工业CT图像几何尺寸及面积测量方法研究

来源 :重庆大学 | 被引量 : 0次 | 上传用户:seven16
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
工业CT不仅可以在无损条件下以图像形式直观地、清晰地显示物体内部细节的结构关系及缺陷状况,而且可用于物体内外部几何尺寸的高精度无损测量。工业CT检测从定性检测向定量测量方向发展是必然趋势。随着工程实际应用范围的扩大,对CT图像测量精度要求不断提高。实现CT图像几何尺寸及三维曲面的高精度和自动化测量具有重要的工程应用价值。本文主要研究内容如下:首先,工业CT图像几何参数高精度测量的关键是工业CT图像的高精度边缘定位。本文采用了亚像素边缘检测技术,重点研究基于Zernike矩的亚像素边缘检测算法。分析了Zernike矩算法模板选择对边缘定位的影响,针对Zernike矩提取边缘较粗和边缘定位速度较慢的不足,在综合Sobel算子与Zernike矩的基础上改进阈值判定条件有效解决了运行耗时和边缘较粗的问题,能较快获得高精度的细化边缘。其次,为提高几何尺寸测量精度,研究了一种基于Zernike矩的亚像素二维测量方法。先利用改进Zernike矩算法精确定位图像的亚像素边缘,然后对边缘插值拟合亚像素边缘点以实现高精度定位并解决了边缘不连续问题,应用基于距离的边缘跟踪算法跟踪边缘并形成闭合的边缘曲线;最后,将其应用于实际的工业CT图像测量中,分别计算目标图像的面积、壁厚等几何尺寸参数。最后,研究并运用了一种三维曲面面积测量方法,提高了三维曲面面积测量的精度和速度。提出一种边缘拟合的层间插值方法,解决了CT序列断层图像在Z方向分辨率不足的问题,应用圆弧切线外插法补齐缺失的顶端数据;最后,利用最短对角线法用三角面片拟合三维曲面,通过累加三角形面积计算曲面面积。本文对工业CT图像几何尺寸和曲面面积测量做了比较系统的研究,设计并实现了一种工业CT图像测量方法并用于实际。通过对仿真图像和实际工件的测量,验证了测量方法的精度、速度和适用范围。结果表明,本文测量方法效果明显,具有工程应用价值。
其他文献
目前,集中供暖技术获得了越来越广泛的应用,但是随着规模的扩大,如何解决各换热站之间的水力耦合问题,以及及时有效地获取供热管网的准确参数值,实现集中供暖的全自动控制,将具有重
在现代化工业生产中,由于永磁同步电机具有体积小、效率高、损耗低等特性,被广泛使用于要求高精度和抗干扰能力强的场合。常规的PID控制对于这样系统的控制效果往往不是很理想。本人正是在常规PID不能根据现场的情况对参数进行在线的自我调节情况下,提出了基于模型参考的模糊自适应控制。模糊自适应控制是模糊控制理论与自适应控制相结合的产物,而且非线性系统的模糊自适应控制已成为当前控制领域里的热门方向。它是通过在
随着电力电子技术的飞速发展,感应耦合电能传输(ICPT)技术的应用使得电能无线传输成为了现实,以前电能传输只能通过导线直接输送的面貌得到了改变,国内外越来越多的科研团队、企业和单位相继加入ICPT技术的研究和应用开发中来。国内外在ICPT系统的电能变换与补偿、松耦合变压器及结构设计、主电路控制策略和频率稳定性问题、谐振电路拓扑、输出稳压等方面有比较多的研究。伴随着对电能质量的高要求,电网谐波污染的
随着矿业开采的不断扩大,井下安全事故频发,矿井安全问题特别是井下矿产开采人员的生命安全已成为是矿井安全生产乃至社会安全事故的热点和难点。矿用井下救援指挥广播对讲系统
小型无人直升机由于其独特的性能在军事和民用领域具有很大的应用价值,成为目前自主控制领域的研究热点之一。其高度非线性、强耦合、时变、开环不稳定等特点,给飞行控制带来
伴随着工业现代化进程,工业生产过程中被控对象的控制精度和性能要求越来越高,并且由于控制对象结构的变化、运行环境的改变、非线性的影响、以及环境干扰等诸多因素,传统的PID
在导向钻井过程中,导向控制所需要的井下工具姿态参数主要有工具的旋转速度、工具倾角、工具方位角等,对这些参数的准确、实时测量是导向钻井工具实现导向控制的前提条件,也
随着电力系统的快速发展,输电线路的电压等级升高,输电线路的距离增长,电网的规模变大,同时也对电力系统的安全稳定运行产生了重要影响。为保障高压输电线路的正常运行,选相元件必须快速有效地工作。当故障发生时,继电保护能够正确动作的前提是能够准确而迅速地识别并选择出故障相。鉴于此,本文提出了基于小波包理论的输电线路故障类型识别方法,旨在研究小波分析及小波包理论在输电线路故障诊断和继电保护方面的可行性,同时
现今部队实战射击训练中,普遍采用人工报靶方式,即存在一定安全隐患,消耗了无谓的人力和时间,射手也无法根据射击情况进行实时调整。而以光电技术和图像技术为代表的报靶系统
支持向量机(SVM)为一种由Vapnik等人研发出的机器学习方法,是面向小样本进行学习而提出的方法。它在统计学习理论的基础上发展而来,由于继承了其结构风险最小化准则和VC维理论,