Предложен новый подход к определению ориентации карбидов в стали, который базируется на методе кругового спектра. На основании кругового спектра изображения и его основных характеристик (дисперсии и производной) разработана программа анализа металлографических изображений стали 15Х2МФА, позволяющая определять ориентации карбидов от зерна к зерну.

Індекс рубрикатора НБУВ: К222.09 + К66-14

Рубрики:

Вплив інших факторів на структуру і властивості заліза та його сплавів

Корозія металів. Захист металів від корозії

Шифр НБУВ: Ж29109 Пошук видання у каталогах НБУВ 

На основании аналитической оценки помех приемника изображения созданы алгоритм цветной селекции пикселей на анализированной площади и программа их количественной оценки. Результат работы программы проиллюстрирован на примере изучения фазового состава электродуговых покрытий системы Fe - Cr - B - Al.

Рассмотрена трехмерная реконструкция поверхности по двумерным изображениям с целью использования ее результатов для анализа изображений материалов с трещинами. Описаны отдельные шаги алгоритма анализа характеристик трещин материала по их изображениям. Показано, что с помощью предложенных методов можно получить информацию о профиле и объеме трещин.

Досліджено проблему обробки та розпізнавання металографічних зображень в автоматизованих експертних інформаційно-вимірювальних системах (ІВС). Розроблено моделі зображень та нові алгоритми виділення структурних елементів (зерен феритів, тріщин, борозен утоми, зламів), які грунтуються на теоретико-множинному підході. Установлено, що для прогнозування довговічності, а також зміни фізико-механічних властивостей матеріалів необхідним є визначення фрактальної розмірності зерен зображень. Розкрито суть поняття фрактала. Запропоновано новий метод визначення переважальних орієнтацій стрічок з карбідів у металографічних зображеннях, який базується на аналізі максимальних значень кругового спектра, його дисперсії та похідної. З застосуванням розроблених методів попередньої обробки, на базі формування систем інформативних ознак запропоновано елементи та структуру автоматизованої експертної ІВС для аналізу й інтерпретації у реальному часі металографічних зображень.

Оцінено та узагальнено відомі й нові методи та алгоритми аналізу структури зображень для задач комп'ютерного матеріалознавства. Розроблено рекурсивні алгоритми виділення елементів структури зображення, їх ознак та основних структурних і статистичних характеристик.

Розроблено основні принципи, методи та механізми побудови експертної інформаційно-аналітичної системи обробки та розпізнавання металографічних зображень. Визначено її структуру, функціональність, логічні й інформаційні залежності та взаємозв'язки підсистем.

Розроблено автоматизовану процедуру визначення класу зернистості зразків сталі на базі аналізу її металографічних шліфів. Установлено середній розмір вибірки зерен, необхідний для класифікації із заданими параметрами вірогідності.

Питання сегментації зображень - важлива, а також критична задача для багатьох завдань з обробки зображень. Наведено розроблені методи сегментації для напівтонових зображень структури матеріалів. Розглянуто застосування різних підходів до виділення на зображенні об'єктів уваги, для визначення на їх основі ряду характеристик та властивостей матеріалів.

Запропоновано метод автоматизації сегментування зерен металу та оцінки їх характеристик. Метод розробленого програмного засобу є допомогою експертам під час визначення імовірних зерен для їх подальшого аналізу. Проведено дослідження на різних типах зерен для апробації коректності запропонованого підходу.

Проаналізовано завадостійкість основних методів сегментації зображень за умов дії імпульсних шумів та спотворень розмиття, виявлено їх переваги та недоліки. Порівняно результати сегментації. Вказано перспективи заснованих на кластеризації зображень методів для сегментації.

Запропоновано спосіб формування ознак зображень дистанційного зондування Землі за допомогою характеристик випадкових точкових полів та їх узагальнень. Вхідне зображення поділяється на фрагменти, для елементів яких будується гістограма, визначаються її локальні максимуми, формується випадкове точкове поле, як множина геометричних центрів фрагментів для кожної яскравості. За утвореною конфігурацією кожне поле класифікується як кластерне, регулярне або випадкове. Формуються розподіли кількості елементів точкового поля у фрагменті зображення для кожної яскравості та розподіли кількості елементів точкового поля для діапазону яскравостей. Проведені дослідження точності класифікації зображень за сформованими ознаками.