数字图像技术在棒材和锻件超声检测中的应用研究

发布时间：2017-01-03 16:11

本文关键词：数字图像技术在棒材和锻件超声检测中的应用研究，由笔耕文化传播整理发布。

淅江大学硕士学位论文；表４—３；面积；缺陷号周长加权周长短径加权岗长平方方差熵缺陷；０１；０２；０３；０４；４．５本章小结（ｒａｍ；本章完成了以下几方面的工作：；１．介绍了图像识别的概念，图像识别的理论与方法和；行区域划分并进行缺陷标记；几何特征，和反映缺陷区域灰度变化的灰度方差、熵等；５．采用阶层识别的方法，设立了两个简单的二叉树分；６．给出了一般超声图像

淅江大学硕士学位论文

表４—３

面积

缺陷号周长加权周长短径加权岗长平方方差熵缺陷

０１

０２

０３

０４

４．５本章小结（ｒａｍ。）ｆｍｍ）（ｒａｍ），眨径，蝤积类别３５２７８４０７５２０１６１３４．８６０５４孔４６２８９３０．３３１８８０２４１．７３２．０６裂纹４０２５７８０５６１５２ｌ３８０５２．２７孔２７１８５５０，４３１】２０３３６．１ｌ１．０１裂纹

本章完成了以下几方面的工作：

１．介绍了图像识别的概念，图像识别的理论与方法和树分类法的原理。

行区域划分并进行缺陷标记。

几何特征，和反映缺陷区域灰度变化的灰度方差、熵等声学特征。

５．采用阶层识别的方法，设立了两个简单的二叉树分类器。

６．给出了一般超声图像缺陷的定量定性分析的流程图。并对检测实例进行定性定量分析，最终得到分析结果。２．采取了较高效率的轮廓跟踪算法，根据相似性和非连续性理论对声像进３．选择并构造了周长、长径、短径、面积、加权周长等表征缺陷子图像的４．根据孔、气泡和裂纹等缺陷的特点对分类特征进行了选择。

新扛大学硕士学位论文

第五章基于图像配准的锻件图像检测

【内容提要ｌ先概述了图像配准，介绍了图像配准的定义，图像变换的类型以及几种配准理论及多种算法。然后针对锻件扫查图像的特殊性进行分析，提出了两种适合锻件检测的配准算法，并对两种算法进行了比较。接着介绍了锻件图像检测的实现过程，包括模板图像的建立算法，整个图像检测的流程等。最后对一锻件图像实例进行处理，给出了该工件缺陷的定性定量分析结果。

５．１图像配准概述

图像配准（ＩｍａｇｅＲｅｇｉｓｔｒａｔｉｏｎ）在图像处理领域中是一项非常基本的工作。它一般用来匹配（Ｍａｔｃｈ）不同时间、不同传感器，或不同视角条件下采集的两幅或多幅图像。图像配准是在空间域内匹配两幅图像的处理方法，它可以使得同一场景两幅图像的对应像素对准到同一物理位鹭，是许多图像处理应用中的必不可少的研究任务。许多年过去了，人们已经对不同类型数据和问题的配准算法进行了广泛的研究，不同领域内的许多实际问题都要求将图像进行配准【３棚。

一般来讲，以下情况都需要进行配准运算：

（１）将不同传感器上获取的信息进行合并。

（２）对于不同时间段或不同条件下采集的图像，研究其变动规律。

（３）同～场景中相机或物体运动后，根据采集图像推断立体信息。

（４）基于模板的对象识别研究［３”。

为了配准两幅图像，必须找到一种变换关系（Ｔｒａｎｓｆｏｒｍａｔｉｏｎ）使得图像中任一点可以映射到另一图像中某一像素。这种变换关系必须理想地将两幅图像对齐，而这种“理想化”取决于最终需要配准对象的特性。例如，一幅ＣＴ图像可以清晰地看到病人的结构和大体的解剖情况；而另一幅利用对放射性较敏感的传感器所采集的图像，如ＰＥｌ佃ｏｓｉｔｉｏｎｔｏｍｏｇｒａｐｈｙ）或ＳＰＥＣＴ（ｓｉｎｇｌｅ

ｃｏｍｐｕｔｅｄｐｈｏｔｏｎｅｍｉｓｓｉｏｎｔｏｍｏｓｒａｐｈｙ）图像，则可以非常详细地观察一些特殊的新陈代谢活动，但却只能探测到有限的正常结构部分。由于两种图像是在不同分辨率、不同的视角和不同时间段下分别采集的，因此简单的将两幅图像重叠在一起进行对比研究是不可行的。但是，成功的图像配准算法可以准确地找到发生新陈代谢的结构点（如脑瘤），而其它方法则很难实现这种功能。这种情况下，图像配准意味着可以找到一种很好的变换关系，从而将两个传感器采集到的结构进行匹配。

当前的配准算法应用主要集中在以下三个领域中：

１．计算机视觉和模式识别领域——大量的不同性质的任务；比如分割、对象识别、形状重建、运动跟踪、立体匹配和特征识别方面。

浙江大学硕士学位论文

２．医学图像分析领域——医学图像诊断方面，比如脑瘤的检测和病因定位；

生物医学研究方面，比如血细胞显微图像分类等。

３．遥感数据处理领域——民用和军用系统中；农业、地质、海洋学、石油

和矿产探测、城市和森林污染、目标定位和确认等方面。

人们对于这三个领域中的配准算法已进行了大量的研究，在其它领域内也存在许多特殊匹配算法的应用，比如语言理解、机器人技术、自动检测、ＣＡＤ／ＣＡＭ、天文学等领域。所有这些领域的配准问题所涉及到的“变形”类型包括：

ｆ１）传感器噪声；

（２）传感器视角或观察平台等观察点改变：

（３１对象改变，如运动、变形等；

（４）光照或者空气条件改变，如阴影和云状覆盖等；

（５）不同的传感器因素；

我们仔细收集了目前在计算机视觉和模式识别、医学图像分析、遥感数据处理这三个领域中涉及到的特殊配准问题，并且将它们分成四类：多模态配准、模板配准、视角配准和时域配准。

１．多模态配准。对采集自不同传感器、同一场景的图像进行图像配准，常用于医学图像分析中信息融合的增强分割和像素分类。

２．模板配准。对于图像中参考图像的配准，常用于识别或定位某个图案，，

如地图或图像中的对象模型。

３．视角配准。从不同视角采集的图像的配准，常用于图像细节重建。

４．时域配准。同～个场景中，在不同时间或不同条件下采集图像的配准，

常用于检测或监视变化和增长问题。

但配准问题决不仅仅局限于上述所列出的方面，许多问题均由下面几种情况的交叉结合导致。

随着科技的进步和研究人员的努力，除了我们上面总结的各种图像配准方法之外，许多新的交叉结合的配准算法已经得到广泛的研究。Ｓｅｌａｒｏｆｆ和Ｐｅｎｔｌａｎｄ提出的模板匹配【２６１是一种建立两个形状中鲁棒特征点匹配的有效方法。Ｍｅｅｏｃｃｉ和Ｂｕｓｓｏｎｉ则认为两幅图像的点特征匹配问题非常重要，而且已经在立体视觉、运动结构以及图像序列中运动对象跟踪等各方面得到广泛应用。因此，利用模板匹配方法，他们提出了～种两幅图像问的大量点特征匹配的可靠算法来实现图像配准【２７】。ＬｏｈＫｏｒＨｅｎｇ等人利用分层方法实现了旋转和位移图像的高精确性配准。这种算法与传统的基于空间域或频域的插值或相关算法相比非常有效，而且具有很好的鲁棒性，并可以获得亚像素图像配准精度Ｂ０】。而Ｐｒａｍｏｄ．Ｋ．Ｖａｒｓｈｎｅｙ的方法和前面算法类似，但他采取了小波变换来实现图像的金字塔分层，在图像分区同时实现了图像灰度级别重新分级，大大增加了处理的可靠性【ｊ“。

浙江大学硕士学位论文

在图像配准算法领域内还有许多算法是基于互信．ｇ（ＭｕｔｕａｌＩｎｆｏｒｍａｔｉｏｎ，Ｍ１１基础的研究。Ｌ．Ｆｒｅｉｒｅ等已经成功应用互信息最大化的配准方法进行了交叉确认方面的研究［３８１。

总结以上各种图像配准算法，基本上可以统计为三类：

（１）基于像素的配准方法。这类方法通常需利用相关函数、Ｆｏｕｒｉｅｒ变换和各阶距量之问的关系式来计算配准函数；

（２）基于特征的配准方法。这类方法根据需配准图像的相同特征之间的几何关系来确定配准参数，因此这类方法首先需要提取特征，如边缘、拐角、点、线、曲率等；

（３）基于模型的配准方法。这种方法是根据图像失真的数学模型对图像进行非线性矫正式的配准。

前两类方法属于全局图像配准技术，需要假设图像位置、姿势和刻度只产生刚性变形，而改变原因往往是物体运动所引起。第三类方法适用于图像之间局部的、非线性的、非刚性变形的矫正工作，其失真通常是由于成像系统空间编码的非线性引起的，所以它需要依据成像系统的非线性失真模型来实现配准。５．２图像配准理论及各种算法特性

５．２．１配准定义

图像配准可以定义为寻求两幅图像之间空间或灰度域的某种映射关系。将两幅图像定义为两个大小为‘和厶的＿７－维数组，其中五∞力和ＺＡｘ，ｙ）是每幅图像中单个像素灰度值，则图像之间的映射关系可以表示如下：

‘“Ｙ）＝ｇ（１ｉ盯∽ｙ”）

这里厂是二维空间坐标变换关系，即：

（ｘ’，Ｙ’）＝ｆ（ｘ，ｙ）

其中譬是一维灰度变换。（５。１）（５—２）

图像配准问题就是力求找到最理想的空阆或灰度变换式，使得两幅图像中的像素点可以达到匹配。一般情况下不需要进行灰度变换，除非是传感器类型发生了改变，或传感器校准技术决定的简单查找仍然不能解决问题。我们可以在精确匹配的图像中提取到什么信息昵？寻找空间或几何变换关系是大部分配准问题的一般做法。下面通过两个单值函数￡，＾的参数表达式来更加自然的表达这种６０

撕江人学硕士学位论文

变化：

１２（ｘ，Ｙ）＝‘（正（ｘ，ｙ），ｆａｘ，ｙ））（５－３）

如果该几何变换可用一对可分离函数表示，即用两个连续的一维运算来计算这种几何变换：

ｆ（ｘ，Ｙ）＝＿（ｘ）‘正（ｙ）（５－４）

刚这种运算可以显著的提高效率，节省内存消耗。通常情况下，＾应用于图像中的每一行，而彳人则应用到每一列。这两种操作在理论上是相乘运算，但在实际应用中，任何一种分解运算均可以极大地提高运算速度。

５．２．２图像变换的基本类型

图像配准技术最根本思想是实现图像对准所需的空间变换或映射。尽管图像可能存在各种变形，但图像配准技术必须选择一种变换关系，使得图像由于采集差异引起的空间形变可以得到消除。

因此，图像配准就是寻找一系列的变换，或寻找一种对应关系，使一幅图像中的每一点在另一幅图像上都有惟一确定的点与之对应，并且这两点对应于同一物理位置。设有两幅图像Ｅ和Ｅ，‘（ｘ）＝‘（而，Ｙｌ，ｚ１）和厶（ｘ’）＝ＩＡｘ：，Ｙ２，毛）分别表示两幅图像的灰度密度函数，其中Ｘ＝（Ｘｌ，Ｍ，毛）和ｘ’（ｘ２，Ｙ：，ｚ：）分别表示图像巧和Ｅ中的像素坐标、图像配准就是寻找一种变换：

Ｍ（Ｘ）＝（Ｕ（ｘｌ，Ｙｌ，五），矿（五，乃，毛），Ｗ（ｘＩ，Ｙｌ，ｚ１））（５—５）它可以把图像曩映射到Ｅ，使得变换后的图像厶（Ｍ（ｘ））和厶（ｘ’）具有几何对应性。

图像配准中常用的空间几何变换可以分为刚体变换（ｒｉｇｉｄｔｒａｎｓｆｏｒｍａｔｉｏｎ）、仿射变换（ａｆｔｉｎｅｔｒａｎｓｆｏｒｍａｔｉｏｎ）、透视变换（ｐｅｒｓｐｅｃｔｉｖｅｔｒａｎｓｆｏｒｍａｔｉｏｎ）、投影变换（ｐｒｏｊｅｃｔｉｖｅｔｒａｎｓｆｏｒｍａｔｉｏｎ）和非线性变换（ｃｕｒｖｅｄ

１．刚体变换

如果第一幅图像中两点之间的距离交换到第二幅图像中仍然保持不变，则这种变换称为刚体变换。刚体变换可分解为平移、旋转和（镜像）反转。在二维坐标中，点Ｘ（ｘ，ｙ））经刚体变换到点彳’（ｘ’，Ｙ’）的变换公式为：６１ｏｒｎｏｎｌｉｎｅａｒｔｒａｎｓｆｏｒｍａｉｏｎ）等。

下载地址：982004_数字图像技术在棒材和锻件超声检测中的应用研究.Doc

　　【】