导读:本文包含了纹理粗糙度论文开题报告文献综述、选题提纲参考文献，主要关键词:纹理,粗糙度,表面,卷积,油膜,图像,特征。
纹理粗糙度论文文献综述写法
周兴林,李庆丰,祝媛媛,肖神清[1]（2019）在《粗集料纹理粗糙度表征的高差相关函数方法》一文中研究指出为全面描述粗集料的粗糙程度,引入高差相关函数进行粗集料表面纹理多参数表征.首先借助触针轮廓仪获取集料表面纹理轮廓曲线,消除数据误差.然后,计算粗集料高差相关函数,对函数进行分段拟合,计算表面纹理曲线的自相似特征参数(D,ξ_∥,■)作为评价指标,分析粗集料表面纹理的粗糙程度.结果表明:粗集料表面纹理在一定范围内具有两段变维特性,微观纹理和宏观纹理的尺度界线为100～200μm;不同集料表面宏观纹理分形维数D_1均在1.3左右,微观纹理分形维数D_2均在1.05左右,分形维数对粗糙度不敏感;水平截止波长ξ_∥和幅度期望值■分别反映了粗集料表面微凸体的水平波长期望值和垂直幅度期望值,水平截止波长ξ_∥反映最大微凸体的大小,其中白云岩和闪长岩较小,晶体结构较大的花岗岩较大.幅度期望值从大到小依次为闪长岩、黄砂岩、花岗岩1、辉绿岩、花岗岩2、白云岩,符合实际情况,幅度期望值■可定量描述集料整体的粗糙程度.自相似特征参数可全面描述粗集料表面纹理的粗糙程度.(本文来源于《哈尔滨工业大学学报》期刊2019年09期）
蔡平波,黄志勇[2]（2019）在《基于激光扫描技术的粗集料纹理粗糙度评价》一文中研究指出采用高精度激光位移传感器对不同粗集料的轮廓进行纹理测试,建立摩擦系数和磨光值之间的联系,揭示路面抗滑性能衰减过程中粗集料形貌变化特性。结果表明:辉绿岩与玄武岩集料表面分形维数值较高,花岗岩集料轮廓分维值最小;粗集料表面摩擦系数与表面轮廓分形维数值之间呈线性正相关关系;粗集料纹理随着磨损时间增加呈现单调衰减状态,路面磨耗层粗集料在条件允许下应优先考虑玄武岩与辉绿岩集料。(本文来源于《筑路机械与施工机械化》期刊2019年08期）
张芝齐,吴建平,钱文华,陈培德[3]（2018）在《一种基于旋转不变性的纹理粗糙度改进算法》一文中研究指出少数民族图案纹理粗糙度的提取对少数民族图案的表达和解析提供了有效的数据支撑,也对少数民族图案的合成提供了相应的特征信息。针对原Rosenfeld纹理粗糙度算法的量化精度不高和其计算结果旋转不变性不稳定,同时为了适应在不同角度下稳定准确地提取少数民族图案纹理粗糙度的需要,提出了一种基于领域均值差值和分式量化的改进算法。用数学理论推导、证明了分式量化的量化精度为最高,通过计算在不同角度下提取一张少数民族图案的纹理粗糙度的方差来衡量该算法的旋转不变性。结合Brodatz纹理图像库和苗族刺绣图案库进行了Matlab算法验证实验,实验数据对比结果表明,改进算法旋转不变性得到了显着提高。(本文来源于《计算机技术与发展》期刊2018年11期）
周兴林,肖神清,肖旺新,冉茂平[4]（2017）在《粗集料表面纹理粗糙度的多重分形评价》一文中研究指出以多重分形理论为基础,研究了6种集料(闪长岩、辉绿岩、花岗岩等,粒径为9.5~13.2mm和13.2~16mm两档)表面粗糙度.通过60X显微放大6种集料表面,获得各集料较为直观的粗糙度评价;然后采用激光轮廓仪获取集料表面轮廓高程数据,对轮廓数据进行Butterworth高通滤波处理,分离出表面粗糙度纹理信号,验证了集料表面纹理具有多重分形特性;最后对各集料的多重分形谱参数Δα与集料磨光值pPSV进行相关性分析.结果表明:多重分形谱参数Δα和Δf较单参数能更细致地表征集料表面粗糙度,Δα从整体上表征集料表面高程分布不均匀的程度,Δf从高程峰谷值局部表征表面起伏特性;Δα与pPSV具有较好的线性关系(拟合优度达0.84),集料磨光值越高,其谱宽越大;运用多重分形谱评价集料表面纹理粗糙度具有可行性,并且能为集料实际工程应用提供快速、全面的评价方法.(本文来源于《华中科技大学学报(自然科学版)》期刊2017年02期）
鲁亚迪,亓秀梅,高创宽[5]（2017）在《横向纹理粗糙度对滚动轴承润滑特性的影响》一文中研究指出首先通过实测获得了一系列具有横向纹理的表面粗糙度数据;其次,借助傅里叶非线性变换拟合出粗糙度函数,并将其迭加到油膜厚度方程中形成了滚动轴承混合热弹流润滑模型;基于此模型,在固定滚动轴承参数不变的前提下,通过改变接触表面粗糙度之值共进行了45组数值计算;然后,通过对计算结果的回归分析,分别建立了内圈与滚动体接触点处的平均油膜厚度及次表面主剪应力最大值与粗糙度之间的定量关系。(本文来源于《机械强度》期刊2017年01期）
赵爱罡,王宏力,杨小冈,陆敬辉,姜伟[6]（2016）在《纹理粗糙度在红外图像显着性检测中的应用》一文中研究指出提出了基于纹理粗糙度的红外图像显着性检测算法,以解决红外图像对比度低,目标显着性检测难的问题。首先,研究了Tamura的粗糙度原理,对粗糙度进行分析和评价,提出了新的粗糙度计算方法。然后,将图像分解为超级像素集合,并计算超级像素的最大平均强度差;利用最大平均强度差定义超级像素的最佳尺度,作为纹理粗糙度的度量。最后,将超级像素区域均匀外延,利用粗糙度的局部对比度和灰度信息度量红外图像的显着性。通过实验验证了本文算法的有效性,结果表明:在10%的噪声水平下,本文粗糙度保持不变,粗糙度特征图一致性较好,而Tamura的粗糙度特征图中杂点明显增多。与其它显着性检测算法对比,本文算法击中率最高,为0.752。该算法挖掘了红外图像的纹理粗糙度特征,为红外图像显着性检测提供了新的特征选择。(本文来源于《光学精密工程》期刊2016年01期）
刘明勇,刘怀举,朱才朝,陈源,周明刚[7]（2015）在《粗糙度纹理对有限长线接触混合润滑影响》一文中研究指出采用统一Reynolds方程建立有限长线接触混合润滑模型,研究横向、纵向和二维规则表面粗糙度的波长、幅值及工况变化对润滑影响.结果表明:波长、幅值与工况对叁种表面粗糙度接触副的润滑影响类似;随着载荷增大,平均膜厚降低,摩擦系数、接触载荷比与接触面积比均增大;随着转速升高,平均膜厚增大,摩擦系数、接触载荷比与面积比均降低,其中摩擦系数随转速进一步增大而小幅升高.在润滑状态转换区域润滑特征参数变化显着,而其他润滑区域变化平缓.沿卷吸速度方向的压力与膜厚波动分布存在相位差,垂直方向则同相位;相同的工况和粗糙度参数时,纵向粗糙度分布更有利于接触润滑.(本文来源于《摩擦学学报》期刊2015年06期）
高龙飞[8]（2014）在《基于图像纹理分析的车削表面粗糙度检测》一文中研究指出表面粗糙度是评定零件表面质量的重要指标,它直接影响到零件的使用性能、安全和寿命,尤其对于具有特殊功能(密封、相对移动等)的零件更是如此。因此,快速准确、无损地检测零件工作表面的粗糙度对于零件的正常使用性能和系统的安全性具有重要意义。本文基于计算机视觉理论,采用图像纹理分析方法,实现了对车削工件表面粗糙度的非接触式无损检测。本文研究的主要内容为:(1)搭建了以VHX-1000型超景深叁维显微系统为核心的测量系统硬件平台,实现了车削工件表面清晰显微图像的获取。(2)基于灰度共生矩阵方法(GLCM),对车削工件表面图像进行了纹理统计分析和特征提取。首先,根据车削表面图像特征,确定了灰度共生矩阵的最优构造参数,为后续的特征提取提供准确的数据。其次,根据车削原理和车削痕迹图像特征,提取并分析了基于灰度共生矩阵的14个统计特征参数,分别为角二阶矩、对比度、相关性、差分矩、逆差分矩、和平均、和方差、和熵、熵、差方差、差熵、相关信息测度Ⅰ、相关信息测度Ⅱ和最大相关系数。建立了灰度共生矩阵统计特征参数和对应的表面粗糙度的关系模型数据库。(3)采用多元回归分析方法构建了车削工件表面粗糙度的检测模型,实现了车削工件表面粗糙度的定量计算。分别建立了多元线性回归检测模型与多元非线性回归检测模型,拟合了工件表面纹理特征参数与工件表面粗糙度评定参数Ra映射关系的数学表达式。通过测试样本检验,两种多元回归分析方法均具有较高的检测精度,能够满足表面粗糙度测量的精度要求。实验表明,非线性多元回归检测模型检测精度优于线性多元回归检测模型。(4)采用BP神经网络算法,建立了车削表面粗糙度的检测模型。以车削表面图像纹理特征参数为输入量,对应的表面粗糙度评定值Ra为期望输出,构建了神经网络检测模型。实验结果表明,BP神经网络检测模型具有较高的检测精度,且其检测精度高于多元回归检测模型。(5)以MARLAB软件为开发平台,完成了车削表面粗糙度检测系统的软件设计,并开发了图形用户界面。最后,应用该检测系统对检测模型进行了实验研究,并将该检测结果与传统探针式测量结果进行了对比分析。结果表明,本文检测模型的检测平均误差率均在允许范围内,满足测量要求,可以实现车削表面粗糙度的快速准确、无损检测。(本文来源于《沈阳建筑大学》期刊2014-11-01）
崔敏[9]（2013）在《纹理图像分析技术在表面粗糙度测量中的应用》一文中研究指出以MATLAB软件为设计平台,构建了零件表面粗糙度的检测系统。采用同态滤波等图像处理技术,对零件表面图像进行预处理,选取图像灰度直方图参数为表征纹理的像元特征值,灰度共生矩阵参数为表征纹理结构的区域特征值,建立了BP神经网络,实现了对零件表面粗糙度参数的测量,并对测试结果与电动轮廓仪的测量结果进行了对比和分析,验证了系统的可行性。(本文来源于《新技术新工艺》期刊2013年08期）
张旭光,贺海明,苏连成,李小俚[10]（2013）在《基于流场纹理表达与表面粗糙度测量的运动目标分割》一文中研究指出针对传统的光流法和背景差法所分割的运动目标存在区域丢失和内部孔洞的缺点,本文提出一种基于流场纹理表达及物体表面粗糙度测量的运动目标分割方法,即通过计算相邻帧间的光流将目标运动表达成流体的流动,并利用线积分卷积来表达流场纹理以展示更多的流场细节,从而将背景图像和运动目标分别表达成不同的纹理,最后通过针描法测量物体表面粗糙度的策略将运动目标和背景的纹理图像映射为表面粗糙度不同的物体,并通过分析直方图确定阈值分割运动目标。实验结果表明,本文提出的运动目标分割方法可自适应地选取阈值,并且可克服内部孔洞。(本文来源于《燕山大学学报》期刊2013年04期）
纹理粗糙度论文开题报告范文
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
采用高精度激光位移传感器对不同粗集料的轮廓进行纹理测试,建立摩擦系数和磨光值之间的联系,揭示路面抗滑性能衰减过程中粗集料形貌变化特性。结果表明:辉绿岩与玄武岩集料表面分形维数值较高,花岗岩集料轮廓分维值最小;粗集料表面摩擦系数与表面轮廓分形维数值之间呈线性正相关关系;粗集料纹理随着磨损时间增加呈现单调衰减状态,路面磨耗层粗集料在条件允许下应优先考虑玄武岩与辉绿岩集料。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
纹理粗糙度论文参考文献
[1].周兴林,李庆丰,祝媛媛,肖神清.粗集料纹理粗糙度表征的高差相关函数方法[J].哈尔滨工业大学学报.2019
[2].蔡平波,黄志勇.基于激光扫描技术的粗集料纹理粗糙度评价[J].筑路机械与施工机械化.2019
[3].张芝齐,吴建平,钱文华,陈培德.一种基于旋转不变性的纹理粗糙度改进算法[J].计算机技术与发展.2018
[4].周兴林,肖神清,肖旺新,冉茂平.粗集料表面纹理粗糙度的多重分形评价[J].华中科技大学学报(自然科学版).2017
[5].鲁亚迪,亓秀梅,高创宽.横向纹理粗糙度对滚动轴承润滑特性的影响[J].机械强度.2017
[6].赵爱罡,王宏力,杨小冈,陆敬辉,姜伟.纹理粗糙度在红外图像显着性检测中的应用[J].光学精密工程.2016
[7].刘明勇,刘怀举,朱才朝,陈源,周明刚.粗糙度纹理对有限长线接触混合润滑影响[J].摩擦学学报.2015
[8].高龙飞.基于图像纹理分析的车削表面粗糙度检测[D].沈阳建筑大学.2014
[9].崔敏.纹理图像分析技术在表面粗糙度测量中的应用[J].新技术新工艺.2013
[10].张旭光,贺海明,苏连成,李小俚.基于流场纹理表达与表面粗糙度测量的运动目标分割[J].燕山大学学报.2013