

版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、伴隨著科技的不斷飛速發(fā)展,現(xiàn)有的測(cè)量方法已滿足不了實(shí)際工業(yè)生產(chǎn)的需要,因此研究速度更快、精度更高的測(cè)量方法在當(dāng)今社會(huì)有著重要的應(yīng)用價(jià)值。本文以工業(yè)CT測(cè)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(cè)量方法。
本文針對(duì)傳統(tǒng)C-V模型難以滿足多灰度級(jí)圖像目標(biāo)識(shí)別要求的問(wèn)題,通過(guò)劃分區(qū)域及多次運(yùn)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(jìn)的C-V方法能夠識(shí)別多灰度級(jí)圖像目標(biāo)
2、,說(shuō)明了改進(jìn)的C-V方法的可行性。針對(duì)工業(yè)生產(chǎn)中復(fù)雜封閉內(nèi)腔二維幾何尺寸很難測(cè)量的問(wèn)題,提出了一種改進(jìn)的基于C-V模型的工業(yè)CT圖像二維幾何測(cè)量方法。本文在C-V模型中融入目標(biāo)邊緣灰度先驗(yàn)知識(shí),通過(guò)增加灰度修正項(xiàng),來(lái)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(zhǎng)和面積。與2D Facet模型測(cè)量方法相比,改進(jìn)方法精度約高1個(gè)數(shù)量級(jí)。針對(duì)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(cè)量的問(wèn)題,提出了一種改進(jìn)的基于C-V模型的工業(yè)CT圖像三維幾何測(cè)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(diǎn),確定不同的適合每張斷層圖像的演化半徑;然后利用改進(jìn)的二維測(cè)量方法測(cè)量出每張斷層圖像中目標(biāo)輪廓坐標(biāo)、周長(zhǎng)和輪廓所包圍的面積,最后用臺(tái)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(jí)的臺(tái)體公式法相比,改進(jìn)測(cè)量方法后的臺(tái)體公式法精度較高;改進(jìn)測(cè)量方法后的三角面片拼接法體積測(cè)量
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(qǐng)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(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)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(cè)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(cè)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(jìn).pdf
- C-V方法在CT圖像弱邊緣檢測(cè)中的應(yīng)用研究.pdf
- C-V活動(dòng)輪廓模型的研究.pdf
- 基于改進(jìn)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(dòng)輪廓模型研究.pdf
- 基于視覺(jué)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(cè)量算法研究.pdf
- 基于改進(jìn)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(cè)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(duì)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(jī)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(cè)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(shí)現(xiàn).pdf
評(píng)論
0/150
提交評(píng)論