应用马尔可夫随机场的金属疲劳断口条带分割

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (3): 228-231.

应用马尔可夫随机场的金属疲劳断口条带分割

王琳1，刘君1，黎明2

1.南昌航空大学信息工程学院，南昌 330063
2.南昌航空大学无损检测教育部重点实验室，南昌 330063

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2012-01-21 发布日期:2012-01-21

Striation segmentation of metal fatigue fracture based on MRF

WANG Lin1, LIU Jun1, LI Ming2

1.School of Information Engineering, Nanchang Hangkong University, Nanchang 330063, China
2.Key Laboratory of Nondestructive Test, Nanchang Hangkong University, Nanchang 330063, China

Received:1900-01-01 Revised:1900-01-01 Online:2012-01-21 Published:2012-01-21

摘要/Abstract

摘要： 研究了金属疲劳断口图像的分割问题，提出了一种基于马尔可夫随机场（MRF）的金属疲劳断口图像的条带分割方法。由于疲劳断口图像中的纹理记录了整个断裂过程中的受力情况，通过对疲劳断口的条带纹理进行分析可以反演断裂的过程，因此研究疲劳断口图像的分割可以对失效分析有重要的科学价值。文中构造了图像的马尔可夫随机场模型，并且提出了一种基于该模型的图像分割算法。马尔可夫随机场模型是一种描述图像结构的概率模型，能够充分利用图像的空间相关信息，能够实现对低信噪比的金属疲劳断口图像进行条带分割。结果表明算法具有收敛速度快、稳健性好等优点。

关键词: 疲劳断口, 图像分割, 马尔可夫随机场, 参数估计

Abstract: This article has studied the fatigue of metal fracture image division question and a Markov Random Field（MRF）-based striation segmentation methord for metal fatigue fracture image is proposed. Because of the texture in the fatigue fracture image recording steess of the fracture process, through analyzing the striation textue of the fatigue fracture can invers the fracture process. Therefor, studying the fatigue fracture image segmentation has improtant scientific value for failure analysis. Markov Random Field model of image is structured and image segmentation algorithm is proposed in this article. Markov random field model is a probability model describing the structure of image. It makes full use of the image of space-related information and can be achieved with low signal to noise ratio of metal fatigue fracture striation segmentation. The results show that the algorithm has fast convergence and good stability.

Key words: fatigue fracture, image segmentation, Markov Random Field（MRF）, parameters estimation

王琳1，刘君1，黎明2. 应用马尔可夫随机场的金属疲劳断口条带分割[J]. 计算机工程与应用, 2012, 48(3): 228-231.

WANG Lin1, LIU Jun1, LI Ming2. Striation segmentation of metal fatigue fracture based on MRF[J]. Computer Engineering and Applications, 2012, 48(3): 228-231.

[1]	赵阳，张俊华. 多尺度特征融合的脊柱X线图像分割方法[J]. 计算机工程与应用, 2021, 57(8): 214-219.
[2]	潘沛鑫，潘中良. 结合显著性的主动轮廓图像分割[J]. 计算机工程与应用, 2021, 57(8): 225-230.
[3]	董鹏，周烽，赵悰悰，王亚飞，米泽田，付先平. 基于双目视觉的水下海参尺寸自动测量方法[J]. 计算机工程与应用, 2021, 57(8): 271-278.
[4]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[5]	彭璟，罗浩宇，赵淦森，林成创，易序晟，陈少洁. 深度学习下的医学影像分割算法综述[J]. 计算机工程与应用, 2021, 57(3): 44-57.
[6]	刘锐，丁辉，尚媛园，邵珠宏，刘铁. COVID-19医学影像数据集及研究进展[J]. 计算机工程与应用, 2021, 57(22): 15-27.
[7]	周绍光，吴昊，赵婵娟，陈仁喜. 利用同质区特性的高光谱图像迁移学习分类[J]. 计算机工程与应用, 2021, 57(21): 224-233.
[8]	丁成，翁理国，夏旻，崔逸尘，钱俊豪，刘佳. 多注意力机制网络卫星图像分割算法[J]. 计算机工程与应用, 2021, 57(2): 223-229.
[9]	李振强，王树才，赵世达，白宇. 改进DeepLabv3+和XGBoost的羊骨架切割方法[J]. 计算机工程与应用, 2021, 57(18): 263-269.
[10]	孟娜，李艳艳，汪霖. 基于CITAF-HAF的立方调频信号参数估计[J]. 计算机工程与应用, 2021, 57(17): 75-79.
[11]	孙玮婕，杨军. 改进的简单非迭代聚类的遥感影像分割研究[J]. 计算机工程与应用, 2021, 57(13): 185-192.
[12]	杨勇，郭玲，叶阳东. 全变分流边与M2GGD相结合的自然图像分割方法[J]. 计算机工程与应用, 2021, 57(11): 202-210.
[13]	鲁圆圆，冯浩，李靖. 结合分布度量统计建模的主动轮廓图像分割[J]. 计算机工程与应用, 2020, 56(7): 228-233.
[14]	张姝洁，郑利平，韩清，张晗. 从图片到衣服：快速虚拟角色服饰生成方法[J]. 计算机工程与应用, 2020, 56(7): 234-239.
[15]	李超超，张远东，王昌龙. 圆形植物识别定位的HSV模型研究[J]. 计算机工程与应用, 2020, 56(6): 220-223.