Page 46 - 无损检测2023年第四期

栾传彬, 等:

航空发动机精密零件的 CT 图像增强算法

分时间有关。 [ 9 ] 孙少华, 高文焕, 张丽, 等. 基于多色系统参数的 CT
指标, 零 硬化校正算法 [ J ] . 清 华 大 学 学 报 ( 自 然 科 学 版),
通过式( 5 ) 计算图像处理前后的 G MG
2002 , 42 ( 12 ): 1579-1582.
指标比较如表 2
件 p art2和 p art3的 CT 图像 G MG
[ 10 ] 刘建邦, 席晓琦, 韩玉, 等. 基于 K-N 模型的锥束 CT
均有所降低,
所示, 可以看出通过算法的处理, G MG
散射伪影校正方法[ J ] . 光学学报, 2018 , 38 ( 11 ): 405-
说明 CT 图像更加平滑, 算法处理效果比较理想。
413.
p p 指标比较
表2 零件 art2和 art3的CT图像G MG [ 11 ] 张元科, 张军英, 卢虹冰. 基于 MCMC 方法的自适应
零件 未增强的图像 文章算法处理后的图像 低剂量 CT 图像去噪[ J ] . 四川大学学报( 工程科学

p art2 3.4426 2.6515 版), 2011 , 43 ( 3 ): 96-103.

p art3 2.3361 1.6448 [ 12 ] TABUCHI M , YAMANE N , MORIKAWA Y.

Ada p tive Wienerfilterbasedon Gaussian mixture
3 结语 distribution modelfor denoisin g chest X-ra y CT

ima g e [ J ] .Nihon Hoshasen Gi j utsu GakkaiZasshi ,
采用微焦 CT 检测航空发动机精密零件时, CT
2008 , 64 ( 5 ): 563-572.
图像中常伴随有硬化伪影和噪声。为了消除这两个 [ 13 ] 傅健, 李斌, 肖迎春等. 航空发动机涡轮叶片工业图像

影响图像质量的因素, 笔者提出了一种实用的 CT 降噪方法[ J ] . 航空动力学报, 2010 , 25 ( 04 ): 857-860.
图像增强算法, 主要包含两个步骤: ①幂函数曲线拟 [ 13 ] 傅健, 李斌, 肖迎春, 等. 航空发动机涡轮叶片工业 CT
合硬化校正; ②各向异性扩散滤波去噪。 图像降噪方法[ J ] . 航空动力学报, 2010 , 25 ( 4 ): 857-
从航空燃油喷嘴零件的 CT 检测图像增强试验 860.
[ 14 ] 蔡玉芳, 陈桃艳, 王珏, 等. 基于自适应滤波系数的非
结果可以看出, 图像中的杯状伪影和高斯噪声得到
局部均值计算机层析成像的图像降噪方法[ J ] . 光学
明显的消除, 说明该算法有效可靠。在实际检测过
学报, 2020 , 40 ( 7 ): 44-52.
程中, 如果扫描对象相对固定, 那么文章算法中的参
[ 15 ] HEY W , ZENGL , YU W , etal.Noisesu pp ression-
数就可以保存下来, 下次扫描直接读取保存的参数
g uidedima g efilterin g forlow-SNRCTreconstruction
即可, 以节省调试参数的时间。
[ J ] .Medical&Biolo g icalEn g ineerin g&Com p utin g ,
参考文献: 2020 , 58 ( 11 ): 2621-2629.

[ 16 ] HEK M , SUNJ , TANGXO.Guidedima g efilterin g

[ 1 ] 张祥春, 周言贤, 刘安, 等. 航空发动机涡轮叶片的三 [ J ] .IEEE Transactionson Pattern Anal y sisand

维 CT 检测[ J ] . 无损检测, 2017 , 39 ( 8 ): 34-36 , 40. MachineIntelli g ence , 2013 , 35 ( 6 ): 1397-1409.

[ 2 ] 韩玉, 尹召乐, 席晓琦, 等. 锥束 CT 在涡轮空心叶片 [ 17 ] LIUSQ.Stud y onmedicalima g eenhancementbased

残芯检测中的应用[ J ] . 特种铸造及有色合金, 2019 , onwavelettransformfusional g orithm [ J ] .Journalof

39 ( 3 ): 297-299. MedicalIma g in g andHealthInformatics , 2017 , 7 ( 2 ):
[ 3 ] 周莹. 航空发动机涡轮叶片数字射线成像研究[ D ] . 388-392.
南昌: 南昌航空大学, 2017. [ 18 ] 王珏, 张秀英, 蔡玉芳, 等. 联合小波变换和 RSF模型

[ 4 ] CHALIMONIUK M , SZCZEPANIK R , BŁACHNIO 的 CT图像分割方法[ J ] . 光学学报, 2020 , 40 ( 21 ): 57-

J.Therateofdecohesionofag asturbinebladeas 65.

assessedwiththeX-ra y com p utedtomo g ra p h y ( CT ) [ 19 ] 章云港, 易本顺, 吴晨玥, 等. 基于卷积神经网络的低

[ J ] .JournalofKONES , 2013 , 20 : 89-96. 剂量 CT 图像去噪方法[ J ] . 光学学报, 2018 , 38 ( 4 ):
[ 5 ] 陈浩, 陈云斌, 李寿涛. 局部扫描情况下多项式拟合的 123-129.

X 射线硬化校正[ J ] . 强激光与粒子束, 2015 , 27 ( 11 ): [ 20 ] CHEN H , ZHANGY , KALRA M K , etal.Low-dose

172-176. CT with a residualencoder-decoderconvolutional
[ 6 ] 李寿涛, 陈云斌, 陈浩, 等. 单材质物体锥束 CT 成像 neuralnetwork [ J ] .IEEE Transactionson Medical

的硬化校正[ J ] . 光电工程, 2012 , 39 ( 1 ): 135-139. Ima g in g , 2017 , 36 ( 12 ): 2524-2535.

[ 7 ] 彭光含, 蔡新华, 韩忠, 等.X 射线 TICT 在复合材料 [ 21 ] PERONA P , MALIK J.Scale-s p ace and ed g e

工件检测中的射束硬化拟合校正研究[ J ] . 光谱学与 detection usin g anisotro p ic diffusion [ J ] .IEEE

光谱分析, 2007 , 27 ( 9 ): 1882-1885. Transactions on Pattern Anal y sis and Machine
[ 8 ] 张全红, 路宏年, 杨民. 基于重投影的多项式拟合校正 Intelli g ence , 1990 , 12 ( 7 ): 629-639.
射束硬化[ J ] . 光学技术, 2005 , 31 ( 4 ): 633-635 , 638. ( 下转第52页)
2
1
2023年 第45卷 第4期
无损检测