论文部分内容阅读
摘 要：提出将粗糙集理论应用在材料腐蚀特征的提取中，利用粗糙集的特点，将材料的腐蚀区域分为高腐蚀区和低腐蚀区，易于检测和提取材料的腐蚀特征。相对了传统的方法，这种方法避免了人的主观性的差异，降低了劳动强度，提高了效率。精确的提取材料的腐蚀特征，为后续研究材料的腐蚀等级和材料对环境的适应能力提供基础。
关键词：粗糙集；腐蚀图像；特征提取
0 引言
随着工业技术的发展，材料在我们日常生活中扮演着越来越重要的角色，因为受到各种综合环境因素的影响，材料表面会发生各种各样的腐蚀现象[1，2]。但是，目前在检测和提取腐蚀区域的方面，仍然以人工方法为主，因为受到经验因素的影响，导致检测和提取结果不准确，给腐蚀材料的分析带来一定的困难。
近年来，随着图像处理和机器识别技术的发展，大量的腐蚀信息以图像的形式记录下来。本文提出一种基于粗糙集理论的腐蚀特征区域提取算法，能够精确的提取腐蚀特征区域，对腐蚀特征区域进行图像分割，为后续研究提供基础。
1 粗糙集理论基本概念
粗糙集（roughsets）理论是波兰学者Pawlak提出的一种分析数学工具[3]，粗糙集的优点在于刻画不完整性和不确定性的关系，从而发现隐含知识，发现潜在规律。目前，在模式识别、人工智能等领域，有很强的实用性。
设一个四元组是一个信息系统或知识表达系统，其中，U是讨论对象的非空有限集合，；A为属性的非空有限集合，且，其中C为条件属性集，D为决策属性集。，为属性的值域，，表示一个信息函数，它为每个对象的每个属性定义一个信息值，即。
2 基于粗糙集理论的腐蚀特征区域提取算法
2.1 腐蚀区域图像预处理
文献[5，6]介绍了基本的区域分割的算法，但是因为受到不同环境的影响，材料外观的腐蚀区域分布不均匀，有较多的图像噪声，因此本文采用Kirsch算子进行边缘检测。
针对数字图像的每一个像素，考虑其8个相邻点的灰度变化，将腐蚀图像作以下计算[4]，将其中的3個相邻点的加权减去余下5个相邻点的加权和。假设3个相邻点环绕，并且不断移动其位置，取其差值的最大值作为Kirsch算子值，则Kirsch算子的8个模板组成如下：
在粗糙集理论中，有两种属性：条件属性和决策属性。对于一幅的腐蚀区域图像，假设像素x为U中的一个对象，则知识库可表示为图像的一个近似空间。
2.2 提取腐蚀特征区域的具体算法
为了提取腐蚀特征区域，其具体的算法操作如下：
（1）定义条件属性集C=c1，c2，且c1表示像素的平均灰度值属性，c2表示区域轮廓属性。在材料腐蚀过程中，定义腐蚀严重的区域为高腐蚀区域，腐蚀轻微的区域为低腐蚀区域，并且定义一个灰度值为阈值P。定义灰度值属性c1=0，1，其中0表示灰度值0～p，1表示灰度值（p+1）～255。定义区域轮廓属性c2=0，1，其中0代表区域2×2像素块的平均灰度值与相邻字块的平均灰度值之差的绝对值小于阈值Q，1表示子块的差值绝对值均大于阈值Q。
（2）定义决策属性D=0，1，其中，0代表像素点在高腐蚀区，1代表像素点在低腐蚀区。根据以上的定义和粗糙集的知识分类，结合文献[5]对腐蚀区域分割的方法，对腐蚀图像进行区域分割。
（3）等价关系Rc1定义为：如果两个像素的灰度值都大于某个阈值P，则两个像素是Rc1 相关的，属于等价类，用公式表示为。其中式中x表示该点的像素；f（x）表示其像素的灰度值；Rc1（x）表示所有“腐蚀度高”像素x组成的集合。等价关系Rc2定义为。式中 Rc2（x）表示边缘像素的集合；K（x）为区域像素的平均灰度值函数；sij 和si±1，j±1 表示相邻的图像子块。
（4）令A=Rc1（x）- Rc2（x），则区域A就是图像的高腐蚀区。为了结果更加准确，本文还进行图像增强处理来减小误差。
通过特征提取算法的具体实施，能够分别识别出材料的高腐蚀区域和低腐蚀区域，再通过图像分割的方法，提取材料的高腐蚀区域和低腐蚀区域[1]。为后续研究材料的腐蚀等级以及材料的环境适应性提供基础。
3 结束语
本文将粗糙集理论用到了腐蚀特征的提取中以及能反应材料在自然环境下的抗腐蚀性能，这些参数都能为研究材料的性能提供数据依据。
这种方法，相较传统的人工检测方法，避免了人的主观性，降低了劳动强度，提高了劳动效率，具有重要的意义。
参考文献
[1]纪纲，彭丽丽，王平.基于腐蚀产物颜色分析的材料腐蚀程度评定方法[J].重庆理工大学校报（自然科学版），2012，26（7）：69-73.
[2]纪钢，朱烨华.材料外观腐蚀特征处理评价系统研究[J].重庆工学院学报：自然科学版，2007，（1）：91-95.
[3]PAWLAK ZRough sets and intelligent data analysis[J].Information Science，2002，11（147）：1-12.
[4]武广富，吕震中.基于粗糙集理论的火焰图像处理与状态识别[J].热能动力工程，2007，22（3）：310-313.
[5]范华忠，张伯虎，冯艳.数字图像处理技术在火焰目标提取中的应用[J].电光与控制，2006，（1）：99-102.
[6]朱光忠.边缘检测算子在汽车牌照区域检测中的应用[J].计算机技术与发展，2006，（3）：161-163.
（作者单位：苏州科技大学 外国语学院）
关键词：粗糙集；腐蚀图像；特征提取
0 引言
随着工业技术的发展，材料在我们日常生活中扮演着越来越重要的角色，因为受到各种综合环境因素的影响，材料表面会发生各种各样的腐蚀现象[1，2]。但是，目前在检测和提取腐蚀区域的方面，仍然以人工方法为主，因为受到经验因素的影响，导致检测和提取结果不准确，给腐蚀材料的分析带来一定的困难。
近年来，随着图像处理和机器识别技术的发展，大量的腐蚀信息以图像的形式记录下来。本文提出一种基于粗糙集理论的腐蚀特征区域提取算法，能够精确的提取腐蚀特征区域，对腐蚀特征区域进行图像分割，为后续研究提供基础。
1 粗糙集理论基本概念
粗糙集（roughsets）理论是波兰学者Pawlak提出的一种分析数学工具[3]，粗糙集的优点在于刻画不完整性和不确定性的关系，从而发现隐含知识，发现潜在规律。目前，在模式识别、人工智能等领域，有很强的实用性。
设一个四元组是一个信息系统或知识表达系统，其中，U是讨论对象的非空有限集合，；A为属性的非空有限集合，且，其中C为条件属性集，D为决策属性集。，为属性的值域，，表示一个信息函数，它为每个对象的每个属性定义一个信息值，即。
2 基于粗糙集理论的腐蚀特征区域提取算法
2.1 腐蚀区域图像预处理
文献[5，6]介绍了基本的区域分割的算法，但是因为受到不同环境的影响，材料外观的腐蚀区域分布不均匀，有较多的图像噪声，因此本文采用Kirsch算子进行边缘检测。
针对数字图像的每一个像素，考虑其8个相邻点的灰度变化，将腐蚀图像作以下计算[4]，将其中的3個相邻点的加权减去余下5个相邻点的加权和。假设3个相邻点环绕，并且不断移动其位置，取其差值的最大值作为Kirsch算子值，则Kirsch算子的8个模板组成如下：
在粗糙集理论中，有两种属性：条件属性和决策属性。对于一幅的腐蚀区域图像，假设像素x为U中的一个对象，则知识库可表示为图像的一个近似空间。
2.2 提取腐蚀特征区域的具体算法
为了提取腐蚀特征区域，其具体的算法操作如下：
（1）定义条件属性集C=c1，c2，且c1表示像素的平均灰度值属性，c2表示区域轮廓属性。在材料腐蚀过程中，定义腐蚀严重的区域为高腐蚀区域，腐蚀轻微的区域为低腐蚀区域，并且定义一个灰度值为阈值P。定义灰度值属性c1=0，1，其中0表示灰度值0～p，1表示灰度值（p+1）～255。定义区域轮廓属性c2=0，1，其中0代表区域2×2像素块的平均灰度值与相邻字块的平均灰度值之差的绝对值小于阈值Q，1表示子块的差值绝对值均大于阈值Q。
（2）定义决策属性D=0，1，其中，0代表像素点在高腐蚀区，1代表像素点在低腐蚀区。根据以上的定义和粗糙集的知识分类，结合文献[5]对腐蚀区域分割的方法，对腐蚀图像进行区域分割。
（3）等价关系Rc1定义为：如果两个像素的灰度值都大于某个阈值P，则两个像素是Rc1 相关的，属于等价类，用公式表示为。其中式中x表示该点的像素；f（x）表示其像素的灰度值；Rc1（x）表示所有“腐蚀度高”像素x组成的集合。等价关系Rc2定义为。式中 Rc2（x）表示边缘像素的集合；K（x）为区域像素的平均灰度值函数；sij 和si±1，j±1 表示相邻的图像子块。
（4）令A=Rc1（x）- Rc2（x），则区域A就是图像的高腐蚀区。为了结果更加准确，本文还进行图像增强处理来减小误差。
通过特征提取算法的具体实施，能够分别识别出材料的高腐蚀区域和低腐蚀区域，再通过图像分割的方法，提取材料的高腐蚀区域和低腐蚀区域[1]。为后续研究材料的腐蚀等级以及材料的环境适应性提供基础。
3 结束语
本文将粗糙集理论用到了腐蚀特征的提取中以及能反应材料在自然环境下的抗腐蚀性能，这些参数都能为研究材料的性能提供数据依据。
这种方法，相较传统的人工检测方法，避免了人的主观性，降低了劳动强度，提高了劳动效率，具有重要的意义。
参考文献
[1]纪纲，彭丽丽，王平.基于腐蚀产物颜色分析的材料腐蚀程度评定方法[J].重庆理工大学校报（自然科学版），2012，26（7）：69-73.
[2]纪钢，朱烨华.材料外观腐蚀特征处理评价系统研究[J].重庆工学院学报：自然科学版，2007，（1）：91-95.
[3]PAWLAK ZRough sets and intelligent data analysis[J].Information Science，2002，11（147）：1-12.
[4]武广富，吕震中.基于粗糙集理论的火焰图像处理与状态识别[J].热能动力工程，2007，22（3）：310-313.
[5]范华忠，张伯虎，冯艳.数字图像处理技术在火焰目标提取中的应用[J].电光与控制，2006，（1）：99-102.
[6]朱光忠.边缘检测算子在汽车牌照区域检测中的应用[J].计算机技术与发展，2006，（3）：161-163.
（作者单位：苏州科技大学 外国语学院）