版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、本文提出了一種新的基于閾值分割法的熔池圖像分割方法,采用該方法成功地提取了單線寬連續(xù)的熔池區(qū)輪廓及浮渣區(qū)輪廓。該方法包含改進的閾值分割法、中值濾波和輪廓提取。文中選用熔池區(qū)輪廓上所有點的Prewitt算子卷積和作為選取閾值分割的閾值的評判函數(shù),Prewitt算子卷積和最大值對應的閾值即為熔池圖像分割的全局最佳閾值。采用基于滑動直方圖的高效中值濾波算法,大大提高了整個熔池圖像處理算法的效率。在Intel I Core i5-2450M C
2、PU2.5GHZ,4G內存的硬件環(huán)境以及VC6.0的編程環(huán)境下,利用該算法提取一幅400×400的熔池圖像的熔池區(qū)輪廓的最短時間為0.046s。
本文研究了采用經典的CV模型實現(xiàn)熔池區(qū)輪廓提取的方法。對于一幅預處理的熔池圖像,采用高斯濾波去除圖像噪聲,給定熔池圖像一條圓形的初始輪廓線,利用CV模型可實現(xiàn)不同焊縫成形質量的MAG焊熔池區(qū)輪廓的自動提取。本文重點研究了用于熔池圖像輪廓提取的CV模型的參數(shù)設置及參數(shù)大小對檢測效率
3、的影響。試驗結果表明:增大參數(shù)ε和△t,模型檢測到遠離初始輪廓線的邊緣點的效率會提高。
本文用水平集函數(shù)的梯度范數(shù)替換CV模型里的正則化的Dirac函數(shù)。改進后的CV模型對模型參數(shù)大小的敏感性下降,對熔池圖像分割具有良好的適應性,同時,檢測到遠離初始輪廓線的邊緣點的能力大大提高,模型迭代時間顯著減少。在MFC環(huán)境下,本文開發(fā)了一套基于改進的CV模型的熔池圖像處理程序,實現(xiàn)了不同焊縫成形質量的MAG焊熔池圖像的熔池區(qū)輪廓提取
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于雙閾值分割的玻璃缺陷特征提取方法研究.pdf
- 中醫(yī)舌診圖像分割和特征提取方法研究.pdf
- 基于2DPCA的熔池圖像代數(shù)特征提取方法研究.pdf
- 基于密度聚類的醫(yī)學圖像分割和特征提取方法研究.pdf
- 圖像分割和特征提取技術研究
- 基于特征提取的紋理圖像分割.pdf
- 圖像分割的改進CV模型及其應用.pdf
- 基于改進CV模型的工業(yè)CT圖像分割算法研究.pdf
- 圖像分割和特征提取畢業(yè)設計
- 基于多閾值計算的圖像特征提取與識別.pdf
- 基于改進PCA和LDA的特征提取方法.pdf
- 基于活動輪廓模型的圖像特征提取方法研究.pdf
- 基于KFCM算法與改進CV模型的圖像分割算法研究.pdf
- 圖像分割和特征提取技術研究.docx
- 基于數(shù)字圖像的紋理特征提取方法研究與改進.pdf
- 開題報告圖像分割和特征提取技術研究
- 圖像中的唇部區(qū)域分割和特征提取研究.pdf
- 基于視覺的熔池過程特征提取方法及智能控制研究.pdf
- 基于改進支持向量機的腦部醫(yī)學圖像分割及腫瘤圖像特征提取的研究.pdf
- 基于cv模型水平集方法的彩色圖像分割研究(1)
評論
0/150
提交評論