小波結(jié)合C-V模型的工業(yè)CT-DR圖像缺陷檢測(cè)算法研究.pdf

1、工業(yè)計(jì)算機(jī)斷層成像（Industrial Computed Tomography,ICT）與數(shù)字式X射線成像（Digital Radiography,DR）系統(tǒng)是兩種重要的無(wú)損檢測(cè)技術(shù)。通過(guò)X射線掃描被檢測(cè)工件，可以得到工件內(nèi)部包含缺陷的CT/DR圖像。缺陷檢測(cè)主要是對(duì)工業(yè)CT/DR圖像中的缺陷進(jìn)行分割與測(cè)量，對(duì)保證鑄件可靠性發(fā)揮著重要的作用。為了識(shí)別工件圖像中的缺陷，需要將其從圖像中分割出來(lái)，在此基礎(chǔ)上才有可能進(jìn)一步對(duì)缺陷進(jìn)行測(cè)量和分

2、析。
　　由于受工件材質(zhì)和射線輻射采集干擾信號(hào)等因素的影響，有些圖像數(shù)據(jù)存在噪聲多、缺陷邊緣模糊、背景亮度不均勻、對(duì)比度不高等特點(diǎn)，傳統(tǒng)的圖像分割方法不能準(zhǔn)確的分割出圖像中的缺陷區(qū)域?；谇€演化理論和水平集方法的C-V模型可以較好的分割圖像，但由于在分割的過(guò)程中，水平集函數(shù)不斷的重新初始化和迭代求解偏微分方程，計(jì)算量比較大，導(dǎo)致分割速度很慢。針對(duì)此缺點(diǎn)，采用一種改進(jìn)算法，將小波變換與C-V模型的圖像分割算法綜合。首先對(duì)CT/DR

3、圖像進(jìn)行小波變換，在粗尺度圖像上使用C-V模型進(jìn)行分割，然后將其分割結(jié)果插值到細(xì)尺度圖像上，作為其演化的初始輪廓。改進(jìn)算法不僅提高了圖像分割的速度，而且具有降噪的作用。本文完成的主要內(nèi)容如下：
　　1.以含缺陷的二維DR圖像為研究對(duì)象，針對(duì)C-V模型演化速度慢的特點(diǎn)，將二維DR圖像進(jìn)行小波分解，采用C-V模型對(duì)其粗尺度低頻圖像進(jìn)行缺陷定位，其結(jié)果已大致靠近目標(biāo)區(qū)域，然后將其結(jié)果內(nèi)插值到細(xì)尺度圖像上，以插值后的輪廓線作為C-V模型在

4、細(xì)尺度圖像演化的初始輪廓線，依次下去，直到得到原始圖像的缺陷區(qū)域。對(duì)實(shí)際鑄件DR圖像的實(shí)驗(yàn)結(jié)果表明該方法是可行、高效的。
　　2.為了滿足實(shí)際問(wèn)題中對(duì)測(cè)量結(jié)果精度的要求，研究一種亞像素測(cè)量方法。在小波與C-V模型相結(jié)合定位圖像缺陷的基礎(chǔ)上，采用線性插值的方法將像素級(jí)邊緣定位到亞像素精度，從而對(duì)缺陷進(jìn)行亞像素測(cè)量。仿真實(shí)驗(yàn)表明，本文改進(jìn)方法的測(cè)量精度優(yōu)于傳統(tǒng)方法。
　　3.以含裂紋的三維工業(yè)CT圖像為研究對(duì)象，研究了一種三維小