工业CT材料密度测量方法研究

doi:10.3778/j.issn.1002-8331.2010.02.060

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (2): 203-205.DOI: 10.3778/j.issn.1002-8331.2010.02.060

工业CT材料密度测量方法研究

王珏^1，2，黄苏红²，蔡玉芳¹

1.重庆大学 ICT研究中心，重庆 400030
2.重庆大学自动化学院，重庆 400030

收稿日期:2009-03-27 修回日期:2009-05-25 出版日期:2010-01-11 发布日期:2010-01-11
通讯作者: 王珏

Research on measuring ICT material density

WANG Jue^1，2，HUANG Su-hong²，CAI Yu-fang¹

1.ICT Research Center，Chongqing University，Chongqing 400030，China
2.College of Automation，Chongqing University，Chongqing 400030，China

Received:2009-03-27 Revised:2009-05-25 Online:2010-01-11 Published:2010-01-11
Contact: WANG Jue

摘要/Abstract

摘要： 为了实现对密度高且变化范围大的材料进行密度定量测量，建立自动密度测量系统，对工业材料的密度与CT数的关系进行研究。根据工业CT检测工件常见密度，选取有代表性的几种均匀材料作为标件，并以铝材料作为参考标准件。通过CT扫描获取不同密度标件对应的CT数。选用一幅CT图像为标定图像，以该图像中空气的CT数为标准，对被测材料的CT数进行修正。采用最小二乘法拟合材料密度与CT数的关系式。实验对塑料、橡胶、玻璃、钛合金、钢、铜等材料的密度进行测试，测量精度小于1%。测量结果基本满足工业材料密度的精度要求。

关键词: CT图像, 材料密度, CT数

Abstract: In order to realize density quantitative measurement for high-density and great varying range materials，an automatic density measurement system is established and the relationship between the density and CT number of industrial materials is investigated.According to the common density of detected work-piece in ICT，a few representative kinds of uniform material are chosen as the standard work-pieces and aluminum material is as a standard reference.It is based on CT scanning to gain the CT number with different density standard work-pieces.The CT number of air in the standard image，chosen from all，is as the reference standards for correcting the CT number of detected material.Using the least square method fits the formula between the material density and the CT number.An experiment to detect the density of plastics，rubber，glass，titanium alloy，steel and copper，the measuring accuracy can be reached 1%.It can satisfy the industry requirements of precision.

Key words: CT image, material density, CT number

中图分类号:

TP391

王珏^1，2，黄苏红²，蔡玉芳¹. 工业CT材料密度测量方法研究[J]. 计算机工程与应用, 2010, 46(2): 203-205.

WANG Jue^1，2，HUANG Su-hong²，CAI Yu-fang¹. Research on measuring ICT material density[J]. Computer Engineering and Applications, 2010, 46(2): 203-205.

[1]	陶永鹏，景雨，顼聪. 融合超像素和CNN的CT图像分割方法[J]. 计算机工程与应用, 2020, 56(5): 200-205.
[2]	裘静韬，邹俊忠，郭玉成，张见，王蓓. 应用化肝脏病灶分割的预测方案[J]. 计算机工程与应用, 2020, 56(20): 173-178.
[3]	张福玲，张少敏. 应用于CT图像肺结节检测的深度学习方法综述[J]. 计算机工程与应用, 2020, 56(13): 20-32.
[4]	吴保荣，强彦，王三虎，唐笑先，刘希靖. 融合多维度卷积神经网络的肺结节分类方法[J]. 计算机工程与应用, 2019, 55(24): 171-177.
[5]	曾有灵，陈耿铎，熊威，李喆. 基于Spark的CT图像FBP重建算法程序并行设计[J]. 计算机工程与应用, 2019, 55(10): 218-224.
[6]	陈富强1，周学成1，2，李一海1，杨自尚1，王高峰1，闫露露1. 原位根系三维构型测量系统的设计与实现[J]. 计算机工程与应用, 2018, 54(10): 249-255.
[7]	彭双，肖昌炎. 结合区域生长与模糊连接度的肺气管树分割[J]. 计算机工程与应用, 2016, 52(13): 201-205.
[8]	林志宏，李光，罗守华. 全变差最小化在CT图像环状伪影去除中的应用[J]. 计算机工程与应用, 2015, 51(21): 195-198.
[9]	罗三定，刘倩兰，陈远兵，邹峥. 髋关节股骨近端CT序列图像外轮廓提取研究[J]. 计算机工程与应用, 2014, 50(11): 167-170.
[10]	汪国强，曲晶莹. 改进分水岭医学图像分割方法的研究[J]. 计算机工程与应用, 2013, 49(8): 185-187.
[11]	张欣1，王兵2，杨颖3，王苗2，吴辰2，张进兴2. 胸部CT图像肺区域边界凹陷自动修补[J]. 计算机工程与应用, 2013, 49(24): 191-194.
[12]	郭正红1，赵丙辰2. 改进和声搜索算法优化LSSVM的脑CT图像分类[J]. 计算机工程与应用, 2013, 49(22): 146-149.
[13]	杨勇1，郭吉强2. Lipschitz指数与平稳小波变换在CT图像去噪中的应用[J]. 计算机工程与应用, 2012, 48(6): 190-192.
[14]	黄思尉1，田小林1，孙延奎2. 眼前节组织OCT图像边缘检测及特征角点提取[J]. 计算机工程与应用, 2012, 48(25): 159-162.
[15]	朱新懿，耿国华，温超. 利用改进的分区统计颅面模型重构颅面[J]. 计算机工程与应用, 2012, 48(2): 5-7.

工业CT材料密度测量方法研究

Research on measuring ICT material density

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics