工业CT图像匹配与识别

论文摘要

工业CT是20世纪80年代发展起来的先进无损检测技术。由于工业CT不受被检测物体的材料种类、形状结构等因素影响,能以图像的形式,清晰、直观、准确地呈现被测物体内部的结构、密度变化以及缺陷的性质、位置及大小,不仅有很高的空间分辨率,而且有很高的密度分辨率。工业CT作为一种无损检测和质量评价,广泛应用于航空航天、兵工以及机械制造等领域。工件缺陷大致分为两种:一种是工件内部零部件的装配错误,如关键零部件是否存在,安装位置是否正确等;一种是工件内部材质存在的缺陷,如裂缝、气孔、夹渣、脱粘等。本课题主要是基于工业CT图像对工件装配缺陷识别技术进行研究。本文主要探讨了存在装配缺陷的工业CT图像的匹配与识别问题,主要研究内容包括:介绍图像匹配的基本理论,包括图像匹配的概念、数学描述、匹配流程、匹配性能、图像匹配的研究内容以及现有的匹配算法。讨论了影响工业CT匹配识别的各种误差因素。对工业CT图像的去噪方法进行了分析和比较。在不变矩图像匹配方面,采用了粗、精匹配结合的方法,即第一步采用快速但不太精确的方法来寻找可能匹配点,第二步利用不变矩对可能匹配点进行精确匹配,找到正确的匹配点,解决了传统方法不能解决的图像旋转问题。为提高图像识别速度,研究了一种基于快速方形块搜索算法的图像矩匹配,改变了以往对匹配图进行全图逐点搜索的做法。将模板分成数个子模板图,计算每个子模板图的特征值;对待匹配图像进行非遍历性搜索,将子图特征值分别与各个子模板图的特征值比较,选出最优点,实现图像与模板的匹配。根据工业CT检测对象的特殊性,针对含有多个工件的工业CT图像,研究了一种基于弧半径投影的多目标图像识别方法。通过弧半径投影确定出工件所在的扇环位置,在识别时,仅对这一部分进行计算,减少了计算量。同时,通过大量的实验验证了算法的有效性。

论文目录

• 中文摘要
• 英文摘要
• 1 绪论
• 1.1 引言
• 1.2 CT 和工业CT 的发展概况
• 1.3 工业CT 概述
• 1.3.1 工业CT 的基本类型
• 1.3.2 工业CT 原理
• 1.4 课题背景及研究意义
• 1.5 论文主要工作安排
• 2 图像匹配算法
• 2.1 图像匹配的发展与现状
• 2.2 图像的匹配性能
• 2.3 影响工业CT 图像匹配或识别的主要因素
• 2.4 图像噪声去除
• 2.5 传统的图像匹配方法
• 2.5.1 模板匹配算法
• 2.5.2 傅立叶变换的相关算法
• 2.5.3 不变矩匹配算法
• 2.5.4 相位相关算法
• 2.6 图像匹配算法发展趋势
• 2.7 本章小结
• 3 图像的不变矩理论
• 3.1 矩特征
• 3.1.1 矩的一般表达法
• 3.1.2 矩的物理意义
• 3.1.3 矩的变换性质
• 3.2 不变矩
• 3.2.1 Hu 矩
• 3.2.2 Zernike 矩
• 3.2.3 直方图不变矩
• 3.3 本章小结
• 4 不变矩在工业CT 图像匹配中的应用
• 4.1 基于不变矩的图像匹配方法
• 4.1.1 粗筛选方法
• 4.1.2 精确匹配过程
• 4.2 基于快速方形块搜索算法的图像矩匹配
• 4.2.1 基本思想
• 4.2.2 术语与表达法
• 4.2.3 算法实现步骤
• 4.2.4 算法复杂度分析
• 4.2.5 实验结果及分析
• 4.3 基于弧半径投影的多目标图像识别方法
• 4.3.1 算法原理
• 4.3.2 术语与表达法
• 4.3.3 算法实现步骤
• 4.3.4 实验结果及分析
• 4.4 本章小结
• 5 总结与展望
• 5.1 本文工作总结
• 5.2 今后工作展望
• 致谢
• 参考文献
• 附录