基于分形維的工業(yè)CT圖像缺陷自動(dòng)定位與剝離顯示算法研究.pdf

1、缺陷自動(dòng)定位及其剝離顯示是圖像分析過程中重要的處理步驟之一，對(duì)于提高檢測(cè)效率、減輕人工勞動(dòng)強(qiáng)度以及保證產(chǎn)品質(zhì)量具有重要的意義。工業(yè)CT作為一種先進(jìn)的無損檢測(cè)技術(shù)，已廣泛應(yīng)用于航空、石油、鋼鐵、機(jī)械制造、鐵路運(yùn)輸?shù)阮I(lǐng)域，它可以在無損狀態(tài)下，準(zhǔn)確檢測(cè)工件的內(nèi)部結(jié)構(gòu)。工業(yè)CT缺陷自動(dòng)定位的目的，是從CT圖像中找出工件缺陷的所在，并獲得有關(guān)缺陷的盡可能精確的信息。本文以工業(yè)CT圖像為研究對(duì)象，根據(jù)目前國(guó)內(nèi)外工業(yè)CT圖像缺陷識(shí)別技術(shù)的發(fā)展現(xiàn)狀，將

2、分形維數(shù)應(yīng)用于工業(yè)CT缺陷自動(dòng)定位中，并對(duì)定位區(qū)域采用改進(jìn)的矩不變閾值分割方法分離出缺陷的形態(tài)。
　　 分形是1975年美籍法國(guó)數(shù)學(xué)家B.B.Manderbrot在研究了大量不規(guī)則形體的自相似性基礎(chǔ)上的。而分形維數(shù)作為分形的一個(gè)重要特征，突破歐氏空間中維數(shù)必須是整數(shù)的限制，已在許多學(xué)科領(lǐng)域獲得廣泛應(yīng)用。分形維數(shù)的核心是度量物體不規(guī)則程度，反映到圖像灰度曲面就是對(duì)灰度跳變異常敏感。所以，分形維適宜于圖像中缺陷的檢測(cè)識(shí)別。本文圍繞分

3、形維在工業(yè)CT圖像缺陷自動(dòng)定位與剝離顯示中的應(yīng)用開展研究，主要進(jìn)行以下兩方面的工作：
　　 首先，對(duì)于鑄件工業(yè)CT圖像缺陷問題，本文研究了改進(jìn)的基于分形維數(shù)的自動(dòng)定位方法進(jìn)行缺陷自動(dòng)定位。為避免圖像噪聲的影響，本文通過預(yù)處理在濾除噪聲的同時(shí)增強(qiáng)圖像。在保證定位精度的條件下，所采用的自適應(yīng)分形閾值策略，能有效提高處理的自動(dòng)化程度。該方法能夠自適應(yīng)地讓定位沿著缺陷邊緣的走向進(jìn)行，且具有較好的魯棒性。定位區(qū)域占整幅圖像的比例較小，若需

4、要再對(duì)定位區(qū)域操作，可以較大程度上減少數(shù)據(jù)運(yùn)算量，提高檢測(cè)效率。
　　 然后，在利用分形維定位工業(yè)CT圖像缺陷的基礎(chǔ)上，本文將基于改進(jìn)矩不變閾值分割應(yīng)用于工業(yè)CT圖像缺陷的多目標(biāo)剝離顯示，并完成了部分缺陷特征參數(shù)的定量計(jì)算。改進(jìn)的矩不變閾值分割結(jié)合了局部梯度信息，在各個(gè)定位區(qū)域內(nèi)部進(jìn)行獨(dú)立分割，避免了整體分割時(shí)閾值對(duì)分割結(jié)果的影響。本文改進(jìn)Facet邊緣提取方法，采用先分形定位邊緣區(qū)域再采用Facet模型提取邊緣，比直接用Fac