小波结合C-V模型的工业CT/DR图像缺陷检测算法研究

论文摘要

工业计算机断层成像（Industrial Computed Tomography, ICT）与数字式X射线成像（Digital Radiography, DR）系统是两种重要的无损检测技术。通过X射线扫描被检测工件,可以得到工件内部包含缺陷的CT/DR图像。缺陷检测主要是对工业CT/DR图像中的缺陷进行分割与测量,对保证铸件可靠性发挥着重要的作用。为了识别工件图像中的缺陷,需要将其从图像中分割出来,在此基础上才有可能进一步对缺陷进行测量和分析。由于受工件材质和射线辐射采集干扰信号等因素的影响,有些图像数据存在噪声多、缺陷边缘模糊、背景亮度不均匀、对比度不高等特点,传统的图像分割方法不能准确的分割出图像中的缺陷区域。基于曲线演化理论和水平集方法的C-V模型可以较好的分割图像,但由于在分割的过程中,水平集函数不断的重新初始化和迭代求解偏微分方程,计算量比较大,导致分割速度很慢。针对此缺点,采用一种改进算法,将小波变换与C-V模型的图像分割算法综合。首先对CT/DR图像进行小波变换,在粗尺度图像上使用C-V模型进行分割,然后将其分割结果插值到细尺度图像上,作为其演化的初始轮廓。改进算法不仅提高了图像分割的速度,而且具有降噪的作用。本文完成的主要内容如下:1.以含缺陷的二维DR图像为研究对象,针对C-V模型演化速度慢的特点,将二维DR图像进行小波分解,采用C-V模型对其粗尺度低频图像进行缺陷定位,其结果已大致靠近目标区域,然后将其结果内插值到细尺度图像上,以插值后的轮廓线作为C-V模型在细尺度图像演化的初始轮廓线,依次下去,直到得到原始图像的缺陷区域。对实际铸件DR图像的实验结果表明该方法是可行、高效的。2.为了满足实际问题中对测量结果精度的要求,研究一种亚像素测量方法。在小波与C-V模型相结合定位图像缺陷的基础上,采用线性插值的方法将像素级边缘定位到亚像素精度,从而对缺陷进行亚像素测量。仿真实验表明,本文改进方法的测量精度优于传统方法。3.以含裂纹的三维工业CT图像为研究对象,研究了一种三维小波变换结合C-V模型的图像分割算法,并将其应用到实际的三维工业CT裂纹提取中,提高三维裂纹的分割速度。三维小波变换结合C-V模型的分割算法是二维小波变换与C-V模型结合方法的一种推广,具备C-V模型全局优化与小波快速分解的特点,演化过程中不需要考虑裂纹的方向、形状、位置等先验信息,可以快速提取三维工业CT图像中工件内部裂纹面边缘,为后续裂纹分析打下基础,在实际应用中具有重要意义。

论文目录

• 中文摘要
• 英文摘要
• 1 绪论
• 1.1 课题的研究背景
• 1.1.1 工业CT 技术
• 1.1.2 DR 技术
• 1.2 课题的研究现状
• 1.3 课题的研究目的及意义
• 1.4 本文的研究内容与章节安排
• 2 二维小波变换结合 C-V 模型的分割算法
• 2.1 引言
• 2.2 预备知识
• 2.2.1 曲线演化理论
• 2.2.2 水平集方法及其数值实现
• 2.3 二维小波变换结合C-V 模型的分割算法
• 2.3.1 C-V 模型原理
• 2.3.2 小波变换
• 2.3.3 二维小波结合C-V 模型的分割算法
• 2.4 实验结果及分析
• 2.5 本章小结
• 3 铁路铸件 DR 图像缺陷的亚像素测量
• 3.1 引言
• 3.2 常用的亚像素边缘检测方法
• 3.2.1 基于小波变换的亚像素边缘检测方法
• 3.2.2 基于插值的亚像素边缘检测算法
• 3.2.3 基于曲线拟合的亚像素边缘检测算法
• 3.2.4 基于矩的亚像素边缘检测算法
• 3.3 DR 图像缺陷的亚像素测量
• 3.4 实验结果及分析
• 3.5 本章小结
• 4 三维小波变换结合 C-V 模型的裂纹检测方法
• 4.1 引言
• 4.2 三维C-V 模型
• 4.3 三维小波变换
• 4.4 三维小波结合C-V 模型的分割算法
• 4.5 实验结果及分析
• 4.5.1 三维小波结合C-V 模型的裂纹体分割
• 4.5.2 对比实验
• 4.6 本章小结
• 5 结论与展望
• 5.1 论文工作总结
• 5.2 存在的问题与工作展望
• 致谢
• 参考文献
• 附录
• A 作者在攻读硕士学位期间发表的论文目录