融合分割与智能聚类的铁谱图像处理及其评价体系的研究

This research is trying to resolve the difficult problem, the segmentation and clustering of the wear debris in ferrography image, so as to improve the level of intelligent and automatic analysis for ferrography image. Firstly, different types of color space will be studied and compared to seek the optimization of the color components which are suitable for the processing of ferrography image. Secondly, in order to achieve accurate segmentation between wear particles and background, and between particles deposited in particle chains, the parallel and intelligent algorithms will be studied to deal with the segmentation and clustering of the object region in ferrography image, which have the properties of multiple features, wide size scale and fuzzy boundary. Finally, a reasonable evaluation system will be established to evaluate the process and results of segmentation and clustering to optimize the algorithms and parameters used. This project will establish a solid foundation for the subsequent wear debris feature extraction and wear state recognition. It is of important theoretical significance and practical value for improving intelligent ferrography analysis and fault diagnosis for aeronautical engines and equipments working in low-speed and high-load conditions.

本项目以提高铁谱图像处理与分析的智能化和自动化水平为目标，力图解决磨粒分割这个制约铁谱图像处理与分析的难点。拟通过选择适于铁谱图像处理的颜色空间并优化颜色分量，寻求并行的智能化图像分割与聚类算法，处理具有多特征、宽尺度、模糊边界的目标分割与聚类问题，以实现磨粒与背景、磨粒与磨粒之间的快速准确分割。并且通过建立合理的评价体系，实现分割聚类算法及参数的优化。本项目将为后续的磨粒群体特征提取和磨损状态识别打下良好的基础，对于提高我国航空发动机和大型低速重载设备的工况监测和故障诊断水平具有理论意义和实用价值。

铁谱分析技术是一种设备磨损工况监测和故障诊断技术，它通过对机械系统润滑油中磨屑的定量和定性分析来判断设备的磨损状态、故障原因及部位。随着现代工业朝着大型化、连续化和高可靠性方向发展，对磨损工况监测和故障诊断的需求越来越高，为铁谱技术的应用提供了广阔的市场。然而，传统铁谱分析凭借肉眼观察和经验判断，一是对分析人员的经验和水平要求高，缺乏客观性，耗时耗力；二是以定性铁谱为主，无法进行全面的定量测量、建模，限制了分析效率及分析准确度的提高。依据项目申请书和计划任务书，本项目以实现基于计算机图像处理和分析技术的智能铁谱分析为目标，针对“多特征、宽尺度、模糊边界的目标分割和聚类”这一关键科学问题，将图像处理、群体智能聚类和模式识别等技术相结合，对智能铁谱分析中的磨粒分割、评价和识别等环节进行了深入研究。针对磨粒边缘检测，提出了两种算法：一种是融合Otsu和灰色变权关联度的磨粒边缘检测算法（O&G），另外一种是利用智能蚁群算法搜索磨粒边缘（IACO）。针对背景与磨粒的分割，提出了在CITLAB颜色空间利用二维颜色分量进行k-means均值聚类去除背景的算法，该算法可以根据背景颜色自动选择聚类中心，满足铁谱图像自动化处理的要求。针对磨粒沉积链和异常大磨粒，提出了两种融合区域分割与聚类的新算法：第一种方法是融合分水岭与智能蚁群聚类的磨粒分割方法(CWACA)；第二种方法是将分水岭算法与灰色聚类算法相融合的磨粒分割方法(CMWGC)，该通过对初步分割后的各个区域的颜色信息和相对位置进行灰关联分析，实现磨粒的快速准确分割。实验结果表明，上述两种方法都可以实现多类型、宽尺度和具有模糊边界的磨粒分割，特别是CMWGC方法，具有分割效果好并且计算速度快的优点。针对铁谱图像背景与磨粒的分割结果，提出了融合证据理论和邓氏关联度的无监督评价方法；针对磨粒分割，提出了基于灰色关联度的磨粒分割质量评价方法。准确的磨粒分割为磨粒特征提取和识别提供了保证，为了提高磨粒识别的准确性，提出了融合主成分分析和灰色关联分析的方法(CPGA)。上述研究内容为提高铁谱分析的自动化水平打下基础。