数的智能优化，不仅能节省加工时间，提高生产效率，而且能有效地提高刀具的 使用寿命，大大减少生产成本，因而研究基于工件表面纹理分析的加工参数优化 对于提高整个社会的经济效益具有重要的价值和意义。 本文研究的主要目的在于通过科学严谨的实验，分析各加工条件对工件表面纹 理分析技术的影响，采用各种纹理分析方法对工件表面纹理图像进行分析，获取 能反映刀具磨损量和加工表面质量的衡量指标，并把它们作为优化指标来实现加 工参数的在线优化，从而达到延长刀具使用寿命、降低生产成本和提高生产效率 的目的。 1 2 国内外的研究现状 多年来，许多学者在纹理学理论的基础上研究了工件的表面纹理与刀具刃口状 态的关系，取得了一系列成果。w h l t e h o u s e 应用谱分析方法【。1 对加工表面的粗糙 2 浙江工业大学硕士学位论文 程度进行识别。p e k l e n i k 等人应用自相关技术来区别被加工表面，以判别刀具刃口 状态嘲。m a i m a n 采用s o b e l 算子强化纹理的边缘信息，以强化处理后的纹理图像 为研究对象，分别提取纹理图像中的每一行像素阵列进行分析，将2 d 问题简化为 l d 问题，并通过求取行像素阵列波形下的累积面积，对锋利刀具和磨钝刀具的区 分取得了较好的效果【”。众多研究表明通过纹理分析技术可以探索出工件表面纹理 与刀具磨损状态或工件表面质量之间的内在联系。 1 2 1 刀具状态监测技术的研究现状及目前存在的主要问题 自7 0 年代以来，国内外学者对刀具破磨损的监测理论和系统进行了大量的研 究，提出了许多监控刀具磨损和破损的方法 2 蚋，主要有：光学图像法、放射性同 位素法、刀具电阻监测法、工件尺寸监测法、工件至刀具架距离监测法、超声波 监测法、切削力监测法、声发射监测法、磁场监测法、机械振动( 声音) 监测法、 温度监测法、应力应变分析法、电机电流功率监测法、工件表面粗糙度( 纹理) 监测法等等。至今尚未找到一种具有普遍适用性的工程应用方法 2 6 - 3 1 l ，根据国内外 的研究结果和实际使用情况分析，以下几种方法具有比较好的发展前景。 ( 1 ) 电动机功率与电流法：这种方法主要是通过检测机床电动机功率或电流的 变化来监测刀具的状态，其主要优点是传感器的安装简单易行，尤其是电 流法，电流易获取，可靠性高等。但由于涉及传动系统的影响，容易出现 监测错误，此外，该方法对刀具的破损检测比较有效，而对刀具磨损检测 则有一定困难。 ( 2 ) 声发射法：这种方法是利用a e 传感器检测刀具破损时释放的弹性波来监测 刀具的工作状态，其最大的优点是抗干扰能力强，受切削参数和刀具几何 参数的影响较小，对刀具破损非常敏感，其应用难点在于信息处理方法和 传感器的安装，且不同工艺系统互换性较差。 ( 3 ) 切削力法：切削力是切削过程最直接的反映，对刀具的磨损、破损非常敏 感，其应用的主要问题是传感器的安装问题。 ( 4 ) 光学法：这种方法包括光导纤维法等，是借助于刀具磨损后刀面反光条件 的变化来识别刀具的磨损程度：也可以用光电开关来检测刀具尺寸判断刀 具是否发生折断或破损。其优点是可靠性高，且可以检测磨损量，缺点是 难以进行实时监测，对刀头的清洁状态要求高，传感器安装困难等。 浙江工业大学硕士学位论文 ( 5 ) 图像法：这种方法是用电视摄像机摄取刀刃部分的图像，并存储，然后经 过计算机图像处理，可以在屏幕上直接显示出刀具磨损后的形状和尺寸； 或者是通过计算机视觉系统，获取刀具或与刀具磨损相关的诸如工件表面 纹理图像、切屑图像等，进行图像处理运算，建立起图像与刀具磨损程度 之间的联系，完成刀具状态的监测。其显著优点是能克服其它监测方法所 存在的传感器安装困难，系统互换性差等问题。 近年来，基于计算机视觉的刀具状态监测( c o m p u t e r v i s i o nb a s e dt o o l c o n d i t i o nm o n i t o r i n g ，简称为c v t c m 方法) 也开始逐步进入机械加工自动化领域， 出现了一些c v t c m 算法1 3 2 4 2 l 。c v t c m 方法具有仿生学上的合理性，能在很大程度上 克服现有刀具状态监测方法。例如基于声发射、切削力、振动、电机功率等监测 方法所存在的缺陷【4 3 1 ，将逐步发展成为现代刀具状态监测领域的一类重要监测手 段。随着国外对基于图像处理的刀具状态检测技术的日益重视，国内在这个领域 也开展了初步的研究工作- 4 7 1 。梅安华等( 1 9 9 3 ) 采用光电摄像器件显微镜与p c 汁算机构成的机器视觉系统监测刀具后刀面磨损带的影像信息，取得了一些成果。 张昆等( 1 9 9 4 ) 在数控机床上应用光导纤维传像束和刀具磨损图像输入监视器， 并利用图像采集卡将图像转换成数字图像存入微机，经二值化处理，从而实现刀 具磨损监测。目前提出的c v t c m 方法主要有三种类型： ( i ) 检测面位于刀具磨损表面的基于刀具磨损表面图像的直接监测方法，目前 对刀具磨损区域的图像分割主要是采用阈值分割方法，分割效果不理想， 为此把主要精力放在改善照明控制上，以获得更好的图像质量进行图像分 割；判别方法主要也是采用与标准图像模板进行比较，因此不能用于刀具 逐渐磨损的状态监测，这些都是阻碍计算机视觉方法在刀具状态监测中应 用的主要原因； ( 2 ) 检测面位于刀具刃口处切屑上的基于切屑图像的准直接监测方法，由于切 屑形态比较复杂，切屑图像现场获取非常困难，这方面的研究还很少； ( 3 ) 检测面位于己加工表面的基于工件表面纹理图像的间接监测方法，该方法 具有所需设备少，安装方便，非接触式监测等优点，将逐步发展成为刀具 状态监测领域的重要监测手段。 4 浙江工业大学硕士学位论文 1 2 2 表面质量检测技术的概况 目前，工件表面质量的检测基本上还是通过人工肉眼来进行。人工检测的优点 是方便，快捷。但是，人工检测过分依赖于操作者的经验，受主观因素较大：而 且，人工检测的工作量大，费工费时，人眼也容易疲劳，影响检测质量；特别是 在一些对工件表面质量要求较高的场合，某些影响因素，比如划痕等，十分细小， 不易被人眼发现，以至漏检现象比较普遍。 现有的表面质量检测仪器，如便携式表面接触分析仪【4 羽( t a l y s u r f ) ，表面光泽 度测量仪等，一般都要求工件表面干净，清洁，有些甚至要求平整i 而且工件 表面的缺陷，划伤或脱落等也会对检测结果产生很大影响；此外，对于抛光加工 等表面质量要求较高的检测，生产线上或周围环境的振动也会对检测结果产生影 响。所以不太适合于工件表面质量的在线检测。 9 0 年代以来，光电检测技术取得了很大的进步：k u r i t a 等研究了粗糙表面的激 光角散射：c u t b a r t 在k u r i t a 的基础上，通过增加一个用于光学傅立叶变换的透镜， 提出了一种估算表面粗糙度的新技术，他通过傅立叶变换图样的灰度图引入光学 参数和平均粗糙度参数之间的关联；s h i r a i s h i 利用相似的技术监测车削样品的粗糙 度。特别是近年来提出的光纤系统监测冷轧铝的表面粗糙度，近程传感器检测表面 半儿糙度以及各种用于表面质量检测的光电检测仪【5 0 1 等，为表面质量的检测作出了 巨大贡献。这种光电检测具有省时省力，检测结果可靠等优点。随着智能化技术 的提高，工业检测领域还出现了一些工件表面质量的在线检测系统【5 1 1 ，它们主要 是由c c d 摄像机获取工件表面的图像后传送给p c 机进行处理，通过提取有用的 特征信息进行判断，最终完成表面质量的在线检测。 近年来，随着计算机视觉技术的发展以及图像处理方法研究的深入，基于计算 机视觉的质量检测技术e t 益升温，成为表面质量检测技术的一个重点研究对象。 目前工业检测中的计算机视觉系统存在准确度和精确性不高的缺陷，这是多方面 原因造成的一个是图像质量受成像系统和环境条件影响较大，另一个原因是模式 识别和图像处理的理论研究还不够完善。虽然各种纹理分析方法被提出和应用， 但还没有哪个方法能完全有效地描述和分析各种纹理现象。可以预见，随着相关 领域理论和研究的发展与完善、成像系统的精化以及环境条件的改善，计算机视 觉在工业检测系统中的应用将更为广泛、更为准确。 浙江工业大学硕士学位论文 1 3 工件表面纹理图像包含的信息 工件表面纹理是指对已加工工件表面形貌或几何特征等参数的定义，它包括呈 现在表面轮廓中的一些特征，如粗糙度，波形，和缺陷等等。工件表面纹理是刀 具刀刃状态的映像。刀刃锋利时切削出的工件纹理清晰，连续性好。刀刃磨钝时 切削出的工件纹理紊乱，不连续且有断痕。不同的加工方式和刀具类型也有不同 的纹理特性。例如，图l l 和图1 2 是y 1 5 型刀具在一定的切削条件( a p = o 5 m m ， g = l m m s ，n = 7 6 0 r m i n ) 下车外圆( 4 5 号钢) 时拍摄的工件表面纹理图像，从中可 以看出纹理图像包含有如下信息： 1 ) 可反映某些车削参数的大小，如纹理的周期大小是由进给量和转速共同决 定的，因此纹理的粗细程度能反映进给量和转速的大小；不同的车削速度 所得的纹理也大不相同，如图卜l 所示，对于低速切削，纹理规则性较差， 而在高速切削表面很光洁，纹理的一致性很好。 图1 1 不同切削速度下的= 件表面纹理图像 ( c ) n = 1 2 5 0 “m i n ( a ) o m i n f b ) 6 0 r a i nf c 、7 0 r a i n 图1 2 不同时刻的工件表面纹理图像 2 ) 可以反映刀具的磨损情况，图卜2 ( a ) 为新刀车削所得的工件表面纹理图 像，从图中可以看出它的纹理非常清晰，连续性好；图1 - 2 ( b ) 为刀具车 削了约6 0 分钟时得到的工件表面纹理图像，这时由于刀具磨损量比较大， 它的纹理断裂比较严重；图卜2 ( c ) 为刀具车削了约8 0 分钟得到的纹理 6 浙江工业大学硕士学位论文 图像，这时由于刀具急剧磨损，工件表面细纹的棱角基本磨平，相应的纹 理也就模糊不清了。 3 1 可以反映工件表面粗糙度的大小。车削后，工件表面会产生锯齿形的细纹， 把这种细纹拍摄出来即为工件表面纹理图像。我们拍取的图像是以锯齿的 棱角最清晰为依据的，因此，锯齿的棱角与凹槽之间的差距越大，即工件 表面粗糙度越大，则凹槽与显微镜头相距越远，拍摄的细纹凹槽部分就越 暗。若定义这种棱角与凹槽之间的亮暗为工件表面纹理的深浅程度，则工 件表面粗糙度越大，相应的工件表面纹理越深；工件表面粗糙度越小，相 应的工件表面纹理就越浅。 此外，我们还可以从工件表面纹理图像中发现积屑瘤和鳞刺的痕迹：可以看出 工件的表面缺陷，包括：加工毛刺、飞边、宏观裂纹、表面撕裂和皱折等；甚至 可以反映机床状态( 如机床的振动) 等。 综上所述，工件表面纹理包含丰富的信息，是计算机视觉的一个重要方面。运 用各种理论和方法对工件表面纹理图像进行处理分析，不仅便于实现刀具磨损状 态的在线监测，还可进行工件2 n 7 - 表面质量的在线检测，因此，工件表面纹理分 析具有强大的生命力和广阔的应用前景。 1 4 纹理分析的基本方法 纹理一般是指由大量或多或少的纹理基元( 或模式) 组成的一种结构，它可以 由组成纹理的基元及基元之间的相互关系来描述。前者与局部灰度变化规律有关， 后者则与由前者形成的空间结构相关。 进行工件表面纹理分析时，我们用肉眼可以明显看出工件表面纹理的区别，但 是要使计算机自动定量的对它们进行分析，必须有合理的模式识别方法，提取有 效的特征参数，对不同的纹理图像进行描述。为了定量描述纹理，需要研究纹理 本身可能具有的特征。多年来研究者们建立了许多纹理算法以测量纹理特性， m h a r a l i c k 作了较为全面的总结【5 2 1 ，基本上可以归纳为统计法、结构法、模型法 和空间频率域联合分析法等四类。 1 4 1 基于统计的纹理分析方法 基于统计的方法是纹理分析中最基本的一类方法，它主要使用统计参数( 标准 偏差、方差、倾斜度和峰度) 来表征图像上灰度级分布的随机特征。其主要优点 7 浙江工业大学硕士学位论文 是原理简单易懂，容易实现，但在多纹理分类中，难以取得理想的结果，因为灰 度的起伏变化除了与纹理结构的变化有关外，还与照明条件等多种因素有关，这 影响了统计结果的有效性。典型的方法包括：灰度共生矩阵法、灰度差分法、灰 度游程长度法、傅立叶功率谱法、自相关法、相对极值法、正交变换法、模板滤 波法等。 ( 1 ) 灰度共生矩阵法 灰度共生矩阵p ( i ，j i d ，妒) 被定义为从灰度为i 的点离开某个固定位置( 相 隔距离# j d 、方位为p ) 的点上灰度为j 的概率，共生矩阵p ( i ，j i d ，妒) 反应了图 像灰度分布关于方向、局部邻域和变化幅度的综合信息，但它并不能直接提 供区别纹理的特征。常用的定量描述纹理特性的特征系数有：角二阶矩( 能 量) 、惯性矩( 对比度) 、相关性、熵和局部均匀性( 逆差矩) 等。 灰度共生矩阵法是建立在估计图像的二阶组合条件概率密度函数基础上 的一种重要的纹理分析方法。它表示了灰度基元模式间的相互关系，不受单 调灰度变换影响，但也存在特征选取困难、无方向性、易受噪声干扰等缺点。 ( 2 ) 傅立叶功率谱法 功率谱法在图像傅立叶变换的频率域进行纹理分析，为了使用功率谱法， 首先必须计算图像傅立叶变换的功率潜， ( “，v ) = lf ( u ，v ) 1 2 庐表示采样功率谱，f 表示图像的傅立叶变换。if ( u ，v ) l2 是一实数，它反映了 有关图像的全局性信息。功率谱i f ，v ) i 2 径向分布与图像f ( x ，y ) 空间域中纹 理的粗细度有关。对于“稠密”的细纹理，i f ( u ，v ) 1 2 沿径向的分布比较分散， 往往呈现远离原点的分布：对于“稀疏”的粗纹理，if ( u ，v ) 1 2 往往比较集中分 布于原点附近：而对于有方向性的纹理，if ( u ，v ) 1 2 的分布将偏置于与纹理垂真 的方向上，例如空间域中的水平条纹纹理反应在功率谱分布上将产成垂直的 条纹分布。 功率谱法中通常提取的纹理特征主要有：环状采样、楔状采样和平行狭 缝采样，般而言，傅立叶功率谱法效果较差，而且由于傅立叶变换将信号 浙江工业犬学硕士学位论文 作为周期性的处理，故边界效应较大，影响了谱的分布，从而给特征提取带 来困难。 ( 3 ) 自相关函数法 一幅n n 的图像f ( i ，j ) ，其自相关函数f 【k ，1 定义为： i _ 熹，( f ，j ) f i + k ，j + f 】 f f k , 1 ：坐型鼍啤算二二二 其中o n 一1 2 j j + y n 一1 ，贝4 取，( f + 石，j + y ) = f ( i + x n ，j + y - n ) 。所以 p ( x ，y ) 可看成一幅图像，大小为n x n 。 显然，0 p ( x ，力1 ，当取工= o ，y = 0 时，p ( x ，y ) = l ，取得最大值。定义 d = x 2 + y2 ，利用自相关函数p ( x ，y ) 随d 增大而变化的规律，可以描述图像的 纹理特征，从而反映出工件表西纹理粗细程度的特征。 若p ( x ，y ) 随d 的增加而下降的速度较慢，说明该图像的纹理较粗；若p ( x ，y ) 随 d 的增加而下降的速度较快，说明该图像的纹理较细。随d 的取值增加p ( t y ) 会呈 现某种周期性变化，这种周期性可以反映纹理基元的排列规则，通过观察p ( x ，y ) 随 哪个方向变化最慢，可知道纹理基元有很大的可能时沿着这个方向排列的。这可 通过对 一p ( x ，y ) ；x ，y = 0 ，l ，2 ，n 一1 的每一点求梯度方向来求得变化最慢的方向。 具体的计算步骤为： 1 ) 根据式( 3 5 ) 计算每一幅纹理图像的自相关函数p o ，y ) ； 2 ) 定义d = x 2 + j ) ，2 ，求p ( x ，y ) 随d 的变化曲线 其中，自相关函数p ( x ，y ) 的求取可分为直接法和间接法两种，用直接法求解的计 算量很大，根本不能应用于实际，故本文采用f f t 进行间接计算，其计算方法是 在一幅n 图像的后面补n 个零，对新图像进行二维傅立叶变换，然后求傅氏 浙江工业大学硕士学位论文 变换后的幅值平方，再除以整幅图像灰度值的平方和，最后对所求得的商进行二 维傅立叶逆变换，获得其自相关图像p ( x ，y ) 。 3 2 2 列相关分析法 从考虑刀具的磨损量出发，本文尝试采用自( 互) 功率谱分析法来进行刀具磨 损状态识别( 具体的试验结果见第五章) ，且根据工件表面纹理是刀具刀刃状态的 映像，刀刃锋利时切削出的工件纹理清晰，连续性好；刀刃磨钝时切削出的工件 纹理紊乱，不连续且有断痕，本文提出了一种列相关分析法。 3 2 2 1 应用原理及设计思路 由于新刀车削的工件表面纹理非常清晰、且连续性好，即图像中的白线较多， 直线性较好：而磨损后的纹理断痕多，直线性大大降低。故在工件表面的纹理序 列图中，直线( 对于二值化后的纹理图像来说，就是指图中的白线) 的多少以及 断续比可以反映出纹理特征，并作为刀具磨损状态的识别依据。 纹理图中，直线的多少可以直接通过灰度图进行定量统计，也可以通过其它的 间接方法定性的反映出来。直接法虽然原理简单，计算量小，但是对于纹理的方 向性要求严格，必须是完全垂直的或完全水平的，否则误差会很大，甚至导致识 别错误。间接法中，最直观的就是列相关分析法，即通过选取直线度( 直线度是 指图中直线的多少以及直线的连续性) 很好的标准列，用纹理图像的每一列对其 进行相关分析，相关性越好，说明该列的直线度越好，反之亦然。列相关法的优 点是直观，容易理解，它不仅反映了图中直线的多少，而且还能反映直线的连续 性，故更适于刀具磨损识别，但是，它也存在和直接法相同的缺陷，即对纹理的 方向定位要求严格。此外，在列相关分析的基础上，本文还试图进行行相关分析， 即通过选取行直线度( 这里的行童线度指的是图像在每一行上白点的分布状况) 很好的标准行，用纹理图像的每一行对其进行相关分析，相关性越好，说明该行 的行直线度越好，反之亦然。行相关的优点是对旋转角度不敏感，但由于行相关 也只能反映该行中自点的多少，且存在错位，故行直线度很难体现纹理的连续性。 因此，本文重点介绍列相关分析法。 3 2 22 标准列的选择 列相关分析法的关键是标准列的选择，标准列的选择直接关系到刀具磨损状态 的识别效率。 浙江工业大学硕士学位论文 标睫列的选择：标准列可以从新刀( 0 m i n ) 的纹理图中选取直线度最好的那一 列，即先通过求取灰度和大于均值的所有列号，以保证所取的列是自线，再求每 一列的自功率谱，由于功率谱和相关是一对傅立叶变换对，它们具有一致性，即 相关性越好，则功率谱面积越大，所以选取功率谱面积最大的那- - n 作为标准列。 标准列也可选用最理想的直线o l l e s ( m ，1 ) ，其中m 大小为纹理图像的行数。 3 2 2 3 纹理旋转角度的校正 从上面列相关分析法的设计思路以及标准列的选取可知，列相关分析法对纹理 的方向定位要求严格，尤其是列相关，它不仅影响标准列的选择，还对纹理图中 每一列的相关过程影响较大；而行相关只是在标准行的选择当中有影响。 纹理旋转角度的校正一般是指小角度的校正，因为在纹理图像的拍摄过程中， 就尽量保持了工件表面纹理的走向为垂直方向。最简单的校正方法是以该列为中 心，选择纹理的三列或五列的均值作为该列的灰度值，进行相关运算。其它较复 杂的校正主要是根据列的梯度变化来确定旋转角度，然后在利用图像的线性变换 对其进行校正。 由于本文的主要目的是验证列相关分析进行刀具磨损识别的有效性，且在进行 相关分析前，已经过人眼对齐，故本文就采用简单的三列均值方法来进行旋转角 度的校正。 3 3 纹理谱分析 纹理反映的是图像的一种局部结构特征，具体表现为图像在某邻域内象素点灰 度级或颜色的某种变化。粗糙的纹理意味着，在某个邻域内象素点的灰度值发生 急剧变化，反之，光滑的纹理意味着该邻域内灰度值的改变较小。因此，描述图 像纹理的途径是：定义邻域大小和记录灰度值的变化。注意：为了区分纹理的粗 糙度与工件表面质量的粗糙度的概念，本文用纹理的平滑度来指代纹理的粗糙度。 纹理谱分析方法就是通过刻碗象素点邻域灰度的变化来描述图像的纹理特征， 因此，它不但能有效地刻画邻域内象素点灰度的变化，而且能较好的描述图像平 滑性。 33 1 纹理谱的定义 根据h e 6 6 提出的纹理谱概念，对于图像中任一3 3 窗口，其中各元素的灰度 浙江工业大学硕士学位论文 值可以用集合y = v o ，k ，k ，k 来表示， 如图3 - 1 所示，其中，表示中心象素的 灰度值， 表示第i 个邻域象素点的灰度值。 v iv 2v 3 v sv o v v 7v 6v s 定义纹理单元集合为：丁u 毛，嗣，e 2 ，e s ， 图3 13 x 3 邻域象素点 e 的值由下式确定： 矿s ( v o 一) a ) ( v o + ) ， e ：为2 。为此，本文提出使用下式来确定e 耻譬 i k 一l a a 0 ，v ，f ( 正概率性) e ( ai 厶- ) = p ( zl ) ( m a r k o v 性) 其中，s 一 i 1 是不包含f 的点集，矗- f 表示在s 一( i 1 上的标记集，且 ( 4 4 ) ( 4 5 ) 浙江工业大学硕士学位论文 。= 坼n i ) ( 4 6 ) 代表和点i 相邻的点的标、己集。当正概率性条件满足的时候，任意随机场的联合概 率p ( r ) 就可以由其局部条件概率唯一确定，而m a r k o v 性则描述了f 的局部特性。 一个点的标记仅取决于它的相邻点的标记。换句话说，只有相邻的标记才会相互 影响。选择足够大的| ；以使m a r k o v 性得以成立，这总是可能的。任意f 都是和 一个邻域系统相对应的m a r k o v 随机场。 马尔可夫随机场是马尔可夫过程( m p ) 的一个推广，m p 被广泛应用于序列 分析中。一个m p 定义于一定的时间域而不是空间域，它是一系列定义于时间域 o ，1 ，m ， 上的随机变量，e ，l ，。一个 阶单向m p 满足下式 p ( 工i ，a - 一：，z 一，) = 尸( 正l 五一，。工一。) 一个双向的或者无因果关系的m p 不仅取决于过去，而且还与将来有关。 的双向m p 满足下式 ( 4 7 ) 一个n 阶 p ( f li ，工一z ， 一， + t ，+ ：，) = p ( | + ，丘+ 。， 一。，工一。) ( 4 8 ) 当把时间域看作是空间域时，m p 就可以推广成m r f 。 4 2 工件表面纹理的建模 4 2 1 纹理建模概述 纹理图像可以视为一个二维随机过程的有限取样，这个随机过程可以由它的统 计参数决定。纹理基元之间不同的依赖关系，反映出纹理基元的不同集聚。不同 集聚的纹理对应着不同的统计参数。在数学上，马尔可夫随机场是一种能够很好 地表达这种纹理集聚的模型，它的统计参数能够控制近邻像元集合的大小和方向， 因此，可以利用m r f 来模拟纹理图像。 m r f 模型作为一种描述二维纹理图像的概率模型8 0 年代以来受到了人们的 普遍关注，因为它不仅是对自然界纹理图像的合理描述，而且还包含有图像的结 构信息。m r f 模型认为纹理满足随机、静态、条件独立等条件，采用m r f 模型 的关键在于条件概率函数的计算，当为高斯分布时，一般采用高斯马尔可夫随机 浙江工业大学硕士学位论文 场( g m r f ) ，k a n e k o 等证实自然纹理可以用g m r f 模型来分类，首先用高斯马 尔可夫随机场对纹理进行建模，利用最大似然估计来估计参数，然后根据m r f 模 型分布参数的相对距离来对纹理进行识别。这种方法的缺点是最大似然估计可能 存在局部极值，且计算复杂度较高。但考虑到工件表面的纹理区域可视为一个二 维随机过程的有限取样，纹理基元之间不同的依赖关系反映出纹理基元之间的不 同集聚，在数学上高斯马尔可夫随机场能很好地表达这种纹理集聚，其特征参数 也能反映近邻相似像元集合的大小和方向。因此，g m r f 模型不仅能对工件表面 纹理进行合理的描述，而且在纹理图像的旋转角度较小时( 小于5 度) 的影响不 火，即具有小角度旋转不变性l s 4 j 。 基于以上分析，本研究采用非因果的g m r f 模型来提取纹理特征。 4 2 2 高斯马尔可夫随机场( 6 m r f ) 模型 g m r f 模型是一种线性模型，表示一个平稳自回归过程，其协方差矩阵正定， 邻域系统对称。用高斯马尔可夫随机场模型表达纹理，即图像中某一点s 的灰度 y ( s ) 是s 所有方向邻域点集灰度的函数，它可用下面的条件概率形式表示： p ( y ( s ) l a l ly ( s + r ) ，r ) ( 4 9 ) 其中 ，为以s 为中心但不包括s 的对称邻域，g m r f 模型阶数与邻域关系见图4 - 3 ， 图巾数字代表相对于点x 的阶数。 54345 42l24 f 631136 42124 54345 图4 - 3 g m r f 模型结构 if ， p ( y , i ) = p j y 口j y w 一1y u + i i y ， ( 4 1 0 ) 对于二阶g m r f 模型，n = ( 0 ，1 ) ，( o ，一1 ) ，( 一1 ，o ) ，( 1 ，o ) ，( 1 ，一1 ) ，( 一1 ，1 ) ，( 一1 ，一1 ) ，( 1 ，1 ) ) ， 新江工业大学硕士学位论文 ij 阼1 ，_ l y f - l ， 烈州) 邓h 儿, j - t ll y m j iy i + 1 ， ( 4 一1 1 ) 设s 为m m 网格上的点集，s = g ，a 1 - i ，材) ，假定给定的纹理 【y ( s ) ，s s ，s = 和= ( f ) ：l f m ) 】是零均值的高斯随机过程，则g m r f 模型可通 过一个包含多个未知参数的线性方程来表示，这个线性方程可表示为 y ( j ) = 啡_ y ( s + ，) + 8 ( s ) ( 4 1 2 ) ， 式中n 为点s 的g m r f 邻域，只为待估计的未知模型参数，e ( s ) 为均值为零的高 斯噪声序列，它满足： 式中，v 为方差。 公式( 4 1 4 ) 表明 即 fl ，占= r 周5 臼( 。e 】= j