本文關鍵詞：數(shù)字圖像技術在棒材和鍛件超聲檢測中的應用研究，由筆耕文化傳播整理發(fā)布。

淅江大學碩士學位論文；表４—３；面積；缺陷號周長加權周長短徑加權崗長平方方差熵缺陷；０１；０２；０３；０４；４．５本章小結（ｒａｍ；本章完成了以下幾方面的工作：；１．介紹了圖像識別的概念，圖像識別的理論與方法和；行區(qū)域劃分并進行缺陷標記；幾何特征，和反映缺陷區(qū)域灰度變化的灰度方差、熵等；５．采用階層識別的方法，設立了兩個簡單的二叉樹分；６．給出了一般超聲圖像

淅江大學碩士學位論文

表４—３

面積

缺陷號周長加權周長短徑加權崗長平方方差熵缺陷

０１

０２

０３

０４

４．５本章小結（ｒａｍ。）ｆｍｍ）（ｒａｍ），眨徑，蝤積類別３５２７８４０７５２０１６１３４．８６０５４孔４６２８９３０．３３１８８０２４１．７３２．０６裂紋４０２５７８０５６１５２ｌ３８０５２．２７孔２７１８５５０，４３１】２０３３６．１ｌ１．０１裂紋

本章完成了以下幾方面的工作：

１．介紹了圖像識別的概念，圖像識別的理論與方法和樹分類法的原理。

行區(qū)域劃分并進行缺陷標記。

幾何特征，和反映缺陷區(qū)域灰度變化的灰度方差、熵等聲學特征。

５．采用階層識別的方法，設立了兩個簡單的二叉樹分類器。

６．給出了一般超聲圖像缺陷的定量定性分析的流程圖。并對檢測實例進行定性定量分析，最終得到分析結果。２．采取了較高效率的輪廓跟蹤算法，根據(jù)相似性和非連續(xù)性理論對聲像進３．選擇并構造了周長、長徑、短徑、面積、加權周長等表征缺陷子圖像的４．根據(jù)孔、氣泡和裂紋等缺陷的特點對分類特征進行了選擇。

新扛大學碩士學位論文

第五章基于圖像配準的鍛件圖像檢測

【內(nèi)容提要ｌ先概述了圖像配準，介紹了圖像配準的定義，圖像變換的類型以及幾種配準理論及多種算法。然后針對鍛件掃查圖像的特殊性進行分析，提出了兩種適合鍛件檢測的配準算法，并對兩種算法進行了比較。接著介紹了鍛件圖像檢測的實現(xiàn)過程，包括模板圖像的建立算法，整個圖像檢測的流程等。最后對一鍛件圖像實例進行處理，給出了該工件缺陷的定性定量分析結果。

５．１圖像配準概述

圖像配準（ＩｍａｇｅＲｅｇｉｓｔｒａｔｉｏｎ）在圖像處理領域中是一項非�；镜墓ぷ�。它一般用來匹配（Ｍａｔｃｈ）不同時間、不同傳感器，或不同視角條件下采集的兩幅或多幅圖像。圖像配準是在空間域內(nèi)匹配兩幅圖像的處理方法，它可以使得同一場景兩幅圖像的對應像素對準到同一物理位鷺，是許多圖像處理應用中的必不可少的研究任務。許多年過去了，人們已經(jīng)對不同類型數(shù)據(jù)和問題的配準算法進行了廣泛的研究，不同領域內(nèi)的許多實際問題都要求將圖像進行配準【３棚。

一般來講，以下情況都需要進行配準運算：

（１）將不同傳感器上獲取的信息進行合并。

（２）對于不同時間段或不同條件下采集的圖像，研究其變動規(guī)律。

（３）同～場景中相機或物體運動后，根據(jù)采集圖像推斷立體信息。

（４）基于模板的對象識別研究［３”。

為了配準兩幅圖像，必須找到一種變換關系（Ｔｒａｎｓｆｏｒｍａｔｉｏｎ）使得圖像中任一點可以映射到另一圖像中某一像素。這種變換關系必須理想地將兩幅圖像對齊，而這種“理想化”取決于最終需要配準對象的特性。例如，一幅ＣＴ圖像可以清晰地看到病人的結構和大體的解剖情況；而另一幅利用對放射性較敏感的傳感器所采集的圖像，如ＰＥｌ佃ｏｓｉｔｉｏｎｔｏｍｏｇｒａｐｈｙ）或ＳＰＥＣＴ（ｓｉｎｇｌｅ

ｃｏｍｐｕｔｅｄｐｈｏｔｏｎｅｍｉｓｓｉｏｎｔｏｍｏｓｒａｐｈｙ）圖像，則可以非常詳細地觀察一些特殊的新陳代謝活動，但卻只能探測到有限的正常結構部分。由于兩種圖像是在不同分辨率、不同的視角和不同時間段下分別采集的，因此簡單的將兩幅圖像重疊在一起進行對比研究是不可行的。但是，成功的圖像配準算法可以準確地找到發(fā)生新陳代謝的結構點（如腦瘤），而其它方法則很難實現(xiàn)這種功能。這種情況下，圖像配準意味著可以找到一種很好的變換關系，從而將兩個傳感器采集到的結構進行匹配。

當前的配準算法應用主要集中在以下三個領域中：

１．計算機視覺和模式識別領域——大量的不同性質(zhì)的任務；比如分割、對象識別、形狀重建、運動跟蹤、立體匹配和特征識別方面。

浙江大學碩士學位論文

２．醫(yī)學圖像分析領域——醫(yī)學圖像診斷方面，比如腦瘤的檢測和病因定位；

生物醫(yī)學研究方面，比如血細胞顯微圖像分類等。

３．遙感數(shù)據(jù)處理領域——民用和軍用系統(tǒng)中；農(nóng)業(yè)、地質(zhì)、海洋學、石油

和礦產(chǎn)探測、城市和森林污染、目標定位和確認等方面。

人們對于這三個領域中的配準算法已進行了大量的研究，在其它領域內(nèi)也存在許多特殊匹配算法的應用，比如語言理解、機器人技術、自動檢測、ＣＡＤ／ＣＡＭ、天文學等領域。所有這些領域的配準問題所涉及到的“變形”類型包括：

ｆ１）傳感器噪聲；

（２）傳感器視角或觀察平臺等觀察點改變：

（３１對象改變，如運動、變形等；

（４）光照或者空氣條件改變，如陰影和云狀覆蓋等；

（５）不同的傳感器因素；

我們仔細收集了目前在計算機視覺和模式識別、醫(yī)學圖像分析、遙感數(shù)據(jù)處理這三個領域中涉及到的特殊配準問題，并且將它們分成四類：多模態(tài)配準、模板配準、視角配準和時域配準。

１．多模態(tài)配準。對采集自不同傳感器、同一場景的圖像進行圖像配準，常用于醫(yī)學圖像分析中信息融合的增強分割和像素分類。

２．模板配準。對于圖像中參考圖像的配準，常用于識別或定位某個圖案，，

如地圖或圖像中的對象模型。

３．視角配準。從不同視角采集的圖像的配準，常用于圖像細節(jié)重建。

４．時域配準。同～個場景中，在不同時間或不同條件下采集圖像的配準，

常用于檢測或監(jiān)視變化和增長問題。

但配準問題決不僅僅局限于上述所列出的方面，許多問題均由下面幾種情況的交叉結合導致。

隨著科技的進步和研究人員的努力，除了我們上面總結的各種圖像配準方法之外，許多新的交叉結合的配準算法已經(jīng)得到廣泛的研究。Ｓｅｌａｒｏｆｆ和Ｐｅｎｔｌａｎｄ提出的模板匹配【２６１是一種建立兩個形狀中魯棒特征點匹配的有效方法。Ｍｅｅｏｃｃｉ和Ｂｕｓｓｏｎｉ則認為兩幅圖像的點特征匹配問題非常重要，而且已經(jīng)在立體視覺、運動結構以及圖像序列中運動對象跟蹤等各方面得到廣泛應用。因此，利用模板匹配方法，他們提出了～種兩幅圖像問的大量點特征匹配的可靠算法來實現(xiàn)圖像配準【２７】。ＬｏｈＫｏｒＨｅｎｇ等人利用分層方法實現(xiàn)了旋轉(zhuǎn)和位移圖像的高精確性配準。這種算法與傳統(tǒng)的基于空間域或頻域的插值或相關算法相比非常有效，而且具有很好的魯棒性，并可以獲得亞像素圖像配準精度Ｂ０】。而Ｐｒａｍｏｄ．Ｋ．Ｖａｒｓｈｎｅｙ的方法和前面算法類似，但他采取了小波變換來實現(xiàn)圖像的金字塔分層，在圖像分區(qū)同時實現(xiàn)了圖像灰度級別重新分級，大大增加了處理的可靠性【ｊ“。

浙江大學碩士學位論文

在圖像配準算法領域內(nèi)還有許多算法是基于互信．ｇ（ＭｕｔｕａｌＩｎｆｏｒｍａｔｉｏｎ，Ｍ１１基礎的研究。Ｌ．Ｆｒｅｉｒｅ等已經(jīng)成功應用互信息最大化的配準方法進行了交叉確認方面的研究［３８１。

總結以上各種圖像配準算法，基本上可以統(tǒng)計為三類：

（１）基于像素的配準方法。這類方法通常需利用相關函數(shù)、Ｆｏｕｒｉｅｒ變換和各階距量之問的關系式來計算配準函數(shù)；

（２）基于特征的配準方法。這類方法根據(jù)需配準圖像的相同特征之間的幾何關系來確定配準參數(shù)，因此這類方法首先需要提取特征，如邊緣、拐角、點、線、曲率等；

（３）基于模型的配準方法。這種方法是根據(jù)圖像失真的數(shù)學模型對圖像進行非線性矯正式的配準。

前兩類方法屬于全局圖像配準技術，需要假設圖像位置、姿勢和刻度只產(chǎn)生剛性變形，而改變原因往往是物體運動所引起。第三類方法適用于圖像之間局部的、非線性的、非剛性變形的矯正工作，其失真通常是由于成像系統(tǒng)空間編碼的非線性引起的，所以它需要依據(jù)成像系統(tǒng)的非線性失真模型來實現(xiàn)配準。５．２圖像配準理論及各種算法特性

５．２．１配準定義

圖像配準可以定義為尋求兩幅圖像之間空間或灰度域的某種映射關系。將兩幅圖像定義為兩個大小為‘和厶的＿７－維數(shù)組，其中五∞力和ＺＡｘ，ｙ）是每幅圖像中單個像素灰度值，則圖像之間的映射關系可以表示如下：

‘“Ｙ）＝ｇ（１ｉ盯∽ｙ”）

這里廠是二維空間坐標變換關系，即：

（ｘ’，Ｙ’）＝ｆ（ｘ，ｙ）

其中譬是一維灰度變換。（５。１）（５—２）

圖像配準問題就是力求找到最理想的空閬或灰度變換式，使得兩幅圖像中的像素點可以達到匹配。一般情況下不需要進行灰度變換，除非是傳感器類型發(fā)生了改變，或傳感器校準技術決定的簡單查找仍然不能解決問題。我們可以在精確匹配的圖像中提取到什么信息昵？尋找空間或幾何變換關系是大部分配準問題的一般做法。下面通過兩個單值函數(shù)￡，＾的參數(shù)表達式來更加自然的表達這種６０

撕江人學碩士學位論文

變化：

１２（ｘ，Ｙ）＝‘（正（ｘ，ｙ），ｆａｘ，ｙ））（５－３）

如果該幾何變換可用一對可分離函數(shù)表示，即用兩個連續(xù)的一維運算來計算這種幾何變換：

ｆ（ｘ，Ｙ）＝＿（ｘ）‘正（ｙ）（５－４）

剛這種運算可以顯著的提高效率，節(jié)省內(nèi)存消耗。通常情況下，＾應用于圖像中的每一行，而彳人則應用到每一列。這兩種操作在理論上是相乘運算，但在實際應用中，任何一種分解運算均可以極大地提高運算速度。

５．２．２圖像變換的基本類型

圖像配準技術最根本思想是實現(xiàn)圖像對準所需的空間變換或映射。盡管圖像可能存在各種變形，但圖像配準技術必須選擇一種變換關系，使得圖像由于采集差異引起的空間形變可以得到消除。

因此，圖像配準就是尋找一系列的變換，或?qū)ふ乙环N對應關系，使一幅圖像中的每一點在另一幅圖像上都有惟一確定的點與之對應，并且這兩點對應于同一物理位置。設有兩幅圖像Ｅ和Ｅ，‘（ｘ）＝‘（而，Ｙｌ，ｚ１）和厶（ｘ’）＝ＩＡｘ：，Ｙ２，毛）分別表示兩幅圖像的灰度密度函數(shù)，其中Ｘ＝（Ｘｌ，Ｍ，毛）和ｘ’（ｘ２，Ｙ：，ｚ：）分別表示圖像巧和Ｅ中的像素坐標、圖像配準就是尋找一種變換：

Ｍ（Ｘ）＝（Ｕ（ｘｌ，Ｙｌ，五），礦（五，乃，毛），Ｗ（ｘＩ，Ｙｌ，ｚ１））（５—５）它可以把圖像曩映射到Ｅ，使得變換后的圖像厶（Ｍ（ｘ））和厶（ｘ’）具有幾何對應性。

圖像配準中常用的空間幾何變換可以分為剛體變換（ｒｉｇｉｄｔｒａｎｓｆｏｒｍａｔｉｏｎ）、仿射變換（ａｆｔｉｎｅｔｒａｎｓｆｏｒｍａｔｉｏｎ）、透視變換（ｐｅｒｓｐｅｃｔｉｖｅｔｒａｎｓｆｏｒｍａｔｉｏｎ）、投影變換（ｐｒｏｊｅｃｔｉｖｅｔｒａｎｓｆｏｒｍａｔｉｏｎ）和非線性變換（ｃｕｒｖｅｄ

１．剛體變換

如果第一幅圖像中兩點之間的距離交換到第二幅圖像中仍然保持不變，則這種變換稱為剛體變換。剛體變換可分解為平移、旋轉(zhuǎn)和（鏡像）反轉(zhuǎn)。在二維坐標中，點Ｘ（ｘ，ｙ））經(jīng)剛體變換到點彳’（ｘ’，Ｙ’）的變換公式為：６１ｏｒｎｏｎｌｉｎｅａｒｔｒａｎｓｆｏｒｍａｉｏｎ）等。

最新搜索

2004_數(shù)字圖像技術在棒材和鍛件超聲檢測中的應用研究

腫瘤患者跌倒原因分析

投資組合戰(zhàn)略

19計算機網(wǎng)絡機及答案

閱讀題07

管 理 學 語 錄

肝素項目可行性研究報告(目錄)_圖文

《關于費爾巴哈的提綱》解讀70

三基考試題08

黨支部委員候選人推薦表

  本文關鍵詞：數(shù)字圖像技術在棒材和鍛件超聲檢測中的應用研究，由筆耕文化傳播整理發(fā)布。