工業(yè)CT高精度圖像測量算法研究.pdf

1、隨著科學技術和工業(yè)生產(chǎn)的迅猛發(fā)展,許多領域越來越多地提出了對三維工件尺寸和形狀參數(shù)測量的要求。近年來,利用CT進行檢測時,從定性檢測向定量測量發(fā)展是其中一個重要的研究方向。而CT圖像測量就是以CT斷層圖像為研究對象來獲得目標幾何參數(shù)的測量方法,目前已廣泛應用于工業(yè)檢測和醫(yī)學診斷等領域。隨著實際應用對測量精度要求的不斷提高,已有的測量方法很難滿足實際需要,因此高精度測量方法的研究具有重要的應用價值。本文完成的主要研究內容如下:在圖像測量領

2、域,待測目標邊緣點的定位精度往往直接影響到整個測量的精度。傳統(tǒng)的像素級邊緣檢測方法精度不高,因此討論了亞像素邊緣檢測技術,尤其重點研究基于Facet模型的亞像素邊緣檢測算法,該算法具有定位精度高、抗噪能力強等優(yōu)點,但時間復雜度太高。針對此缺點,提出了一種改進算法,先采用Mallat的小波變換模極大算法提取初始邊緣點,再用2DFacet模型對初始邊緣點進行處理,進一步確定邊緣點,并計算其亞像素精確位置。改進算法將基于2DFacet模型的算

3、法與小波變換模極大算法有效地結合起來,彌補了各自的缺點,發(fā)揮了它們的優(yōu)點,不僅提高了處理速度,而且增加了抗噪能力和邊緣的連續(xù)性。針對常用二維測量方法精度不高等不足,研究了一種亞像素二維測量方法,并將其應用于實際的工業(yè)CT圖像測量中,提高了二維測量的精度。首先,采用改進算法提取亞像素邊緣,為測量提供了高精度的數(shù)據(jù);然后,通過最小距離搜索法分離出待測目標的邊緣點并生成排序鏈碼,克服了邊緣點是浮點型且不連續(xù)的困難,給參數(shù)的計算提供了有效的數(shù)據(jù)

4、;最后,分別利用離散化的格林公式和歐氏距離公式計算目標的面積和周長。針對常用三維測量方法精度不高、自動化程度低等不足,研究了一種亞體素三維測量方法,并將其應用于實際的工業(yè)CT體數(shù)據(jù)測量中,提高了三維測量的精度和自動化程度。首先,采用基于3DFacet模型的亞體素邊緣檢測算法提取邊緣,該算法充分利用了相鄰層的相關信息,能提取更準確的邊緣;然后,通過降維處理和最小距離搜索法把待測目標的邊緣點從整體邊緣中分離出來并生成排序鏈碼;最后,利用最短