基于持续同调的数据驱动自动表面纹理分析
信号处理
2021-10-20 v1 计算几何
计算机视觉与模式识别
机器学习
摘要
表面粗糙度在分析工程表面中起着重要作用。它量化表面形貌，并可用于判定所得表面光洁度是否合格。然而，尽管现有若干工具与标准可用于计算表面粗糙度，这些方法严重依赖用户输入，从而拖慢分析并增加制造成本。因此，快速且自动地判定粗糙度等级对于避免因表面光洁度不合格及用户密集型分析而产生的成本至关重要。在本研究中，我们提出一种基于拓扑数据分析（TDA）的方法，利用合成表面的面域图像与轮廓对其粗糙度等级进行分类。我们利用 TDA 中的持续同调生成封装表面形状信息的持续图。随后，我们使用 Carlsson 坐标、持续图像与模板函数为每个表面或轮廓获取特征矩阵。我们将结果与文献中两种广泛使用的方法进行比较：快速傅里叶变换（FFT）与高斯滤波。结果表明，我们的方法所得平均准确率高达 97%。我们还表明，与现有表面分析工具相反，我们基于 TDA 的方法完全可自动化，并提供自适应特征提取。
引用
@article{arxiv.2110.10005,
title = {Data-driven and Automatic Surface Texture Analysis Using Persistent Homology},
author = {Melih C. Yesilli and Firas A. Khasawneh},
journal= {arXiv preprint arXiv:2110.10005},
year = {2021}
}