本文關鍵詞：基于工業(yè)CT圖像的缺陷定位和三維分割技術研究

  更多相關文章： 缺陷定位 三維圖像分割 分形維數(shù) 形態(tài)學 K均值聚類

【摘要】：工業(yè)CT是進行工件檢測與質量評定的有效手段,能夠以無損的方式獲取產(chǎn)品內部結構及缺陷信息。隨著CT重建及可視化技術的發(fā)展,目前不僅能對工件截面實施2D檢視,也可以實現(xiàn)3D體繪制。因而,對圖像缺陷定位和分割技術也提出了更高的要求。需要研究和實現(xiàn)高效準確的缺陷定位和三維圖像分割技術,使技術人員能夠更加直觀地從三維角度分析和測量缺陷體。本文主要研究工業(yè)CT圖像缺陷自動定位及三維分割技術,并開發(fā)完成了相應的CT圖像處理分析軟件,本課題的研究成果對于工業(yè)產(chǎn)品的質量檢測和維修檢查具有一定的實用價值。論文的主要工作概括如下:1.針對二維CT切片圖像,結合分形理論提出了一種基于分形維數(shù)的缺陷自動定位算法。通過計算分塊圖像分形維數(shù),設定分形維數(shù)閾值,最終完成對缺陷區(qū)域的定位。實驗證明該方法能有效、準確地完成缺陷自動定位。2.針對三維圖像切片序列,研究了一種結合數(shù)學形態(tài)學和Otsu的缺陷三維分割算法,通過對切片圖像序列的逐層有效分割,準確地提取三維缺陷體。對模擬固體火箭發(fā)動機切片序列的分割實驗,驗證了該方法的有效性。3.針對三維圖像體數(shù)據(jù),研究了一種基于改進K均值聚類的圖像三維分割算法,結合一種初始聚類中心自動生成算法,避免了傳統(tǒng)K均值聚類算法需要人工選擇初始聚類中心的問題。該算法充分利用三維圖像的整體信息,可獲得更加精確的缺陷體分割結果。
【關鍵詞】：缺陷定位 三維圖像分割 分形維數(shù) 形態(tài)學 K均值聚類
【學位授予單位】：中北大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP391.41
【目錄】：

• 摘要4-5
• Abstract5-10
• 第一章 緒論10-16
• 1.1 課題的研究背景、目的及意義10-12
• 1.2 國內外研究現(xiàn)狀12-14
• 1.2.1 缺陷定位技術12-13
• 1.2.2 三維圖像分割方法13-14
• 1.3 論文結構14-16
• 第二章 工業(yè)CT圖像特點和分割技術概述16-23
• 2.1 工業(yè)CT圖像的特點16-17
• 2.2 圖像分割的定義及分類17-18
• 2.3 常用圖像分割方法概述18-22
• 2.3.1 傳統(tǒng)圖像分割方法18-21
• 2.3.2 其他圖像分割方法21-22
• 2.4 本章小結22-23
• 第三章 基于分形維數(shù)的缺陷自動定位算法研究23-37
• 3.1 分形理論概述23-27
• 3.1.1 分形的定義23-24
• 3.1.2 分形維數(shù)24-25
• 3.1.3 Blanket方法25-27
• 3.2 基于分形維數(shù)的缺陷自動定位算法27-33
• 3.2.1 算法步驟及流程圖27-30
• 3.2.2 算法關鍵參數(shù)30-31
• 3.2.3 軟件系統(tǒng)設計31-33
• 3.3 實驗結果與分析33-36
• 3.3.1 實際模型工業(yè)CT圖像實驗及分析33-34
• 3.3.2 實際工業(yè)DR圖像實驗及分析34-36
• 3.4 本章小結36-37
• 第四章 結合形態(tài)學和Otsu的缺陷三維分割算法研究37-47
• 4.1 數(shù)學形態(tài)學理論概述37-38
• 4.2 Otsu閾值分割算法概述38-39
• 4.3 基于形態(tài)學和Otsu的缺陷分割算法39-44
• 4.3.1 算法步驟及流程圖39-43
• 4.3.2 算法關鍵參數(shù)43-44
• 4.3.3 軟件系統(tǒng)設計44
• 4.4 實驗與結果分析44-46
• 4.5 本章小結46-47
• 第五章 基于改進K均值聚類的圖像三維分割算法研究47-57
• 5.1 聚類算法概述47-48
• 5.1.1 劃分聚類算法47-48
• 5.1.2 層次聚類算法48
• 5.2 基于改進K均值聚類的圖像三維分割算法48-53
• 5.2.1 初始聚類中心自動生成算法49-50
• 5.2.2 算法步驟及流程圖50-52
• 5.2.3 算法關鍵參數(shù)52-53
• 5.4 實驗與結果分析53-56
• 5.4.1 改進K均值聚類圖像分割實驗53-55
• 5.4.2 二維三維圖像分割對比實驗55-56
• 5.5 本章小結56-57
• 第六章 總結與展望57-59
• 6.1 論文總結57
• 6.2 存在的問題及展望57-59
• 參考文獻59-64
• 攻讀碩士學位期間發(fā)表的論文及所取得的研究成果64-65
• 致謝65-66

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 王倩妮;蘇宇航;郭廣平;;基于工業(yè)CT圖像的空心渦輪葉片壁厚測量法[J];無損檢測;2015年06期

2 張祥春;張鷺;王俊濤;;工業(yè)CT技術在航空發(fā)動機單晶葉片壁厚測量中的應用[J];無損檢測;2015年02期

3 陳怡;喻湘鳳;;固體火箭發(fā)動機部件的損傷探測[J];無損檢測;2014年03期

4 劉俊定;范新南;丁朋華;鄭慶元;;基于改進Sobel算子的多儀表圖像邊緣檢測算法[J];科學技術與工程;2012年19期

5 于光輝;盧洪義;朱敏;王星博;王鴻玲;;基于相似變換的CT圖像缺陷定位方法[J];CT理論與應用研究;2012年01期

6 趙鵬;王召巴;陳友興;;藥柱脫粘超聲檢測方法研究[J];電子技術應用;2012年03期

7 劉艷;趙英良;;Otsu多閾值快速求解算法[J];計算機應用;2011年12期

8 盧艷平;王玨;喻洪麟;;工業(yè)CT三維圖像處理與分析系統(tǒng)[J];儀器儀表學報;2009年02期

9 張五一;趙強松;王斌;;基于Gabor小波變換的簾子布疵點檢測研究[J];計算機工程與應用;2008年24期

10 朱敏;盧洪義;李海燕;;固體火箭發(fā)動機三維可視化無損檢測系統(tǒng)設計[J];兵工學報;2008年07期

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 方黎勇;基于ICT切片圖像的零件內部缺陷三維重構關鍵技術研究[D];西南交通大學;2009年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 梅林;基于K-均值聚類及數(shù)學形態(tài)學的細胞圖像自動分割方法研究[D];重慶大學;2014年

2 徐維;工業(yè)CT圖像弱邊緣檢測方法研究[D];重慶大學;2012年

3 姚玉敏;基于模糊聚類的圖像分割算法研究[D];重慶大學;2012年

4 廖武忠;基于圖論理論的圖像分割算法的研究[D];重慶大學;2012年

5 閻貝;醫(yī)學圖像分割算法研究與實現(xiàn)[D];電子科技大學;2012年

6 王磊;運載火箭的密頻特性及其發(fā)動機隔振[D];哈爾濱工業(yè)大學;2010年

7 楊天霞;基于序列模式的序列聚類挖掘算法研究[D];西北師范大學;2010年

8 鄭劍鋒;基于感興趣區(qū)域的圖像分割及其在圖像檢索中的應用[D];上海交通大學;2008年

9 葉峰;醫(yī)學圖像體數(shù)據(jù)分割及其可視化的研究[D];蘇州大學;2008年

10 王飛;基于ICT的固體火箭發(fā)動機無損檢測及成像技術研究[D];西北工業(yè)大學;2005年

，

本文編號：629047