聚氨酯是一种新型电致感应智能材料,具有电致变形大、响应时间短、柔韧性好和潜在的高机电转换效率的特点。作为机器人肌肉的重要原料选项,含有高介电常数微粒的聚氨酯研究引起了学术界的关注。针对无接触检测聚氨酯形变这一难题,本文提出一种基于图像分析的聚氨酯电致形变检测方法,全程监控聚氨酯的形变过程,在该方法中,首先进行图像采集,用数码相机记录拍摄聚氨酯在不同电压下的图像,然后采用合适的图像处理算法对图像进行增强,标尺区域的定位和倾斜校正、聚氨酯图像的分割,最后根据分割的结果综合标尺刻度矫正的结果进行计算得到聚氨酯面积的大小。本文主要对图像的增强,聚氨酯区域的定位,标尺的倾斜矫正和图像分割,聚氨酯形变检测结果这几方面进行了研究,主要工作内容如下：(1)图像增强：为了保证聚氨酯形变检测的精度,前期须对图像进行增强处理。针对基于传统RGB模型的增强算法难以控制图像色调信息的弱点,提出一种基于非抽样contourlet变换和HSV模型相结合的方法。实验表明,本文方法不仅清晰度明显提高,视觉效果好,而且信噪比高。(2)标尺的倾斜矫正：由于拍摄过程中不可避免的带来角度的误差,需要对图像的标尺进行倾斜矫正,以便得到相对精确的面积值。针对传统Hough变换法检测结果不理想的问题,本文采用基于矩形框匹配的矫正方法,即先旋转然后水平移动像素比较重合的像素数,该方法本质上是寻找倾斜角的大小,达到矫正的目的。这种方法比较简明,便于理解和应用,平移的结果也能保证准确。(3)图像分割：聚氨酯图像分割是最关键的一个步骤,分割的结果对精度有重要的影响。传统的FCM算法在图像分割中只考虑了像素的灰度信息而忽略了像素之间的空间位置关系,导致分割结果不理想。针对此问题,在本文中使用了马尔可夫随机场中的图像像素的邻域关系来描述FCM算法的聚类目标函数,提出了一种新的初始类别及初始聚类中心的确定方法,在FCM算法基础上考虑了像素的空间位置关系。实验表明本文方法的分割效果好,分割成功率高。(4)聚氨酯形变检测：利用Origin8.0软件和MATLAB7.0对测试的结果进行数据分析,得到不同温度下的聚氨酯形变规律曲线,通过对曲线的分析可以对后期聚氨酯性能的改善有很强的指导意义。