基于存在概率图的工业CT图像快速圆检测算法

圆形结构特征大量存在于工业CT图像中,有效地检测出圆并获得其参数,在图像测量及逆向工程应用中具有重要意义.针对现有存在概率图的圆检测方法计算时间长、占用内存大的缺点,通过事先确定潜在圆心选择范围的方法,将存在概率数值符合设定条件的圆的参数信息存储在链表中,并根据被检测圆的数量确定圆的参数,标识其位置.该方法大大降低了计算量,由于利用链表方式存储数据,降低了内存的开支.实验表明,该方法在计算效率上比现有方法提高了36～178倍.     

工业CT图像圆精确测量

圆形结构特征大量存在于工业CT图像中,有效地检测出圆并获得其参数,在图像测量及逆向工程应用中具有重要的意义。利用基于Facet模型的亚像素边缘检测算法检测图像边缘,利用计算圆存在的概率大小识别边缘图像中的圆,实现工业CT图像中圆的检测和参数测量。研究圆存在概率算法特点,通过构造专用链表数据结构存储计算数据、限制计算时圆心选取范围的方法,改进圆存在概率计算效率低、占用内存大的缺点。使用空间分辨力为2.0lp/mm的电子直线加速器工业CT系统,扫描重建出包含10个圆的800*800像素工业CT图像,首先对图像进行基于Facet模型的亚像素边缘检测,然后进行基于存在概率的圆检测和测量。试验结果表明,改进的圆存在概率算法计算效率明显提高,图像中圆参数测量精度优于0.5%。