Устройство классификации изображений микроструктур металлов

Полезная модель относится к вычислительной технике и может быть использована в системах количественного анализа микроструктур металлов на предприятиях машиностроительного профиля. Предлагаемая полезная модель позволяет выполнять сравнение микроструктур металлов путем оценки вероятности того, насколько вейвлет разложение анализируемого изображения соответствует параметрам модели скрытого марковского дерева эталонного изображения, которые были получены из вейвлет разложения эталонного изображения.

Полезная модель относится к вычислительной технике и может быть использована для обработки изображений микроструктур металлов на предприятиях машиностроительного профиля.

Известен подход для классификации изображений микроструктур металлов который основан на формировании вектора признаков, характерного для каждого эталонного изображения шлифа (например, такой вектор может содержать следующие признаки: среднее значение яркости, дисперсия, энергия, энтропия и другие (Яковлев А.В., Пантелеев С.В. "Применение методов цифровой обработки изображений в контроле качества металлопродукции" / Сб. материалов 3-ей международной НТК "Медико-экологические информационные технологии - 2000" / Под ред. Н.А.Кореневского и др. - Курск: Изд-во Курского гос. тех. ун-та. - 2000. - С.168-170)), вычислении возможных диапазонов изменения признаков, сравнении исследуемого образца со значениями признаков эталонных изображений. Один из существенных недостатков такого метода заключается в необходимости формирования весов для каждого из признаков для получения некоторого числа, характеризующего разность между эталонным изображением и образцом.

Известен метод для классификации изображений, который основан на вычислении меры корреляции между эталонным изображением микроструктуры и исследуемым образцом (Форсайт Д.А., Понс Ж. Компьютерное зрение. Современный подход.: Пер. с англ. - М.: Издательский дом «Вильяме», 2004. - 928 с.: ил. - Парал. тит. англ.), однако применение этого метода в случае сравнения эталона микроструктуры с образцом не всегда эффективно, поскольку мера корреляции чувствительна к

шумовым воздействиям и не является инвариантной к поворотам и масштабированию.

Устройство, реализующее данную методику представлено на фиг.1 и включает в себя устройство регистрации изображения (блок 1), аналого-цифровой преобразователь (блок 2), постоянное запоминающее устройство (блок 3), которое содержит эталонные изображения, устройство вычисления коэффициента корреляции (блок 4), блок обработки результатов (блок 5), устройство управления и генерации адресов (блок 6).

Технической задачей полезной модели является выполнение операции сравнения с эталоном для решения различных задач оценки свойств микроструктуры металла (например, определение долей различного рода включений в металлах) на основе анализа изображений микроструктур металлов.

Техническая задача решается использованием описанием каждого эталонного изображения набором параметров модели скрытого марковского дерева (М.Course, R.Nowak, R.Baraniuk "Wavelet - based statistical signal processing using hidden Markov models", IEEE Transactions on signal processing, vol.46, pp.886-902, 1998) и оценкой вероятности того, насколько вейвлет разложение анализируемого изображения соответствует параметрам модели эталонного изображения.

На фиг.1 изображена схема устройства для классификации изображений микроструктур металлов, которое реализует известную методику сравнения.

На фиг.2 представлена схема устройства классификации изображений микроструктур металлов, реализующая приведенный выше подход.

Устройство классификации изображений микроструктур металлов содержит устройство регистрации изображения (блок 1), аналого-цифровой преобразователь (блок 2), блок вычисления вейвлет-преобразования (блок 3), постоянное запоминающее устройство (блок 4), блок классификации (блок 5), блок обработки результатов (блок 6), устройство управления и

генерации адресов (блок 7), причем на вход устройства регистрации подается двумерный аналоговый сигнал, выход устройства регистрации соединен с первым входом аналого-цифрового преобразователя, выход аналого-цифрового преобразователя соединен с первым входом блока вычисления вейвлет-преобразования, выход блока вычисления вейвлет-преобразования соединен со вторым входом блока классификации, выход постоянно запоминающего устройства соединен с первым входом блока классификации, выход блока классификации связан с первым входом блока обработки результатов, причем устройство управления и генерации адресов соединено со всем вышеперечисленными блоками.

Устройство классификации изображений микроструктур металлов работает следующим образом.

На вход устройства регистрации поступает аналоговый сигнал, затем по сигналу устройства управления и генерации адресов устройство регистрации выдает сигнал на аналого-цифровой преобразователь, который переводит аналоговый сигнал в цифровую форму. После этого, цифровой сигнал поступает на блок вычисления вейвлет преобразования. Полученное вейвлет разложение поступает на блок классификации. В блоке классификации на основе алгоритма вычисления правдоподобия вычисляется вероятность того, насколько каждый из наборов параметров модели скрытого марковского дерева эталонного изображения, хранящегося в постоянном запоминающем устройстве соответствует вейвлет разложению анализируемого изображения. После оценки правдоподобия, результат каждого сравнение поступает в блок обработки результатов, в котором все результаты накапливаются и пять наиболее вероятных выдаются на выход устройства классификации изображений микроструктур металлов. Всеми процессами передачи данных между блоками управляет устройство управления и генерации адресов.

Таким образом, устройство классификации изображений микроструктур металлов позволяет классифицировать изображение

неизвестной микроструктуры металла и, таким образом, позволяет автоматизировать задачу сравнения с эталоном, которая на большинстве предприятий машиностроительного профиля решается визуальным сравнением эталонной микроструктуры с анализируемой.

Устройство классификации изображений микроструктур металлов, содержащее устройство регистрации изображения, аналого-цифровой преобразователь, постоянное запоминающее устройство, блок обработки результатов, устройство управления и генерации адресов, отличающееся тем, что в устройство введен блок вычисления вейвлет-преобразования и блок классификации, причем, на вход устройства регистрации подается двумерный аналоговый сигнал, выход устройства регистрации соединен с первым входом аналого-цифрового преобразователя, выход аналого-цифрового преобразователя соединен с первым входом блока вычисления вейвлет-преобразования, выход блока вычисления вейвлет-преобразования соединен со вторым входом блока классификации, выход постоянного запоминающего устройства соединен с первым входом блока классификации, выход блока классификации связан с первым входом блока обработки результатов, причем устройство управления и генерации адресов соединено со всеми вышеперечисленными блоками.