圖像分割算法研究及在工業(yè)CT中的應(yīng)用.pdf

1、圖像分割是按照一定的標(biāo)準(zhǔn)把圖像分成各具特性的區(qū)域并提取出感興趣目標(biāo)的技術(shù)和過程，它是對(duì)圖像進(jìn)行進(jìn)一步分析、理解和識(shí)別的基礎(chǔ)，是圖像可視化、圖像測量、圖像壓縮等許多高級(jí)圖像處理技術(shù)的重要基礎(chǔ)工作，是數(shù)字圖像處理領(lǐng)域的關(guān)鍵技術(shù)之一。圖像分割在數(shù)字圖像處理領(lǐng)域的重要性，使得它一直都是眾學(xué)者研究的熱點(diǎn)工作。
　　 圖像分割方法至今已經(jīng)發(fā)展了幾十年，學(xué)者們從不同的理論角度提出了許多方法并得以應(yīng)用。本文首先學(xué)習(xí)研究了幾種基于邊緣檢測的圖像分

2、割方法的理論、算法特點(diǎn)，并分別做了相應(yīng)的實(shí)驗(yàn)分析。然后特別針對(duì)基于偏微分方程理論的主動(dòng)輪廓模型算法和基于曲面擬合的Facet模型邊緣檢測分割算法進(jìn)行了專門的研究改進(jìn)和實(shí)際應(yīng)用。
　　 主動(dòng)輪廓模型是一種基于偏微分方程的圖像分割方法，其主要思想是定義一個(gè)能量函數(shù)，在輪廓由初始位置向目標(biāo)真實(shí)輪廓逐漸靠近時(shí)，尋找此能量函數(shù)的局部極小值，即通過對(duì)能量函數(shù)的動(dòng)態(tài)優(yōu)化來逼近目標(biāo)的真實(shí)輪廓。該方法可有效地克服噪聲干擾，特別適用于噪聲比較大的圖

3、像處理。本文首先闡述了主動(dòng)輪廓模型的基本原理，研究了傳統(tǒng)參數(shù)主動(dòng)輪廓模型的算法及其改進(jìn)方式，然后針對(duì)傳統(tǒng)參數(shù)主動(dòng)輪廓模型對(duì)輪廓線的初始位置敏感的問題，改進(jìn)了獲取初始輪廓線的方法，然后把改進(jìn)后的算法應(yīng)用于工業(yè)CT(Computed Tomography，計(jì)算機(jī)斷層成像技術(shù))實(shí)際問題中，針對(duì)實(shí)際CT圖像中工件的缺陷進(jìn)行分割和參數(shù)測量，取得了較好的應(yīng)用效果。
　　 Facet模型是一種基于曲面擬合邊緣檢測的圖像分割方法，它以精度高、抗

4、噪性強(qiáng)的特點(diǎn)而得到青睞并廣泛應(yīng)用。但它在進(jìn)行三維邊緣檢測時(shí)卻存在非常耗時(shí)的缺點(diǎn)，這限制了其在實(shí)際工業(yè)CT中的應(yīng)用。針對(duì)這一問題，本文研究了一種3D facet模型的加速方法，首先對(duì)三維圖像數(shù)據(jù)進(jìn)行三維小波變換，設(shè)定較小閾值，完成圖像邊緣的粗定位，然后再針對(duì)粗邊緣點(diǎn)逐個(gè)進(jìn)行三維Facet擬合，完成圖像邊緣的精確定位。這種改進(jìn)方法不僅能得到與直接3D Facet模型效果相當(dāng)?shù)倪吘墸谴蟠筇岣吡巳S邊緣檢測的速度。把加速后的算法應(yīng)用于工業(yè)C