基于CV模型的工业CT图像裂纹检测算法研究

论文摘要

图像分割是图像测量、识别和分析等研究的基础,它将感兴趣区域从图像中分离出来,便于对其作进一步处理。基于工业CT图像的裂纹检测,首先要将CT图像中的裂纹区域分割出来,以便下一步对裂纹进行测量和分析。分割的准确性直接影响下一步工作的有效性,因而具有重要的意义。新近发展起来的C-V模型是一种基于偏微分方程理论的图像分割模型。它将水平集应用到图像分割中,利用由零水平集函数曲线决定的内能和由图像数据决定的外能,使零水平集函数曲线最终停止在目标区域的边界位置。因而C-V模型具有其它传统图像分割方法不具备的许多优点:它可以自动适应目标几何结构的拓扑变化,获得连续边缘。但是利用C-V模型分割图像时,局部边缘往往定位不够精确。Facet模型是一种精度高、抗噪性强的曲面拟合边缘检测方法,已广泛应用于图像分割中,但所得的边缘往往是不连续的。本文的研究内容主要包含下面三个部分:（1）研究了C-V模型和Facet模型,并将其分别应用于二维CT图像的裂纹边缘检测。（2）结合C-V模型和Facet模型的优缺点,研究了一种综合的二维裂纹检测方法:先利用C-V模型得到图像中裂纹边缘点的坐标,再在这些裂纹边缘点的周围利用Facet模型进行边缘检测,最后结合两次检测的结果,得到连续、封闭和高精度的边缘。（3）研究了可以直接对三维体数据进行边缘检测的三维C-V模型。作为二维C-V模型的推广,它避免了原先需对三维体数据进行降维的缺点。实验结果表明,三维C-V模型可以较好地检测出三维裂纹体,为后面进行裂纹应力分析打下基础。

论文目录

• 中文摘要
• 英文摘要
• 1 绪论
• 1.1 课题研究的背景及意义
• 1.2 工业CT 技术
• 1.3 裂纹检测研究的现状
• 1.3.1 结合边缘检测和图像分割的裂纹检测
• 1.3.2 基于脊波算法的裂纹检测
• 1.3.3 基于差影法和模板匹配的裂纹检测
• 1.4 论文的主要安排
• 2 C-V 模型的理论基础
• 2.1 曲线（面）演化理论
• 2.2 水平集方法
• 2.2.1 水平集的理论基础
• 2.2.2 水平集方法的数值实现
• 2.3 C-V 模型原理
• 2.3.1 Mumford-Shah 模型
• 2.3.2 C-V 模型
• 2.3.3 C-V 模型的水平集表示
• 2.3.4 C-V 模型的数值实现
• 2.4 本章小结
• 3 结合 C-V 模型和 Facet 模型的裂纹检测及测量
• 3.1 引言
• 3.2 Facet 模型
• 3.3 结合C-V 模型和Facet 模型的裂纹边缘检测及测量
• 3.3.1 算法流程图
• 3.3.2 算法具体步骤
• 3.4 试验及结果分析
• 3.4.1 裂纹边缘检测实验结果
• 3.4.2 时间复杂度分析
• 3.4.3 对比试验结果分析
• 3.5 裂纹骨架的获取
• 3.6 裂纹测量
• 3.6.1 计算裂纹长度
• 3.6.2 计算裂纹面积
• 3.6.3 计算裂纹的平均宽度
• 3.7 本章小结
• 4 三维裂纹的检测
• 4.1 引言
• 4.2 三维C-V 模型
• 4.2.1 三维C-V 模型的数学表达式
• 4.2.2 三维C-V 模型水平集方法求解
• 4.2.3 方程的数值求解
• 4.3 仿真实验结果与分析
• 4.3.1 仿真实验结果
• 4.3.2 仿真实验结果分析
• 4.4 三维裂纹体分割
• 4.4.1 截取数据
• 4.4.2 图像预处理
• 4.4.3 三维C-V 体分割
• 4.5 实验结果对比分析
• 4.6 本章小结
• 5 本文结论与展望
• 5.1 本文工作总结
• 5.2 后续研究工作展望
• 致谢
• 参考文献
• 附录