基于CV模型的工業(yè)CT圖像裂紋檢測(cè)算法研究.pdf

1、圖像分割是圖像測(cè)量、識(shí)別和分析等研究的基礎(chǔ)，它將感興趣區(qū)域從圖像中分離出來，便于對(duì)其作進(jìn)一步處理。基于工業(yè)CT圖像的裂紋檢測(cè)，首先要將CT圖像中的裂紋區(qū)域分割出來，以便下一步對(duì)裂紋進(jìn)行測(cè)量和分析。分割的準(zhǔn)確性直接影響下一步工作的有效性，因而具有重要的意義。新近發(fā)展起來的C-V模型是一種基于偏微分方程理論的圖像分割模型。它將水平集應(yīng)用到圖像分割中，利用由零水平集函數(shù)曲線決定的內(nèi)能和由圖像數(shù)據(jù)決定的外能，使零水平集函數(shù)曲線最終停止在目標(biāo)區(qū)域

2、的邊界位置。因而C-V模型具有其它傳統(tǒng)圖像分割方法不具備的許多優(yōu)點(diǎn)：它可以自動(dòng)適應(yīng)目標(biāo)幾何結(jié)構(gòu)的拓?fù)渥兓?，獲得連續(xù)邊緣。但是利用C-V模型分割圖像時(shí)，局部邊緣往往定位不夠精確。Facet模型是一種精度高、抗噪性強(qiáng)的曲面擬合邊緣檢測(cè)方法，已廣泛應(yīng)用于圖像分割中，但所得的邊緣往往是不連續(xù)的。
　　 本文的研究?jī)?nèi)容主要包含三個(gè)部分：⑴研究了C-V模型和Facet模型，并將其分別應(yīng)用于二維CT圖像的裂紋邊緣檢測(cè)。⑵結(jié)合C-V模型和Fac