汽車(chē)輪轂是汽車(chē)運(yùn)行當(dāng)中的主要受力部件,質(zhì)量合格的輪轂是行車(chē)穩(wěn)定和安全的保證。目前,X射線檢測(cè)由于其成像精度高,探測(cè)深度廣,實(shí)時(shí)性高等優(yōu)點(diǎn),運(yùn)用廣泛。相對(duì)于8位射線灰度圖像,16位射線灰度圖像具有更高的灰階表示,表示的精度更高,因此在輪轂檢測(cè)時(shí)多采用16位灰度圖像。但16位X射線灰度圖存在冗余信息多,對(duì)比度低等問(wèn)題。調(diào)窗是處理上述問(wèn)題的好方法,但傳統(tǒng)的人工手動(dòng)調(diào)窗費(fèi)時(shí)費(fèi)力,而且對(duì)檢測(cè)人員的先驗(yàn)知識(shí)有較高的要求。本文致力于實(shí)現(xiàn)一種實(shí)時(shí)性好,魯棒性強(qiáng),準(zhǔn)確性高的自適應(yīng)調(diào)窗方法以解決上述問(wèn)題。本文首先介紹了目前存在的一些自適應(yīng)調(diào)窗方法,主要包括:1以神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)的自適應(yīng)調(diào)窗算法,算法繁雜,耗時(shí)長(zhǎng),而且需要大量的調(diào)窗好的圖片作為訓(xùn)練集。2改進(jìn)后的極值法,面積法,截線法等算法簡(jiǎn)單易實(shí)現(xiàn),運(yùn)行快。但魯棒性太差。為了克服上述缺點(diǎn),本文提出一種借鑒于語(yǔ)音端點(diǎn)檢測(cè)的算法,該方法相比以神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)的自適應(yīng)調(diào)窗算法,算法原理更為簡(jiǎn)潔,流程步驟更少,而且不需要大量的手動(dòng)調(diào)窗圖片作為訓(xùn)練樣本,因而可以高效快速的處理問(wèn)題。同時(shí)實(shí)驗(yàn)表明,本文提出的算法可以很好的處理新類(lèi)型的圖片,具有很好的魯棒性,克服了簡(jiǎn)單算法適... 

【文章來(lái)源】：華南理工大學(xué)廣東省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：66 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

未處理的16位灰度圖

華南理工大學(xué)碩士學(xué)位論文8第二章調(diào)窗算法原理及流程2.1窗寬窗位及其調(diào)整窗技術(shù)分為窗寬和窗位兩個(gè)，圖像的質(zhì)量不同，調(diào)窗的方式也有所不同，窗寬的寬窄直接影響圖像的清晰度與對(duì)比度。本文的目的是增大圖像的對(duì)比度，因此使用窄窗寬。為了更好的說(shuō)明調(diào)窗的基本原理，假定我們最終選定的窗寬范圍是a到b，那么對(duì)于高于b的灰度值全部映射到255，比如輪轂中間的空白部分；低于a的灰度則全部設(shè)為0，比如顏色本身就比較黑的輪轂邊緣部分；介于a和b之間的灰度值則以線性或非線性的方式映射到另一個(gè)區(qū)間，出于便捷考慮本文選擇線性映射。窗位則是a和b的平均值，對(duì)應(yīng)灰度范圍的中心，具體映射方程如下所示：byxfbyxfaabayxfayxfyxg),(255),(),(255),(0),(（2-1）其中f(x,y)指的是原始灰度，g(x,y)是映射后的灰度。2.2輪觳X射線圖直方圖分布特點(diǎn)簡(jiǎn)介經(jīng)過(guò)對(duì)大量輪觳X射線圖研究分析發(fā)現(xiàn)，不論是鑄件本身還是鑄件對(duì)應(yīng)的灰度直方圖都是形態(tài)各異，考慮到第三章實(shí)驗(yàn)部分，本文選取其中部分進(jìn)行說(shuō)明：第一種類(lèi)型圖：如圖2-1（a）所示，灰度直方圖2-1（b）有兩個(gè)主峰，右側(cè)主峰所占灰度范圍較小，對(duì)應(yīng)的像素值卻是比較大的，峰值超過(guò)左側(cè)主峰的峰值，其面積對(duì)比直方圖總面積無(wú)法忽略，對(duì)應(yīng)于X射線圖中間三塊分開(kāi)的灰白部分，這部分的中心在14000左右，這類(lèi)特點(diǎn)會(huì)對(duì)第三章的部分算法產(chǎn)生影響。（a）（b）圖2-1類(lèi)型一灰度圖和直方圖第二種類(lèi)型圖：如果不對(duì)圖2-2（b）仔細(xì)觀察，有可能會(huì)把灰度直方圖誤判為兩個(gè)主峰，事實(shí)上最左側(cè)的凸起部分和主體是緊密相連的，只是相連部分的值相對(duì)最大值占

華南理工大學(xué)碩士學(xué)位論文8第二章調(diào)窗算法原理及流程2.1窗寬窗位及其調(diào)整窗技術(shù)分為窗寬和窗位兩個(gè)，圖像的質(zhì)量不同，調(diào)窗的方式也有所不同，窗寬的寬窄直接影響圖像的清晰度與對(duì)比度。本文的目的是增大圖像的對(duì)比度，因此使用窄窗寬。為了更好的說(shuō)明調(diào)窗的基本原理，假定我們最終選定的窗寬范圍是a到b，那么對(duì)于高于b的灰度值全部映射到255，比如輪轂中間的空白部分；低于a的灰度則全部設(shè)為0，比如顏色本身就比較黑的輪轂邊緣部分；介于a和b之間的灰度值則以線性或非線性的方式映射到另一個(gè)區(qū)間，出于便捷考慮本文選擇線性映射。窗位則是a和b的平均值，對(duì)應(yīng)灰度范圍的中心，具體映射方程如下所示：byxfbyxfaabayxfayxfyxg),(255),(),(255),(0),(（2-1）其中f(x,y)指的是原始灰度，g(x,y)是映射后的灰度。2.2輪觳X射線圖直方圖分布特點(diǎn)簡(jiǎn)介經(jīng)過(guò)對(duì)大量輪觳X射線圖研究分析發(fā)現(xiàn)，不論是鑄件本身還是鑄件對(duì)應(yīng)的灰度直方圖都是形態(tài)各異，考慮到第三章實(shí)驗(yàn)部分，本文選取其中部分進(jìn)行說(shuō)明：第一種類(lèi)型圖：如圖2-1（a）所示，灰度直方圖2-1（b）有兩個(gè)主峰，右側(cè)主峰所占灰度范圍較小，對(duì)應(yīng)的像素值卻是比較大的，峰值超過(guò)左側(cè)主峰的峰值，其面積對(duì)比直方圖總面積無(wú)法忽略，對(duì)應(yīng)于X射線圖中間三塊分開(kāi)的灰白部分，這部分的中心在14000左右，這類(lèi)特點(diǎn)會(huì)對(duì)第三章的部分算法產(chǎn)生影響。（a）（b）圖2-1類(lèi)型一灰度圖和直方圖第二種類(lèi)型圖：如果不對(duì)圖2-2（b）仔細(xì)觀察，有可能會(huì)把灰度直方圖誤判為兩個(gè)主峰，事實(shí)上最左側(cè)的凸起部分和主體是緊密相連的，只是相連部分的值相對(duì)最大值占

【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)Retinex算法的低照度圖像增強(qiáng)方法[J]. 李武勁,彭怡書(shū),歐先鋒,吳健輝,郭龍?jiān)?張一鳴,黃鋒,徐智.  成都工業(yè)學(xué)院學(xué)報(bào). 2020(02)
[2]哲學(xué)視野下的中國(guó)經(jīng)濟(jì)建設(shè)成就[J]. 鄧祖波,楊立瓊,郭祖全.  西南林業(yè)大學(xué)學(xué)報(bào)(社會(huì)科學(xué)). 2020(03)
[3]基于CT和MRI的醫(yī)學(xué)圖像融合研究[J]. 陳蒙.  軟件. 2020(05)
[4]基于Retinex算法和視覺(jué)感知質(zhì)量評(píng)價(jià)的逆光圖像增強(qiáng)[J]. 李明剛,李海山,李恒.  計(jì)算機(jī)與數(shù)字工程. 2020(04)
[5]中國(guó)區(qū)域經(jīng)濟(jì)40年的發(fā)展成就與展望[J]. 北京市社會(huì)科學(xué)院課題組,趙弘.  區(qū)域經(jīng)濟(jì)評(píng)論. 2019(06)
[6]一種基于模糊理論的陰霾天氣圖像增強(qiáng)改進(jìn)算法[J]. 姜慶偉,蘇興龍.  計(jì)算機(jī)與數(shù)字工程. 2019(10)
[7]磁粉探傷在重型汽車(chē)維修上的運(yùn)用[J]. 張躍剛,杜巧珍,景立軍.  汽車(chē)實(shí)用技術(shù). 2019(11)
[8]基于Retinex的圖像增強(qiáng)方法綜述[J]. 謝鳳英,湯萌,張蕊.  數(shù)據(jù)采集與處理. 2019(01)
[9]磁粉探傷在汽輪機(jī)葉片質(zhì)量檢測(cè)中的應(yīng)用[J]. 張成俠.  中國(guó)新技術(shù)新產(chǎn)品. 2019(01)
[10]數(shù)字超聲波探傷掃描技術(shù)在鍋爐檢測(cè)中的應(yīng)用[J]. 徐剛.  中國(guó)石油和化工標(biāo)準(zhǔn)與質(zhì)量. 2018(23)

博士論文
[1]圖像增強(qiáng)的相關(guān)技術(shù)及應(yīng)用研究[D]. 李艷梅.電子科技大學(xué) 2013

碩士論文
[1]工業(yè)X射線圖像增強(qiáng)算法的研究與實(shí)現(xiàn)[D]. 劉瑜.中北大學(xué) 2019
[2]輪轂鑄造缺陷檢測(cè)的關(guān)鍵技術(shù)研究[D]. 王爾琪.華南理工大學(xué) 2019
[3]時(shí)頻域結(jié)合的數(shù)字圖像增強(qiáng)技術(shù)的研究[D]. 楊超.華北理工大學(xué) 2019
[4]基于相位一致的燃煤火焰圖像工況識(shí)別[D]. 徐煥新.湖南大學(xué) 2018
[5]基于Retinex理論的圖像增強(qiáng)凸優(yōu)化模型研究[D]. 趙清楠.電子科技大學(xué) 2016
[6]醫(yī)學(xué)CT圖像去噪和增強(qiáng)方法的研究應(yīng)用[D]. 呂鯉志.太原理工大學(xué) 2016
[7]醫(yī)學(xué)X射線圖像增強(qiáng)系統(tǒng)研究[D]. 田星.中北大學(xué) 2015
[8]基于圖像處理的工業(yè)X射線探傷關(guān)鍵技術(shù)研究[D]. 辛晨.西安電子科技大學(xué) 2014
[9]基于Retinex理論的X射線醫(yī)學(xué)圖像算法的改進(jìn)與應(yīng)用[D]. 李飛.首都師范大學(xué) 2013
[10]醫(yī)學(xué)圖像增強(qiáng)若干算法的改進(jìn)研究[D]. 劉立成.湖南大學(xué) 2012



本文編號(hào)：3381951