结构件内部缺陷断层图像的模糊边缘检测

doi:10.3778/j.issn.1002-8331.2009.20.053

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (20): 179-180.DOI: 10.3778/j.issn.1002-8331.2009.20.053

• 图形、图像、模式识别 • 上一篇下一篇

结构件内部缺陷断层图像的模糊边缘检测

孔凡树，姚芳，贾超，邹琪，王蓓蓓，艾东

燕山大学信息科学与工程学院，河北秦皇岛 066004

收稿日期:2008-09-05 修回日期:2009-02-03 出版日期:2009-07-11 发布日期:2009-07-11
通讯作者: 孔凡树

Fuzzy edge detection of inner defect based on cross-image

KONG Fan-shu，YAO Fang，JIA Chao，ZOU Qi，WANG Bei-bei，AI Dong

College of Information Science and Engineering，Yanshan University，Qinhuangdao，Hebei 066004，China

Received:2008-09-05 Revised:2009-02-03 Online:2009-07-11 Published:2009-07-11
Contact: KONG Fan-shu

摘要/Abstract

摘要： 由于结构件内部缺陷形状复杂、随机性大及其断层图像噪声严重并具有一定的模糊性，在研究Pal模糊边缘检测算法的基础上，提出一种改进的模糊边缘检测算法。该算法将最佳阈值引进算法中，并以此改进了Pal算法中的隶属度函数，建立了新的模糊增强变换，最后增加了边缘连接的步骤。该算法具有较强的检测模糊边缘的能力，实验结果表明该算法是一种更实用、更高效的模糊边缘提取算法。

关键词: Otsu法, 隶属函数, 图像增强, 边缘连接

Abstract: Considering the main characters of inner defect in Industry Computer Tomography（ICT） image，such as complex shape，randomness，serious noise，and always fuzzy，this paper brings forward an improved fuzzy edge-detection method on the basis of studying the Pal algorithm.The algorithm introduces the best threshold into algorithm，and improves Pal membership function，then establishes a new fuzzy enhancement transformation，finally，an edge-connection step is added.The proposed algorithm is superior in detecting fuzzy edges.Experimental results show that the algorithm is a more practical，more efficient fuzzy edge extraction algorithm.

Key words: Otsu’method, membership function, image enhancement, edge-connection

孔凡树，姚芳，贾超，邹琪，王蓓蓓，艾东. 结构件内部缺陷断层图像的模糊边缘检测[J]. 计算机工程与应用, 2009, 45(20): 179-180.

KONG Fan-shu，YAO Fang，JIA Chao，ZOU Qi，WANG Bei-bei，AI Dong. Fuzzy edge detection of inner defect based on cross-image[J]. Computer Engineering and Applications, 2009, 45(20): 179-180.

[1]	汤子麟，刘翔，张星. 光照不均匀图像的自适应增强算法[J]. 计算机工程与应用, 2021, 57(21): 216-223.
[2]	王小鹏，杨文婷，文昊天. 利用自适应形态学实现遥感水体图像增强[J]. 计算机工程与应用, 2021, 57(12): 186-192.
[3]	杜豫怡，王鹏章，多化琼，董霙达. 频域内分位数的蒙古族家具纹样增强算法[J]. 计算机工程与应用, 2021, 57(12): 207-210.
[4]	陈迎春. 基于色调映射的快速低照度图像增强[J]. 计算机工程与应用, 2020, 56(9): 234-239.
[5]	袁小平，崔棋纹，程干，张侠，张毅，王溯源. 改进型Gabor自商图算法及其在人脸识别中的应用[J]. 计算机工程与应用, 2020, 56(5): 206-213.
[6]	朱德利，杨德刚，万辉，杨雨浓. 用于低照度图像增强的自适应颜色保持算法[J]. 计算机工程与应用, 2019, 55(24): 190-195.
[7]	卢蒙卡，万仲平，彭振华. 新的求解多层规划的直觉模糊交互式决策模型[J]. 计算机工程与应用, 2019, 55(16): 42-48.
[8]	赵菊萍，李风军. Vague集（值）相似性度量[J]. 计算机工程与应用, 2019, 55(15): 69-74.
[9]	王英博1，刘健2. 幂律变换和IGLC算法的显著性目标检测方法[J]. 计算机工程与应用, 2019, 55(14): 168-176.
[10]	王忠民1，2，段娜1，范琳1. 融合YOLO检测与均值漂移的目标跟踪算法[J]. 计算机工程与应用, 2019, 55(10): 186-192.
[11]	张桂梅1，刘峰瑞1，刘建新2. 图像增强中分数阶阶次自适应模型的构造[J]. 计算机工程与应用, 2018, 54(3): 184-191.
[12]	田敏，张印辉，何自芬，王森. 基于联合模型匹配的齿轮视觉检测方法[J]. 计算机工程与应用, 2018, 54(23): 170-175.
[13]	成钊1，2，王和明1，唐永康2，张颖1. 基于细节增强分析的硬件木马红外图像检测方法[J]. 计算机工程与应用, 2018, 54(16): 86-92.
[14]	范晓鹏1，2，3，4，朱枫1，3，4. 人眼灰度感知建模及其在图像增强中的应用[J]. 计算机工程与应用, 2018, 54(13): 209-215.
[15]	王永鑫1，2，刁鸣1，韩闯2. 基于同态滤波的水下图像增强与色彩校正模型[J]. 计算机工程与应用, 2018, 54(11): 30-34.

结构件内部缺陷断层图像的模糊边缘检测

Fuzzy edge detection of inner defect based on cross-image

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