Beamlet分析的药柱裂纹图像边缘检测方法

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (5): 182-185.

• 图形、图像、模式识别 • 上一篇下一篇

Beamlet分析的药柱裂纹图像边缘检测方法

曾接贤^1，2，祝小超²，符祥¹

1.南昌航空大学软件学院，南昌 330063
2.南昌航空大学无损检测技术教育部重点实验室，南昌 330063

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-02-11 发布日期:2011-02-11

Crack edge detection of solid propellants grains image based on Beamlet analysis

ZENG Jiexian^1，2，ZHU Xiaochao²，FU Xiang¹

1.School of Software，Nanchang Hangkong University，Nanchang 330063，China
2.Key Lab of Nondestructive Testing of Ministry of Education，Nanchang Hangkong University，Nanchang 330063，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-02-11 Published:2011-02-11

摘要/Abstract

摘要： 在分析某固体火箭发动机推进剂药柱裂纹图像自身特点和传统边缘检测方法局限性的基础上，将Beamlet高维奇异几何分析工具应用于裂纹图像的边缘检测中，并给出线段的长度和斜率的Beamlet基链的近似计算公式。首先对图像进行分割，以提取裂纹区域；然后对已分割的图像进行四叉树分解，以最佳划分图像；最后对图像子块进行Wedgelet变换，筛选出最优Beamlet基作为边缘显示出来。结果表明，能够在检测出裂纹边缘的同时给出边缘的位置、长度、方向等更具体的几何信息，这将为药柱结构完整性研究和药柱裂纹图像计算机辅助分析打下基础。

关键词: Beamlet, Wedgelet, 边缘检测, 推进剂药柱

Abstract: After analyzing the characteristic of solid propellants grains crack image and the limitations of traditional edge detection methods，Beamlet analysis，a new multiscale geometry tool for higher-dimension singularities，is applied in crack edge detection of grains image.Firstly，crack image is segmented to extract crack region.Then the segmented image is decomposed by quad-tree to get the optimal image dyadic square.Finally every image square is transformed by Wedgelet to pick out the optimal Beamlets as the edges.Experiments show that the method can not only detect edges in crack image as the traditional methods but also provide more real-time geometric information，like location，length，orientation，which will help to study structural integrity of propellants grains and provide fundamental base for the computer aided analysis.

Key words: Beamlet, Wedgelet, edge detection, propellants grains

曾接贤^1，2，祝小超²，符祥¹. Beamlet分析的药柱裂纹图像边缘检测方法[J]. 计算机工程与应用, 2011, 47(5): 182-185.

ZENG Jiexian^1，2，ZHU Xiaochao²，FU Xiang¹. Crack edge detection of solid propellants grains image based on Beamlet analysis[J]. Computer Engineering and Applications, 2011, 47(5): 182-185.

[1]	马庆禄，唐小垚. 融合时域和分水岭信息的车辆检测算法[J]. 计算机工程与应用, 2021, 57(24): 227-233.
[2]	齐小祥，李敏，朱颖，宋雨，杜卫东. 基于边缘检测的SAR图像自适应区域分割[J]. 计算机工程与应用, 2021, 57(22): 232-240.
[3]	涂兵1，2，3，张晓飞1，3，潘建武1，3，张国云1，2，3，周紫璇1，3. 多特征与边缘校正融合的天际线检测算法研究[J]. 计算机工程与应用, 2019, 55(6): 178-185.
[4]	孙梦茹，王瑜，邢素霞. 基于结构局部边缘模式的绿色植物物种识别[J]. 计算机工程与应用, 2019, 55(3): 167-170.
[5]	韩彬，杨大利. 基于透射变换的印刷品图像归一化研究[J]. 计算机工程与应用, 2019, 55(23): 188-193.
[6]	聂东林，王洪辉，王翔，孟令宇. 基于图像处理的滑坡后缘裂缝运动轨迹分析[J]. 计算机工程与应用, 2019, 55(22): 201-205.
[7]	冯正英，王世东. 结合MNF变换和Canny算子的遥感影像变化检测[J]. 计算机工程与应用, 2019, 55(14): 266-270.
[8]	刘丽霞1，李宝文3，王阳萍1，2，杨景玉1，2. 改进Canny边缘检测的遥感影像分割[J]. 计算机工程与应用, 2019, 55(12): 54-58.
[9]	吴进，赵隽，李聪，吴汉宁. 机器视觉中边缘检测算法的SDSoC加速实现[J]. 计算机工程与应用, 2019, 55(12): 208-214.
[10]	张经宇，滕建辅，白煜. 医学图像边缘检测的Levy-DNA-ACO算法研究[J]. 计算机工程与应用, 2018, 54(8): 14-20.
[11]	朱明明1，许悦雷1，张旭蕾2，马时平1，吕超1，辛鹏1，邹洪中1，马红强1. 基于V1细胞特性的边缘检测[J]. 计算机工程与应用, 2018, 54(5): 200-205.
[12]	李忠海，金海洋，邢晓红. 整数阶滤波的分数阶Sobel算子的边缘检测算法[J]. 计算机工程与应用, 2018, 54(4): 179-184.
[13]	况杰，章杨松，赵佳斌. 基于相位一致性图像处理的岩体裂隙自动检测[J]. 计算机工程与应用, 2018, 54(24): 193-197.
[14]	沈夏炯1，2，张汇东1，韩道军1，2. 一种面向SAR图像的多窗口道路边缘检测算法[J]. 计算机工程与应用, 2018, 54(19): 164-171.
[15]	李忠海，宋智钦，王崇瑶. 非整数步长的分数阶微分Sobel算子的应用[J]. 计算机工程与应用, 2018, 54(17): 192-197.

Beamlet分析的药柱裂纹图像边缘检测方法

Crack edge detection of solid propellants grains image based on Beamlet analysis

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