技术摘要：
本发明属于数据库构建技术领域，公开了一种损伤图像特征数据库构建方法、构建系统及民航发动机，通过无损检测技术采集民航发动机内部的不同结构损伤图像；利用数字图像处理技术对采集的发动机损伤图像进行降噪、增强和分割的预处理操作；基于颜色矩特征和灰度共生矩阵  全部
背景技术：
目前，民航飞机的安全运行直接关系到旅客的生命财产安全，保障民航飞机安全 飞行，是民航业的生命线。发动机作为高度集成化、精密化的复杂工业产品，向飞机运行提 供充足的动力，是保障飞行安全的关键系统。根据全球民航业数据统计，由发动机引起的飞 行事故占比约为50％；而发动机的维修支出约占到所有支出成本的40％。因此开展高效、精 准的民航发动机维修决策研究，对保障飞行安全、降低维护成本、提高运行效率具有重要意 义。 民航发动机长期在高温、高压、高载荷的严苛环境下运行，各级轮盘、叶片、涡轮、 燃油喷嘴等关键部件容易受到各类冲击载荷作用，产生裂纹、腐蚀、撕裂、烧伤、掉块等各类 损伤。这不仅使发动机产生性能衰退，还容易导致发动机工作失效，严重时甚至威胁飞行安 全，造成严重后果。借助于数字图像处理技术，对损伤图像进行降噪、增强、分割等操作，可 以增强图像对比度，提升损伤识别准确率。但是，现有基于数字图像处理技术的损伤识别依 然依赖专家经验，但发动机结构复杂，损伤种类多样、特征繁多，传统的依赖专家经验的方 法越来越难以胜任损伤类型的精确识别。同时，现有技术中关于构建发动机损伤图像的特 征数据库还尚未见报道。 通过上述分析，现有技术存在的问题及缺陷为：(1)现有基于数字图像处理技术的 损伤识别依然依赖专家经验，但发动机结构复杂，损伤种类多样、特征繁多，传统的依赖专 家经验的方法越来越难以胜任损伤类型的精确识别。 (2)现有技术中关于构建发动机损伤图像的特征数据库还尚未见报道。 解决以上问题及缺陷的难度为： 发动机的图形损失类型、损失成因负责，图形图像特征多样，难以对损失模式的图 形特征准确提取。 解决以上问题及缺陷的意义为：很好解决了发动机损伤图形特征提取中存在的问 题，如车辆号牌识别，等。
技术实现要素：
针对现有技术存在的问题，本发明提供了一种损伤图像特征数据库构建方法、构 建系统及发动机，具体涉及一种基于颜色特征和纹理特征的损伤图像特征数据库构建方 法。 本发明是这样实现的，一种损伤图像特征数据库构建方法，包括以下步骤： 步骤一，通过无损检测技术采集民航发动机内部的不同结构损伤图像。 步骤二，利用数字图像处理技术对采集的发动机损伤图像进行降噪、增强和分割 5 CN 111581409 A 说　明　书 2/10 页 的预处理操作。 步骤三，基于颜色矩特征和灰度共生矩阵纹理特征提取损伤图像数字特征。 步骤四，根据损伤图像数字特征构建发动机损伤图像特征数据库。 步骤五，利用发动机损伤图像特征数据库识别未知损伤图像，并进行识别结果的 显示；同时，将新损伤特征归入数据库。 进一步，步骤三中，所述损伤图像特征的提取方法包括： (1)将待检测的损伤图像进行灰度化处理。 (2)进行颜色矩特征提取，获得一阶矩、二阶矩和三阶矩。 (3)进行灰度共生矩阵特征提取，通过能量、对比度、相关性、熵和逆差矩来表征灰 度共生矩阵反映的纹理特征。 进一步，所述步骤(1)的将待检测的损伤图像进行灰度化处理包括： 设R、G、B为发动机损伤图像的红色、绿色、蓝色分量矩阵，按照人眼对不同色系的 敏感程度，图像的灰度化根据对R、G、B三分量进行加权平均获得，其计算表达式如下： f(i,j)＝0.30·R(i,j) 0.59·G(i,j) 0.11·B(i,j)    (1) 其中，f表示图像的灰度矩阵。 进一步，所述步骤(2)的进行颜色矩特征提取的方法，包括： 获得灰度化的损伤图像后，通过计算的矩来描述颜色的统计特征。通常，颜色分布 信息主要集中在低阶矩，因此采用前三阶矩来表明图像的颜色分布，其计算公式如下： 其中，N为矩阵的像素数量；pij为第i行j列的像素点；μ为一阶矩，也叫矩阵的均值， 表示灰度图像的平均强度；σ为二阶矩，也叫矩阵的方差，反映了灰度图像的不均匀性；而ζ 为三阶矩，也叫矩阵的偏度，定义了灰度图像的不对称性。 进一步，所述步骤(3)的进行灰度共生矩阵特征提取的方法，包括： 灰度共生矩阵GLCM是对灰度图像上保持距离为d，方向为θ的两个像素分别具有某 灰度的状况进行统计获得的，反映了灰度图像关于方向、间隔和幅度变化的综合信息，是分 析图像局部模式的基础。采用能量(angular  second  moment,ASM)、对比度(contrast)、相 关性(correlation)、熵(entropy)、逆差矩(inverse  different  moment,IDM)来表征GLCM 反映的纹理特征，具体计算公式如下： 6 CN 111581409 A 说　明　书 3/10 页 其中， 能量反映了图像灰度分布的均匀程度和纹理粗细程度，当GLCM中元素集中分布 时，ASM有相对较大的值，表明了灰度图像是一种较为均匀规则的纹理模式。对比度反映了 灰度图像的清晰度，一般图像沟纹越深，CON越大，视觉效果越清晰。相关性度量了GLCM中行 元素或列元素的相似度，当元素均匀相等时，COR较大，反映了图像中局部灰度相关。熵是图 像所携带的随机信息的度量，GLCM中元素分散分布时，ENT较大，表示了图像的非均匀程度 和复杂程度。而逆差矩反映图像纹理的粗糙度，粗纹理的IDM较大，反之较小。至此，提取了 灰度图像的颜色矩特征和GLCM纹理特征8个，用于描述发动机损伤图像，进而构建发动机损 伤图像数据库，为自动识别提供样本支撑。 本发明的另一目的在于提供一种损伤图像特征数据库构建系统包括： 结构损伤图像获取模块，通过无损检测技术采集民航发动机内部的不同结构损伤 图像； 7 CN 111581409 A 说　明　书 4/10 页 动机损伤图像处理模块，利用数字图像处理技术对采集的发动机损伤图像进行降 噪、增强和分割的预处理； 损伤图像数字特征提取模块，基于颜色矩特征和灰度共生矩阵纹理特征提取损伤 图像数字特征； 发动机损伤图像特征数据库构建模块，根据损伤图像数字特征构建发动机损伤图 像特征数据库； 识别结果显示模块，利用发动机损伤图像特征数据库识别未知损伤图像，并进行 识别结果的显示；同时，将新损伤特征归入数据库。 本发明的另一目的在于提供一种接收用户输入程序存储介质，所存储的计算机程 序使电子设备执行所述损伤图像特征数据库构建方法。 本发明的另一目的在于提供一种存储在计算机可读介质上的计算机程序产品，包 括计算机可读程序，供于电子装置上执行时，提供用户输入接口以实施所述损伤图像特征 数据库构建方法。 本发明的另一目的在于提供一种利用所述损伤图像特征数据库构建方法分析处 理内部不同结构损伤信息的民航发动机。 结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明利用颜色 矩和灰度共生矩阵(gray  level  co-occurrence  matrix,GLCM)来提取发动机损伤图像数 字特征，并根据某型发动机的4种损伤类型图像，按照不同的特征提方法构造基于发动机无 损检测图像的特征数据库。本发明提出的基于颜色矩和GLCM纹理特征的特征提取方法更有 利于描述发动机的损伤图像，准备表达发动机的损伤特征，提供合理有效的损伤图像特征 数据库。 本发明借助于无损检测技术，能准确探测到发动机内部产生的结构损伤，并形成 图像信息。确定发动机损伤类型是发动机图像分析技术的关键环节，对进一步判断损伤机 理、确定损伤部件、评估受损程度具有指导作用。借助于数字图像处理技术，对损伤图像进 行降噪、增强、分割等操作，可以增强图像对比度，提升损伤识别准确率。 附图说明 图1是本发明实施例提供的基于颜色特征和纹理特征的损伤图像特征数据库构建 方法流程图。 图2是本发明实施例提供的发动机损伤图像识别过程示意图。 图3是本发明实施例提供的图像特征提取流程图。 图4是本发明实施例提供的某型发动机损伤图像示意图。