工業(yè)CT圖像輪廓提取方法的研究.pdf

1、工業(yè)X射線斷層成像技術(shù)(CT，Computed Tomography)是一種無損的數(shù)字化測量方法。它利用射線對物體進行掃描，從投影數(shù)據(jù)中重建出被測物體的切片圖像和三維圖像，進而對任意形狀，尤其是結(jié)構(gòu)封閉的工業(yè)器件進行各種分析。比如，可以根據(jù)切片序列圖像對現(xiàn)有的實物原型進行逆向建模、根據(jù)切片圖像中的特征參數(shù)衡量制造誤差、測量產(chǎn)品某一部分的結(jié)構(gòu)尺寸等等。這一系列的應(yīng)用都要以特征參數(shù)的提取為前提，而特征參數(shù)的定義大都基于形狀信息，輪廓恰好是結(jié)

2、構(gòu)形狀的最好體現(xiàn)，因此，輪廓提取成為工業(yè)CT圖像處理中非常重要的問題?；谛〔O大值的算法是一種比較典型的輪廓提取方法，它能夠快速得到圖像的初始輪廓，在提取輪廓的同時有效去除冗余的細節(jié)信息，同時還具有一定程度的抗噪性。然而，這種方法往往需要兩步才能得到輪廓特征，首先閾值化小波系數(shù)，然后邊緣跟蹤。閾值化的過程會影響到邊緣的定位，而邊緣跟蹤則會增加檢測的時間和算法復(fù)雜度。以此問題為切入點，本論文主要完成了如下的研究工作：
　　(1)

3、為了對上述算法進行改進，研究了一種基于小波變換和人機交互的輪廓提取方法。該方法借助少量的人機交互來選擇輪廓初始點，接著，根據(jù)每個像素點小波變換的模值，對像素點進行連續(xù)、自動地過濾和確定，去掉了閾值化的篩選過程，改善了邊緣定位，提高了算法的可執(zhí)行度。另外，由于像素點的篩選是在邏輯連續(xù)的前提下進行，因此不再需要額外的邊緣跟蹤來確保輪廓的連續(xù)性，實現(xiàn)了邊緣提取和邊緣跟蹤的合二為一，簡化了操作步驟。對于工業(yè)CT圖像，該方法可以在不需要任何預(yù)處理

4、和后處理的情況下得到連續(xù)、細化、封閉的輪廓特征。同時它還具有良好的靈活性，可以根據(jù)實際需要，僅僅提取感興趣區(qū)域的輪廓而非全部，減少了計算量。
　　(2)對工業(yè)CT圖像進行輪廓提取的時候，基于人機交互的方法可以給研究工作帶來很多的便利。然而，當(dāng)數(shù)據(jù)量增加或者自動化要求提高的時候，我們更希望能夠在保證輪廓質(zhì)量的前提下，實現(xiàn)自動提取。為此，本論文研究了一種自動的基于平穩(wěn)小波變換的二維輪廓提取算法，根據(jù)融合操作的可行性，將該算法應(yīng)用到了工

5、業(yè)CT體數(shù)據(jù)三維輪廓的提取上。與連續(xù)小波相比，平穩(wěn)小波變換可減少計算量，并通過濾波器組快速實現(xiàn)。離散小波雖然也存在快速算法，但變換后的圖像尺寸變小，需要經(jīng)過插值等放大措施恢復(fù)到原來的大小，降低了圖像質(zhì)量的穩(wěn)定性，因此，平穩(wěn)小波成為本算法中小波變換的工具。在提取過程中，該算法不再需要人機交互，而是通過增加輪廓初始點約束條件、增強和完善輪廓點的篩選規(guī)則實現(xiàn)了對工業(yè)CT圖像輪廓特征的自動提取。在對工業(yè)CT體數(shù)據(jù)進行三維輪廓提取的時候，首先將體

6、數(shù)據(jù)按照不同的方向進行切割，對每組切片圖像運用基于平穩(wěn)小波變換的算法提取二維輪廓，最后借助于融合理論得到體數(shù)據(jù)的三維輪廓。通過該方法提取的三維輪廓不僅保留了原方法提取二維輪廓的優(yōu)點，而且彌補了二維輪廓提取方法只能提取平面內(nèi)輪廓信息的不足。
　　(3)隨著用戶需求的增多，工業(yè)CT檢測技術(shù)的精度越來越高，獲取的數(shù)據(jù)量也與日俱增，這給工業(yè)CT數(shù)據(jù)的存儲和長距離傳輸帶來很大的挑戰(zhàn)。另外，考慮到工業(yè)CT檢測的物體往往是由幾種材料構(gòu)成，而每種

7、材料具有相同的衰減系數(shù)，重建出來的圖像可近似看成是由分片常數(shù)區(qū)域構(gòu)成，因此研究了一種基于改進輪廓編碼的工業(yè)CT圖像壓縮方法。基于輪廓編碼的圖像壓縮方法往往需要兩步，第一步是輪廓提取，第二步是基于輪廓信息得到壓縮編碼。這種方法一方面對緩存空間有較高的要求，另一方面，壓縮的實時性不高。為此，將 Freeman編碼的思想融會到本論文中基于平穩(wěn)小波變換的輪廓提取算法中，實現(xiàn)了輪廓提取與輪廓編碼的同時進行，改善了壓縮的實時性。另外，在輪廓存儲過程

8、中，存儲的是點與點之間的相對位置，而非真實坐標(biāo)，降低了對緩存空間的要求。最后，通過對比特流進行進一步的霍夫曼無損壓縮，實現(xiàn)了在保護圖像信息的同時獲得更高的壓縮比。
　　本論文針對工業(yè)CT圖像的特點和輪廓提取的重要性，對基于小波模極大值的輪廓提取算法進行了一系列改進，并將提取方法應(yīng)用到了對工業(yè)CT圖像的輪廓編碼中，實現(xiàn)了圖像的壓縮。實驗證實，改進后的方法不僅明顯地改善了輪廓質(zhì)量，而且對對比度好、噪聲較弱和有分片常數(shù)特性的圖像有良好的