圖像分割算法研究及在工業(yè)CT中的應(yīng)用.pdf

1、圖像分割是按照一定的標(biāo)準(zhǔn)把圖像分成各具特性的區(qū)域并提取出感興趣目標(biāo)的技術(shù)和過程，它是對圖像進(jìn)行進(jìn)一步分析、理解和識別的基礎(chǔ)，是圖像可視化、圖像測量、圖像壓縮等許多高級圖像處理技術(shù)的重要基礎(chǔ)工作，是數(shù)字圖像處理領(lǐng)域的關(guān)鍵技術(shù)之一。圖像分割在數(shù)字圖像處理領(lǐng)域的重要性，使得它一直都是眾學(xué)者研究的熱點(diǎn)工作。
　　 圖像分割方法至今已經(jīng)發(fā)展了幾十年，學(xué)者們從不同的理論角度提出了許多方法并得以應(yīng)用。本文首先學(xué)習(xí)研究了幾種基于邊緣檢測的圖像分

2、割方法的理論、算法特點(diǎn)，并分別做了相應(yīng)的實(shí)驗(yàn)分析。然后特別針對基于偏微分方程理論的主動輪廓模型算法和基于曲面擬合的Facet模型邊緣檢測分割算法進(jìn)行了專門的研究改進(jìn)和實(shí)際應(yīng)用。
　　 主動輪廓模型是一種基于偏微分方程的圖像分割方法，其主要思想是定義一個能量函數(shù)，在輪廓由初始位置向目標(biāo)真實(shí)輪廓逐漸靠近時，尋找此能量函數(shù)的局部極小值，即通過對能量函數(shù)的動態(tài)優(yōu)化來逼近目標(biāo)的真實(shí)輪廓。該方法可有效地克服噪聲干擾，特別適用于噪聲比較大的圖

3、像處理。本文首先闡述了主動輪廓模型的基本原理，研究了傳統(tǒng)參數(shù)主動輪廓模型的算法及其改進(jìn)方式，然后針對傳統(tǒng)參數(shù)主動輪廓模型對輪廓線的初始位置敏感的問題，改進(jìn)了獲取初始輪廓線的方法，然后把改進(jìn)后的算法應(yīng)用于工業(yè)CT(Computed Tomography，計(jì)算機(jī)斷層成像技術(shù))實(shí)際問題中，針對實(shí)際CT圖像中工件的缺陷進(jìn)行分割和參數(shù)測量，取得了較好的應(yīng)用效果。
　　 Facet模型是一種基于曲面擬合邊緣檢測的圖像分割方法，它以精度高、抗

4、噪性強(qiáng)的特點(diǎn)而得到青睞并廣泛應(yīng)用。但它在進(jìn)行三維邊緣檢測時卻存在非常耗時的缺點(diǎn)，這限制了其在實(shí)際工業(yè)CT中的應(yīng)用。針對這一問題，本文研究了一種3D facet模型的加速方法，首先對三維圖像數(shù)據(jù)進(jìn)行三維小波變換，設(shè)定較小閾值，完成圖像邊緣的粗定位，然后再針對粗邊緣點(diǎn)逐個進(jìn)行三維Facet擬合，完成圖像邊緣的精確定位。這種改進(jìn)方法不僅能得到與直接3D Facet模型效果相當(dāng)?shù)倪吘?，更是大大提高了三維邊緣檢測的速度。把加速后的算法應(yīng)用于工業(yè)C