涡轮叶片工业CT图像壁厚测量方法

    公开(公告)号:CN117994317A

    公开(公告)日:2024-05-07

    申请号:CN202410149734.X

    申请日:2024-02-02

    Applicant: 重庆大学

    Abstract: 本发明涉及一种涡轮叶片工业CT图像壁厚测量方法,属于图像处理领域。该方法为:输入涡轮叶片CT图像,使用IFCM‑RSF模型对叶片CT图像进行分割;使用IFCM法对叶片CT图像进行预分割;将预分割结果作为RSF的初始轮廓,迭代更新水平集函数;当迭代过程到预设迭代次数,将水平集函数的零水平集作为分割结果;对分割结果通孔上某点采用射线法和最近邻搜索法得到初始壁厚点,不断更新自适应窗口,直至初始壁厚点位置不再变化,计算该点壁厚;对壁厚测量结果进行可视化,输出结果。本发明能够对存在弱边缘、灰度不均匀的涡轮叶片图像进行亚像素级精确分割和高精度壁厚测量,提高了分割精度和收敛速度,且壁厚测量精度优于VG软件。

    一种基于NGA-RSF模型的CT图像分割方法

    公开(公告)号:CN115564758A

    公开(公告)日:2023-01-03

    申请号:CN202211308439.1

    申请日:2022-10-25

    Applicant: 重庆大学

    Abstract: 本申请提供一种基于NGA‑RSF模型的CT图像分割方法,步骤为:1)获取待分割的CT图像,对待分割的CT图像进行预处理;2)构建联合自然梯度和AdamW算法的RSF图像分割模型NGA‑RSF,设置NGA‑RSF模型的目标函数和初始参数,所述初始参数包括迭代停止条件、AdamW参数控制条件、AdamW算法自适应调整参数、图像分割模型参数;3)将预处理后的CT图像输入NGA‑RSF模型中,迭代更新水平集函数;4)当迭代过程达到迭代停止条件后,将水平集函数的零水平集作为分割结果。本发明能够有效处理灰度不均匀图像和弱边缘图像,并获得较为准确的亚像素级分割结果;与经典RSF模型相比,既保持了原模型亚像素分割精度,又大幅提高了模型收敛速度和鲁棒性。

Patent Agency Ranking