機械加工表面形貌分形特征的計算方法

馮劍

摘 要：隨著信息技術尤其是計算機互聯(lián)網(wǎng)技術的發(fā)展和應用正以前所未有的廣度和深度，進一步推進生產(chǎn)方式、發(fā)展模式的深刻變革，特別是機械行業(yè)方面值得關注，本文首先分析Gabon 特征的簡介、Gabor核及其變換、然后提出應用小波變換計算表面形貌分形特征參數(shù) ，基于 和 函數(shù) （ M- B函數(shù) ）以及 （ W- M函數(shù) ） ，驗證了小波變換計算分形維數(shù)精度高的特點。

關鍵詞：機械加工；表面形貌；分形特征；計算方法

引言：當前，越來越多的事實表明，信息技術尤其是計算機互聯(lián)網(wǎng)技術的發(fā)展和應用正以前所未有的廣度和深度，進一步推進生產(chǎn)方式、發(fā)展模式的深刻變革，特別是機械行業(yè)方面值得關注，基于此，筆者展開機械加工表面形貌分形特征的計算方法探討。

一、Gabon 特征的簡介

Gabor 特征是一種可以用來描述圖像紋理信息的特征，Gabor 濾波器的頻率和方向與人類的視覺系統(tǒng)類似，能夠提供良好的方向選擇和尺度選擇特性，而且對于光照變化不敏感，特別適合于紋理表示與判別。Gabor 特征主要依靠 Gabor 核在頻率域上對信號進行加窗，從而能描述信號的局部頻率信息。說到 Gabor 核，不能不提到傅里葉變換。傅里葉變換可以將信號從時域轉(zhuǎn)換到頻域，但無法獲得頻譜中不同頻率之間的先后關系，正是靠傅里葉變換，我們才能將信號轉(zhuǎn)換到頻率域，才能讓Gabor核在頻率域去加窗。而在原本的空間域中，一個 Gabor 核實際上就是一個高斯核與正弦波調(diào)制的結(jié)果。

如下圖所示，分別為正弦函數(shù)，高斯函數(shù)，調(diào)和后的函數(shù)。通過頻率參數(shù)和高斯函數(shù)參數(shù)的選取，Gabor變換可以選取很多紋理特征，但是Gabor是非正交的，不同特征分量之間有冗余。

二、Gabor核及其變換

如果從Fourier變換的角度來看，Gobor變換就是窗函數(shù)取高斯窗時的短時Fourier變換。

abor濾波器參數(shù)解釋

V的值決定了Gabor濾波的波長，u的值表示Gabor函數(shù)的方向，k表示總的方向數(shù)。參數(shù) 決定高斯窗口的大小

3、Gabor特征提取

先對圖像I（x，y）進行實數(shù)形式的Gabor變換，得到處理后的圖像，直接提取特征的話，特征維數(shù)太高，不利于后續(xù)處理。一般對圖像分塊，例如：分別水平和垂直方向取16等分，將整個圖像分成64個16x16大小的子圖像塊。

然后計算每一塊對應的能量。計算之后得到聯(lián)合空間頻率能量矩陣Energy。最后將能量矩陣降維成1x64的行向量，作為原始圖像在某一方向和尺度變換后的特征向量

三、灰度共生矩陣

灰度共生矩陣是圖像紋理特征提取當中最簡單的方法，即一種通過研究灰度的空間相關特性來描述紋理的常用方法。它是基于紋理是由灰度在空間位置上重復出現(xiàn)而產(chǎn)生的，所以在圖像空間中好像某距離的兩像素之間會存在一定的灰度關系，即圖像中灰度的空間相關特性對于紋理變化，當圖像紋理變化較快的圖像，其灰度共生矩陣對角線上的數(shù)值較小，當圖像紋理變化緩慢時，其灰度共生矩陣對角線上的數(shù)值較大。Haralick曾提出了對比度、均勻性、能量、熵以及相關性、方差、差方差、差平均等14種基于灰度共生矩陣計算出來的統(tǒng)計量。比如matlab

GLCM = [0 1 2 3；1 1 2 3；1 0 2 0；0 0 0 3]；

stats = graycoprops（GLCM）

stats里面獲得的是圖像的'Contrast'、'Correlation'、'Energy'和'Homogeneity'。

I = imread（'circuit.tif'）；

GLCM2 = graycomatrix（I，'Offset'，[2 0；0 2]）；

stats = graycoprops（GLCM2，{'contrast'，'homogeneity'}）

stats里面獲得的是圖像的'Contrast'和'homogeneity'。

這里Contrast取值范圍是：Range = [0 （size（GLCM，1）-1）^2]，如果圖像內(nèi)所有像素的灰度值完全一樣，則 Contrast = 0；

Correlation取值范圍是：Range = [-1 1]，如果圖像內(nèi)所有像素的灰度值完全一樣，則Correlation = Nan；當時提取圖像特征時，將圖像分成了8*8的小窗口，往往這些窗口會出現(xiàn)灰度值完全一樣的情況，所以Correlation=Nan的情況。

Energy的取值范圍是Range =[0，1]，如果圖像內(nèi)所有像素的灰度值完全一樣，那么Energy = 1；

Homogeneity取值范圍是Range =[0，1]；

共生矩陣用兩個位置的像素的聯(lián)合概率密度來解釋，它一方面反映亮度的分布情況，另一方面具有同樣亮度或者接近亮度的像素之間的位置分布，是有關圖像亮度變化的二階統(tǒng)計特征。它是定義一組紋理特征的基礎。

四、小波變換分析方法

小波分析是一種新興的數(shù)學分支，它是泛函數(shù)、Fourier分析、調(diào)和分析、數(shù)值分析的最完美的結(jié)晶；在機械加工應用領域，尤其是在信號處理、圖像處理、語音處理以及眾多非線性科學領域，它被認為是繼Fourier分析之后的又一有效的時頻分析方法。小波變換與Fourier變換相比，是一個時間和頻域的局域變換因而能有效地從信號中提取信息，通過伸縮和平移等運算功能對函數(shù)或信號進行多尺度細化分析（Multiscale Analysis），解決了Fourier變換不能解決的許多困難問題。

1.尺碼法，計算分型維數(shù)準確度最低，隨著所選尺碼大小區(qū)分的不同，測量長度的結(jié)果分散較大，對較大分型維數(shù)的情形下計算值很小，并且計算精度同同采樣點數(shù)關系不大。

2.盒子法比較分析：基于受到離散采樣點的限制，結(jié)果誤差通常在百分之十以上，增加采樣煩點能夠增加計算精度，但同時也增加了計算工作量。

3.結(jié)構函數(shù)法和協(xié)差方法比較分析：對w-m函數(shù)分析維數(shù)的計算結(jié)果較好，對w-B函數(shù)分析維數(shù)較小時計算準確度較低，并且，在w-B函數(shù)分型維數(shù)較大的情形時，隨著時間隔的變化，計算值比較分散，線性關系不容易確定。

4、R/S分析法分析：對w-m函數(shù)在大分形維數(shù)時計算誤差在百分之五以上，而對w-b函數(shù)分型維數(shù)在較小的分形維數(shù)下，準確度較低，其線性度比協(xié)差方法和結(jié)構函數(shù)好。

5、差方法

在全部的時域分析法中，計算值線性度是最好的，但計算值誤差百分之五以上。一定區(qū)間時，m-b函數(shù)的計算值出現(xiàn)拐點，隨著采樣點的增加計算準度度增強。

參考文獻：

[1]李俊.機械加工表面形貌分形特征的計算方法[J].區(qū)域治理，2018，（15）：287.

[2]王安良，楊春信.機械加工表面形貌分形特征的計算方法[J].中國機械工程，2002，13（8）：714-718.

[3]趙斌.導軌表面粗糙度功能參數(shù)表征及其對摩擦特性的影響[D].山東大學，2017.

[4]蔣澤文.亞磷酸酯功能化聚硅氧烷的制備及其對聚乳酸穩(wěn)定性能的研究[D].華東理工大學，2018.

[5]王雯朝.加工表面形貌特征仿真與切削參數(shù)影響規(guī)律研究[D].西安理工大學，2016.

[6]白利娟.進給方向振動輔助銑削三維表面形貌仿真分析[D].山東大學，2016.