基于工业CT图像的缺陷定位和三维分割技术研究

发布时间：2017-08-06 08:14

  本文关键词：基于工业CT图像的缺陷定位和三维分割技术研究

  更多相关文章： 缺陷定位 三维图像分割 分形维数 形态学 K均值聚类

【摘要】：工业CT是进行工件检测与质量评定的有效手段,能够以无损的方式获取产品内部结构及缺陷信息。随着CT重建及可视化技术的发展,目前不仅能对工件截面实施2D检视,也可以实现3D体绘制。因而,对图像缺陷定位和分割技术也提出了更高的要求。需要研究和实现高效准确的缺陷定位和三维图像分割技术,使技术人员能够更加直观地从三维角度分析和测量缺陷体。本文主要研究工业CT图像缺陷自动定位及三维分割技术,并开发完成了相应的CT图像处理分析软件,本课题的研究成果对于工业产品的质量检测和维修检查具有一定的实用价值。论文的主要工作概括如下:1.针对二维CT切片图像,结合分形理论提出了一种基于分形维数的缺陷自动定位算法。通过计算分块图像分形维数,设定分形维数阈值,最终完成对缺陷区域的定位。实验证明该方法能有效、准确地完成缺陷自动定位。2.针对三维图像切片序列,研究了一种结合数学形态学和Otsu的缺陷三维分割算法,通过对切片图像序列的逐层有效分割,准确地提取三维缺陷体。对模拟固体火箭发动机切片序列的分割实验,验证了该方法的有效性。3.针对三维图像体数据,研究了一种基于改进K均值聚类的图像三维分割算法,结合一种初始聚类中心自动生成算法,避免了传统K均值聚类算法需要人工选择初始聚类中心的问题。该算法充分利用三维图像的整体信息,可获得更加精确的缺陷体分割结果。
【关键词】：缺陷定位 三维图像分割 分形维数 形态学 K均值聚类
【学位授予单位】：中北大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要4-5
• Abstract5-10
• 第一章 绪论10-16
• 1.1 课题的研究背景、目的及意义10-12
• 1.2 国内外研究现状12-14
• 1.2.1 缺陷定位技术12-13
• 1.2.2 三维图像分割方法13-14
• 1.3 论文结构14-16
• 第二章 工业CT图像特点和分割技术概述16-23
• 2.1 工业CT图像的特点16-17
• 2.2 图像分割的定义及分类17-18
• 2.3 常用图像分割方法概述18-22
• 2.3.1 传统图像分割方法18-21
• 2.3.2 其他图像分割方法21-22
• 2.4 本章小结22-23
• 第三章 基于分形维数的缺陷自动定位算法研究23-37
• 3.1 分形理论概述23-27
• 3.1.1 分形的定义23-24
• 3.1.2 分形维数24-25
• 3.1.3 Blanket方法25-27
• 3.2 基于分形维数的缺陷自动定位算法27-33
• 3.2.1 算法步骤及流程图27-30
• 3.2.2 算法关键参数30-31
• 3.2.3 软件系统设计31-33
• 3.3 实验结果与分析33-36
• 3.3.1 实际模型工业CT图像实验及分析33-34
• 3.3.2 实际工业DR图像实验及分析34-36
• 3.4 本章小结36-37
• 第四章 结合形态学和Otsu的缺陷三维分割算法研究37-47
• 4.1 数学形态学理论概述37-38
• 4.2 Otsu阈值分割算法概述38-39
• 4.3 基于形态学和Otsu的缺陷分割算法39-44
• 4.3.1 算法步骤及流程图39-43
• 4.3.2 算法关键参数43-44
• 4.3.3 软件系统设计44
• 4.4 实验与结果分析44-46
• 4.5 本章小结46-47
• 第五章 基于改进K均值聚类的图像三维分割算法研究47-57
• 5.1 聚类算法概述47-48
• 5.1.1 划分聚类算法47-48
• 5.1.2 层次聚类算法48
• 5.2 基于改进K均值聚类的图像三维分割算法48-53
• 5.2.1 初始聚类中心自动生成算法49-50
• 5.2.2 算法步骤及流程图50-52
• 5.2.3 算法关键参数52-53
• 5.4 实验与结果分析53-56
• 5.4.1 改进K均值聚类图像分割实验53-55
• 5.4.2 二维三维图像分割对比实验55-56
• 5.5 本章小结56-57
• 第六章 总结与展望57-59
• 6.1 论文总结57
• 6.2 存在的问题及展望57-59
• 参考文献59-64
• 攻读硕士学位期间发表的论文及所取得的研究成果64-65
• 致谢65-66

【参考文献】

中国期刊全文数据库 前10条

1 王倩妮;苏宇航;郭广平;;基于工业CT图像的空心涡轮叶片壁厚测量法[J];无损检测;2015年06期

2 张祥春;张鹭;王俊涛;;工业CT技术在航空发动机单晶叶片壁厚测量中的应用[J];无损检测;2015年02期

3 陈怡;喻湘凤;;固体火箭发动机部件的损伤探测[J];无损检测;2014年03期

4 刘俊定;范新南;丁朋华;郑庆元;;基于改进Sobel算子的多仪表图像边缘检测算法[J];科学技术与工程;2012年19期

5 于光辉;卢洪义;朱敏;王星博;王鸿玲;;基于相似变换的CT图像缺陷定位方法[J];CT理论与应用研究;2012年01期

6 赵鹏;王召巴;陈友兴;;药柱脱粘超声检测方法研究[J];电子技术应用;2012年03期

7 刘艳;赵英良;;Otsu多阈值快速求解算法[J];计算机应用;2011年12期

8 卢艳平;王珏;喻洪麟;;工业CT三维图像处理与分析系统[J];仪器仪表学报;2009年02期

9 张五一;赵强松;王斌;;基于Gabor小波变换的帘子布疵点检测研究[J];计算机工程与应用;2008年24期

10 朱敏;卢洪义;李海燕;;固体火箭发动机三维可视化无损检测系统设计[J];兵工学报;2008年07期

中国博士学位论文全文数据库 前1条

1 方黎勇;基于ICT切片图像的零件内部缺陷三维重构关键技术研究[D];西南交通大学;2009年

中国硕士学位论文全文数据库 前10条

1 梅林;基于K-均值聚类及数学形态学的细胞图像自动分割方法研究[D];重庆大学;2014年

2 徐维;工业CT图像弱边缘检测方法研究[D];重庆大学;2012年

3 姚玉敏;基于模糊聚类的图像分割算法研究[D];重庆大学;2012年

4 廖武忠;基于图论理论的图像分割算法的研究[D];重庆大学;2012年

5 阎贝;医学图像分割算法研究与实现[D];电子科技大学;2012年

6 王磊;运载火箭的密频特性及其发动机隔振[D];哈尔滨工业大学;2010年

7 杨天霞;基于序列模式的序列聚类挖掘算法研究[D];西北师范大学;2010年

8 郑剑锋;基于感兴趣区域的图像分割及其在图像检索中的应用[D];上海交通大学;2008年

9 叶峰;医学图像体数据分割及其可视化的研究[D];苏州大学;2008年

10 王飞;基于ICT的固体火箭发动机无损检测及成像技术研究[D];西北工业大学;2005年

，

本文编号：629047