1、“..... 这使专家和标准所提出的自动评估可以适用于不同的公司。 参考文献附录外文资料与中文翻译外文资料,察的与不同的测量原理相关的特征也被列入本表。 描述珩磨纹理重要特征的信号模型是本文所讨论的评价方法的基础。 基于这个模型，可以展示明确的和数学上完整定义的特性，使得组织评估具有重现性和客观性。 这种方法不同于许多广泛应用的方法如依靠神经网络，它往往被视为个暗箱。 特征的选择是基于珩磨图，和许多专家的意见......”。

2、“..... 这得出了系列的可以满足个人用户需求的特征。 珩磨组织性能图显示些珩磨组织的性能，在这个基础上来定义特征。 最常用的是粗糙度参数，例如那些基于承载比曲线雅培曲线的参数，以及，和。 。 然而，处理珩磨表面，重要的是要确定些将横向几何形状量化的特征。 通过这种方式，最相关的纹理特性可以被描述，如珩磨角度，材料涂片，断沟，杂散沟槽，洞，外构和薄片，如图所示......”。

3、“.....描述沟槽平衡，稳态的存在，凹槽形状，裂缝，转折沟槽，零散标记的特征也需要。 图表表比较机械手写设备，灰度图像和光学简图灰铸铁气缸套机械铁笔灰度图像光学轮廓测量区域深度信息是不是横向几何信息不是是覆盖整个表面非常耗时尽可能合理努力非常耗时计算处理费用低高高非接触测量不是是标准化参数是不是图珩磨纹理显示横向特点和缺陷材料涂片，沟中断杂散沟槽孔或外构的合作薄片......”。

4、“..... 个二维或三维传感器提供珩磨表面的数据，其中，∈指横向空间坐标系。 灰色块图是传感器数据处理系统的部分，该系统的输出数据可以用来简单地说明表面质量，还可以在加工工艺发生中断时发出警报，或可以通过反馈控制器调节珩磨过程，因为珩磨组织包含有关功能和加工过程的信息，不论珩磨后珩磨刷执行或不执行。 以下各节中，我们将集中于自动化检测的两个关键步骤对传感器数据的预处理和特征提取......”。

5、“..... 图自动检测的磨练表面。 预处理预处理的目的是要抑制无关部分，即不均匀性和外界干扰，同时增强感兴趣的信息，比如组织。 在图像数据的获取过程中，不均匀性可能是由于表面光洁度的空间差异。 其他的产生外界干扰的原因包括了种二维迭代的滤波器来取代高斯滤波，这种方法在处理深的沟槽时优势尤为明显。 图中所描绘的三维图形展示了珩磨表面的个部分和应用此方法算出的参考表面......”。

6、“..... 特征提取珩磨角第个特征提取的例子是估计珩磨角度。 为此，首先计算出周期，它与傅里叶变换出的纹理函数成正比。 周期是个估算的功率谱密度函数的量，它指出了产生纹理的随机过程的谱线的性质。 然后，径向估算周期，如图所示。 由于珩磨纹理包括两个系列的凹槽，估算功能也显示出两个极大值。 珩磨角度估算两个极大值之间的差异有关由于平均计算使周期值尽管存在差异，径向投影却是个非常光滑曲线。 因此......”。

7、“..... 沟槽参数下面的例子是关于沟槽参数的提取的。 这是基于转换来完成的，这种转换是将二维图像的每行画作转换区域的个点，如图所示。 接着，每个转换的和沟槽相对应的明显的峰都通过形态滤波被检测到。 最后，对于每个被检测到的沟槽，其相应的参数振幅，宽度，位置和角度都可以通过滤波器的输出来估测。 图图示变换缺陷的检测在节中，我们介绍了种分解珩磨组织的算法。 本节将重点讨论所得到的背景组织......”。

8、“.....并且将研究种可以通过图像来检测缺陷的有效方法。 它是上小节沟槽检测的改进，如图。 在这种情况下，通过分解得到的沟槽图像的转换主要是收集有关沟槽的信息，如图。 此外，分布在沟槽的缺陷也通过背景图片的变换集中于域的峰上，见图和。 通过在域内结合凹槽纹理和背景纹理，只有代表缺陷沟槽的峰仍然存在，见图项。 此图片最明显的高峰对应于图中的三个沟槽，它们确实是原始图像中最突出的凹槽缺陷如图......”。

9、“..... 为了进行有效地自动评估，首先需要进行预处理，并且个明确的和数学上完整定义的特征导向的方法，通过纳入深层数据，偏离理想情况下的沟槽和缺陷，比如说材料涂片和薄片等。 我们用个信号模型来描述传感器数据，包含组织和无关成分和为了能够替代感兴趣的信息......”。