基于改進(jìn)閾值分割和CV模型的熔池圖像幾何特征提取方法研究.pdf

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(jìn)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(diǎn)的Prewitt算子卷積和作為選取閾值分割的閾值的評(píng)判函數(shù)，Prewitt算子卷積和最大值對(duì)應(yīng)的閾值即為熔池圖像分割的全局最佳閾值。采用基于滑動(dòng)直方圖的高效中值濾波算法，大大提高了整個(gè)熔池圖像處理算法的效率。在Intel I Core i5-2450M C

2、PU2.5GHZ，4G內(nèi)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(shí)間為0.046s。
　　 本文研究了采用經(jīng)典的CV模型實(shí)現(xiàn)熔池區(qū)輪廓提取的方法。對(duì)于一幅預(yù)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(shí)現(xiàn)不同焊縫成形質(zhì)量的MAG焊熔池區(qū)輪廓的自動(dòng)提取。本文重點(diǎn)研究了用于熔池圖像輪廓提取的CV模型的參數(shù)設(shè)置及參數(shù)大小對(duì)檢測(cè)效率

3、的影響。試驗(yàn)結(jié)果表明:增大參數(shù)ε和△t，模型檢測(cè)到遠(yuǎn)離初始輪廓線的邊緣點(diǎn)的效率會(huì)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(jìn)后的CV模型對(duì)模型參數(shù)大小的敏感性下降，對(duì)熔池圖像分割具有良好的適應(yīng)性，同時(shí)，檢測(cè)到遠(yuǎn)離初始輪廓線的邊緣點(diǎn)的能力大大提高，模型迭代時(shí)間顯著減少。在MFC環(huán)境下，本文開發(fā)了一套基于改進(jìn)的CV模型的熔池圖像處理程序，實(shí)現(xiàn)了不同焊縫成形質(zhì)量的MAG焊熔池圖像的熔池區(qū)輪廓提取