

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)
文檔簡介
1、伴隨著科技的不斷飛速發(fā)展,現(xiàn)有的測量方法已滿足不了實際工業(yè)生產(chǎn)的需要,因此研究速度更快、精度更高的測量方法在當(dāng)今社會有著重要的應(yīng)用價值。本文以工業(yè)CT測量數(shù)據(jù)為基礎(chǔ),研究了基于C-V模型的邊緣提取算法及建立在此基礎(chǔ)上的工業(yè)零件封閉內(nèi)腔的幾何尺寸測量方法。
本文針對傳統(tǒng)C-V模型難以滿足多灰度級圖像目標(biāo)識別要求的問題,通過劃分區(qū)域及多次運用C-V模型獲得目標(biāo)輪廓圖像。與傳統(tǒng)C-V方法相比,改進的C-V方法能夠識別多灰度級圖像目標(biāo)
2、,說明了改進的C-V方法的可行性。針對工業(yè)生產(chǎn)中復(fù)雜封閉內(nèi)腔二維幾何尺寸很難測量的問題,提出了一種改進的基于C-V模型的工業(yè)CT圖像二維幾何測量方法。本文在C-V模型中融入目標(biāo)邊緣灰度先驗知識,通過增加灰度修正項,來改善演化輪廓的定位精度,在最終演化所得的輪廓中采用插值法,并重新定義最終的輪廓,最后分別利用歐氏距離公式和格林公式取得目標(biāo)的周長和面積。與2D Facet模型測量方法相比,改進方法精度約高1個數(shù)量級。針對工業(yè)生產(chǎn)中復(fù)雜封閉內(nèi)
3、腔三維幾何尺寸很難測量的問題,提出了一種改進的基于C-V模型的工業(yè)CT圖像三維幾何測量方法。本文根據(jù)三維物體每張斷層面圖像中目標(biāo)的特點,確定不同的適合每張斷層圖像的演化半徑;然后利用改進的二維測量方法測量出每張斷層圖像中目標(biāo)輪廓坐標(biāo)、周長和輪廓所包圍的面積,最后用臺體公式法、三角面片拼接法求出目標(biāo)物體的體積和表面積。與3D Facet模型亞像素級的臺體公式法相比,改進測量方法后的臺體公式法精度較高;改進測量方法后的三角面片拼接法體積測量
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于C-V模型的工業(yè)CT三維圖像曲面面積與內(nèi)腔體積測量算法研究.pdf
- 小波結(jié)合C-V模型的工業(yè)CT-DR圖像缺陷檢測算法研究.pdf
- 基于C-V模型的圖像分割方法研究.pdf
- 基于C-V模型水平集方法的彩色圖像分割研究.pdf
- 基于GAC模型和C-V模型的圖像分割方法的改進.pdf
- C-V方法在CT圖像弱邊緣檢測中的應(yīng)用研究.pdf
- C-V活動輪廓模型的研究.pdf
- 基于改進型C-V模型的醫(yī)學(xué)超聲圖像分割及應(yīng)用.pdf
- 基于GVF和C-V的活動輪廓模型研究.pdf
- 基于視覺顯著性與C-V水平集模型的圖像分割方法研究.pdf
- 工業(yè)CT高精度圖像測量算法研究.pdf
- 基于改進CV模型的工業(yè)CT圖像分割算法研究.pdf
- 基于CV模型的工業(yè)CT圖像裂紋檢測算法研究.pdf
- 基于邊緣提取的工業(yè)CT圖像與CAD模型的比對算法研究.pdf
- 一種基于灰度信息和方差信息的C-V分割模型.pdf
- 基于隨機森林模型的心臟CT圖像分割算法研究.pdf
- AlGaN-GaN異質(zhì)結(jié)的C-V特性研究.pdf
- 基于工業(yè)CT的幾何特征反求與測量算法研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的工業(yè)CT圖像邊緣提取的算法研究.pdf
- 基于工業(yè)CT圖像的逆向造型技術(shù)研究與算法實現(xiàn).pdf
評論
0/150
提交評論