学位论文 > 优秀研究生学位论文题录展示
局部二值模式的改进及其在工业X射线图像中的应用研究
作 者: 毕碧
导 师: 曾理
学 校: 重庆大学
专 业: 仪器科学与技术
关键词: CT体数据 DR图像 LBP 图像增强 边缘提取
分类号: TP391.41
类 型: 博士论文
年 份: 2012年
下 载: 160次
引 用: 0次
阅 读: 论文下载
内容摘要
X射线成像技术,如断层成像技术(CT, Computed Tomography)和数字辐射成像技术(DR, Digital Radiography),可以通过图像无损地展示被测物体的内部结构,广泛用于工业探伤和医学检测。在工业应用中,X射线无损检测尤其是实时批量检测有一定的时间限制,这就要求相应的图像处理方法能够快速完成检测任务;在DR图和CT体数据中,铸件的灰度对比度和缺陷的分布呈现出一定的局部特性,这就要求相应的图像处理方法能够很好地提取局部特征,能够得到较为准确的边缘检测或特征提取结果。但是传统的图像检测方法受图像数据尺寸或者图像模糊的影响,难以在这两个方面上取得平衡。为了提高检测效率,本论文将纹理描述算子局部二值模式(LBP,Local BinaryPattern)用于X射线图像的图像增强、边缘提取和特征提取等图像处理中。LBP通过加权代表圆域内像素间灰度差异的二值数值来描述纹理信息,具有计算方式简单性、信息提取局部性和单调灰度不变性等优势。本论文根据DR图像和CT体数据的特点,在保持LBP这些优势的同时,从加权方式、待处理数据特点和比较函数上对LBP作相应的改进,提高了LBP对方向和空间信息的提取能力,增强了LBP对边缘的捕捉能力,弥补了LBP对灰度差异程度描述能力的不足。铸件DR图像中缺陷区域的灰度对比度不高,利用LBP的信息提取局部化优势,可以增强含缺陷的DR图,但LBP无法同时增强含有不同方向缺陷的子图。针对LBP对方向信息提取不充分的缺点,我们改进了LBP的加权过程,利用有限线积分变换(FLIT, Finite Line Integral Transform)的积分值来确定图像主方向,按主方向选定合适的权重排列方式来加权对应的二值数值,获得含有方向信息的LBP值。该利用FLIT方向信息改进LBP的算法称为FLIT-LBP。因FLIT的方向优势,FLIT-LBP算法可以增强不同方向的缺陷;因LBP信息提取局部化的优势以及单调灰度不变性,FLIT-LBP算法可以增强不同对比度下的缺陷。特别的,FLIT-LBP可以对强灰度对比度的缺陷进行增强的同时,增强同一区域内灰度对比度相对偏弱的缺陷。经FLIT-LBP增强后,缺陷的特征更为突出,在此基础上提取相应的纹理特征,可以在一定程度上提高识别背景、铸件强边缘和缺陷的识别率。CT体数据尺寸较大,利用LBP的计算方式简单性可以较为快速地获得边缘,但LBP对微小的灰度变化过于敏感。为了克服这个缺点,我们研究了一种融合FLIT和LBP空间信息的三维边缘提取算法FL-fusion。通过融合多空间方向的FLIT值来获得二值体数据,以满足LBP在提取边缘时对数据的分段常数化要求。通过融合多平面LBP值来获得三维边缘,提高LBP对空间信息尤其是三维边缘信息的捕捉能力。FL-fusion可以克服噪声影响,较快地提取细化的、连续的、封闭的、较为准确的三维边缘。值得注意的是,FL-fusion能够保留边缘中的细节信息,如裂纹的尖端,为特殊部位检测分析奠定了基础。该方法同样也适用于其他含有复杂结构的CT体数据边缘提取。DR图像较为模糊,利用LBP对非单调灰度变化敏感的优势可以提取边缘,但LBP无法描述像素间灰度差异的程度,不能区分冗余的微小灰度变化和所要保留的较大的灰度变化。本论文针对此问题,利用相对光滑的比较函数来改进LBP,称为H-LBP。该算法通过嵌入含有单调递减性质的相对光滑H函数来逼近原来阶跃的比较函数S,并考虑了圆域内中心点和圆周邻点的灰度相似距离,以有区别地对待圆域内的灰度信息。另外,在该算法中增加了一个计数策略,以淘汰冗余的微小灰度变化。H-LBP计算简单,可以较为快速地完成边缘的提取;保留了对较大灰度变化的敏感性,增强了对灰度差异程度的描述能力,可以有区别地提取铸件边缘、灰度对比度较弱的小缺陷边缘和灰度不均的铸件号边缘,克服了噪声、伪影和图像模糊。H-LBP也可用于CT图像、背景复杂的图像和光照不均的图像。本论文针对X射线图像特点和实际检测要求,对LBP作出了相应的改进。实际实验证实这些方法具有处理时间短和检测效果好两重优势,可有效地增强图像、提取边缘和识别缺陷,对工业X射线无损检测具有指导意义。
|
全文目录
摘要 3-5 ABSTRACT 5-10 1 绪论 10-24 1.1 引言 10 1.2 课题研究意义 10-12 1.3 课题研究现状 12-19 1.3.1 图像预处理 12-13 1.3.2 边缘检测 13-14 1.3.3 特征提取 14-17 1.3.4 缺陷识别和分级 17-19 1.4 课题研究难点 19 1.5 主要研究内容和创新点 19-22 1.6 章节安排 22-24 2 基本理论 24-40 2.1 X 射线检测技术 24-30 2.1.1 X 射线检测原理 24-26 2.1.2 CT 与 DR 检测系统 26-28 2.1.3 CT 与 DR 成像特点 28-30 2.2 有限线积分变换(FLIT) 30-32 2.2.1 二维 FLIT 30-31 2.2.2 三维 FLIT 31-32 2.3 局部二值模式(LBP) 32-37 2.3.1 原始 LBP 32-34 2.3.2 旋转不变一致 LBP 变体 34-37 2.3.3 LBP 其他变体和改进 37 2.4 本章小结 37-40 3 利用 FLIT 方向信息改进 LBP 的 DR 图像增强算法 40-58 3.1 LBP 的引入 40-41 3.2 LBP 的改进 41-46 3.2.1 LBP 信息的提取 41-43 3.2.2 LBP 权重的分布 43-46 3.3 图像增强算法 FLIT-LBP 46-49 3.3.1 FLIT-LBP 算法原理 46-48 3.3.2 FLIT-LBP 算法步骤 48-49 3.4 实验与分析 49-52 3.4.1 FLIT-LBP 和 LBP 增强效果对比 49-50 3.4.2 FLIT-LBP 和其他方法增强效果对比 50-52 3.4.3 FLIT-LBP 的抗噪分析 52 3.5 基于纹理特征的缺陷识别 52-57 3.6 本章小结 57-58 4 融合 FLIT 和 LBP 空间信息的 CT 体数据边缘提取算法 58-78 4.1 CT 体数据三维边缘提取现状 58-59 4.2 LBP 对边缘信息的捕捉 59-60 4.3 边缘提取算法 FL-FUSION 60-65 4.3.1 多方向有限线积分变换 SD-FLIT 61-62 4.3.2 多平面局部二值模式 SP-LBP 62-63 4.3.3 FL-fusion 算法实现流程 63-65 4.4 实验与分析 65-77 4.4.1 空间方向的选择 65-67 4.4.2 空间平面的选择 67-70 4.4.3 裂纹体数据边缘提取效果对比 70-73 4.4.4 其他体数据边缘提取效果对比 73-76 4.4.5 含噪边缘提取和准确性分析 76-77 4.5 本章小结 77-78 5 利用光滑比较函数改进 LBP 的模糊 DR 图像边缘提取算法 78-92 5.1 引言 78-79 5.2 LBP 比较函数的缺点和改进 79-81 5.3 边缘提取算法 H-LBP 81-84 5.3.1 H-LBP 算法原理 81-84 5.3.2 H-LBP 算法实现流程 84 5.4 实验与分析 84-89 5.4.1 DR 图像边缘提取效果对比 85-87 5.4.2 其它图像边缘提取效果对比 87-89 5.5 本章小结 89-92 6 总结和展望 92-94 6.1 全文总结 92-93 6.2 展望 93-94 致谢 94-96 参考文献 96-106 附录 106 A 攻读学位期间发表的论文目录 106
|
相似论文
- 基于内容的服装图像检索技术研究及实现,TP391.41
- 数字图像处理在集装箱检测中的应用研究,TP274.4
- 基于数字图像处理的血管管径自动测量技术,R310
- 基于差分演化的人脸识别方法研究,TP391.41
- 压感式指纹识别系统及算法研究,TP391.41
- 交通标志自动分割识别算法研究,TP391.41
- 雾天图像增强方法研究,TP391.41
- 基于偏微分方程的图像增强算法研究,TP391.41
- 红外图像非均匀性实时校正算法设计与实现,TP391.41
- CMOS图像传感器的噪声分析及图像处理,TP212
- 实用近红外人脸识别方法研究,TP391.41
- 基于偏微分方程的图像增强方法研究,TP391.41
- 用于车牌定位的分类器设计与相关算法研究,TP391.41
- 基于图像处理的熔喷超细纤维直径测试方法研究,TP274
- 基于改进型SURF算法的电子稳像技术研究,TP391.41
- 基于视觉特性与图像模型的增强算法与性能分析,TP391.41
- 基于局部二元模式和韦伯局部描述符的人脸识别,TP391.41
- 可变光照和遮挡条件下的人脸识别技术研究及其应用,TP391.41
- 基于偏微分方程的图像去噪与增强研究,TP391.41
- 金属焊缝的红外无损检测技术的研究,TP274.52
- 微光条件下视频目标跟踪关键技术的研究,TP391.41
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|