为了对工业CT(ICT)图像中的线特征进行有效提取, 提出一种基于二阶Wedgelet快速分解的特征提取方法。首先, 介绍了二阶Wedgelet分解的定义, 根据二阶Wedgelet基函数的构成将其划分为3种(同边型、邻边型、对边型)不同类型。根据不同类型基函数间的空间关系设计出二阶Wedgelet快速分解算法。在此基础上, 在不同的单尺度上分别提取了各自的候选线特征。最后, 结合多尺度四叉树结构, 融合不同单尺度的候选线特征得到最终提取结果。对实际ICT图像进行了线特征提取实验, 对比试验结果验证了提出方法的有效性和先进性, 表明基于二阶Wedgelet快速分解的ICT图像线特征提取方法能有效地提取ICT图像感兴趣的线特征, 对其它类型图像的线特征提取也具有一定的参考价值。

为了准确描述工业CT图像中的圆形结构, 提出一种基于多尺度几何分析工具Arclet的圆测量算法。首先, 通过分析单尺度Arclet基函数间的空间关系, 设计了单尺度快速Arclet数字变换算法; 基于该Arclet数字变换, 提取出单尺度上的候选圆特征。然后, 考虑Arclet相邻尺度基函数间的空间关系并结合多尺度四叉树结构, 按照从根到叶的方向, 依次对相邻尺度间的候选圆特征进行取舍。最后, 融合各尺度剩余的候选圆特征, 得到提取结果, 并根据提取结果计算出半径等圆参数。基于实际工业CT图像进行了圆测量试验, 结果表明, 最大半径绝对误差的绝对值<0.1 mm, 最大半径相对误差的绝对值<0.5%; 即使对原工业CT图像引入不同强度的高斯噪声, 测量结果依然满足要求。本文提出的工业CT图像圆测量算法对噪声干扰具有很好的抑制能力, 能满足准确描述工业CT图像中圆形结构的要求。

提出一种基于快速Beamlet变换的工业CT含噪图像的裂纹探测方法。首先，分析图像在单尺度下的Beamlet组成以及Beamlet间的相互关系，设计出一种快速Beamlet变换。基于快速Beamlet变换，引入一个关于吻合度的控制量，并结合Beamlet自身的多尺度树型结构，采取“自上向下”寻找目标函数最优值的思路，得到裂纹的探测结果。最后，结合探测结果的相邻区域的像素特性，提取出含噪裂纹的区域边界。分别对含有裂纹的CT图像，以及叠加方差为0.1的高斯白噪声图像，叠加强度为0.1的椒盐噪声图像进行探测实验。结果表明，与基于Laplace、Canny或小波的探测方法相比，该方法能有效探测到工业CT含噪图像中的裂纹。因为Beamlet是以线基的方式分析图像数据，所以该方法对噪声干扰具有很好的抑制能力，成功实现了工业CT含噪图像中的裂纹探测。