（机械电子工程专业论文）链码技术的工业ct图像矢量化方法研究.pdf

西南交通大学硕士研究生学位论文第1 页 摘要 反求工程中的c a d 重建是广泛应用于航空、航天、模具、汽车和船舶等工业领域的 主流设计方法，对于缩短产品设计周期、技术引进与产品改进具有重要的意义。工业c t 具有无损检测等特点，对工业c t 断层数据进行二维矢量化重建，是实现零部件缺陷自 动检测和三维重构的基础。本文主要研究了工业c t 图像的二维矢量化方法，利用链码 技术获得轮廓数据并对轮廓进行特征矢量化，主要的研究内容有： 1 、研究图像阈值分割方法，提出快速单阈值分割方法：对最大类间方差准则进行连 续域推导，证明最大类间方差曲线具有单峰特征，应用优化算法进行一维搜索能够快速 得到分割阈值；由于灰度直方图曲线波谷点对应为分割阈值，多尺度差分方法能够准确 得到直方图曲线的波谷点；结合优化方法和多尺度差分可以进一步提高分割速度。针对 多材质图像，研究图像自适应多阂值分割方法：应用小波变换多尺度分析特性得到候选 阈值，然后应用免疫遗传算法对准阈值进行智能优化，自适应地获得分割类数与准阈值， 最后应用g m m 拟合灰度直方图曲线得到最佳分割阈值。为了增强分割算法的抗噪性能， 研究多维灰度直方图分割方法；为了降低多维扩展带来的计算复杂度，对二维、三维直 方图进行降维，对投影后的灰度直方图进行阂值分割，能够有效地抑制随机噪声和高斯 噪声等。 2 、提出一种二值图像标识方法：生成二值图像的动态游程结构与游程链，以游程链 为元素进行种子生长，能够实现二值图像的快速标识。研究标识区域的链码轮廓提取与 追踪方法，对区域进行f c 4 轮廓提取与f c 8 轮廓追踪得到单像素的有序轮廓并得到区域 轮廓的链码序列；根据区域链码序列计算区域属性。提出轮廓约束的孔洞填充方法，能 够实现孔洞填充和区域填充。将链码获得的轮廓作为初始轮廓，应用s n a l 【e 模型进行迭 代求解，能够得到区域的精确轮廓。 3 、提出链码技术的轮廓特征点提取与轮廓特征识别方法：对链码序列的链码差直 方图进行阈值分割和非极大值抑制，得到轮廓特征点；根据特征点实现轮廓的自动分段， 根据分段轮廓的链码和与链码差的特征将轮廓识别为直线或圆( 圆弧) ；对识别后 的轮廓进行几何距离最小二次拟合，应用拉格朗日乘子法得到拟合参数，从而实现轮廓 特征拟合。 关键词：反求工程；工业c t 图像；矢量化；阈值分割；链码 西南交通大学硕士研究生学位论文第1 i 页 a b s t r a c t i h ec a dm o d e lr e c o n s t r u c t i o no fr e v e r s ee 1 1 百n e 耐n gh a sb e c o m e dam a i n s n e 锄d e s i g n m e t h o dw r h i c hh a sb e e nw i l d l ya p p l i e di 1 1i n d u s t r i a la r e a ss u c h 嬲a v i a t i o n ，r o s p a c e ，d i e ， a u t o m o t i v e 觚ds h i p nc 肌伊e a t l ys h o r t c i lt h ed e s i 印c y c l eo fm o d e n lp r o d u c t ，i m p r o v e m 破e tc o m p e t i t i v e n e s s i t sa l s oag o o dw a yf o rt e d m 0 1 0 9 yi l l 仃o d u c t i o n 锄dt e d m o l o 酉c a l i m p r o v 锄e n t 1 1 l d u s t r i a lc ti sa na d v a n c e dn o n - d e s m l c t i v e t e s t i n gt e c h n 0 1 0 9 y t h e v e c t o 订z a t i o nt e c l l i l 0 1 0 9 yo fi n d u s t r i a lc ti m a g e si st h eb a s i so ft h ea u t o m a t i cd e t e c t i o na i l d3 d r e c o n s 仇l c t i o no fp a n s t h i sd i s s e r t a t i o nm a i n l yr e s e a 诎l e st h ev e c t o r i z a t i o nm e t l l o d so f i n d u s t r i a lc ti m a g e s ，w h i c hm a i l l l yi n c l u d e ： 1 r e s e 砌1i m a g et h r e s h o l d i n gm e t h o d s af 弧ts i n 酉et l l r e s h o l ds e g m e n t a t i o nm e m o di s p r o p o s e d w ee x t e n dt l l eb e 觚e e i l c l u s t e rv 撕a i l c ei nc o n t i n u o u sd o m a i n 锄dp r o v en l a tt l l e b 咖e e n c l u s t e rv a r i a n c e 饥r v eh 嬲o n l yo n ep e a l ( ，n l et h r e s h o l dc a nb eq u i c k l yg o tb y a p p l ) ，i n go n e d i m e l l s i o n a ls e a r c h s i n c et h et r o u g hp o i n t so ft l i s t o g r 锄饥i n ，ec o n e s p a n d i n gt o t h e 仉汜s h o l df o rt 1 1 es e g m e i l t a t i o n ，w ea 1 1 a l y z e 1 em u l t i s c a l e 蓼a yd i 仃e r e i l c eh i s t o g r a i l la j l d g e tt h ec a n d i d a t es e t s c o m b i n a t i o no fm et w om e t h o d st h e i laf 弧ti m a g es e g m e n t a t i o n a l g o r i t c 觚b ea c h i e v e d f o rm u l t i - m a t i 嘶a li m a g e s ，锄a d 印t i v em u l t i l e v e lm r e s h o l d i n g a l g o r i n u nb a s e do ni m m u n eg c l l 鲥ca l g o r i t l l 】【n a 1 1 dg a u s s i a nm i x n l r em o d e lf o ri m a g e s e 肿e i l t a t i o ni sp r o p o s e d 。t h em e m o da l l o w st h ed e t e n n i n a t i o no ft h ea p p r o p r i a t en u m b e ro f m r e s h 0 1 d s 弱w e l la st h ea d e q u a t et h i 。e s h 0 1 dv a l u e s t h et h r e s h 0 1 dc a l l d i d a t es e tw i t hl i m i t e d v a l l e yp o i n t sc a nb ea t t a i n e db ym e a l l so f 昀n s f o 彻i n gt l l eh i s t o 黟锄w i mt h er i 曲ts c a l e c o n t i n u o u sw a v e l e t n l e n ，t h en u m b c ro fn 鹏s h o l d sa i l dt h eq u a s i t h r e s h 0 1 dv a l u e sa r e d e t c n n i n o db yu s i n gt l l ei m m u n eg e n e t i ca l g o r i t h m t h ep a r a m e t e r so fg a u s s i a nm i x t u r e m o d e lc 锄b er e c e i v e db yt h ew a yo ff i t t i n gt h e1 1 i s t o g r a mw i 廿lt h eq u a s i t l l r e s h o l dv a l u e s l a s t ， t h es e g m e i l t a t i o nt l l r e s h 0 1 d sc 趾b ea n a i n e db yu s i n go ft l i em i n i m u m 锄f o l ? 耐t 甜o n 1 1 1o r d e r t 0e 1 1 1 1 锄c en l e 觚t i - n o i s ep e r f o m a n c eo fs e g m e 芏l t a t i o na l g 嘶t l l m ，m u l t i - d i m e n s i o n a lh i s t o 黟锄 s e g m e n t a t i o nm e t h o d sa r er e s e a r c h o d f o rr e d u c i n gt l l e c o m p u t a t i o n a lc o m p l e x i t ) ro f m u l t i d i m e n s i o n a le x t e n s i o n ，m ed i m e n s i o n a l i wo ft h et w o d i m e i l s i o n a la i l dn l r e e d i m e n s i o n a l l h i s t o 伊锄si sr e d u c e d t h e 也1 e s h 0 1 d i n gm e m o do fm el l i s t o 笋a mm e rt h ep r o j e c t i o nc a n e 虢c t i v e l ys u p p r e s sr a i l d o mn o i s e a 1 1 dg a u s s i a i ln o i s e 2 ab i n a 巧i m a g e si d c n t i f i c a t i o nm e m o di sp r o p o s e d t h er 吼一1 e n g ms t m c m r e sa n d m 1 e n g 廿lc h a i n sa r ed y n 锄i c a l l yo b t a i n e di nt 1 1 eb i n a d ，i m a g e s t h e 眦一l e n g t hc h a i n sa r et h e e l 锄e 1 1 t so fs e e dg r o w t l l ，a i l dar 印i di d e n t i f i c a t i o no fm eb i n a 叮i m a g em e t h o di sa c h i e v e d t h ec o n t o l l re x 仃a c t i o n 锄d 仃l c l ( i n gm e m o do fi d e n t i 6 e dr e 西o n sw i 廿lt 1 1 ec h a i nc o d e t e c l u l 0 1 0 9 yi si n 缸o d u c e d u s i n gt l l ef c 4f o rc o n t o u re x 仃a c t i o na i l dt h ef c 8f o rc o n t o u rt r a c i n g ， 廿1 c n 锄o r d 甜ya 1 1 ds i l l g l ep i x e lc o n t o u ro fr e 酉o ni sa c h i e v e d ，a i l dt 1 1 ec h a i nc o d es e q u 锄c e so f t l l er e 西o na r e0 b t a i n e d t l l ea 钍曲u t e so fc h a i nc o d es e q u e i l c e sa r ec a l c u l a t e d ，a n dt l l eh 0 1 e f i l l i n gm e t h o db a s e do nc o n t o u r sb o l l l l di sp r o p o s c d u s i n g 廿l ec 0 n t o u ro b t a i n e db y 廿l ec h a i n c o d e sa st h ei 1 1 i t i a lc o n t 0 ，n l ea p p l i c a t i o no fs n a k em o d e lc a n g e t 也ep r e c i s ec o n t o u r s0 ft h e r e 百o ni t 嘲t i v e l y 西南交通大学硕士研究生学位论文 第1 i i 页 3 n ea l g o 打t l l mo fc o n t o u rf e a h l r ep o i n t se x 饿l c t i o na l l dc o n t o u rf e a ：t u 】广er e c o 印i t i o no f c h a i nc o d e si sp r o p o s e d t h ec o n t o u rf e 狐l r ep o i n t sc a nb e9 0 tb yt h r e s h o l ds e 鲫c n 协0 n 觚d n o n - m a x i m as u p p r e s s i o n 谢md i 侬嘞c eo f c h a i nc o d e sh i s t o g r a m ，m e nm ec o n t o u r sa r e a u t o m 撕cd i v i d e db yn l ef e a n l r ep o i n t s t h ec o n t o u r sa r ci d c l l t i f i e d 硒l i n e0 rc h l e ( a r c ) b yt h e c h a r ac t i 耐s t i co fm es 眦a i l dd i f 】衙e 1 1 c co f c h a i nc o d e s r h ei d e l l t i 矗e dc o n t 0 1 l ri sf i t e db y u s i n gm em i n i m u mq u a d r a t i cm e t h o do ft 1 1 eg e o m e t r i cd i s t a n c e ，a 1 1 dt h ef i t 缸gp 硼l i i l e t e r sc a j l b ec a l c u l a t e db vl a g r a l l g em u l t i p l i e rm e t l l o d k e y w o r d s ：r e v e r s ee n 西n e 甜n g ；1 1 1 d u s n yc o m p u t 谢z c dt 0 m o 伊a p h yi m a g e ；v e c t o r i z a t i o n ； 1 h r e s h o l d i n g ；c h a i nc o d e 西南交通大学硕士研究生学位论文第1 页 第1 章绪论 1 1课题的研究背景、目的和意义 传统的正向设计是从抽象概念到实际产品的顺序过程，指在尚未有具体产品或模 型存在的情况下，通过分析市场需求、与现有的类似产品进行比较，并对面向的对象、 产品功能、价格和市场前景等进行全方面综合判断，对产品进行概念设计，提出设计 的功能与规格，进行产品的初步设计，制定初步设计方案，逐步完善设计方案，对每 一个部件进行结构设计与分析、工艺设计，制作制造流程和检验方法，提供零件图、 部分和总体装配图和性能测试的方案，最后按照设计图纸进行生产制造、装配和测试， 得到能够给满足需求的产品【l 弓】。每一个创造性的过程中都有设计图纸和文档，一般地， 这些图纸以c a d c a m 文件形式保存。如图1 1 【l 3 】，这种按照“概念设计”一“详细 设计”一“c a d 模型”一“制造系统一“产品”流程的模式被称为预定模式( p r e s c r i p t u r e m o d e l ) ，此类开发工程称为正向工程( f o 刑a r de n g i n e 舐n f e ) 。 产品功能h 概念设计hc a d 系统h 产品数字化模型 计评1 图1 1f e 流程图 y 制造与检测 与正向工程相对的是反求工程( r e v e r s ee n 百n e e r i n g ，r e ) ，是对已“物化”的产品进 行再设计从而能够快速响应市场需求的快捷过程，从是指对正向设计得到的原始模型 或已有的产品实物进行测量和分析，挖掘并消化蕴含于设计、制造、装配和管理等各 个方面的关键技术，并对实物或原型进行改良和发展的一系列的技术和方法的综合【l 3 ， 4 1 。如图1 2 【1 3 】，狭义的反求工程是指产品几何模型的重建和再设计，是将产品原型或 实物通过一系列的技术和手段得到数字化模型的过程，是模型重建过程中测量技术、 计算机辅助设计技术、模型重建技术和检测技术的统称【l ，4 】。反求工程中的c a d 模型 重建是几何模型反求的核心技术之一，反求c a d 软件是c a d 模型重建的主要载体。 反求c a d 软件接收来自测试设备的产品数据，对这些数据进行处理和编辑，得到能够 反应产品特征的曲线和曲面，从而得到产品的c a d 模型，然后对c a d 模型进行测量 和修正，使最终的c a d 模型能够满足精度要求，最后将模型输出为其它c a d c 蝴系 统能够识别的格式文件，在这些系统中完成设计和加工。常用的反求软件有：美国e d s 公司的i m a g e w 打e ( 幽垄盟迪垒g 曼型垦丝：鲤堡) ， 美国 r a i n d r o p 公司的 g e o m a 百c ( 竖型型：g 曼q 堕垦g i 曼：鱼q 坠) ，p t c 公司的i c e ms u l l f ( 坠型翌i 璺曼巫：盟堕) ，英国d e l c a m 公司的 c o p ) ，c a d( 幽笙盟垂曼! 壁垒m ：盟匹) 和韩国i n u s t e c l l l l 0 1 0 9 y 公司 r a p i d f o m 西南交通大学硕士研究生学位论文第2 页 哑壁趔鱼鱼婴：曼q 堕) 等5 1 。 r 一一一一一一一一一一一一一一一- 1- 实 物 原 型 数 据 获 取 反 求 l 设计意图理解原 始 设 计 o o 系 统 原犁修改 图1 2i 迮流程图 立 c i n 口 数 字 化 模 型 盘 口 口口 创 新 设 计 新 产 品 数 字 化 模 型 改型设计 计 算 机 辅 助 分 析 新 产 口 口口 在反求工程技术中，数据的采集是关键的第一步。一般地，根据采集原理的不同， 数据获取的方式分为两大类：接触式采集方法和非接触式采集方法【6 】。非接触式采集方 法中的c t 技术具有无损检测等特点，将被测物体所反应出的物理量( 如x 射线) 的 投影数据应用数学方法进行计算机处理，得到物体特定断层上的二维图像的技术。这 种技术在医学上应用较早，后来逐渐用于工业领域，形成了工业c t ( i n d u s t r i a l c o m p u t 舐z e dt o m o 鲫p h y ，i c t ) ，即工业计算机断层扫描成像，它具有图像清晰直观、 探测信号动态范围广、密度分辨率高、图像数字化等特剧7 。1 。以工业c t 断层图像作 为反求工程的数据可以进行零部件的无损检测和三维c a d 模型重构，本文主要针对断 层图像二维矢量化方法进行研究，获得断层图像的二维轮廓点，将断层序列二维轮廓 点进行轮廓匹配和数据合并得到三维点云，以该点云作为三维反求的数据来源，二维 轮廓点的精确获取是获取三维点云的关键。 1 2 本文相关技术国内外研究现状 1 2 1矢量化系统研发现状 国外在矢量化技术方面的研究较早，开发了很多矢量化软件系统。德国s o r e l e c 公司的v ps t l l d i o 支持所有标准格式的输入和输出，该软件矢量化速度极快、矢量化结 果好、矢量化编辑工具全面，用户可以在极少的时间内得到较好的矢量化结果，也可 以将结果动态链接到a u t o c a d 中；挪威r a s t e r e x 公司的r x a u t o h n a g ep r o 具有智能的 光栅选择方法与灵活的编辑工具，能够实现局部图像与全局图像的矢量化；r a v t e k 公 司的c 1 1 l c i b l e 是独立运行的光栅矢量化软件，该软件操作简单，使用方便，能够顺序 转化文字、几何元素与符号，但是它缺少图像校准，光栅编辑功能不强，只适合于处 理质量较好的图纸：美国g t x 公司开发了智能型光栅修改及全自动矢量化软件系列， 凼蜜d 西南交通大学硕士研究生学位论文第3 页 具有箭头、几何图形、文字等智能识别功能，特别适合于工程机械、地图测绘、建筑 设计、g i s 等领域；英国s o j f i s o rl t d 公司的w i n t o p o 软件是一款可以将光栅图像转换 成矢量图形的工具，它的主要功能是将光栅图像中的单线与多线转换成矢量图形，该 软件能够转换扫描的地质图或工程图，采用骨架化算法与像素跟踪算法对图像进行矢 量化，可以进行批处理，可以快速地获得精确的矢量化结果。此外，还有美国a b l e s o 脚a r e 公司的l 也v 和日立公司的h l l a g e s 丽e s 等。这些矢量化软件系统基本具有比较 完善的图像与图形处理编辑功能和良好的用户接口，但是需要在速度上和精度上进行 改进才能完全满足自动化的需求，普遍存在抗噪能力差等缺点【1 2 。14 1 。 国内在图像矢量化软件研发中取得了一定的进展，开发了一系列的矢量化软件系 统。其中高校开发的系统有：华中理工大学c a d 中心开发的e d i s 系统，东大阿尔派 开发的s e a s p c 系统，西北工业大学开发的n p u e d r s 系统，清华紫光开发的a n n d 、 t h d a i m s 系统等【l3 ，”j 。公司开发的系统有：北京吉威数源公司的g e o w a y 软件， 南方公司的c a s s c a n 软件，武汉瑞得公司的r d s c a n 系统等，这些软件系统与国外 软件存在一定差距，需要进行完善【1 3 ，1 5 】。 1 2 2 工业c t 图像矢量化研究现状 实现工业c t 图像的重构关键在于断层数据的矢量化。针对工业c t 图像的矢量化 技术研究还比较少，吴朝明【15 】研究了针对工业c t 图像的图像预处理、矢量化处理技 术以及矢量图编辑与数据输出等方法，但是文中采用了c a i l i l y 算子边缘检测的轮廓提 取方法，对于轮廓模糊、夹杂噪声等图像不能够有效地提取出轮廓，而且不能够将不 同零件、不同材料的轮廓进行划分；庞晓平【l6 】研究了特征轮廓矢量化技术，采用数学 形态学中的腐蚀获得二值图像的边缘，将轮廓跟踪与轮廓数据精简同时进行，能够将 工业c t 图像处理结果输出为文本数据，但是阈值分割结果对处理后的数据精度影响太 大，文中也没有给出一种有效的图像阈值分割算法；刘炉【1 7 】对图像进行处理得到图像 轮廓，采用曲率法对轮廓进行分段并用直线和圆弧进行曲线拟合，但是需要提高轮廓 跟踪与特征点提取的精度，文中算法开发的软件自动化程度不高；王燕芳【1 8 】改进了轮 廓跟踪算法，将快速提取的轮廓进行矢量化，能够实现轮廓的几何特征识别，但是没 有提出图像阈值分割方法，也没有进行矢量化技术的研究；刘丰林【1 9 】采用f a c e t 模型提 取出图像的亚像素轮廓，应用存在概率法识别圆特征，拟合圆特征得到圆的参数，能 够实现圆的精确测量，但是仅针对了同一材质的图像，尚未研究不同材质的图像测量 方法；周远非【2 u j 对比研究了边缘检测算子，选择c 锄y 算子与改进的c 锄y 算子作为 工业c t 图像边缘检测方法，能够较好地抑制噪声和提取较完整的边缘，改进了集合求 交直线识别方法，能拟合更多的直线，但是边缘检测还是存在边缘断裂的问题，圆弧 识别算法识别率低；黄霞【2 l 】提出了一种改进的s n a k e 模型初始轮廓获取方法，获得的 西南交通大学硕士研究生学位论文第4 页 初始轮廓能够更加靠近目标，但是没有研究获得初始轮廓的自动阈值获取方法；乔桂 锋【2 2 】对存在概率法识别圆的方法进行改进，通过事先选取圆的圆心，从而减少不可能 点的多余计算，但是文中是通过实验来选取存在概率最小阈值，容易将圆识别成短直 线：董方【2 3 j 将混沌微粒群算法引入到工业c t 图像分割中，提出的基于微粒群的二维 最大类间方差法具有快速分割、抗噪良好的性能，提出了基于曲率的特征识别方法， 采用多尺度分析方法，能够将工业c t 图像的轮廓进行整体特征与细节特征的自动分 割，但是文中算法的精度不高，对于大量数据的处理速度不够快，特征识别与分割算 法还有待改进；王凯【2 4 j 针对3 df a c e t 模型计算量大的问题，提出了阈值分割获得候选 轮廓点的加速方法，。对于参数化模型，研究了空间矩亚像素边缘检测方法，并将抛物 线模型应用到空间矩边缘检测中，提出了基于指导的轮廓跟踪策略，采用相邻层较理 想的轮廓指导轮廓跟踪过程，使跟踪得到的轮廓与指导轮廓具有相同的拓扑结构，但 是抛物线模型空间矩边缘检测方法需要迭代求解非线性方程组，因而计算量较大；黄 雪优【2 5 j 根据轮廓点的曲率变化提取特征点，对分段轮廓进行直线和曲线拟合得到矢量 化边缘，采用交互式编辑对边缘进行修正，从而提高矢量化图形的精度，但是需要人 工干预，自动程度不高，识别小尺寸的图形精度低；邹斌【2 6 】在f a c e t 模型提取轮廓的基 础上，对比研究了最小二乘法和最小区域法，研究表明最小二乘法计算复杂、精度较 大，最小区域法计算简单、精度较低，但是文中只考虑了单张切片的分析方法，当纵 向差距较大时，测量数据误差较大；田亚铃【2 7 】将小波多尺度分析方法应用在型值点寻 找的方法中，解决了型值点个数与轮廓特征完备性之间的矛盾，研究了三次b 样条曲 线自相交问题，提出了通过选择有效型值点解决自相交问题的方法，但是文中并没有 研究精确轮廓点的提取方法，轮廓是矢量化精度不高；何冰【2 8 】实现了直线、圆、圆弧 和椭圆的识别与自动矢量化，研究了随机h o u 曲变换3 点椭圆检测方法，具有很高的 计算效率，采用改进的集合求交法识别直线，采用改进的垂直平分法识别圆弧，但是 矢量化精度不高，包含多个椭圆图像的矢量化效果需要提高，可能将完整的图形划分 成一系列的直线和圆弧，从而影响矢量化精度。 1 2 3 图像阈值分割方法研究现状 阈值分割在图像处理与分析中有着广泛的应用【2 9 1 ，常用于从背景中提取目标，或 区分不同的目标对象。阈值分割方法分为单阈值分割和多阈值分割，单阈值分割将图 像分为两类，多阂值分割将图像分成多个类，每一个类中像素点的灰度值在相邻大小 的两个阈值确定的灰度范围内。一般地，阈值分割方法可以分成参数方法和非参数方 法。对于参数方法，每一个类的灰度分布概率密度函数被假设为服从高斯( g a u s s i 锄) 分 布，应用最小二乘法( l e a s t s q u a r e sm e t l l o d ，l s m ) 拟合直方图数据从而估计出分布参数， 它是一个非线性优化问题，因而处理过程耗时较多。非参数方法是对准则函数进行优 西南交通大学硕士研究生学位论文第5 页 化求解( 最大值或最小值) ，从而得到分割阈值，这样的准则有类间方差( b 咖e e n c l a s s v 2 d a n c e ，b c v ) 【3 0 】，熵( e n 仃o p y ) 【3 l 】，交叉熵( c r o s se n 缸d p y ，c e ) 【3 2 】等，非参数方法计算效 率高、更容易实现。有很多的单阈值分割方法被提出，它们中有大部分可以扩展到多 阈值分割，将单阈值分割扩展到多阈值分割的时候，参数方法和非参数方法的计算复 杂度呈指数级增加。为了提高分割算法的效率，有很多方法被提出。文献 3 3 3 6 为非 参数方法，其中 3 3 提出了应用l 叩l 撕a n 变换选择采样的高斯混合模型( g a u s s i 觚 m i x t i 鹏m o d e l ，g m m ) 参数估计方法，基于l 印1 a c i a l l 变换的选择采样方法将图像的灰 度直方图转换成近似高斯混合模型，利用混合概率曲线尾部信息得到高斯混合模型参 数；【3 4 提出了一种g m m 的快速全局阈值方法，采用e m 算法估计g m m 的个数和相 关参数； 3 5 提出了一种应用遗传算法( g e n e t i c a l g o r i t ，g a ) 的多阈值优化算法，假设 图像的目标和背景的概率密度分布服从高斯分布，用g m m 拟合绘制直方图，应用g a 得到使得均方差误差最小时的g m m 参数； 3 6 应用g a 得到估计通用高斯( g e i l e r a l i z e d g a u s s i a i l ，g g ) 分布的初始化参数，然后用期望最大( e x p e c t a 廿o n m a x i m i z a t i o n ，e m ) 算法 估计g g 分布参数。文献 2 9 ，3 7 4 1 为参数化方法， 3 7 将o t s u 法的准则函数进行修改， 提出了一种基于递归与查找表技术的快速算法，通过访问查找表中的预先计算的类间 方差获得最佳阈值； 3 8 】对灰度直方图进行小波变换，从而降低其分辨率，通过穷举法 搜索得到阈值后再将阈值扩展到原始尺度；【2 9 提出了两阶段多阈值o t s u 法( t w o s t a g e m u l t i t h r e s h o l d 研s um e t l l o d ，t s m o m ) ，大大减少计算类的零阶矩和一阶矩时存在的 重复计算； 3 9 4 1 提出了智能算法优化o s t u s 函数的参数化方法，其中 3 9 】采用p s 0 优化o s t l l s 函数， 4 0 提出了优化改进的o s t i l s 函数的模拟退火算法( s i m u l a t c d m e a l i n g a l g o r i t l l i i l ，s a a ) ， 4 1 提出了应用g a 解决o t s u s 函数多阈值优化问题的方 法。为了自适应地获得分割类数，实现自动多阈值分割，文献 4 2 提出了自动阈值准则 ( a u t o m a t i ct l l r e s h o l d i n gc r i t 嘶o n ，a t c ) 。文献 4 3 提出了一种基于g a 与小波变换的快 速多阈值分割方法，不同尺度的小波变换得到不同分辨率的灰度直方图曲线，应用g a 优化a t c 得到最佳分割阈值数目，再迭代得到最佳分割阈值。 非参数方法中的o t s u 法【3 0 】是目前诸多自适应图像阈值分割方法中性能较好的方法 m 4 5 1 ，针对o t s u 法简单遍历重复计算的问题， 3 7 】提出了应用查找表技术的快速算法； 文献【4 6 在最小类内方差的基础上，通过在连续域上进行积分推导出一种快速方法。 为了利用图像的灰度信息与空间信息，刘健庄【4 1 7 】将o t s u 法推广到二维，对图像进 行均值滤波，将原图像和均值滤波图像构建二维灰度直方图，然后对二维灰度直方图 进行分割，但是计算量增加为d 4 ) ；针对二维灰度直方图方法的计算复杂度问题，j l 蝌 g o n g 等【4 8 】提出了计算各个参数的递推公式，避免重复运算的消耗；陈琪【4 9 】针对二维 灰度直方图分割中假设目标和背景区域像素概率和为1 存在的误差缺陷，提出了改进 方法，并给出了改进算法的快速递推方法，计算量不增加的同时改善了图像质量；景 西南交通大学硕士研究生学位论文第6 页 晓军【5 0 1 、范九伦【5 1 】直方图分割方法推广为三维并推导了递推算法；有很多研究将智能 算法引入到二维、三维灰度直方图的分割中【5 2 ，5 3 1 。 1 2 4 链码技术研究现状 从f r e e i i l “5 4 j 最早于1 9 6 1 年提出了链码的概念以来，链码技术得到了众多学者的 关注，在图像处理与模式识别领域，链码常用于表示直线、曲线和区域边缘。 陈士金【55 j 研究了用于链码进行二值图像的轮廓提取方法，以行扫描的方式得到链 码的起始点，然后按照链码跟踪方式得到图像区域的封闭轮廓，然后寻找下一个轮廓 起点并跟踪得到整个封闭的轮廓，如此直到跟踪完所有的轮廓，得到了轮廓的链码后， 只需要对链码序列进行处理，就可以实现拟合等工作；r e n 【5 6 】提出了一种二值图像的轮 廓提取方法，解决了以往算法计算复杂度高、丢失内轮廓、轮廓失去连续性和需要多 次追踪的问题：林静静【57 j 针对原木断面图像的特点，改进了方向链码的轮廓跟踪技术， 从图像中心点竖直向下扫描得到轮廓起始点，然后在约束条件下得到图像的轮廓，提 高了该类图像的轮廓跟踪效率。 根据链码可以方便地计算区域的周长、面积和图像矩，刘韶军【5 8 】采用f r e 锄a n 链 码搜索图像边缘得到单像素的图像区域轮廓，然后根据链码序列快速、准确地计算得 到棉种的周长；杨万扣【5 9 】对比研究了现有的链码描述的区域面积的计算方法，在速度 和精度两个指标上进行了对比，并给出了适合于小面积区域的面积计算方法；姬光烈删 提出了f c 8 链码的图像矩的快速方法，将f c 8 链码边缘轮廓任意边上的各阶矩的最大 乘法计算量降低到了二次。 f r e 锄一6 1 】提出了检测链码角点的方法，该方法基于两个特征，一是曲线链码在斜 率方向上的不连续性产生的角度，二是点两边没有或曲率很小的点的个数；在f e m a i l 的基础上，k o p l o w i t z 【6 2 】提出了基于链码的曲线角点检测方法，通过计算点两边能够生 成最大数字化直线的连接数目，该数值对应为该点的曲率参数，短的直线表示曲率大， 那么该点为角点，然后判断角点是否为误检，能够得到比f r e e m a n 方法更好的检测效 果，但是该方法的对图像噪声和边缘检测误差敏感；陆宗骐【6 3 】采用平均链码描述直线 的方向，并确定边界的折点，能够跟踪得到图纸上的直线和近似直线的图形元素；王 萍】将相对坐标下的距离链码用于图像层次类特征的提取，利用链码差与链码和提取 图像轮廓的凹凸变化的形态特征，得到区分度高、速度快的图像特征提取方法；张小 莉 6 5 】提出了一种拐点检测方法，首先排除非拐点，然后计算剩余点的曲率，根据曲 率检测出可能的拐点，最后在每一组临近的可能的拐点中选取曲率最大的可能拐点 为最后检测的拐点，其余可能拐点为伪拐点被排除；李素敏【删计算了曲线的忍链码， 甩链码曲线的极值点对应为拐点，从而可以获得纤维轮廓中的扭曲、角点、弯曲度等特 征。 西南交通大学硕士研究生学位论文第7 页 利用链码技术可以识别图形元素特征，链码技术常用于识别直线与圆。f r e e m a i l 【剐 最早于1 9 7 0 年提出了直线链码特征的三个条件：( 1 ) 最多包含两个相邻( f c 8 链码值 相差为1 ) 的码值；( 2 ) 如果有两种链码值，则两个链码值的其中一个只能单独出现； ( 3 ) 单独出现的链码值均匀地分布于链码序列中。1 9 7 4 年r o s e l l f e l d 给出了一个描述 直线特征的严格表述，1 9 8 2 年吴立德【6 刀证明了f r e 锄a n 的三个条件是直线链码的充分 必要条件，给出了一种识别直线链码的方法。刘勇奎【6 9 】提出新的直线链码识别方法， 该方法先得到直线的两个端点，然后用b r e s e l l h 锄方法绘制直线，将两者进行对比， 如果两者相似则为直线。刘勇奎【_ 7 0 】探讨了直线链码两端应该满足的条件，提出了能够 正确识别直线两端点的方法。y u a i l 【7 l j 提出了一种简单、直观而高效的直线的检测算法， 构建当前像素点的通过区域( p a s s i n ga r e a ) ，如果下一个像素点在通过区域内，则这两点 属于同一条直线，该算法的计算复杂度为d 犯) 。史册【7 2 提出了一种b l ( b 1 0 b _ b a s e dl i n e d e t e c t i o n ) 算法，该算法认为直线段链码表现为在一定范围内只出现一个方向或两个方 向交替出现。王平【7 习将f r e 锄a 1 1 针对直线编码提出的3 个约束条件应用到直线的识别 中，取得了较好的效果。尚振宏【_ 7 4 】根据f r e e i l l a n 提出的关于数字直线的准则和特征， 得出线段元是数字直线的组成部分，以线段元为基本单位进行直线的构造，从而高效、 准确地检测出图像中物体边界中的直线。鲁光泉【7 5 1 通过计算每一个链码中间位置处定 义的向前和向后链码方向直方图来检测直线链码。孙涵【_ 7 6 】根据最小直线段长度和最小 直线段近似度这两个约束实现的快速检测。刘勇奎【7 7 】提出了一种识别圆链码的方法， 该方法首先根据链码计算假设圆的半径及起点，然后从起点开始逐点检测由链码指示 的每一点到圆心的距离是否等于半径已决定是否为圆链码。张显全【7 8 】通过圆的f r e e i l l a n 链码与其对称链码的相似度和奇偶码值出现的次数对圆进行识别。吴亚雄【7 9 】提出了根 据圆链码各奇( 偶) 数码出现的次数相等，且奇数码和偶数码出现的次数有固定关系的性 质快速地初步识别圆形目标的方法。 1 3 本文的主要研究内容 本文主要研究了工业c t 图像的轮廓提取与矢量化方法，对工业c t 图像进行分割， 得到感兴趣的材料域，对材料域进行区域标识，得到具有内外边缘的连通区域，提取 区域的内外轮廓，采用s n a k e 模型得到精确的轮廓，用链码描述轮廓曲线，利用链码 提取轮廓的特征点并将轮廓进行分段，根据每一段的链码特征识别轮廓曲线特征，将 轮廓特征点进行曲线拟合，得到轮廓的矢量化表达。如图1 3 ，根据这些技术路线和算 法，开发了工业c t 矢量化软件。 西南交通大学硕士研究生学位论文第8 页 l 一一j 图1 3 工业c t 矢量化流程 本文的主要研究内容有： ( 1 ) 研究了图像分割方法，以最大内间方差为分割准则，提出了快速的阈值分割 方法，能够快速地获得最佳阈值；针对有多种材料的图像，提出了自适应多阈值分割 方法，能够自适应地得到分割类数和最佳阈值；为了增强分割方法的抗噪性能，利用 图像中的灰度信息和空间信息，研究了多维图像分割方法，针对多维图像分割计算复 杂度高的问题提出了降维方法，将计算量降低为d ) 。 ( 2 ) 分析了边缘检测轮廓提取方法存在的问题，提出了游程区域标识和链码技术 的区域轮廓提取与追踪方法，能够得到分割后的图像的轮廓；研究了应用链码表达区 域轮廓方法，根据区域链码能够计算区域属性；将该轮廓作为初始化轮廓，应用s n a l ( e 模型的得到区域的精确轮廓。 ( 3 ) 研究了链码技术的轮廓分段方法，提出了一种链码特征点识别与分段的方 法；提出了链码技术识别曲线特征的方法，能够有效地识别直线特征和圆特征；对识 别后的曲线特征进行曲线拟合，实现图像的矢量化；设计了图像矢量化的软件系统， 支持自动矢量化和交互式图形编辑，并为商用c a d 软件提供接口。 本论文在结构上共分为4 章，具体内容如下： 第1 章为绪论。主要介绍本文课题的研究背景、目的和意义，本文相关技术的国 内外研究现状以及本文的主要研究内容。 第2 章为图像分割方法。介绍了图像分割的定义、常用的图像分割方法，重点研 究了图像阈值分割方法，包括快速的单阂值分割方法、自适应的多阈值分割方法以及 直方图多维扩展的分割方法。 西南交通大学硕士研究生学位论文 第9 页 第3 章为轮廓提取方法。主要研究了边缘检测的轮廓提取方法；游程区域标识方 法；链码技术的轮廓提取与追踪；以及s n a k e 模型的轮廓精确提取方法。 第4 章为轮廓识别与矢量化。主要研究了链码轮廓分段方法；链码技术的轮廓 特征识别方法：以及轮廓矢量化方法。 西南交通大学硕士研究生学位论文第1 0 页 2 1引言 第2 章图像分割方法 为了提取出工业c t 图像中的感兴趣区域，需要根据图像的特征将图像区分为目标 ( 感兴趣区域) 和背景，图像分割方法能够提取出将图像中相关区域，