基于图像处理技术的12Cr1MoV钢金相组织分析研究
|
摘要
传统的12Cr1MoV钢金相组织分析大都采用定性和半定量的方法，其分析结果会受到人为主观因素的影响，结果的一致性和重现性较差。将数字图像处理技术引入12Cr1MoV钢金相组织分析中，对相关的图像处理算法进行了研究和改进，采用了定量计算的金相分析方法对珠光体球化进行了评级。
按照相关标准的要求，经过取样、磨制、抛光、浸蚀等工序制备了金相试样。利用计算机和金相显微镜对试样进行观察并采集金相图像。为了提高金相分析的精度，针对12Cr1MoV钢显微组织图像的特点，研究和改进了相关图像处理算法，并对金相组织图像进行处理，具体研究内容如下：
（1）通过图像处理技术对12Cr1MoV钢金相组织图像进行预处理，利用同态滤波原理对增强图像时出现的亮度不均匀现象进行了校正。使用改进的自适应多级中值滤波器对图像进行降噪处理，在有效去除图像中噪声的同时更多的保留了图像中的细节信息。
（2）利用小波分析对12Cr1MoV钢金相组织图像进行图像降噪、图像增强、图像分割处理。在小波分割软硬阈值折中法的基础上改进了阈值函数，均衡了软、硬阈值函数的特点，改变了对非重要系数的处理方式，改善了降噪效果。
（3）使用图像分割算法对图像进行了分割，在基于二维直方图的改进Otsu阈值分割方法中引入类内离散度的计算，使分割结果不仅在类间的方差最大，而且使类内的内聚性最好，实现最优分割。
（4）结合二维直方图和模糊聚类分割算法的特点，提出了将改进的自适应遗传算法与基于二维统计信息的FCM算法相结合的图像分割方法，增加了遗传算法中种群的多样性，进一步改善了分割效果。
（5）对12Cr1MoV钢珠光体区域进行了标号，计算出各个区域的面积、周长、形状因子、伸长度、重心、离心率等特征参数。对珠光体球化评级中所用的标准图谱进行了特征参数的定量计算，通过实验确定出珠光体区域的面积百分数、平均形状因子、平均离心率三个特征参数作为评级参数，并通过实验对其评级的准确性进行了验证。
（6）对所采用的图像处理算法和金相组织分析方法进行了软件系统集成。
Qualitative and semi-quantitative methods are two commonly used methods intraditional12Cr1MoV steel metallographic structure analysis. The subjective nature ofthese two methods greatly affects the analysis process, which leads to inconsistent resultsand difficulty to replucate the analysis. In this study, digital image processing technologywas used to conduct12Cr1MoV steel metallographic structure analysis. Imageprocessing algorithms was researched and improved and quantitative calculation ofmetallographic analysis method was used in pearlite spheroidization rating.Metallographic specimens were prepared in accordance with the relevant standards aftersampling, grinding, polishing, etching and other processes. The metallographic imagedata was observed and collected using computer and metalloscope. Taking intoconsideration the characteristics of12Cr1MoV steel microstructure image, the authorresearched and modified image processing algorithms to improve the accuracy ofmetallographic analysis. Major research activities include:
(1) Image processing technology was used to preprocess12Cr1MoV steelmicrostructure image. Homomorphic filtering principle was used to correct brightnessnonuniformity. The improved adaptive multi-stage weighted median filter was used forimage noise reduction. The noise in the image data, therefore, was removed whiledetailed information in the image was retained.
(2) Wavelet analysis was used in12Cr1MoV steel microstructure image noisereduction, enhancement and segmentation. Threshold function was improved on the basisof the wavelet segmentation soft and hard threshold compromise law; thecharacteristics of hard and soft threshold function were balanced; non-importantcoefficients were processed differently; and, in return, noise reduction effect wassignificantly improved.
(3) Image segmentation algorithm was used in image segmentation. The introductionof the within-class scatter calculation in improvedOtsuthreshold segmentation methodbased on a two-dimensional histogram not only maximized the variance of inter-classesin segmentation results, but also led to the best cohesion of within-class. Optimal imagesegmentation was achieved.
(4) Combining the characteristics of two-dimensional histogram with fuzzy clustering segmentation algorithm, the image segmentation method that combines improvedadaptive genetic algorithm with FCM algorithm based on two-dimensional statistics wasproposed. This proposed method has greatly diversified the population in the geneticalgorithm and further improved the effect of image segmentation.
(5) Pearlite area of12Cr1MoV Steel was labeled. The area, perimeter, shape factor,elongation, the center of gravity, eccentricity and other characteristics parameters of eacharea were calculated. Quantitative calculation was done on the characteristic parametersof the standard map in the pearlite spheroidization rating. The area percentage of pearliteregion, the average shape factor, and average eccentricity were calculated accordinglyand were used as rating parameters. The rating accuracy was verified throughexperiments.
(6) Software system integration was completed on the image processing algorithmsand microstructure analysis method suggested in this study.
按照相关标准的要求，经过取样、磨制、抛光、浸蚀等工序制备了金相试样。利用计算机和金相显微镜对试样进行观察并采集金相图像。为了提高金相分析的精度，针对12Cr1MoV钢显微组织图像的特点，研究和改进了相关图像处理算法，并对金相组织图像进行处理，具体研究内容如下：
（1）通过图像处理技术对12Cr1MoV钢金相组织图像进行预处理，利用同态滤波原理对增强图像时出现的亮度不均匀现象进行了校正。使用改进的自适应多级中值滤波器对图像进行降噪处理，在有效去除图像中噪声的同时更多的保留了图像中的细节信息。
（2）利用小波分析对12Cr1MoV钢金相组织图像进行图像降噪、图像增强、图像分割处理。在小波分割软硬阈值折中法的基础上改进了阈值函数，均衡了软、硬阈值函数的特点，改变了对非重要系数的处理方式，改善了降噪效果。
（3）使用图像分割算法对图像进行了分割，在基于二维直方图的改进Otsu阈值分割方法中引入类内离散度的计算，使分割结果不仅在类间的方差最大，而且使类内的内聚性最好，实现最优分割。
（4）结合二维直方图和模糊聚类分割算法的特点，提出了将改进的自适应遗传算法与基于二维统计信息的FCM算法相结合的图像分割方法，增加了遗传算法中种群的多样性，进一步改善了分割效果。
（5）对12Cr1MoV钢珠光体区域进行了标号，计算出各个区域的面积、周长、形状因子、伸长度、重心、离心率等特征参数。对珠光体球化评级中所用的标准图谱进行了特征参数的定量计算，通过实验确定出珠光体区域的面积百分数、平均形状因子、平均离心率三个特征参数作为评级参数，并通过实验对其评级的准确性进行了验证。
（6）对所采用的图像处理算法和金相组织分析方法进行了软件系统集成。
Qualitative and semi-quantitative methods are two commonly used methods intraditional12Cr1MoV steel metallographic structure analysis. The subjective nature ofthese two methods greatly affects the analysis process, which leads to inconsistent resultsand difficulty to replucate the analysis. In this study, digital image processing technologywas used to conduct12Cr1MoV steel metallographic structure analysis. Imageprocessing algorithms was researched and improved and quantitative calculation ofmetallographic analysis method was used in pearlite spheroidization rating.Metallographic specimens were prepared in accordance with the relevant standards aftersampling, grinding, polishing, etching and other processes. The metallographic imagedata was observed and collected using computer and metalloscope. Taking intoconsideration the characteristics of12Cr1MoV steel microstructure image, the authorresearched and modified image processing algorithms to improve the accuracy ofmetallographic analysis. Major research activities include:
(1) Image processing technology was used to preprocess12Cr1MoV steelmicrostructure image. Homomorphic filtering principle was used to correct brightnessnonuniformity. The improved adaptive multi-stage weighted median filter was used forimage noise reduction. The noise in the image data, therefore, was removed whiledetailed information in the image was retained.
(2) Wavelet analysis was used in12Cr1MoV steel microstructure image noisereduction, enhancement and segmentation. Threshold function was improved on the basisof the wavelet segmentation soft and hard threshold compromise law; thecharacteristics of hard and soft threshold function were balanced; non-importantcoefficients were processed differently; and, in return, noise reduction effect wassignificantly improved.
(3) Image segmentation algorithm was used in image segmentation. The introductionof the within-class scatter calculation in improvedOtsuthreshold segmentation methodbased on a two-dimensional histogram not only maximized the variance of inter-classesin segmentation results, but also led to the best cohesion of within-class. Optimal imagesegmentation was achieved.
(4) Combining the characteristics of two-dimensional histogram with fuzzy clustering segmentation algorithm, the image segmentation method that combines improvedadaptive genetic algorithm with FCM algorithm based on two-dimensional statistics wasproposed. This proposed method has greatly diversified the population in the geneticalgorithm and further improved the effect of image segmentation.
(5) Pearlite area of12Cr1MoV Steel was labeled. The area, perimeter, shape factor,elongation, the center of gravity, eccentricity and other characteristics parameters of eacharea were calculated. Quantitative calculation was done on the characteristic parametersof the standard map in the pearlite spheroidization rating. The area percentage of pearliteregion, the average shape factor, and average eccentricity were calculated accordinglyand were used as rating parameters. The rating accuracy was verified throughexperiments.
(6) Software system integration was completed on the image processing algorithmsand microstructure analysis method suggested in this study.
引文
1中华人民共和国电力行业标准.DL/T773-2001火电厂用12Cr1MoV钢球化评级标准[S],2001
2韦习成,马世伟.12Cr1MoV钢的晶粒大小演化及对拉伸性能的影响[J].物理测试,2006, Vol.24(6):1-3
3孙树文,雷廷权,唐之秀等.12Cr1MoV钢大口径高压锅炉钢管冲击韧性的质量控制[J].钢铁，2004，Vol.32(12):41-45
4方嘉礼.机电工程-金属材料手册[M].上海:上海科技出版社,2001
5杨峰,于庆波.12Cr1MoV钢高温运行过程中组织和性能的研究[J].材料热处理技术,2009,10:29-30
6陈国良,束国刚.12Cr1MoV钢主蒸汽管道疲劳蠕变交互作用[J],中国电机工程学报,1990,Vol.10(1):1-9
7杨瑞成,王晖,郑丽平,移建永,李贵智.12Cr1MoV钢高温长时加热过程中基体成分的变化[J].金属热处理,2002,Vol.27(1):34-36
8李智丽,韩凤英.高压过热蒸汽管道失效分析[J].电子显微学报,2001,4:424-427
9李禄臣.12Cr1MoV钢不同球化级别的高温性能及寿命[J].河北电力技术,1997,Vol.16(4):40-43
10林忠元,丁伯愿.12Cr1MoV主蒸汽管使用寿命的研究[J].电力安全技术,2003,4:28-30
11王鸣,唐建辉.12Cr1MoV过热器管爆破失效分析[J].福建电力与电工,2003, Vol.19(3):58-60
12刘长松.12Cr1MoV钢主蒸汽管道运行19×104h后的组织性能评定[J].金属热处理,2008，33(5):88-90．
13Cheruvu N S．Degradation of mechanical properties ofCr-Mo-V and2.25Cr-1Mo steelcomponents after long-termservice at elevated temperatures[J]．MetallurgicalTransac-tion,1989,20(3):27-29
14张军.12Cr1MoV钢导汽管组织性能评定与应力计算[D].武汉大学工程硕士学位论文,2004
15朱敏,任恒昌.12Cr1MoV钢主蒸汽管道寿命评估[J].化工设备与管道,2002,1:51-54
16Dzioba I. Failure AssessmentAnalysis of Pipelines for Heat and Power GeneratingPlants According to the SINTAP Procedures[J].Pressure Vessels and Piping,2005:787-796
17Moss C J, Barrien P and Walcznski A. Life Manage-mentofRefinery FurnaceTubing[J].Int J PressVes-sels Piping77,2000:105-112.
18李志敏,夏志坚,秦国友.定量金相的图象分析技术[J].光电工程,1995,Vol.22(4):46-50
19徐建林,路阳,李文生,王智平,朱小武.体视学与图像分析技术在材料科学中的应用[M].金属热处理,2005,Vol.30(4):7-10
20顾超.计算机定量金相分析系统的软件开发与图像处理方法研究[D].南京理工大学硕士学位论文,2004
21黄丽华,王家平.金相图像分析仪的现状及发展前景探讨[J].光学仪器,2003,Vol.25（6）:50-53
22王桂棠,邓耀华,吴黎明.基于数字图像处理技术的金相组织定量分析[J].金属热处理,2006,Vol.31(2):66-69
23王桂棠.定量金相及显微硬度分析系统[J].金属热处理,2005,30(增刊):164-167.
24姜勇,巩建鸣,叶有俊,竺国荣,陈虎.12Cr1MoV过热器管劣化行为研究[J].压力容器,Vol.28(2):11-15
25M. Sonka, V. Hlavac, R. Boyle. Image Processing, Analysis and Machine Vision. GreatBritain:The University Press,Cambridge,2001
26P.R.M.Vieira,S.Paciornik.Uncertainty evaluation of metallographic measurementsby image analysis and thermodynamic modeling[J].Materials Characterization.2001,Vol.47(3-4):219-264
27Dennis Hetzner. Quantitative image analysis, Part1Principles. http://www.metallography. com/technotes/ianalysis/principles.htm.2012.12
28衣雪梅.金相显微组织的计算机分析与识别系统研究[D].西北农林科技大学硕士学位论文,2006
29唐慧明.一种微机定量金相分析系统[J].科技通报,1995,11(5):275-279
30Zbigniew Latala and Leszek wojnar.Computer-aided versus manual grain sizeassessment in a single phase material[J].美国:Materials Characterization.2001,46(2):227-233
31李金.金相组织自动识别技术研究[D].燕山大学硕士学位论文,2008
32王建萍,王家平等.数字图象处理在定量金相分析中的应用[J].材料导报,2003,Vol.17(1):63-65
33张晓昱,欧阳杰.定量金相分析系统与专家库的建立[J].河北电力技术,2003,Vol.22(6):52-54
34翟改霞.基于数字技术的铸铁图像分析研究[D].内蒙古农业大学博士学位论文,2007
35吴国仕,韩云台.金相图像的计算机处理与分析[J].航空制造工程,1993,09:26-28
36石锐,高仲英,李志敏.晶粒度评级中晶界的自动修复[J].中国体视学与图像分析,1997,Vol.2(2),82-84
37蔡明东,袁浩扬,孙国雄.球铁金相定量检测系统的研制[J].现代铸铁,2000,Vol.77(1):35-39
38蔡明东,孙瑜,孙国雄.灰铸铁金相定且检测系统的研制[J].现代铸铁,1999,Vol.76(4):38-42
39王智平.铸铁金相组织识别的计算机图象处理系统[J].铸造,1996,1:45-47
40冯欣.金相图像处理与测量的研究[D].辽宁工程大学硕士学位论文,2000
41李新.图像分析仪在金相检验中的应用[J].冶金标准化与质量,Vol.42(5):6-8
42李文学,刘江义,孙建斌等.计算机在金相检验中的应用[J].山西冶金,2002,3:43-44
43于久灏,莫淑华,王国星.金相分析系统在金相分析中的应用[J].黑龙江工程学院学报(自然科学版),2005,Vol.19(3):5-7
44张海军.基于数字图像处理技术的灰铸铁金相分析[D].内蒙古农业大学硕士学位论文,2008
45中华人民共和国电力行业标准.DL/T884-2004火电厂金相检验与评定技术导则[S],2004
46上海交通大学《金相分析》编写组.金相分析[M].北京:国防工业出版社,1982
47郦剑,吴涛,谢轶伦.金相样品制备及其对显微组织评判的影响[J].金属热处理,2006,Vol.31(10):10-14
48胡义祥.金相检验实用技术[M].北京:机械工业出版社,2012,33-37
49叶卫平.实用钢铁材料金相检验[M].北京:机械工业出版社,2012,81-82
50王岚,杨平,李常荣.金相实验技术[M].北京:冶金工业出版社,2010,65-84
51刘艳英,臧金旺,李宪武.金相试样制备过程概述[J].金属世界,2010,1:46-48
52刘国权,刘胜新,黄启今等.金相学和材料显微组织定量分析技术[J].中国体视学与图像分析,2002,Vol.7(4):248-251
53Abdel-Aziz Y.I,Karara H. M.Direct linear transformation from comparatorcoordinate into object space coordinates in close-range photogrammetry[C].In U.of Illions Symposium on Close-Range Photogrammetry.Urbana-Champaign,1971
54于立彪.农产品品质检测图像处理系统的研究[D].吉林工业大学硕士学位论文.1998
55孙燮华.数字图像处理-原理与算法[M].北京:机械工业出版社,2010
56黄涛.数字图像的增强[J].肇庆学院学报,2004,Vol.25(2):23-27
57Rafael C.Gonzalez,Richard E Woodsz著.阮秋琦,软宇智等译.数字图像处理[M].北京:电子工业出版社,2003
58Chang Dah Chung,Wu Wen Rong.Image Contrast Enhancement Based on A HistogramTransformation of Local Standard Deviation [J].IEEE Transactionson Medical Imaging,1998,Vol.17(4):518-531
59T L Ji,M K Sundareshan,H Roehrig.Adaptive image constrast enhancement based onhuman visual properties[J].IEEE Trans.Medical Imaging,1994,Vol.13(4):573-586
60陈智,王国志,丰善,高宏文.同态滤波预处理在微粒场全息图图像处理中的应用[J].光子学报,2004,Vol.33(2):167-170
61黄爱民,安向京,骆力.数字图像处理与分析基础[M].北京:中国水利水电出版社,2005
62冈萨雷斯.数字图像处理（MATLAB版）[M].北京:电子工业出版社,2005
63张德丰等.MATLAB数字图像处理[M].第2版,北京:机械工业出版社,2012
64章毓晋.图像处理[M].北京:清华大学出版社,2011
65杨群生,陈敏,余英林.基于模糊技术的随机噪声消除算法[J].华南理工大学学报,2000，Vol.28(8):82-87
66赵春辉等.一类自适应顺序形态滤波器[J].中国图像图像学报,2000,5:74-78
67李刚,范瑞霞.一种改进的图像中值滤波算法[J].北京理工大学学报,2002,Vol.22(3):376-378
68赵春江,施文康,邓勇.一种基于遗传算法的模糊中值滤波器优化方法[J].计算机工程与应用,2005,5:60-61
69侯振杰.动物骨髓细胞图像分割方法的研究[D].内蒙古农业大学博士论文,2004
70付树军,阮秋琦,穆成坡等.基于双向耦合扩散的保持特征的边缘锐化和图像增强[J].计算机学报,2008,Vol.31(3):529-535
71王明照，胡浩，杨杰.基于广义模糊集合的多级图像增强算法[J].武汉理工大学学报，2001，Vol.25(4):512-514
72Sonka M，Hlavac V，Boyle R.Image Proeessing,Analysis,and Machine Vision[M].Beijing:Posts and Telecom Press,2003
73刘明才.小波分析及其应用[M].北京:清华大学出版社,2005
74孙延奎.小波分析及其应用[M].北京:机械工业出版社,2005
75迟健男.图像形态学和小波分析在图像增强与边缘检测中的应用[D].东北大学博士学位论文,2005
76张红岩,张登攀.图像边缘检测二维小波算法研究与实现[J].中国工程科学,2003,Vol.5(4):61-64
77倪林.小波变换与图像处理[M].安徽:中国科技大学大学出版社,2010
78孙延奎.小波变换与图像、图形处理技术[M].北京:清华大学出版社,2012
79Lei Sun,Zheng-Xing Cheng. Construction of a class of compactly supported orthogonalvector-valued wavelets,Chaos[J],Solitons and Fractals,2007,34:253-261
80Lei Sun,Zheng-Xing Cheng. Construction of a class of compactly supported orthogonalvector-valued wavelets,Chaos[J],Solitons and Fractals,2007,34:253-261
81赵健,周明全.SAR图像小波域消噪方法[J].西北大学学报(自然科学版),2005,27:419-422
82李闯.基于小波理论的图像处理技术研究[D].武汉理工大学硕士学位论文,2007
83曾诚.基于小波理论的图像去噪和增强技术研究[D].武汉理工大学硕士学位论文,2008
84查宇飞,毕笃彦.基于小波变换的自适应多闽值图像去噪[J].中国图像图形学报,2005，Vol.10(5):567-570
85Pan Q,Zhang L,Dai G,et al.Two denoising method by wavelet transform [J].IEEETransactions on Signal Processing,1999,Vol.47(12):567-589
86朱希安,曹林.小波分析及其在数字图像处理中的应用[M].北京:电子工业出版社,2012
87任震.小波分析及其在电力系统中的应用[M].北京:中国电力出版社,2003
88S.Mallat.A Wavelet Tour of Signal Proeessing[M].China Machine press,2002
89解梅,顾德仁.一种基于小波变换的多分辨率门限选取方法[J].电子学报,1997,Vol.25(l):95-97
90G M Davis.A Wavelet-based Analysis of Fractal Image Comperssion[M].IEEE Tarns.Image Poreessing,1998:141-154
91张艳华,李玲远.基于GCV理论的小波自适应多阈值图像去噪方法[J].现代电子技术,2007,Vol.255（11）:62-64
92Laine A,Fan J,Yang W.Wavelets for contrast enhancement of digital mammography[J].IEEE Engineering in Medicine and Biology Magazine,1995,Vol.14(5):536-550
93吴颖谦,方涛,李聪亮等.一种基于小波分析和人眼视觉特性的图像增强方法[J].数据采集与处理,2003,Vol.18(3):17-21
94张新明,沈兰荪.基于小波和统计特性的自适应图像增强算法[J].信号处理,2007,Vol.17(3):227-231
95Liming Zhang,Patrick Lenders.Locating the Head Boundary with2D ContinuousWavelet Transform[C].Proeeedings of2001International Symposium on IntelligentMultimedia,Vedio and Speech Proeessing.May2001.Hong Kong:336-339
96周旋,周树道,黄峰,周小滔.基于小波变换的图像新增强算法[J].计算机应用,2005,Vol.25(3):606-608
97刘明才.小波分析及其应用[M].北京:清华大学出版社,2005
98章毓晋.图像分析[M].北京:清华大学出版社,2012
99章毓晋.图像分割[M].科学出版社.2001:96-98
100王耀明,陈以.图像阐值分割的统计迭代算法[J].桂林电子工业学院学报,2002,Vol.9(2):6-8
101Tolosa S C, Blacher S,Denis A,et al.Two methods of random seed generation to avoidover-segmentation with stochastic watershed: application to nuclear fuelmicrographs[J].Journal of microscopy-oxford,2009,Vol.236(1):79-86
102徐森,曹力.金属图像的自适应分割方法研究[J].南京航空航天大学学报,2005,Vol.37(5):625-628
103汤力琨,罗代升,王正勇,龙建忠.图像分割技术在金相分析中的应用[J].理化检验-物理分册,2005,41(5):236-239
104曹亮.基于Otsu理论的图像分割算法研究[D].武汉理工大学硕士学位论文,2008
105董立菊,于戈.基于噪声图像2D直方图的快速分割方法[J].东北大学学报,2005,Vol.26(3):220-223
106赵凤,范九伦.一种结合二维otsu法和模糊熵的图像分割方法[J].计算机应用研究,2007，Vol.24(6):189-191
107杨金龙,张光南,厉树忠,田野,王全来.基于二维直方图的图像分割算法研究[J].激光与红外,2008,Vol.38(4):400-403
108马胜前,张光南,杨金龙,佘乾顺.基于二维直方图的otsu图像分割算法改进[J].西北师范大学学报(自然科学版),2009,Vol.45(1):57-61
109宋家慧.基于遗传算法的最大熵阈值的图像分割[J].电子工程师,2005,Vol.31(2):60-63
110何俊,葛红,王玉峰.图像分割算法研究综述[J].计算机工程与科学,2009,Vol.31(12):58-61
111王鹏伟.基于多尺度理论的图像分割方法研究[D].中国科学技术大学博士学位论文,2007
112陈敏.一种自动识别最优阈值的图像分割方法[J].计算机应用与软件,2006,Vol.23(4):85-86
113毛安定.基于小波变换的图像分割技术[D].昆明理工大学硕士学位论文,2009
114CHUANG GU,MING-CHIEH LEE.Semantic Video Object Segmentation and Tracking usingMathematical Morphology and Perspective Motion Model[J].IEEE Proceeding,1997:514-517
115SOILE P.著.形态学图像分析原理与应用[M].北京:清华大学出版社,1999
116Ye P,Weng G R.Microarray image segmentation using region growing algorithm andmathematical morphology[J].Fifth international conference on informationassurance and security,2009,2:373-376
117蒋明星.基于数学形态学和分形的金相图像处理关键技术研究[D].华南理工大学博士学位论文,2011
118孙宗保,蔡健荣.数学形态学在计算机图像处理技术检测粒度中的应用[J].计算机测量与控制,2002(11):665-667
119Ye P,Weng G R.Microarray image segmentation using region growing algorithm andmathematical morphology[J].Fifth international conference on informationassurance and security,2009,2:373-376
120Wei W,Xin Y.Rapid,man-made object morphological segmentation for aerial imagesusing a multi-scaled,geometric image analysis[J].Image and vision computing,2010,Vol.28(4):626-633
121金立左,夏良正,杨世周.图象分割的自适应模糊阈值法[J].中国图象图形学报，2000，Vol.5(5):217-220
122丁力.改进遗传算法在数字图像分割中的应用研究[D].武汉理工大学硕士学位文,2011
123唐春菊,刘衍平.基于遗传算法的类间方差图像阈值分割[J].攀枝花学院学报,2012,Vol.29(5):34-37
124吴玲艳,沈庭芝,方子文等.基于直方图嫡和遗传算法的图像分割法[J].兵工学报.1999，3:255-258
125雷英杰,张善文等.MATLAB遗传算法工具箱及应用[M].西安:西安电子科技大学出版社,2005
126郑宏,潘励.遗传算法在图像阈值选取中的应用[J].武汉测绘科技大学学报.1999,l:20-23
127乔双,宋建中,胡硕.基于改进遗传算法的图像分割方法[J].微型机与应用,2004,3:50-51
128郝保明,包晓敏,汪亚明等.基于改进遗传算法的图像分割[J].浙江理工大学学报,2008,Vol.25(6):700-703
129张怀柱,向长波,宋建中.改进的遗传算法在实时图像分割中的应用[J].光学精密工程,2008,Vol.16(2):333-337
130闫海霞.基于数学形态学的图像边缘检测和增强算法的研究[D].吉林大学博士学位论文,2009
131迟健男.图像形态学和小波分析在图像增强与边缘检测中的应用[D].东北大学博士学位论文,2005
132Ahuja N.A Transform for Multiscale Image Segmentation by Integrated EdgeDetection[J].IEEE Trans and Machine Intelligence,1996,18(12):1211-1235
133沈庭芝,方力,朱少娟,王沛.图像处理算法在金相分析中的应用[J].系统工程与电子技术,2001,Vol.23(10):108-110
134余成波.数字图像处理及MATLAB实现[M].重庆大学出版社.2003,6:263-264
135尹立苹,于德敏,王永强,许增朴.二值图像中多目标区域的标号和几何特征提取[J].计量与测试技术,2006,Vol.33(3):18-20
136陈威.基于图像处理的定量金相分析系统[D].广东工业大学硕士学位论,2004
137何东健,杨青,薛少平,赵静.果实缺陷面积的计算机视觉测定研究[J].农业工程学报,1997,4:156-160
138邓海霞.基于机器视觉的群体禽蛋大小检测方法研究[D].华中农业大学硕士学位论文,2006
139Tan W J,Wu C D,Zhao S Y,et al.Study on key technology of metallographical imageprocessing and recognition[J].2008Chinese control and decision comference,2008,Vol.1(11):1832-1837
140崔凤奎,王晓强,张丰收.定量金相分析算法及实现[J].材料科学与工艺,2000,Vol.8(3):109-112
141赵登志,鞠占英.温度对12CrlMoV钢管珠光体球化及力学性能的影响[J].电站系统工程,2002,Vol.18(3):58-59
142刘长松等.12CrlMoV钢主蒸汽管道运行19万小时后的组织性能评定[J].金属热处理,2008，Vol.33(5):88-90
143赵登志,鞠占英.温度对12CrlMoV钢管珠光体球化及力学性能的影响[J].电站系统工程,2002,Vol.18(3):58-59
144中华人民共和国电力行业标准.DL/T884-2004火电厂金相检验与评定技术导则[S],2004
145中华人民共和国国家标准.GB/T6394-2002金属平均晶粒度测定方法[S],2002
146中华人民共和国电力行业标准.DL/T773-2001火电厂用12C1rMOV钢球化评级标准[S],2001
2韦习成,马世伟.12Cr1MoV钢的晶粒大小演化及对拉伸性能的影响[J].物理测试,2006, Vol.24(6):1-3
3孙树文,雷廷权,唐之秀等.12Cr1MoV钢大口径高压锅炉钢管冲击韧性的质量控制[J].钢铁，2004，Vol.32(12):41-45
4方嘉礼.机电工程-金属材料手册[M].上海:上海科技出版社,2001
5杨峰,于庆波.12Cr1MoV钢高温运行过程中组织和性能的研究[J].材料热处理技术,2009,10:29-30
6陈国良,束国刚.12Cr1MoV钢主蒸汽管道疲劳蠕变交互作用[J],中国电机工程学报,1990,Vol.10(1):1-9
7杨瑞成,王晖,郑丽平,移建永,李贵智.12Cr1MoV钢高温长时加热过程中基体成分的变化[J].金属热处理,2002,Vol.27(1):34-36
8李智丽,韩凤英.高压过热蒸汽管道失效分析[J].电子显微学报,2001,4:424-427
9李禄臣.12Cr1MoV钢不同球化级别的高温性能及寿命[J].河北电力技术,1997,Vol.16(4):40-43
10林忠元,丁伯愿.12Cr1MoV主蒸汽管使用寿命的研究[J].电力安全技术,2003,4:28-30
11王鸣,唐建辉.12Cr1MoV过热器管爆破失效分析[J].福建电力与电工,2003, Vol.19(3):58-60
12刘长松.12Cr1MoV钢主蒸汽管道运行19×104h后的组织性能评定[J].金属热处理,2008，33(5):88-90．
13Cheruvu N S．Degradation of mechanical properties ofCr-Mo-V and2.25Cr-1Mo steelcomponents after long-termservice at elevated temperatures[J]．MetallurgicalTransac-tion,1989,20(3):27-29
14张军.12Cr1MoV钢导汽管组织性能评定与应力计算[D].武汉大学工程硕士学位论文,2004
15朱敏,任恒昌.12Cr1MoV钢主蒸汽管道寿命评估[J].化工设备与管道,2002,1:51-54
16Dzioba I. Failure AssessmentAnalysis of Pipelines for Heat and Power GeneratingPlants According to the SINTAP Procedures[J].Pressure Vessels and Piping,2005:787-796
17Moss C J, Barrien P and Walcznski A. Life Manage-mentofRefinery FurnaceTubing[J].Int J PressVes-sels Piping77,2000:105-112.
18李志敏,夏志坚,秦国友.定量金相的图象分析技术[J].光电工程,1995,Vol.22(4):46-50
19徐建林,路阳,李文生,王智平,朱小武.体视学与图像分析技术在材料科学中的应用[M].金属热处理,2005,Vol.30(4):7-10
20顾超.计算机定量金相分析系统的软件开发与图像处理方法研究[D].南京理工大学硕士学位论文,2004
21黄丽华,王家平.金相图像分析仪的现状及发展前景探讨[J].光学仪器,2003,Vol.25（6）:50-53
22王桂棠,邓耀华,吴黎明.基于数字图像处理技术的金相组织定量分析[J].金属热处理,2006,Vol.31(2):66-69
23王桂棠.定量金相及显微硬度分析系统[J].金属热处理,2005,30(增刊):164-167.
24姜勇,巩建鸣,叶有俊,竺国荣,陈虎.12Cr1MoV过热器管劣化行为研究[J].压力容器,Vol.28(2):11-15
25M. Sonka, V. Hlavac, R. Boyle. Image Processing, Analysis and Machine Vision. GreatBritain:The University Press,Cambridge,2001
26P.R.M.Vieira,S.Paciornik.Uncertainty evaluation of metallographic measurementsby image analysis and thermodynamic modeling[J].Materials Characterization.2001,Vol.47(3-4):219-264
27Dennis Hetzner. Quantitative image analysis, Part1Principles. http://www.metallography. com/technotes/ianalysis/principles.htm.2012.12
28衣雪梅.金相显微组织的计算机分析与识别系统研究[D].西北农林科技大学硕士学位论文,2006
29唐慧明.一种微机定量金相分析系统[J].科技通报,1995,11(5):275-279
30Zbigniew Latala and Leszek wojnar.Computer-aided versus manual grain sizeassessment in a single phase material[J].美国:Materials Characterization.2001,46(2):227-233
31李金.金相组织自动识别技术研究[D].燕山大学硕士学位论文,2008
32王建萍,王家平等.数字图象处理在定量金相分析中的应用[J].材料导报,2003,Vol.17(1):63-65
33张晓昱,欧阳杰.定量金相分析系统与专家库的建立[J].河北电力技术,2003,Vol.22(6):52-54
34翟改霞.基于数字技术的铸铁图像分析研究[D].内蒙古农业大学博士学位论文,2007
35吴国仕,韩云台.金相图像的计算机处理与分析[J].航空制造工程,1993,09:26-28
36石锐,高仲英,李志敏.晶粒度评级中晶界的自动修复[J].中国体视学与图像分析,1997,Vol.2(2),82-84
37蔡明东,袁浩扬,孙国雄.球铁金相定量检测系统的研制[J].现代铸铁,2000,Vol.77(1):35-39
38蔡明东,孙瑜,孙国雄.灰铸铁金相定且检测系统的研制[J].现代铸铁,1999,Vol.76(4):38-42
39王智平.铸铁金相组织识别的计算机图象处理系统[J].铸造,1996,1:45-47
40冯欣.金相图像处理与测量的研究[D].辽宁工程大学硕士学位论文,2000
41李新.图像分析仪在金相检验中的应用[J].冶金标准化与质量,Vol.42(5):6-8
42李文学,刘江义,孙建斌等.计算机在金相检验中的应用[J].山西冶金,2002,3:43-44
43于久灏,莫淑华,王国星.金相分析系统在金相分析中的应用[J].黑龙江工程学院学报(自然科学版),2005,Vol.19(3):5-7
44张海军.基于数字图像处理技术的灰铸铁金相分析[D].内蒙古农业大学硕士学位论文,2008
45中华人民共和国电力行业标准.DL/T884-2004火电厂金相检验与评定技术导则[S],2004
46上海交通大学《金相分析》编写组.金相分析[M].北京:国防工业出版社,1982
47郦剑,吴涛,谢轶伦.金相样品制备及其对显微组织评判的影响[J].金属热处理,2006,Vol.31(10):10-14
48胡义祥.金相检验实用技术[M].北京:机械工业出版社,2012,33-37
49叶卫平.实用钢铁材料金相检验[M].北京:机械工业出版社,2012,81-82
50王岚,杨平,李常荣.金相实验技术[M].北京:冶金工业出版社,2010,65-84
51刘艳英,臧金旺,李宪武.金相试样制备过程概述[J].金属世界,2010,1:46-48
52刘国权,刘胜新,黄启今等.金相学和材料显微组织定量分析技术[J].中国体视学与图像分析,2002,Vol.7(4):248-251
53Abdel-Aziz Y.I,Karara H. M.Direct linear transformation from comparatorcoordinate into object space coordinates in close-range photogrammetry[C].In U.of Illions Symposium on Close-Range Photogrammetry.Urbana-Champaign,1971
54于立彪.农产品品质检测图像处理系统的研究[D].吉林工业大学硕士学位论文.1998
55孙燮华.数字图像处理-原理与算法[M].北京:机械工业出版社,2010
56黄涛.数字图像的增强[J].肇庆学院学报,2004,Vol.25(2):23-27
57Rafael C.Gonzalez,Richard E Woodsz著.阮秋琦,软宇智等译.数字图像处理[M].北京:电子工业出版社,2003
58Chang Dah Chung,Wu Wen Rong.Image Contrast Enhancement Based on A HistogramTransformation of Local Standard Deviation [J].IEEE Transactionson Medical Imaging,1998,Vol.17(4):518-531
59T L Ji,M K Sundareshan,H Roehrig.Adaptive image constrast enhancement based onhuman visual properties[J].IEEE Trans.Medical Imaging,1994,Vol.13(4):573-586
60陈智,王国志,丰善,高宏文.同态滤波预处理在微粒场全息图图像处理中的应用[J].光子学报,2004,Vol.33(2):167-170
61黄爱民,安向京,骆力.数字图像处理与分析基础[M].北京:中国水利水电出版社,2005
62冈萨雷斯.数字图像处理（MATLAB版）[M].北京:电子工业出版社,2005
63张德丰等.MATLAB数字图像处理[M].第2版,北京:机械工业出版社,2012
64章毓晋.图像处理[M].北京:清华大学出版社,2011
65杨群生,陈敏,余英林.基于模糊技术的随机噪声消除算法[J].华南理工大学学报,2000，Vol.28(8):82-87
66赵春辉等.一类自适应顺序形态滤波器[J].中国图像图像学报,2000,5:74-78
67李刚,范瑞霞.一种改进的图像中值滤波算法[J].北京理工大学学报,2002,Vol.22(3):376-378
68赵春江,施文康,邓勇.一种基于遗传算法的模糊中值滤波器优化方法[J].计算机工程与应用,2005,5:60-61
69侯振杰.动物骨髓细胞图像分割方法的研究[D].内蒙古农业大学博士论文,2004
70付树军,阮秋琦,穆成坡等.基于双向耦合扩散的保持特征的边缘锐化和图像增强[J].计算机学报,2008,Vol.31(3):529-535
71王明照，胡浩，杨杰.基于广义模糊集合的多级图像增强算法[J].武汉理工大学学报，2001，Vol.25(4):512-514
72Sonka M，Hlavac V，Boyle R.Image Proeessing,Analysis,and Machine Vision[M].Beijing:Posts and Telecom Press,2003
73刘明才.小波分析及其应用[M].北京:清华大学出版社,2005
74孙延奎.小波分析及其应用[M].北京:机械工业出版社,2005
75迟健男.图像形态学和小波分析在图像增强与边缘检测中的应用[D].东北大学博士学位论文,2005
76张红岩,张登攀.图像边缘检测二维小波算法研究与实现[J].中国工程科学,2003,Vol.5(4):61-64
77倪林.小波变换与图像处理[M].安徽:中国科技大学大学出版社,2010
78孙延奎.小波变换与图像、图形处理技术[M].北京:清华大学出版社,2012
79Lei Sun,Zheng-Xing Cheng. Construction of a class of compactly supported orthogonalvector-valued wavelets,Chaos[J],Solitons and Fractals,2007,34:253-261
80Lei Sun,Zheng-Xing Cheng. Construction of a class of compactly supported orthogonalvector-valued wavelets,Chaos[J],Solitons and Fractals,2007,34:253-261
81赵健,周明全.SAR图像小波域消噪方法[J].西北大学学报(自然科学版),2005,27:419-422
82李闯.基于小波理论的图像处理技术研究[D].武汉理工大学硕士学位论文,2007
83曾诚.基于小波理论的图像去噪和增强技术研究[D].武汉理工大学硕士学位论文,2008
84查宇飞,毕笃彦.基于小波变换的自适应多闽值图像去噪[J].中国图像图形学报,2005，Vol.10(5):567-570
85Pan Q,Zhang L,Dai G,et al.Two denoising method by wavelet transform [J].IEEETransactions on Signal Processing,1999,Vol.47(12):567-589
86朱希安,曹林.小波分析及其在数字图像处理中的应用[M].北京:电子工业出版社,2012
87任震.小波分析及其在电力系统中的应用[M].北京:中国电力出版社,2003
88S.Mallat.A Wavelet Tour of Signal Proeessing[M].China Machine press,2002
89解梅,顾德仁.一种基于小波变换的多分辨率门限选取方法[J].电子学报,1997,Vol.25(l):95-97
90G M Davis.A Wavelet-based Analysis of Fractal Image Comperssion[M].IEEE Tarns.Image Poreessing,1998:141-154
91张艳华,李玲远.基于GCV理论的小波自适应多阈值图像去噪方法[J].现代电子技术,2007,Vol.255（11）:62-64
92Laine A,Fan J,Yang W.Wavelets for contrast enhancement of digital mammography[J].IEEE Engineering in Medicine and Biology Magazine,1995,Vol.14(5):536-550
93吴颖谦,方涛,李聪亮等.一种基于小波分析和人眼视觉特性的图像增强方法[J].数据采集与处理,2003,Vol.18(3):17-21
94张新明,沈兰荪.基于小波和统计特性的自适应图像增强算法[J].信号处理,2007,Vol.17(3):227-231
95Liming Zhang,Patrick Lenders.Locating the Head Boundary with2D ContinuousWavelet Transform[C].Proeeedings of2001International Symposium on IntelligentMultimedia,Vedio and Speech Proeessing.May2001.Hong Kong:336-339
96周旋,周树道,黄峰,周小滔.基于小波变换的图像新增强算法[J].计算机应用,2005,Vol.25(3):606-608
97刘明才.小波分析及其应用[M].北京:清华大学出版社,2005
98章毓晋.图像分析[M].北京:清华大学出版社,2012
99章毓晋.图像分割[M].科学出版社.2001:96-98
100王耀明,陈以.图像阐值分割的统计迭代算法[J].桂林电子工业学院学报,2002,Vol.9(2):6-8
101Tolosa S C, Blacher S,Denis A,et al.Two methods of random seed generation to avoidover-segmentation with stochastic watershed: application to nuclear fuelmicrographs[J].Journal of microscopy-oxford,2009,Vol.236(1):79-86
102徐森,曹力.金属图像的自适应分割方法研究[J].南京航空航天大学学报,2005,Vol.37(5):625-628
103汤力琨,罗代升,王正勇,龙建忠.图像分割技术在金相分析中的应用[J].理化检验-物理分册,2005,41(5):236-239
104曹亮.基于Otsu理论的图像分割算法研究[D].武汉理工大学硕士学位论文,2008
105董立菊,于戈.基于噪声图像2D直方图的快速分割方法[J].东北大学学报,2005,Vol.26(3):220-223
106赵凤,范九伦.一种结合二维otsu法和模糊熵的图像分割方法[J].计算机应用研究,2007，Vol.24(6):189-191
107杨金龙,张光南,厉树忠,田野,王全来.基于二维直方图的图像分割算法研究[J].激光与红外,2008,Vol.38(4):400-403
108马胜前,张光南,杨金龙,佘乾顺.基于二维直方图的otsu图像分割算法改进[J].西北师范大学学报(自然科学版),2009,Vol.45(1):57-61
109宋家慧.基于遗传算法的最大熵阈值的图像分割[J].电子工程师,2005,Vol.31(2):60-63
110何俊,葛红,王玉峰.图像分割算法研究综述[J].计算机工程与科学,2009,Vol.31(12):58-61
111王鹏伟.基于多尺度理论的图像分割方法研究[D].中国科学技术大学博士学位论文,2007
112陈敏.一种自动识别最优阈值的图像分割方法[J].计算机应用与软件,2006,Vol.23(4):85-86
113毛安定.基于小波变换的图像分割技术[D].昆明理工大学硕士学位论文,2009
114CHUANG GU,MING-CHIEH LEE.Semantic Video Object Segmentation and Tracking usingMathematical Morphology and Perspective Motion Model[J].IEEE Proceeding,1997:514-517
115SOILE P.著.形态学图像分析原理与应用[M].北京:清华大学出版社,1999
116Ye P,Weng G R.Microarray image segmentation using region growing algorithm andmathematical morphology[J].Fifth international conference on informationassurance and security,2009,2:373-376
117蒋明星.基于数学形态学和分形的金相图像处理关键技术研究[D].华南理工大学博士学位论文,2011
118孙宗保,蔡健荣.数学形态学在计算机图像处理技术检测粒度中的应用[J].计算机测量与控制,2002(11):665-667
119Ye P,Weng G R.Microarray image segmentation using region growing algorithm andmathematical morphology[J].Fifth international conference on informationassurance and security,2009,2:373-376
120Wei W,Xin Y.Rapid,man-made object morphological segmentation for aerial imagesusing a multi-scaled,geometric image analysis[J].Image and vision computing,2010,Vol.28(4):626-633
121金立左,夏良正,杨世周.图象分割的自适应模糊阈值法[J].中国图象图形学报，2000，Vol.5(5):217-220
122丁力.改进遗传算法在数字图像分割中的应用研究[D].武汉理工大学硕士学位文,2011
123唐春菊,刘衍平.基于遗传算法的类间方差图像阈值分割[J].攀枝花学院学报,2012,Vol.29(5):34-37
124吴玲艳,沈庭芝,方子文等.基于直方图嫡和遗传算法的图像分割法[J].兵工学报.1999，3:255-258
125雷英杰,张善文等.MATLAB遗传算法工具箱及应用[M].西安:西安电子科技大学出版社,2005
126郑宏,潘励.遗传算法在图像阈值选取中的应用[J].武汉测绘科技大学学报.1999,l:20-23
127乔双,宋建中,胡硕.基于改进遗传算法的图像分割方法[J].微型机与应用,2004,3:50-51
128郝保明,包晓敏,汪亚明等.基于改进遗传算法的图像分割[J].浙江理工大学学报,2008,Vol.25(6):700-703
129张怀柱,向长波,宋建中.改进的遗传算法在实时图像分割中的应用[J].光学精密工程,2008,Vol.16(2):333-337
130闫海霞.基于数学形态学的图像边缘检测和增强算法的研究[D].吉林大学博士学位论文,2009
131迟健男.图像形态学和小波分析在图像增强与边缘检测中的应用[D].东北大学博士学位论文,2005
132Ahuja N.A Transform for Multiscale Image Segmentation by Integrated EdgeDetection[J].IEEE Trans and Machine Intelligence,1996,18(12):1211-1235
133沈庭芝,方力,朱少娟,王沛.图像处理算法在金相分析中的应用[J].系统工程与电子技术,2001,Vol.23(10):108-110
134余成波.数字图像处理及MATLAB实现[M].重庆大学出版社.2003,6:263-264
135尹立苹,于德敏,王永强,许增朴.二值图像中多目标区域的标号和几何特征提取[J].计量与测试技术,2006,Vol.33(3):18-20
136陈威.基于图像处理的定量金相分析系统[D].广东工业大学硕士学位论,2004
137何东健,杨青,薛少平,赵静.果实缺陷面积的计算机视觉测定研究[J].农业工程学报,1997,4:156-160
138邓海霞.基于机器视觉的群体禽蛋大小检测方法研究[D].华中农业大学硕士学位论文,2006
139Tan W J,Wu C D,Zhao S Y,et al.Study on key technology of metallographical imageprocessing and recognition[J].2008Chinese control and decision comference,2008,Vol.1(11):1832-1837
140崔凤奎,王晓强,张丰收.定量金相分析算法及实现[J].材料科学与工艺,2000,Vol.8(3):109-112
141赵登志,鞠占英.温度对12CrlMoV钢管珠光体球化及力学性能的影响[J].电站系统工程,2002,Vol.18(3):58-59
142刘长松等.12CrlMoV钢主蒸汽管道运行19万小时后的组织性能评定[J].金属热处理,2008，Vol.33(5):88-90
143赵登志,鞠占英.温度对12CrlMoV钢管珠光体球化及力学性能的影响[J].电站系统工程,2002,Vol.18(3):58-59
144中华人民共和国电力行业标准.DL/T884-2004火电厂金相检验与评定技术导则[S],2004
145中华人民共和国国家标准.GB/T6394-2002金属平均晶粒度测定方法[S],2002
146中华人民共和国电力行业标准.DL/T773-2001火电厂用12C1rMOV钢球化评级标准[S],2001