粗糙集在材料腐蝕特征提取中的應用

摘 要：提出將粗糙集理論應用在材料腐蝕特征的提取中，利用粗糙集的特點，將材料的腐蝕區域分為高腐蝕區和低腐蝕區，易于檢測和提取材料的腐蝕特征。相對了傳統的方法，這種方法避免了人的主觀性的差異，降低了勞動強度，提高了效率。精確的提取材料的腐蝕特征，為后續研究材料的腐蝕等級和材料對環境的適應能力提供基礎。

關鍵詞：粗糙集；腐蝕圖像；特征提取

0 引言

隨著工業技術的發展，材料在我們日常生活中扮演著越來越重要的角色，因為受到各種綜合環境因素的影響，材料表面會發生各種各樣的腐蝕現象[1，2]。但是，目前在檢測和提取腐蝕區域的方面，仍然以人工方法為主，因為受到經驗因素的影響，導致檢測和提取結果不準確，給腐蝕材料的分析帶來一定的困難。

近年來，隨著圖像處理和機器識別技術的發展，大量的腐蝕信息以圖像的形式記錄下來。本文提出一種基于粗糙集理論的腐蝕特征區域提取算法，能夠精確的提取腐蝕特征區域，對腐蝕特征區域進行圖像分割，為后續研究提供基礎。

1 粗糙集理論基本概念

粗糙集（roughsets）理論是波蘭學者Pawlak提出的一種分析數學工具[3]，粗糙集的優點在于刻畫不完整性和不確定性的關系，從而發現隱含知識，發現潛在規律。目前，在模式識別、人工智能等領域，有很強的實用性。

設一個四元組是一個信息系統或知識表達系統，其中，U是討論對象的非空有限集合，；A為屬性的非空有限集合，且，其中C為條件屬性集，D為決策屬性集。，為屬性的值域，，表示一個信息函數，它為每個對象的每個屬性定義一個信息值，即。

2 基于粗糙集理論的腐蝕特征區域提取算法

2.1 腐蝕區域圖像預處理

文獻[5，6]介紹了基本的區域分割的算法，但是因為受到不同環境的影響，材料外觀的腐蝕區域分布不均勻，有較多的圖像噪聲，因此本文采用Kirsch算子進行邊緣檢測。

針對數字圖像的每一個像素，考慮其8個相鄰點的灰度變化，將腐蝕圖像作以下計算[4]，將其中的3個相鄰點的加權減去余下5個相鄰點的加權和。假設3個相鄰點環繞，并且不斷移動其位置，取其差值的最大值作為Kirsch算子值，則Kirsch算子的8個模板組成如下：

在粗糙集理論中，有兩種屬性：條件屬性和決策屬性。對于一幅的腐蝕區域圖像，假設像素x為U中的一個對象，則知識庫可表示為圖像的一個近似空間。

2.2 提取腐蝕特征區域的具體算法

為了提取腐蝕特征區域，其具體的算法操作如下：

（1）定義條件屬性集C=c1，c2，且c1表示像素的平均灰度值屬性，c2表示區域輪廓屬性。在材料腐蝕過程中，定義腐蝕嚴重的區域為高腐蝕區域，腐蝕輕微的區域為低腐蝕區域，并且定義一個灰度值為閾值P。定義灰度值屬性c1=0，1，其中0表示灰度值0～p，1表示灰度值（p+1）～255。定義區域輪廓屬性c2=0，1，其中0代表區域2×2像素塊的平均灰度值與相鄰字塊的平均灰度值之差的絕對值小于閾值Q，1表示子塊的差值絕對值均大于閾值Q。

（2）定義決策屬性D=0，1，其中，0代表像素點在高腐蝕區，1代表像素點在低腐蝕區。根據以上的定義和粗糙集的知識分類，結合文獻[5]對腐蝕區域分割的方法，對腐蝕圖像進行區域分割。

（3）等價關系Rc1定義為：如果兩個像素的灰度值都大于某個閾值P，則兩個像素是Rc1 相關的，屬于等價類，用公式表示為。其中式中x表示該點的像素；f（x）表示其像素的灰度值；Rc1（x）表示所有“腐蝕度高”像素x組成的集合。等價關系Rc2定義為。式中 Rc2（x）表示邊緣像素的集合；K（x）為區域像素的平均灰度值函數；sij 和si±1，j±1 表示相鄰的圖像子塊。

（4）令A=Rc1（x）- Rc2（x），則區域A就是圖像的高腐蝕區。為了結果更加準確，本文還進行圖像增強處理來減小誤差。

通過特征提取算法的具體實施，能夠分別識別出材料的高腐蝕區域和低腐蝕區域，再通過圖像分割的方法，提取材料的高腐蝕區域和低腐蝕區域[1]。為后續研究材料的腐蝕等級以及材料的環境適應性提供基礎。

3 結束語

本文將粗糙集理論用到了腐蝕特征的提取中以及能反應材料在自然環境下的抗腐蝕性能，這些參數都能為研究材料的性能提供數據依據。

這種方法，相較傳統的人工檢測方法，避免了人的主觀性，降低了勞動強度，提高了勞動效率，具有重要的意義。

參考文獻

[1]紀綱，彭麗麗，王平.基于腐蝕產物顏色分析的材料腐蝕程度評定方法[J].重慶理工大學校報（自然科學版），2012，26（7）：69-73.

[2]紀鋼，朱燁華.材料外觀腐蝕特征處理評價系統研究[J].重慶工學院學報：自然科學版，2007，（1）：91-95.

[3]PAWLAK ZRough sets and intelligent data analysis[J].Information Science，2002，11（147）：1-12.

[4]武廣富，呂震中.基于粗糙集理論的火焰圖像處理與狀態識別[J].熱能動力工程，2007，22（3）：310-313.

[5]范華忠，張伯虎，馮艷.數字圖像處理技術在火焰目標提取中的應用[J].電光與控制，2006，（1）：99-102.

[6]朱光忠.邊緣檢測算子在汽車牌照區域檢測中的應用[J].計算機技術與發展，2006，（3）：161-163.

（作者單位：蘇州科技大學 外國語學院）