張 韜，宗和厚，陳 華，戴 斌，劉本德，駱吉洲

（1.中國(guó)工程物理研究院化工材料研究所，四川 綿陽(yáng) 621999；2.哈爾濱工業(yè)大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，黑龍江 哈爾濱 150001）

1 引言

高聚物黏結(jié)炸藥（Polymer bonded explosive，PBX）是由炸藥晶體、黏合劑等構(gòu)成的多組份復(fù)合含能材料，在應(yīng)力影響、存放環(huán)境的物理?xiàng)l件變化等多因素的相互作用下，易形成不同程度、不同形態(tài)、不同擴(kuò)展方式的裂紋［1-3］。這些裂紋一方面會(huì)使PBX 力學(xué)性能劣化，并最終導(dǎo)致材料破壞；另一方面作為能量聚集區(qū)域可能成為“熱點(diǎn)”直接影響PBX 的力學(xué)性能、安全性能和爆轟性能［4-5］。PBX 裂紋的形成原因、發(fā)展和演化，及如何抑制裂紋的產(chǎn)生和發(fā)展等關(guān)系到PBX 的有效性和可用性，也關(guān)系到PBX 的力學(xué)性能和爆轟性能。為了評(píng)估PBX 的結(jié)構(gòu)強(qiáng)度，建立強(qiáng)度準(zhǔn)則和失效判據(jù)、分析起裂誘因以及裂紋對(duì)爆轟及環(huán)境適應(yīng)性的影響，需要對(duì)裂紋進(jìn)行精確的表征和定量分析。當(dāng)前，對(duì)于PBX 內(nèi)部裂紋的檢測(cè)主要是采用X 射線層析成像（Computed Tomography，CT）技術(shù)，該技術(shù)對(duì) PBX 裂紋的檢測(cè)分析能力不足，主要表現(xiàn)在空間與密度分辨水平低，尺寸定量精度低，檢測(cè)圖像中的裂紋分割、識(shí)別能力欠缺，所以對(duì)PBX 在早期產(chǎn)生的細(xì)小裂紋無(wú)法及時(shí)診斷，無(wú)法對(duì)裂紋的寬度、走向、類型、位置等進(jìn)行定量表征，也無(wú)法在結(jié)構(gòu)出現(xiàn)開裂后從裂紋分布特征上研究開裂原因，解決上述問題的主要途徑是建立高靈敏度、高精度、高適應(yīng)性的裂紋識(shí)別方法。

當(dāng)前HMX 基PBX 的CT 圖像暗視野性、低對(duì)比度性、高噪聲性等特點(diǎn)給裂紋識(shí)別帶來(lái)了一定技術(shù)難度?，F(xiàn)有的圖像處理算法中可用于裂紋識(shí)別的算法包括閾值分割算法、基于灰度值梯度變化的檢測(cè)算法和基于相位一致性的檢測(cè)算法。這些算法從不同角度處理裂紋識(shí)別問題。閾值分割算法［6］是一類計(jì)算簡(jiǎn)單、效果最佳、應(yīng)用最廣的圖像分割算法，它利用待提取目標(biāo)與背景的灰度值差異，通過設(shè)置閾值將像素灰度值分類進(jìn)而將目標(biāo)和背景分離；這類算法及其改進(jìn)主要適用于背景灰度一致、圖像明暗度均勻和對(duì)比度較高的圖像［7］，對(duì)于 HMX 基 PBX 裂紋提取效果不佳，細(xì)微裂紋無(wú)法提取，且提取的裂紋通常會(huì)出現(xiàn)較多的斷點(diǎn)，連續(xù)性差。邊緣檢測(cè)方法將裂紋邊緣視為圖像中灰度值有階躍性變化的像素集合，利用Sobel 算子、Canny 算子、Prewiit 算子、Robert 算子、Log 算子、Laplacian 算子、Kirsch算子［8］等各種邊緣檢測(cè)算子對(duì)裂紋進(jìn)行提??；這類方法僅適用于邊緣信息保存較為完整的圖像，易將邊緣信息較強(qiáng)的背景或噪聲也當(dāng)作裂紋；直接運(yùn)用這些邊緣算法來(lái)檢測(cè)PBX 裂紋的效果也不理想；例如，比較研究發(fā)現(xiàn)［8］在這幾種常用邊緣算子中，Sobel算子檢測(cè)到的邊緣過寬，Log算子抗噪聲能力過差，Canny算子在像素級(jí)邊緣定位的精確性和抗噪聲干擾性具有相對(duì)最好的效果。相位一致性方法通過定義相位一致性指標(biāo)，將一致性指標(biāo)超過閾值的像素視為邊緣或裂紋像素［9-10］；這類方法能有效消除暗視野或低對(duì)比度對(duì)邊緣檢測(cè)的影響，從圖像中提取到含角、線、紋理等信息的邊緣，但其計(jì)算量大且對(duì)噪聲異常敏感；由于HMX基PBX裂紋圖像存在高噪聲性，運(yùn)用相位一致性方法檢測(cè)裂紋效果很差，嚴(yán)重時(shí)甚至導(dǎo)致裂紋完全淹沒在噪聲中無(wú)法區(qū)分。針對(duì)上述問題，本研究結(jié)合統(tǒng)計(jì)學(xué)方法和連點(diǎn)成線的思想提出從PBX的CT圖像提取裂紋的一種新方法——MDCE算法。該方法首先根據(jù)圖像灰度值提取裂紋特征點(diǎn)，然后在裂紋骨架上利用馬氏距離（Mahalanobis Distance）［11］判定裂紋擴(kuò)展方向并刪除不顯著的特征點(diǎn)，最后從原始圖像中拷貝像素灰度值來(lái)將骨架連接成完整裂紋。同時(shí)，將MDCE算法與Canny算法和相位一致性方法進(jìn)行對(duì)比，MDCE算法可以提高裂紋識(shí)別精準(zhǔn)度和改進(jìn)裂紋表征方法。

2 裂紋提取算法

2.1 算法基本思想

本研究提出的MDCE 算法將CT 圖像進(jìn)行灰度轉(zhuǎn)換、圖像增強(qiáng)和噪聲過濾等預(yù)處理操作后的灰度圖像作為輸入，其輸出是圖像中裂紋的識(shí)別結(jié)果。實(shí)驗(yàn)研究發(fā)現(xiàn)，在本研究的CT 圖像上用常規(guī)方法無(wú)法識(shí)別到的裂紋表現(xiàn)出以下數(shù)字特征：

（1）圖像整體明暗變化不顯著，噪聲像素的灰度值與裂紋像素灰度值接近，難以用現(xiàn)有算法區(qū)分；

（2）圖像中待提取裂紋的灰度值梯度、相位一致性等數(shù)字特征與背景的數(shù)字特征相比不顯著；

（3）人眼能夠較準(zhǔn)確地識(shí)別裂紋，主要是裂紋的部分像素的灰度值明顯低于背景像素的平均灰度值并表現(xiàn)出很強(qiáng)的方向性和連續(xù)性；然而，噪聲像素點(diǎn)的灰度值雖然也顯著低于背景像素的平均灰度值，但其方向性和連續(xù)性差。

基于這一觀察，本研究提出了一種兩階段自動(dòng)裂紋檢測(cè)算法，利用特征像素點(diǎn)的方向性和連續(xù)性來(lái)檢測(cè)裂紋。第一個(gè)階段利用統(tǒng)計(jì)方法從輸入CT 圖像中提取灰度值顯著低于平均灰度值的特征像素點(diǎn)，提取結(jié)果中既包含裂紋骨架像素點(diǎn)，也包含了灰度值較小的噪聲像素點(diǎn)。第二個(gè)階段檢測(cè)特征像素點(diǎn)的局部方向性，將局部方向性弱的特征像素點(diǎn)視為噪聲剪除，而將局部方向性強(qiáng)的特征像素點(diǎn)用來(lái)確定裂紋的位置、方向和粗細(xì)，并通過從輸入圖像中拷貝特征像素點(diǎn)周圍的像素灰度值來(lái)連接特征像素點(diǎn)得到完整的裂紋。

2.2 預(yù)處理

預(yù)處理是保障裂紋識(shí)別算法效果的重要步驟。主要包括灰度轉(zhuǎn)換、圖像增強(qiáng)和噪聲過濾三個(gè)流程?；叶绒D(zhuǎn)換用于去除CT 圖像中冗余的信息，圖像增強(qiáng)旨在增強(qiáng)裂紋對(duì)比度，噪聲過濾主要是降低噪聲對(duì)裂紋檢測(cè)的影響。在本文中，采用將任意像素（x，y）的三通道信息R（x，y）、G（x，y）、B（x，y）進(jìn)行加權(quán)平均得到一個(gè)［0，255］內(nèi)的灰度值f（x，y）的方法，轉(zhuǎn)換過程為f（x，y）=0.299R（x，y）+0.587G（x，y）+0.114B（x，y）。采用先執(zhí)行拉普拉斯銳化方法再執(zhí)行Gamma 校正方法來(lái)進(jìn)行圖像增強(qiáng)［12］，最后選擇非局部均值濾波［13］的方法過濾噪聲平滑圖像，較好保留裂紋檢測(cè)所需數(shù)字特征。

2.3 特征像素點(diǎn)檢測(cè)算法

特征像素點(diǎn)檢測(cè)算法的輸入是待檢測(cè)的灰度圖像，其輸出是去除了非特征點(diǎn)像素影響并進(jìn)行增強(qiáng)的圖像，輸入和輸出圖像具有相同大小。算法的基本思想是將輸入CT 圖像視為隨機(jī)變量X∈［0，255］在圖像像素空間上的分布，先統(tǒng)計(jì)得到X的均值E［X］和標(biāo)準(zhǔn)差σX，再利用Chebyshev 不等式（式（1））：

定義三個(gè)閾值Ti=E［X］-ti?σX（i=1，2，3，t1＞t2＞t3＞1）將輸入圖像中所有像素根據(jù)灰度值分為四類，灰度值低于T1的像素被判定為特征像素點(diǎn)，灰度值介于T1和T2間的像素點(diǎn)被判定為強(qiáng)潛在特征像素點(diǎn)，灰度值介于T2和T3間的像素點(diǎn)被判定為弱潛在特征像素點(diǎn)，灰度值大于T3的像素點(diǎn)被判定為非特征像素點(diǎn)。最后，為了排除非特征像素點(diǎn)的影響并便于局部方向性的檢測(cè)，將前三類像素點(diǎn)的灰度值拉伸到［0，255］。具體做法是，特征像素點(diǎn)的灰度值被線性拉伸到［0，80］，強(qiáng)潛在特征像素點(diǎn)的灰度值被線性拉伸到［80，120］，弱潛在特征像素點(diǎn)的灰度值被線性拉伸到［120，255］，非特征像素點(diǎn)被丟棄。

下面討論如何確定閾值T1，T2，T3。一方面，由公式（1）和對(duì)稱性，可以得出式（2）近似估計(jì)式：

另一方面，根據(jù)統(tǒng)計(jì)規(guī)律可知，隨機(jī)變量X的取值大都在E［X］附近；并且，由于裂紋必然是稀疏、細(xì)密的，故CT 圖像中裂紋的特征像素點(diǎn)占整幅CT 圖像的比例通常不會(huì)太大（不超過10%）。據(jù)此，定義t1=81/2，t2=41/2，t3=21/2。這樣，特征像素點(diǎn)占整幅圖像像素點(diǎn)的比例不超過6.25%，特征像素點(diǎn)和強(qiáng)潛在特征像素點(diǎn)的總比例不超過12.5%，三類被保留的像素點(diǎn)的總比例不超過25%。

為改善圖像加強(qiáng)的局部性，將直方圖的概念運(yùn)用到每個(gè)像素周圍，建立層級(jí)的組合局域直方圖來(lái)反映一個(gè)像素是在裂紋內(nèi)部、邊界上或遠(yuǎn)離裂紋。在對(duì)比度不顯著的情況下，將這種信息融入算法，可以更顯著地增強(qiáng)裂紋特征像素，弱化遠(yuǎn)離裂紋的像素，達(dá)到增強(qiáng)對(duì)比度的目的，提取數(shù)字特征不顯著的干紋。

特征像素點(diǎn)檢測(cè)算法具有很強(qiáng)的自適應(yīng)性，盡管t1，t2，t3是根據(jù)統(tǒng)計(jì)規(guī)律和 PBX 的 CT 圖像裂紋稀密性得出的。事實(shí)上，三類特征像素點(diǎn)的判定不僅依賴于t1，t2，t3的取值，還依賴于 CT 圖像所有像素點(diǎn)的灰度均值和方差。因此，無(wú)論CT 圖像整體偏暗或偏亮，特征像素點(diǎn)檢測(cè)算法均能有效地檢測(cè)出“等比例地”特征像素點(diǎn)，結(jié)果如圖1 所示。

圖1 骨架提取算法結(jié)果圖Fig.1 Result of Skeleton extraction algorithm

從圖1 可以看出：（1）在裂紋與背景對(duì)比度顯著增強(qiáng)的區(qū)域，增強(qiáng)后裂紋能夠被識(shí)別出來(lái)，達(dá)到了預(yù)期設(shè)計(jì)效果；（2）通過層級(jí)的組合局域直方圖，在對(duì)比度不顯著的部分，對(duì)裂紋特征點(diǎn)進(jìn)行顯著加強(qiáng)，最終提取出數(shù)字特征不顯著的干紋。

2.4 特征像素點(diǎn)剪除和連接算法

特征像素點(diǎn)剪除和連接算法的輸入是兩幅圖像，一幅是PBX 的CT 圖像經(jīng)灰度轉(zhuǎn)換、圖像增強(qiáng)和噪聲過濾后得到的圖像Imgh，另一幅是特征點(diǎn)檢測(cè)算法輸出的圖像Imgc；特征像素點(diǎn)剪除和連接算法的輸出是裂紋圖像Imgo。特征像素點(diǎn)剪除和連接算法的核心任務(wù)是檢測(cè)Imgc中特征點(diǎn)的局部方向性，對(duì)于局部方向性強(qiáng)的特征點(diǎn)，定位裂紋位置、粗細(xì)和方向，然后相應(yīng)地從Imgh中拷貝對(duì)應(yīng)像素的灰度值到Imgo中，最終產(chǎn)生裂紋檢測(cè)結(jié)果。

首先討論如何刻畫像素集合Set 的局部方向性。圖像中的任意像素（x，y）可以視為平面上的一個(gè)點(diǎn)，因此像素集合可以等效于一個(gè)平面點(diǎn)集Set。本研究借助馬氏距離（Mahalanobis Distance）［11］來(lái)評(píng)估平面點(diǎn)集的局部方向性。直觀上，這相當(dāng)于在Set 的統(tǒng)計(jì)學(xué)中心（x0，y0）放置一個(gè)面積最小的橢圓來(lái)覆蓋Set；如果橢圓的長(zhǎng)軸明顯長(zhǎng)于短軸，則表明Set 具有強(qiáng)方向性；否則，Set 具有弱方向性。像素點(diǎn)集Set 的局部方向性可以如下計(jì)算。首先，統(tǒng)計(jì)Set 中所有點(diǎn)的橫、縱坐標(biāo)均值x0和y0；再統(tǒng)計(jì)橫、縱坐標(biāo)的方差VarX，VarY和協(xié)方差VarXY；然后，構(gòu)造協(xié)方差矩陣并計(jì)算其逆矩陣Σ-1（由Σ 的對(duì)稱性可知Σ-1也是對(duì)稱矩陣，進(jìn)而Σ-1的兩個(gè)特征值必然介于0 和1 之間）；然后，計(jì)算得到 Σ-1的兩個(gè)特征值λ1，λ2（1≥λ1≥λ2＞0）和對(duì)應(yīng)的單位特征向量v1，v2。此時(shí)，v1對(duì)應(yīng)橢圓長(zhǎng)軸的方向而v2對(duì)應(yīng)橢圓短軸的方向。本文定義比值λ1/λ2為 Set 的局部方向性度量。當(dāng)λ1/λ2≥1.5 時(shí)，判定 Set 的局部方向性較好；否則，判定Set 的局部方向性差。此外，Set 中任意一點(diǎn)（x，y）到統(tǒng)計(jì)中心（x0，y0）的馬氏距離定義為：

利用（3）式計(jì)算得到Set 中各點(diǎn)的馬氏距離之后，將所有點(diǎn)的馬氏距離從小到大排序，取0.6 分位點(diǎn)對(duì)應(yīng)的距離值稱為Set 的拷貝距離Dset。

下面運(yùn)用局部方向性剪除和連接特征點(diǎn)像素得到完整的裂紋。首先，將Imgc劃分為大小適中的網(wǎng)格G，第i行第j列網(wǎng)格內(nèi)的特征像素點(diǎn)記為集合G（i，j），然后運(yùn)用馬氏距離方法計(jì)算每個(gè)G（i，j）的局部方向性并將所有G（i，j）按局部方向性度量遞減排序并依次進(jìn)行后續(xù)步驟的處理。

（1）其中局部方向性度量小于1.5 的部分，表示覆蓋該網(wǎng)格中所有點(diǎn)的橢圓近似一個(gè)標(biāo)準(zhǔn)圓，說明該網(wǎng)格內(nèi)的點(diǎn)排列是散亂，可以認(rèn)定網(wǎng)格內(nèi)的點(diǎn)為噪聲點(diǎn)，將這類特征點(diǎn)剪除掉；

（2）針對(duì)局部方向性度量大于1.5 的每個(gè)網(wǎng)格G（i，j），將其與周圍 8 個(gè)方向上的網(wǎng)格，如圖2 所示（G（i-1，j-1）、G（i-1，j）、G（i-1，j+1）、G（i，j-1）、G（i，j+1）、G（i+1，j-1）、G（i+1，j）、G（i+1，j+1））依次合并形成新的集合，然后計(jì)算新的集合的方向性：

a.若這8 個(gè)新的集合表現(xiàn)的方向性都很弱，表示該網(wǎng)格中可能有兩種情況：一是存在一個(gè)極小的裂紋，二是由于噪聲引起的計(jì)算錯(cuò)誤。針對(duì)這種情況，由于裂紋識(shí)別任務(wù)中要求可以假陽(yáng)性，不能出現(xiàn)假陰性的結(jié)果，所以對(duì)于這種情況本文不做處理，將其保留下來(lái)；

b.當(dāng)8 個(gè)新集合中有一個(gè)或多個(gè)方向表現(xiàn)出較強(qiáng)的局部方向性，則可認(rèn)為中心集合G（i，j）與表現(xiàn)較強(qiáng)方向性的對(duì)應(yīng)的鄰居集合G（p，q）（p∈［i-1，i+1］q∈［j-1，j+1］）具有相似方向的裂紋，對(duì)G（i，j）與G（p，q）中的每一點(diǎn)都計(jì)算出其與本身集合中心點(diǎn)的馬氏距離m1與合并集合的中心點(diǎn)的馬氏距離m2。若某點(diǎn)的m1小于本身集合的拷貝距離D1并且m2小于合并后集合的拷貝距離D2，表明該點(diǎn)是裂紋上的點(diǎn)，將Imgh中對(duì)應(yīng)位置的點(diǎn)的像素值拷貝進(jìn)Imgo，這樣就能將特征點(diǎn)連接成完整裂紋；

圖2 基于網(wǎng)格八方向的特征點(diǎn)剪除和連接方法示意圖Fig.2 Illustration of Eight-orientation-grid-based Pruning and Connecting method of feature points

3 熱力加載試驗(yàn)與CT檢測(cè)

3.1 試驗(yàn)樣品

本試驗(yàn)的檢測(cè)樣品為HMX 基PBX，并將PBX 制備成Φ10 mm×10 mm 的圓柱形試件。

3.2 熱力加載壓縮試驗(yàn)

熱力加載壓縮試驗(yàn)在Instro 材料試驗(yàn)機(jī)上完成，將檢測(cè)樣品放置于材料試驗(yàn)機(jī)上進(jìn)行壓縮試驗(yàn)，首先對(duì)樣品施加5 MPa 的載荷，然后逐漸增大直到樣品產(chǎn)生裂紋，試驗(yàn)溫度為50 ℃。力學(xué)試驗(yàn)結(jié)束后將樣品從材料試驗(yàn)機(jī)取下，采用CT 進(jìn)行掃描。

3.3 CT檢測(cè)

CT 掃描成像實(shí)驗(yàn)在nanoVoxel 設(shè)備（Sanying Precision Engineering Research Center，Tianjin，China）上完成，試驗(yàn)所采用的參數(shù)為電壓100 kV，電流100 μA，單幅投影圖采樣曝光時(shí)間0.3 ms，樣品旋轉(zhuǎn)360°，投影圖采樣數(shù)為1080，每幅投影圖為同一角度的4 幅投影圖疊加平均得到。本次試驗(yàn)中所得到的成像的空間分辨率為25 μm/pixel。

圖3 CT 原理示意圖Fig.3 CT principle diagram

4 結(jié)果與分析

從CT 檢測(cè)結(jié)果可知經(jīng)過熱力耦合加載的PBX 損傷破壞模式是以微裂紋為主的脆性損傷，裂紋形態(tài)主要特征表現(xiàn)為微細(xì)網(wǎng)狀、低對(duì)比度、干紋分支等。

圖4 中展示了HMX 基高聚物粘結(jié)炸藥的CT 圖像，圖中1 處的是主干裂紋，主干裂紋圖像數(shù)字特征明顯，有較高的對(duì)比度，通常算法即能檢測(cè)出；2 處的是網(wǎng)狀微細(xì)裂紋，該裂紋寬度通常低于三個(gè)像素，且對(duì)比度較低，從數(shù)字特征來(lái)看，該裂紋很多地方的數(shù)字特征和背景噪聲一致，難以區(qū)分；3 處是低對(duì)比度裂紋，這類裂紋數(shù)字特征與背景噪聲相近，對(duì)比度很低，通常像素灰度值相差10 以內(nèi)，很能提取出來(lái)；4 處標(biāo)識(shí)的是主干裂紋分支，由于突然從特征明顯的主干裂紋過渡到特征模糊的分支裂紋，所以圖像處理算法在該處提取的裂紋容易出現(xiàn)斷裂。

分別采用Canny 邊緣檢測(cè)方法、基于相位一致性的方法與本研究MDCE 算法對(duì)上述三種裂紋進(jìn)行識(shí)別處理，結(jié)果如圖5～圖7 所示。

圖4 CT 檢測(cè)結(jié)果Fig.4 CT results

圖5 三種算法對(duì)微細(xì)網(wǎng)狀裂紋的識(shí)別結(jié)果Fig.5 Network fine crack recognition results from three algorithm

圖6 三種算法對(duì)低對(duì)比度裂紋的識(shí)別結(jié)果Fig.6 Low-contrast crack recognition results from three algorithms

從圖5 可以看出，在微細(xì)網(wǎng)狀裂紋的檢測(cè)結(jié)果中，Canny 算法（圖5b）只檢測(cè)出部分干紋，對(duì)于干紋周圍的微細(xì)裂紋根本檢測(cè)不出，基于相位一致性的算法（圖5c）能檢測(cè)出干紋和微細(xì)裂紋，但是背景噪聲很多，檢測(cè)結(jié)果被淹沒在噪聲之中，相對(duì)而言，MDCE 算法（圖5d）檢測(cè)結(jié)果的精度最高，能體現(xiàn)出原圖中微細(xì)網(wǎng)狀裂紋的空間位置及形態(tài)，且對(duì)干紋部分的檢測(cè)結(jié)果也是最連續(xù)的。

從圖6 可以看出，在低對(duì)比度裂紋的檢測(cè)結(jié)果中，基于相位一致性的算法能識(shí)別主要干紋，但是低對(duì)比度的裂紋完全湮沒在噪聲中，難以分辨。本研究MDCE 算法和Canny 邊緣算子都能較好的識(shí)別出低對(duì)比度的裂紋。

圖7 顯示，三種算法都能檢測(cè)出斜向分支的裂紋，但Canny 算法在裂紋分支處不連續(xù)，基于相位一致性的算法的背景噪聲難以去除，將裂紋特征掩蓋。本文算法檢測(cè)出的斜向分支裂紋準(zhǔn)確、清晰、連續(xù)。

圖7 斜向分支裂紋識(shí)別結(jié)果Fig.7 Oblique branch crack recognition results

5 結(jié)論

（1）提出了PBX 炸藥CT 裂紋圖像上像素級(jí)裂紋提取的新方法——MDCE 算法。該方法針對(duì)CT 圖像特征，先根據(jù)灰度值直接提取裂紋特征點(diǎn)，然后在裂紋特征骨架上利用馬氏距離判定裂紋擴(kuò)展方向，避免噪聲對(duì)裂紋提取的影響，并從原始圖像中拷貝像素灰度值來(lái)將骨架連接成完整裂紋，最終識(shí)別出清晰、完整、連續(xù)的裂紋。

（2）在采用三種方法對(duì)微細(xì)網(wǎng)狀、低對(duì)比度、干紋分支三種不同形態(tài)的HMX 基PBX 裂紋進(jìn)行識(shí)別，結(jié)果表明：對(duì)于邊緣檢測(cè)和相位一致性方法等常規(guī)方法無(wú)法識(shí)別的一些細(xì)微裂紋，本方法能較準(zhǔn)確和有效地識(shí)別。

（3）在MDCE 算法的基礎(chǔ)上進(jìn)一步研究，有望改善裂紋描述方法，提高裂紋表征能力，分析裂紋空間分布差異對(duì)PBX 起爆性能的影響，探索不同裂紋形態(tài)對(duì)PBX 起爆性能的影響規(guī)律，為外界力熱作用下PBX 起裂誘因以及裂紋對(duì)環(huán)境適應(yīng)性的影響評(píng)估提供新的研究基礎(chǔ)。