CN109556542B - 复杂点阵镂空结构ct尺寸测量方法 - Google Patents
复杂点阵镂空结构ct尺寸测量方法 Download PDFInfo
- Publication number
- CN109556542B CN109556542B CN201811355694.5A CN201811355694A CN109556542B CN 109556542 B CN109556542 B CN 109556542B CN 201811355694 A CN201811355694 A CN 201811355694A CN 109556542 B CN109556542 B CN 109556542B
- Authority
- CN
- China
- Prior art keywords
- image
- ellipse
- hollow structure
- complex lattice
- lattice hollow
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B15/00—Measuring arrangements characterised by the use of electromagnetic waves or particle radiation, e.g. by the use of microwaves, X-rays, gamma rays or electrons
- G01B15/04—Measuring arrangements characterised by the use of electromagnetic waves or particle radiation, e.g. by the use of microwaves, X-rays, gamma rays or electrons for measuring contours or curvatures
Landscapes
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- General Physics & Mathematics (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
复杂点阵镂空结构CT尺寸测量方法,首先通过复杂点阵镂空结构CT成像质量影响因素分析、CT检测策略制定和确定检测参数、CT图像处理技术研究,获得最佳的图像处理方法,然后通过图像边界提取技术、图像边界提取理论计算方法分析和边界提取理论计算方法的研究以及理论算法的验证,获得精确提取复杂点阵镂空结构内部轮廓边界的理论计算方法,最后通过设计尺寸测量误差校准标准试件,应用复杂点阵镂空结构内部轮廓边界的提取算法,对复杂点阵镂空结构CT检测尺寸测量误差进行校准,建立一种复杂点阵镂空结构CT尺寸测量方法,解决复杂点阵镂空结构检测难题。
Description
技术领域
本发明涉及一种复杂点阵镂空结构CT尺寸测量方法,该方法属于CT检测技术尺寸测量技术领域,适用于测量复杂点阵镂空结构节点连接杆直径范围在φ0.5~2.0mm,主要用于测量复杂点阵镂空结构内部轮廓尺寸。
背景技术
复杂点阵镂空结构是通过在零件表面、零件内部设计具有一定分布规律的三维点阵曲面替代零件原始的实体区域、支撑结构,实现零部件的形状优化具有高度的空间对称性,可将外部载荷均匀分解,在实现建中的同时保证了承载能力。
针对复杂点阵镂空结构检测而言,CT检测技术与其他无损检测技术相比其优势在于:CT检测技术不受试件材料种类、形状结构及表面状况等限制;能给出与复杂点阵结构的几何结构、组分及密度特性相对应的三维图像,且成像直观、目标特征不受周围细节的遮挡;可方便地测量内部轮廓尺寸等。所以基于原理CT检测技术可有效检测复杂点阵镂空结构内部轮廓尺寸,现阶段应用CT检测复杂镂空点阵结构时,对CT图像采用等值面阈值方法(ISO50)提取CT检测图像上关键结构内部轮廓边界,但是CT检测图像边界提取不准确,提取边界混淆、连通,影响尺寸测量精度。其原因在于两个方面:一是由于受点阵结构复杂性的影响,CT检测成像质量比较差,图像存在伪影、信噪比低、图像边界模糊等原因,二是由于受点阵结构表面不线性、不规则形状的影响,造成现用边界分割方法提取边界不准确。提高CT检测复杂点阵镂空结构内部轮廓尺寸测量精度,需解决的两个问题:
(1)由于复杂点整镂空结构特点造成CT检测成像质量差。(2)对于增材制造结构成形时表面不线性、不规则的特性和CT图像质量不高,不能精确提取边界,造成尺寸测量误差。
CT检测提高尺寸测量精度的主要途径有两个:一是可通过提高CT检测***设备硬件水平,二是可改进CT检测工艺方法和理论计算方法提高精度。对硬件的提高是有限的,但通过检测方法的研究和理论计算方法提高测量精度的方法是简单有效的。
发明内容
本发明解决的技术问题是:克服现有技术的不足,提供了复杂点阵镂空结构CT尺寸测量方法,解决了复杂点阵镂空结构CT检测图像成像质量差和边界提取精度差的问题,提高复杂点阵镂空结构内部轮廓尺寸测量精度,核心技术包括复杂点阵镂空结构CT检测图像的成像质量控制技术、复杂点阵镂空结构边界提取技术。
本发明的技术解决方案是:复杂点阵镂空结构CT尺寸测量方法,包括如下步骤:
步骤1:对复杂点阵镂空结构进行CT扫描,获得复杂点阵镂空结构CT图像;
步骤2:将CT图像进行滤波降噪,逐级统计复杂点阵镂空结构CT图像灰度值的数值,拟合一条开口向上的曲线,取曲线波谷处的灰度值,并记为阈值ε;
步骤3:将复杂点阵镂空结构CT图像采用重叠的方式拆分成多个图像块,并将图像块按从上到下、从左到右的顺序排成行,每一图像块内部像素按从上到下、从左到右的顺序排成列,构成新的图像矩阵φ,其中,每一个64×1的列向量代表一个图像块;
步骤4:新的图像矩阵φ中的每一个元素减去该元素所在列的平均值,实现新的图像矩阵φ的归一化,得到矩阵blocks;
步骤5:根据得到的阈值,利用K-SVD算法更新字典和稀疏模型解算原理,对矩阵blocks进行稀疏编码和影像重构,再将重构的blocks矩阵的每个64×1的列向量转换为8×8的图像块,从而得到滤波后的CT图像;
步骤6:利用形态学理论开运算制作背景图像,然后将滤波后的CT图像减去背景图像;
步骤7:将CT图像进行边界提取,计算每个连通区域的中心坐标;
步骤8:将各个连通区域以各个连通区域中心为原点,以形状先验信息为参数画椭圆,记录椭圆边线的(x,y)坐标,进而计算焦点坐标;
步骤9:判断图像各像素是否在椭圆内,如果像素在椭圆区域外,则舍去原始图像中的像素,如果在椭圆区域内,则保留原始图像中的像素,遍历图像所有像素;
步骤10:制作复杂点阵镂空结构CT图像边界提取标准试件,采用三坐标测量机对复杂点阵镂空结构CT图像边界提取标准试件进行尺寸测量,获得标定值;
步骤11:对复杂点阵镂空结构CT图像边界提取标准试件进行CT扫描,得到CT图像,然后重复步骤2-步骤10,获得CT图像提取边界的尺寸测量值,与标定值作差,获得尺寸测量误差;
步骤12:对尺寸测量误差进行校准,然后采用校准后的CT图像边界提取方法对点阵镂空结构内部轮廓尺寸进行测量,获得复杂点阵镂空结构内部轮廓尺寸。
所述的对步骤1的复杂点阵镂空结构进行CT扫描为通过采用微焦点CT或常规焦点CT设备。
所述的步骤2中将CT图像进行滤波降噪的方法为采用稀疏表示的图像滤波方法。
所述的步骤3将复杂点阵镂空结构CT图像采用重叠的方式拆分成的多个图像块为8×8大小。
所述的形状先验信息为包括长半轴、短半轴、长轴旋转角度。
所述的焦点坐标的计算方法为:
(81)对于沿顺时针旋转角度较小的椭圆,首先计算椭圆的焦距c
式中,a代表椭圆的长半轴,b代表椭圆的短半轴;
(82)求解焦点坐标包括
式中,α代表椭圆长轴与x轴的交角;
(83)对于沿顺时针旋转角度较大的椭圆,计算椭圆的焦距c
式中,a代表椭圆的长半轴,b代表椭圆的短半轴;
所述的判断图像各像素是否在椭圆内的方法为:
若图像中像素到椭圆焦点的距离大于长轴长,则在椭圆外,若等于长轴长,则在椭圆上,若小于长轴长,则在椭圆内。
所述的对尺寸测量误差进行校准为采用双校准试块尺寸校准方法。
本发明与现有技术相比的优点在于:
(1)本发明采用CT测量复杂点阵镂空结构内部轮廓尺寸,进行了误差校准,内部轮廓尺寸测量精度高;
(2)本发明提供了复杂点阵镂空结构CT检测图像的处理方法,可获得最佳的复杂点阵镂空结构CT检测图像,保证了尺寸测量精度;
(3)本发明提供了复杂点阵镂空结构CT检测图像边界提取模型,可精确提取复杂点阵镂空结构的边界,保证了尺寸测量精度;
(4)本发明可以检测复杂点阵镂空结构内部缺陷,如:节点连接杆断裂变形、内部困粉等问题,可以保证复杂点阵镂空结构内部质量。
附图说明
图1为复杂点阵镂空结构节点连接杆单元设计图;
图2为复杂点阵镂空结构CT图像边界提取校准试件。
图3为稀疏表示的图像滤波方法进行滤波后的CT图像;
图4为基于稀疏表示的复杂点阵镂空结构CT图像滤波流程图;
图5为形态学理论开运算制作的背景图像;
图6为伪影去除后的CT图像;
图7为求取连通区域中心示意图;
图8为画椭圆并求出焦点坐标示意图;
图9为求解沿顺时针旋转角度较小的椭圆焦点坐标示意图;
图10为求解沿顺时针旋转角度较大的椭圆焦点坐标示意图;
图11为复杂点阵镂空结构边界提取实验结果示意图;
具体实施方式
本发明针对现有技术的不足,提出一种复杂点阵镂空结构CT尺寸测量方法,1)通过复杂点阵镂空结构CT成像质量影响因素分析、CT检测策略制定和确定检测参数、CT图像处理技术研究,获得最佳的图像处理方法。2)通过图像边界提取技术、图像边界提取理论计算方法分析和边界提取理论计算方法的研究以及理论算法的验证,获得精确提取复杂点阵镂空结构内部轮廓边界的理论计算方法。3)通过设计尺寸测量误差校准标准试件,应用复杂点阵镂空结构内部轮廓边界的提取算法,对复杂点阵镂空结构CT检测尺寸测量误差进行校准。4)建立一种复杂点阵镂空结构CT尺寸测量方法,解决复杂点阵镂空结构检测难题。下面结合附图对本发明进行详细的解释和说明,本发明包括如下步骤。
步骤1:采用复杂点阵镂空结构作为CT尺寸测量载体。图1所示的点阵节点连接杆单元以阵列的方式设计的结构。
步骤2:采用采用复杂点阵镂空结构边界提取标准试件作为校准的标准物质,试件圆柱尺寸为φ2mm、φ3mm、φ4mm、φ5mm,制作试件时应注意选择与被检测复杂点阵镂空结构一致的材料,以保证射线衰减系数保持一致,规避在CT检测图像上出现由于材料不同带来的伪像。图2所示的复杂点阵镂空结构CT图像边界提取校准试件设计图。然后采用三坐标测量机对复杂点阵镂空结构CT图像边界提取标准试件进行尺寸测量,获得准确可靠的标定值。
步骤3:采用微焦点CT或常规焦点CT设备对步骤1的复杂点阵结构进行CT扫描,获得复杂点阵镂空结构CT图像。
步骤4:将步骤3获得的CT图像采用稀疏表示的图像滤波方法进行滤波降噪。逐级统计复杂点阵镂空结构CT图像灰度值的数值,拟合一条开口向上的曲线,取曲线的波谷处的灰度值为阈值ε。
步骤5:将复杂点阵镂空结构CT图像采用重叠的方式拆分成8×8大小的图像块,并将图像块按从上到下,从左到右的顺序排成行,每一图像块内部像素按从上到下,从左到右的顺序排成列,构成新的图像矩阵φ,其中每一个64×1的列向量代表一个图像块。
步骤6:将步骤5获得的新图像矩阵φ中的每一个元素减去该元素所在列的平均值,实现矩阵φ的归一化,从而得到新的矩阵blocks;
步骤7:根据第4步骤得到的阈值,利用K-SVD算法更新字典和稀疏模型解算原理,对矩阵blocks进行稀疏编码和影像重构,再将重构的blocks矩阵的每个64×1的列向量转换为8×8的图像块,从而得到滤波后的CT图像,如图3所示的采用稀疏滤波方法滤波后的图像。如图4所示基于稀疏表示的复杂点阵镂空结构CT图像滤波流程图
步骤8:利用形态学理论开运算制作背景图像,如图5所示的形态学理论开运算制作的背景图像。然后用步骤7获得的原始图像减去背景图像,去除复杂点阵镂空结构CT图像伪影,如图6所示的伪影去除后的CT图像。
步骤9:将步骤8获得的CT图像进行形状先验的复杂点阵镂空结构CT图像边界提取。求连通区域并标记,计算每个连通区域的中心坐标,如图7所示求取连通区域中心示意图。
步骤10:将步骤9所获得的连通区域以各连通区域中心为原点,以形状先验信息为参数画椭圆。以长半轴、短半轴、长轴旋转角度(顺时针)、中心点X坐标、中心点Y坐标、画椭圆所需的点数6个参数绘制椭圆(其中前三个参数是形状先验信息),并记录椭圆边线的(x,y)坐标,如图8所示画椭圆并求出焦点坐标示意图。由于图像中蝶状区域是有旋转角度的椭圆,固需要分两种情况计算焦点坐标。对于沿顺时针旋转角度较小的椭圆为第一种情况,对于沿顺时针旋转角度较大的椭圆为第二种情况。
第一种情况(见图9):
1)对于沿顺时针旋转角度较小的椭圆,首先计算椭圆的焦距c
式中,a代表椭圆的长半轴,b代表椭圆的短半轴,c代表椭圆的焦距。
2)求解1号焦点坐标:
式中a代表椭圆长轴与x轴的交角,x轴、y轴可以为CT图像中的任一直角坐标系。
3)求解2号焦点坐标:
式中,α代表椭圆长轴与x轴的交角;
第二种情况(见图10):
1)对于沿顺时针旋转角度较大的椭圆,首先计算椭圆的焦距c
式中,a代表椭圆的长半轴,b代表椭圆的短半轴。
2)求解1号焦点坐标:
式中a代表椭圆长轴与x轴的交角。
3)求解2号焦点坐标:
步骤11:判断图像各像素是否在椭圆内,求解原图像上的椭圆区域。椭圆有一个重要特征即是椭圆上任一点到两个焦点的距离等于长轴长。可根据这个特性,遍历图像中的像素,图像中任一像素到椭圆焦点的距离大于长轴长,则在椭圆外;等于长轴长,则在椭圆上;小于长轴长,则在椭圆内。如果像素在椭圆区域外,则舍去原始图像中的像素,继续往下遍历,如果在椭圆区域内,则保留原始图像中的像素,直至所有像素都遍历完为止。复杂点阵镂空结构边界提取实验结果见图11。
步骤12:将步骤2的复杂点阵镂空结构边界提取标准试件进行CT扫描。获得CT图像后,执行步骤4-11的流程进行CT图像边界提取。对提取的CT图像进行尺寸测量,获得CT图像尺寸测量值。
步骤13:将步骤12获得的CT图像测量值与步骤2获得的三坐标机测量的标定值作差,获得尺寸测量误差。
步骤14:如果尺寸测量误差不大于±0.1mm则复杂点阵镂空结构尺寸测量完毕。如果尺寸测量误差大于±0.1mm则进行14步骤,进行尺寸误差校准。
步骤14:采用双校准试块尺寸校准方法对步骤13获得的尺寸测量误差进行校准后,获得复杂点阵镂空结构尺寸测量值,则测量完毕。
本发明说明书中未作详细描述的内容属本领域技术人员的公知技术。
Claims (9)
1.复杂点阵镂空结构CT尺寸测量方法,其特征在于包括如下步骤:
步骤1:对复杂点阵镂空结构进行CT扫描,获得复杂点阵镂空结构CT图像;
步骤2:将CT图像进行滤波降噪,逐级统计复杂点阵镂空结构CT图像灰度值的数值,拟合一条开口向上的曲线,取曲线波谷处的灰度值,并记为阈值ε;
步骤3:将复杂点阵镂空结构CT图像采用重叠的方式拆分成多个图像块,并将图像块按从上到下、从左到右的顺序排成行,每一图像块内部像素按从上到下、从左到右的顺序排成列,构成新的图像矩阵φ;
步骤4:新的图像矩阵φ中的每一个元素减去该元素所在列的平均值,实现新的图像矩阵φ的归一化,得到矩阵blocks;
步骤5:根据得到的阈值,利用K-SVD算法更新字典和稀疏模型解算原理,对矩阵blocks进行稀疏编码和影像重构,再将重构的blocks矩阵的每个列向量转换为图像块,从而得到滤波后的CT图像;
步骤6:利用形态学理论开运算制作背景图像,然后将滤波后的CT图像减去背景图像;
步骤7:将CT图像进行边界提取,计算每个连通区域的中心坐标;
步骤8:将各个连通区域以各个连通区域中心为原点,以长半轴、短半轴、长轴旋转角度、中心点X坐标、中心点Y坐标,确定画椭圆所需的6个参数,并绘制椭圆,记录椭圆边线的(x,y)坐标,进而计算焦点坐标;
步骤9:判断图像各像素是否在椭圆内,如果像素在椭圆区域外,则舍去原始图像中的像素,如果在椭圆区域内,则保留原始图像中的像素,遍历图像所有像素;
步骤10:制作复杂点阵镂空结构CT图像边界提取标准试件,采用三坐标测量机对复杂点阵镂空结构CT图像边界提取标准试件进行尺寸测量,获得标定值;
步骤11:对复杂点阵镂空结构CT图像边界提取标准试件进行CT扫描,得到CT图像,然后重复步骤2-步骤10,获得CT图像提取边界的尺寸测量值,与标定值作差,获得尺寸测量误差;
步骤12:对尺寸测量误差进行校准,然后采用校准后的CT图像边界提取方法对点阵镂空结构内部轮廓尺寸进行测量,获得复杂点阵镂空结构内部轮廓尺寸。
2.根据权利要求1所述的复杂点阵镂空结构CT尺寸测量方法,其特征在于:通过采用微焦点CT设备或常规焦点CT设备,对所述的步骤1的复杂点阵镂空结构进行CT扫描。
3.根据权利要求1或2所述的复杂点阵镂空结构CT尺寸测量方法,其特征在于:所述的步骤2中将CT图像进行滤波降噪的方法为采用稀疏表示的图像滤波方法。
4.根据权利要求1或2所述的复杂点阵镂空结构CT尺寸测量方法,其特征在于:所述的步骤3将复杂点阵镂空结构CT图像采用重叠的方式拆分成的多个图像块为8×8大小。
6.根据权利要求1或2所述的复杂点阵镂空结构CT尺寸测量方法,其特征在于:所述的判断图像各像素是否在椭圆内的方法为:
若图像中像素到椭圆焦点的距离大于长轴长,则在椭圆外,若等于长轴长,则在椭圆上,若小于长轴长,则在椭圆内。
7.根据权利要求1或2所述的复杂点阵镂空结构CT尺寸测量方法,其特征在于:所述的对尺寸测量误差进行校准为采用双校准试块尺寸校准方法。
8.根据权利要求1或2所述的复杂点阵镂空结构CT尺寸测量方法,其特征在于:所述的步骤3中采用重叠的方式拆分成的图像块均代表一个64×1的列向量。
9.根据权利要求1或2所述的复杂点阵镂空结构CT尺寸测量方法,其特征在于:所述的步骤5中将重构的blocks矩阵的每个列向量转换为图像块,从而得到滤波后的CT图像的方法为:将重构的blocks矩阵的每个64×1的列向量转换为8×8的图像块,从而得到滤波后的CT图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811355694.5A CN109556542B (zh) | 2018-11-14 | 2018-11-14 | 复杂点阵镂空结构ct尺寸测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811355694.5A CN109556542B (zh) | 2018-11-14 | 2018-11-14 | 复杂点阵镂空结构ct尺寸测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109556542A CN109556542A (zh) | 2019-04-02 |
CN109556542B true CN109556542B (zh) | 2020-10-20 |
Family
ID=65866433
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811355694.5A Active CN109556542B (zh) | 2018-11-14 | 2018-11-14 | 复杂点阵镂空结构ct尺寸测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109556542B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110411384B (zh) * | 2019-09-06 | 2021-02-26 | 南京航空航天大学 | 三维打印晶格点阵结构内部杆件的表面粗糙度的检测方法 |
CN112508841B (zh) * | 2020-09-09 | 2022-06-14 | 中国兵器科学研究院宁波分院 | 基于工业ct图像的点阵镂空结构尺寸偏差快速表征方法 |
CN112686919B (zh) * | 2020-12-29 | 2022-10-21 | 上海闻泰信息技术有限公司 | 物体边界线确定方法、装置、电子设备及存储介质 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006119022A (ja) * | 2004-10-22 | 2006-05-11 | Daiichi Radioisotope Labs Ltd | 脳血流定量解析プログラム、記録媒体および脳血流定量解析方法 |
CN101170641A (zh) * | 2007-12-05 | 2008-04-30 | 北京航空航天大学 | 一种基于阈值分割的图像边缘检测方法 |
CN103150723A (zh) * | 2013-01-25 | 2013-06-12 | 西安电子科技大学 | 基于形状和椭圆拟合的胃部ct图像***检测***及方法 |
CN103489223A (zh) * | 2013-09-29 | 2014-01-01 | 华南理工大学 | 一种面向3d封装ic的3d断层扫描成像方法 |
CN104282018A (zh) * | 2014-09-09 | 2015-01-14 | 苏州科力迪软件技术有限公司 | 基于机器视觉的工业产品外形直径在线检测的方法 |
CN104794739A (zh) * | 2015-05-03 | 2015-07-22 | 南方医科大学 | 基于局部稀疏对应点组合的从mr图像预测ct图像的方法 |
CN105023251A (zh) * | 2015-07-07 | 2015-11-04 | 苏州海斯菲德信息科技有限公司 | 一种高分辨锥束ct***的几何校正方法 |
CN105374045A (zh) * | 2015-12-07 | 2016-03-02 | 湖南科技大学 | 一种基于形态学的图像特定形状尺寸目标快速分割方法 |
CN105631876A (zh) * | 2015-12-29 | 2016-06-01 | 中国兵器科学研究院宁波分院 | 一种基于全局二值化的ct图像分辨率自动测试方法 |
CN105654489A (zh) * | 2015-12-31 | 2016-06-08 | 重庆真测科技股份有限公司 | 一种用于包含多个柱状目标的工业ct图像的分割方法 |
CN105678739A (zh) * | 2015-12-29 | 2016-06-15 | 中国兵器科学研究院宁波分院 | 一种锥束ct***三维图像的分辨率测试方法 |
CN106447684A (zh) * | 2016-08-10 | 2017-02-22 | 中国兵器科学研究院宁波分院 | 工业ct图像中弱边缘尺寸测量方法 |
CN107657610A (zh) * | 2017-09-29 | 2018-02-02 | 哈尔滨工业大学 | 一种基于计盒方法的ct扫描结果分析方法 |
-
2018
- 2018-11-14 CN CN201811355694.5A patent/CN109556542B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006119022A (ja) * | 2004-10-22 | 2006-05-11 | Daiichi Radioisotope Labs Ltd | 脳血流定量解析プログラム、記録媒体および脳血流定量解析方法 |
CN101170641A (zh) * | 2007-12-05 | 2008-04-30 | 北京航空航天大学 | 一种基于阈值分割的图像边缘检测方法 |
CN103150723A (zh) * | 2013-01-25 | 2013-06-12 | 西安电子科技大学 | 基于形状和椭圆拟合的胃部ct图像***检测***及方法 |
CN103489223A (zh) * | 2013-09-29 | 2014-01-01 | 华南理工大学 | 一种面向3d封装ic的3d断层扫描成像方法 |
CN104282018A (zh) * | 2014-09-09 | 2015-01-14 | 苏州科力迪软件技术有限公司 | 基于机器视觉的工业产品外形直径在线检测的方法 |
CN104794739A (zh) * | 2015-05-03 | 2015-07-22 | 南方医科大学 | 基于局部稀疏对应点组合的从mr图像预测ct图像的方法 |
CN105023251A (zh) * | 2015-07-07 | 2015-11-04 | 苏州海斯菲德信息科技有限公司 | 一种高分辨锥束ct***的几何校正方法 |
CN105374045A (zh) * | 2015-12-07 | 2016-03-02 | 湖南科技大学 | 一种基于形态学的图像特定形状尺寸目标快速分割方法 |
CN105631876A (zh) * | 2015-12-29 | 2016-06-01 | 中国兵器科学研究院宁波分院 | 一种基于全局二值化的ct图像分辨率自动测试方法 |
CN105678739A (zh) * | 2015-12-29 | 2016-06-15 | 中国兵器科学研究院宁波分院 | 一种锥束ct***三维图像的分辨率测试方法 |
CN105654489A (zh) * | 2015-12-31 | 2016-06-08 | 重庆真测科技股份有限公司 | 一种用于包含多个柱状目标的工业ct图像的分割方法 |
CN106447684A (zh) * | 2016-08-10 | 2017-02-22 | 中国兵器科学研究院宁波分院 | 工业ct图像中弱边缘尺寸测量方法 |
CN107657610A (zh) * | 2017-09-29 | 2018-02-02 | 哈尔滨工业大学 | 一种基于计盒方法的ct扫描结果分析方法 |
Non-Patent Citations (2)
Title |
---|
基于工业CT的扁平物体局部成像关键技术研究;张峰;《中国博士学位论文全文数据库信息科技辑》;20160715;I138-41 * |
锥束工业CT截断投影数据重建和轮廓特征重建算法研究;郭吉强;《中国博士学位论文全文数据库信息科技辑》;20120715;I138-68 * |
Also Published As
Publication number | Publication date |
---|---|
CN109556542A (zh) | 2019-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2019134252A1 (zh) | 结构裂缝自动化描绘及宽度精准测量方法与设备 | |
CN106447684B (zh) | 工业ct图像中弱边缘尺寸测量方法 | |
CN109556542B (zh) | 复杂点阵镂空结构ct尺寸测量方法 | |
CN109580630A (zh) | 一种机械零部件缺陷的视觉检测方法 | |
CN111553849B (zh) | 基于局部特征匹配的锥束ct几何伪影去除方法及装置 | |
CN110136196B (zh) | 一种桥梁裂缝宽度自动测量方法 | |
CN105631876A (zh) | 一种基于全局二值化的ct图像分辨率自动测试方法 | |
CN112669460B (zh) | 一种工件缺陷检测方法、***及计算机可读存储介质 | |
CN109410139A (zh) | 一种文物内部和表面病害数字化分析评估方法 | |
WO2021227287A1 (zh) | 生产线上蜂窝产品规整度的检测方法及检测装置 | |
CN112991370A (zh) | 一种岩心ct裂纹识别与分割方法 | |
CN113222937A (zh) | 一种核燃料芯块外观周面缺陷的检测方法及检测装置 | |
CN115294527A (zh) | 一种基于计算机视觉的地铁隧道破损检测方法 | |
CN117274251B (zh) | 基于图像数据的药品生产过程中药片质量检测方法 | |
CN113129275A (zh) | 一种基于岩土体材料数字图像三维结构表征方法 | |
CN107102056B (zh) | 缺陷漏磁信号的单元伸缩构建方法 | |
CN116907381A (zh) | 一种半导体晶圆Bump三维形貌测量方法 | |
CN108828687B (zh) | 一种基于电成像面孔率的渗透率计算方法 | |
CN103700102A (zh) | 基于ct图像的岩心目标提取方法 | |
CN109084721B (zh) | 用于确定半导体器件中的目标结构的形貌参数的方法和设备 | |
CN113447503A (zh) | 基于X-ray CT扫描图像的路表与橡胶接触区域测量方法及*** | |
CN114777709B (zh) | 一种基于子体块分离的dvc微裂纹表征方法 | |
CN111583241A (zh) | 超大面积蜂窝产品规整度的移动式检测方法及装置 | |
CN112829302B (zh) | 一种脑组织圆柱形试件制备器的制作方法 | |
CN113447419B (zh) | 一种多孔介质连通孔隙结构单元的划分*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |