基于CV模型的工业CT图像裂纹检测算法研究-计算数学专业论文.docxVIP

重庆大学硕士学位论文中文摘要 重庆大学硕士学位论文 中文摘要 I I 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。 关键字：CT 图像分割，裂纹检测，Facet 模型，二维 C-V 模型，三维 C-V 模型 重庆大学硕士学位论文英文摘要 重庆大学硕士学位论文 英文摘要 II II ABSTRACT Image segmentation is a foundation of image measurement, recognition and analysis. It divide image into different parts, find the region of interest and to facilitate further processing. Based on industrial CT image, crack region is split from the image using crack detection method for the sequent crack measurement and analysis. The accuracy of image segmentation affects the effectiveness of the following task, so it is very important. C-V model which based on the theory of partial differential equations is a novel and effective method in image segmentation. It makes the evolving curve of zero level set function stop on the boundary of target regions by use of internal energy depended upon the curve of zero level set function and external energy depended on image data. Compared with traditional image segmentation methods, C-V model has some special advantages: It can accommodate itself to the changes of the object’s Geometric topology and obtain continuous boundary. Facet model is an image segmentation method, which has an advantage of high precision and noise suppression. But it sometimes can not obtain continuous boundary. In this paper, the followin