专利名称：一种固体发动机ct图像的分割方法
技术领域：
本发明涉及图像分割技术领域，更具体地，本发明涉及一种固体发 动机CT图像的分割方法。
背景技术：
固体发动机的安全性能一直是人们研究的热点问题，固体发动机内 部任何一个超标缺陷的存在，都可能影响发动机的整体性能，甚至造成 灾难性的事故。20世纪80年代以来，工业CT作为一种先进的无损检测 手段，取得迅速发展和得到广泛的应用。运用工业CT技术检测固体发动 机，能检测出许多常规无损检测方法难以检查出的问题，大大提高了固 体发动机的安全性能。而目前固体发动机CT检测中，断层图像完全依靠 检测人员手工判读各组成部分和内部缺陷，需要耗费大量的时间，不断 从事重复性工作，效率低下，容易出现误操作。
工业CT检测固体发动机生成灰度数字图像，通过图像分割技术可以 把固体发动机CT图像分成各具特性的区域，提取出感兴趣的目标区域， 从而进行缺陷识别，所以固体发动机CT图像的分割M动机内部缺陷自 动识别和三维图像重构的基础。现有的图像分割方法包括并行边界类、 串行边界类、并行区域类和串行区域类等各种类型上千种分割方法，但
在这些方法中，尚无针对所有固体发动机CT图像的自动、准确的分割方 法。例如，在基于边界的边缘检测分割法中，各种检测算子本质上是利 用图像幅度值的变化，进行局部运算，虽然计算量小，但计算对噪声很 敏感，当图像受噪声影响较大时，分割效果较差；阈值分割法所适合的 单峰灰度分布图像要求在目标和背景内部相邻像素间的灰度值是高度 相关的，但目标和背景交界处两边的像素在灰度值上有很大差别。空间 聚类分割法是一种全局的方法，虽然比边缘检测分割法更抗噪声，但特 征空间的聚类常会导致产生图像空间不连通的分割区域。
上述这些方法都是利用图像信息中某些部分特定特征来分割区域， 分割效果较差，并且各种方法带有局限性和针对性，不具有普遍适用性， 只能针对各种特定领域的需求来设计合适的分割方法。
发明内容
为克服现有技术中固体发动机CT图像分割方法的分割效果差、不具 普适性的缺陷，本发明提出了一种固体发动机CT图像的分割方法。 一种固体发动机CT图像的分割方法，包括 步骤10 )、读入固体发动机CT图像数据；
步骤20)、根据所述CT图像的灰度值，填充所述图像壳体边缘内部， 去除所述CT图像的空气环伪影；
步骤30)、滤除所述CT图^^中的背景噪声，同时锐化CT图像中固体 发动机各组成部分的边缘；
步骤40)、根据多阈值法，计算壳体、含有缺陷的推进剂、星孔和背 景的最大类间方差，确定所述CT图像灰度范围中的区分所述图像的壳体、
含有缺陷的推进剂和星孔的阚值，分割所述图像中的壳体、含有缺陷的
推进剂和星孔；
步骤50)、根据多阈值法，确定所述CT图像灰度范围中的区分所述 图像的推进剂和缺陷的阈值，分割推进剂中的缺陷。
其中，步骤20)中，根据所述CT图像壳体外边缘与空气环伪影的灰 度值的差别，得到所述CT图像的二值化梯度图像，确定所述壳体的边缘。
其中，步骤20)中，基于二值数学形态学，填充壳体边缘，得到去 除空气环伪影的所述CT图像的二值化掩膜图像。
其中，步骤20 )进一步包括，将所述二值化掩模图像与所述CT图像 的矩阵内的对应坐标数据分别相乘，得到去除空气环伪影的固体发动机 CT图像。
其中，步骤30)中，使用中值滤波法，在保证所述CT图像各组成部
分边缘清晰的基础上，滤除背景噪声。 其中，步骤40)中，进一步包括
步骤410)、计算所述CT图像的总平均灰度级和设定的壳体、含有缺 陷的推进剂、星孔和背景4类目标各自的内部平均灰度级；
步骤420 )、计算壳体、含有缺陷的推进剂、星孔和背景目标的内部 平均灰度级各自占图像的总平均灰度级的比例；
步骤43(J)、计算壳体、含有缺陷的推进剂、星孔和背景目标的最大 类间方差，确定使类间方差最大的参数为所述阈值。
其中，步骤40)中，根据确定的阈值，生成包含壳体、含有缺陷的 推进剂、星孔和背景的分割掩膜图像，将分割掩模图像矩阵内的壳体、
含有缺陷的推进剂、星孔与背景对应的坐标数据分别归一化后，与所述
CT图像矩阵内的坐标数据分别相乘。 其中，步骤50)中，进一步包括
步骤510 )、计算所述CT图像的总平均^JL级和设定的缺陷和推进剂 目标的各自内部平均^Ll级；
步猓520)、计算缺陷和推进剂的各自内部平均^L级占图像的总平 均支变级的比例；
步骤530)、计算缺陷和推进剂的最大类间方差，确定使类间方差最
大的M为所述阈值。
其中，将>^有缺陷和推进剂的分割掩膜困像使用数学形态学中的开
启和闭合组合运算滤除缺陷，其中，数学形态学中的结构元素选取为
1 1 1 c
0 1 0
其中，使用分割缺陷的掩膜图像与所述CT困像的矩阵内的对应坐标
数据分别相乘，消除所述图像中的缺陷。
本发明在分析含有缺陷的固体发动机CT图4象结构特征和^JL分布的 基础上，综合应用边牵险测、数学形态学和多阈值分割法，克服CT检测 中空气伪影的影响，实现了对固体发动机CT图像的自动准确分割，为无 损自动检测和困像重构提供^>全面和精确的分析结果。
通过应用本发明，可以自动、准确地分割出固体发动机CT图像中的
外层空气环伪影、壳体、推进剂、星孔和各种缺陷，解决了手工判读固 体发动机CT检测困像效率低和准确性差的问题，并且不受图像信息的特
征值的限制。
图1是根据本发明的实施例的固体发动机CT图像分割方法流程图2是根据本发明的实施例的含有缺陷的固体发动机CT图像；
图3是根据本发明的实施例的去除空气环伪影的固体发动机CT图
像；
图4是根据本发明的实施例的分割壳体、含有缺陷的推进剂和星孔 的固体发动机CT图像；
图5是根据本发明的实施例的从推进剂中分割缺陷的固体发动机CT 图像。
具体实施例方式
下面结合附图和具体实施例，对本发明提供的一种固体发动机CT图 像的分割方法作进一步说明。
图1示出根据本发明的实施例的固体发动机CT图像分割方法总体流 程，首先读入固体发动机CT断层图像(下面简称为CT图像)数据；然 后根据边缘检测和形态学方法，去除由于CT检测时的空气扰动在固体发 动机壳体外部形成的空气环伪影；将去伪影后的图像经过中值滤波滤除 背景噪声，同时锐化CT图像中固体发动机各组成部分的边缘；基于多阔 值法，分割CT图像中固体发动机壳体、推进剂和星孔；最后将缺陷从推 进剂中分割。在所述实施例中，首先读入固体发动机CT断层图像数据。 图2是含有缺陷的固体发动机CT图像示意图，其中，图2A是读入 的CT图像原图，图2B是固体发动机CT图像经直方图均衡化后的图像， 图2的固体发动机CT图像中包括空气环伪影1、壳体2、星孔3、推进剂 4和缺陷5。
如图2B所示，壳体2的外边缘与空气环伪影1的灰度值相差很大。 采用传统的3x3的索贝尔(Sobel)正交梯度算子，计算出图2A所示CT 图像的二值化梯度图像，可以得出壳体2的完整边缘，用于去除空气环 伪影。也可以采用其他诸如Variance算子、Roberts算子的方法，确定 壳体2的完整边缘。
图3是去除空气环伪影的示意图，其中，图3A是采用传统的3x3 的Sobel正交梯度算子对图2A进行边缘检测后的二值图像，其中包括边 界点w，并且图中所示两条环状曲线分别为边缘的内外边界；图3B是经 数学形态学填充后的去除空气环伪影的二值化掩模图像；图3C是去除空 气环伪影的固体发动机CT图像。
在二值数学形态学中，根据已知边界通过填充得到区域。对图3A所 示二值图像边界点w的、由图像边缘内外边界围绕确定的集合J，通过用 结构元素^对集合j膨胀、求补和求交来填充区域，如下所述
首先，将图3A边界点w内即A内的任一点赋值为1,设所取点为x。 = l ， 然后根据如下迭代公式填充
<formula>formula see original document page 10</formula> k= 1,2,3,…；
其中，结构元素5为
0 1 0
1 1 1
0 1 0
，结构中心在矩阵中心的"1"处，^为
j的补集。
当4=4—i时，停止迭代，此时A和」的交集包括边界点w及其填充 了的区域内部，也就是去除空气环伪影的二值化掩模图像，如图3B所示。
将图3B掩模图像与图2A固体发动机CT原图相乘，即将图3B掩模 图像与图2A固体发动机CT原图的矩阵内的对应坐标数据分别相乘，得 到去除空气环伪影的固体发动机CT图像，如图3C所示。
去除空气环伪影后的固体发动机CT图像中存在许多噪声，在本实施 例中，采用中值滤波法，在保证固体发动机CT图像各组成部分边缘清晰 度的基础上，滤除噪声，同时锐化CT图像中固体发动机各组成部分的边 缘。
滤除噪声之后，在去除空气环伪影的固体发动机CT图像中，壳体、 含有缺陷的推进剂和星孔三者灰度值分布不在一个区间。在本实施例中， 采用Otsu多阈值图像分割方法，设定分割的目标数为壳体、含有缺陷的 推进剂、星孔和背景4类，则所需确定的阈值数为3个，分别为AAA。
图像的总平均灰度级的计算如下
255
,=0
其中，A是图像的总平均灰度级，《是第f级像素出现的概率，第7+1 类目标的内部平均灰度级为所占比例为
<formula>formula see original document page 12</formula>
其中，％为第乂+1类目标的内部平均灰度级占图像的总平均灰度级的
比例，y从0到2，另外阈值边界&=0， ^=255 。 令 <formula>formula see original document page 12</formula>
根据最大类间方差法的原理，类间方差为
<formula>formula see original document page 12</formula>
使^&满足&<&<&,且^&，&从0到255之间变化，所求得的使 cj2(y^^)最大的^&,^即为所求阈值。根据求得的阈值* 3，确定灰度 值小于&为星孔，灰度值介于&与&之间为含有缺陷的推进剂，灰度值介 于^和&之间为壳体，灰度值大于&为背景，生成分割掩模图像。
图4是分割壳体、含有缺陷的推进剂和星孔示意图；其中，A是采用 改进的Otsu多阈值分割法得出的壳体、含有缺陷的推进剂和星孔分割掩 模图像，B是分割出的壳体图像，C是分割出的含有缺陷的推进剂的图像， D是分割出的星孔图像。
经计算生成的分割掩模图像如图4A所示，用掩模对图2A所示固体 发动机CT原图作分割处理，将图4A掩模图像与图2A固体发动机CT原 图相乘，即将图4A掩模图像的矩阵内的壳体、含有缺陷的推进剂、星孔 与背景对应的坐标数据分别归一化后，与图2A固体发动机CT原图的矩 阵内的坐标数据分别相乘，得到的壳体、包含缺陷的推进剂和星孔图像
分别如图4B、 4C、 4D所示。
如图4C所示，缺陷虽然和推进剂属于同一灰度区间，但其与周围邻 域的灰度还是相差较大。同理采用如上所述的分割过程，即采用Otsu多 阈值图像分割方法，设定图4C中分割的目标由缺陷、推进剂和背景三者 组成，则所需确定的阈值数为2个，分别为n生成分割掩模图像。
图5是从推进剂中分割缺陷的示意图，其中，A是采用改进的Otsu 多阈值分割法得出的缺陷、推进剂分割掩模图像，B是缺陷和推进剂分离 图像，C是B滤除缺陷后的图像，D是分割出的缺陷放大4x4倍后的图 像。
图5B中与推进剂分离开的缺陷可用数学形态学中的开启和闭合组合 运算将其滤除
选取结构元素<formula>formula see original document page 13</formula>，结构中心在矩阵中心的"1"处<
先用s对图5B进行开启操作，再用5对开启操作结果进行闭合操作， 整个过程^^式为
计算结果如图5C所示，缺陷被滤除掉。
再将图5B和图5C作异或运算，得到的结果为分割缺陷的掩模图像。 用缺陷分割掩模对图2A所示固体发动机CT原图作分割处理，即将所述 掩模图像与图2A固体发动机CT原图的矩阵内的对应坐标数据分别相乘， 得到的分割出的缺陷图像放大4x4倍后如图5D所示。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非对
其限制，并且在应用上可以延伸到其他的修改、变化、应用和实施例， 同时认为所有这样的修改、变化、应用、实施例都在本发明的精神和范 围内。
权利要求
1、一种固体发动机CT图像的分割方法，包括步骤10)、读入固体发动机CT图像数据；步骤20)、根据所述CT图像的灰度值，填充所述图像壳体边缘内部，去除所述CT图像的空气环伪影；步骤30)、滤除所述CT图像中的背景噪声，同时锐化CT图像中固体发动机各组成部分的边缘；步骤40)、根据多阈值法，计算壳体、含有缺陷的推进剂、星孔和背景的最大类间方差，确定所述CT图像灰度范围中的区分所述图像的壳体、含有缺陷的推进剂和星孔的阈值，分割所述图像中的壳体、含有缺陷的推进剂和星孔；步骤50)、根据多阈值法，确定所述CT图像灰度范围中的区分所述图像的推进剂和缺陷的阈值，分割推进剂中的缺陷。
2、 权利要求l的方法，其中，步骤20)中，根据所述CT图像壳体 外边缘与空气环伪影的灰度值的差别，得到所述CT图像的二值化梯度图 像，确定所述壳体的边缘。
3、 权利要求l的方法，其中，步骤20)中，基于二值数学形态学， 填充壳体边缘，得到去除空气环伪影的所述CT图像的二值化掩膜图像。
4、 权利要求3的方法，其中，步骤20)进一步包括，将所述二值化 掩模图像与所述CT图像的矩阵内的对应坐标数据分别相乘，得到去除空 气环伪影的固体发动机CT图像。
5、 权利要求l的方法，其中，步骤30)中，使用中值滤波法，在保 证所述CT图^象各组成部分边缘清晰的基础上，滤除背景噪声。
6、 权利要求l的方法，其中，步骤40)中，进一步包括 步骤41t))、计算所述CT图像的总平均灰度级和设定的壳体、含有缺陷的推进剂、星孔和背景4类目标各自的内部平均灰度级；步骤420 )、计算壳体、含有缺陷的推进剂、星孔和背景目标的内部平均灰度级各自占图像的总平均灰度级的比例；步骤430 )、计算壳体、含有缺陷的推进剂、星孔和背景目标的最大类间方差，确定使类间方差最大的参数为所述阈值。
7、 权利要求l的方法，其中，步骤40)中，根据确定的阈值，生成 包含壳体、含有缺陷的推进剂、星孔和背景的分割掩膜图像，将分割掩 模图像矩阵内的壳体、含有缺陷的推进剂、星孔与背景对应的坐标数据 分别归一化后，与所述CT图像矩阵内的坐标数据分别相乘。
8、 权利要求l的方法，其中，步骤50)中，进一步包括步骤510 )、计算所述CT图像的总平均灰度级和设定的缺陷和推进剂 目标的各自内部平均灰度级；步骤520 )、计算缺陷和推进剂的各自内部平均灰度级占图像的总平 均灰度级的比例；步骤530 )、计算缺陷和推进剂的最大类间方差，确定使类间方差最 大的参数为所述阈值。
9、 权利要求l的方法，其中，将含有缺陷和推进剂的分割掩膜图像 使用数学形态学中的开启和闭合组合运算滤除缺陷，其中，数学形态学中的结构元素选取为、l1 1 1 co i o
10、权利要求l的方法，其中，使用分割缺陷的掩膜图像与所述CT 图像的矩阵内的对应坐标数据分别相乘，消除所述图像中的缺陷。
全文摘要
本发明公开了一种固体发动机CT图像的分割方法，读入固体发动机CT断层图像数据，去除由于CT检测时的空气扰动在固体发动机壳体外部形成的伪影；将去伪影后的图像经过中值滤波滤除背景噪声，同时锐化CT图像中固体发动机各组成部分的边缘，分割CT图像中固体发动机壳体、推进剂和星孔；将缺陷从推进剂中分割。通过应用本发明，可以自动、准确地分割出固体发动机CT图像中的外层空气环伪影、壳体、推进剂、星孔和各种缺陷，解决了手工判读固体发动机CT检测图像效率低和准确性差的问题，并且不受图像信息的特征值的限制。
文档编号G06T5/00GK101339652SQ20071030144
公开日2009年1月7日 申请日期2007年12月28日 优先权日2007年12月28日
发明者侯志强, 刘旭东, 卢洪义, 敏 朱, 李海燕, 程继红 申请人:中国人民解放军海军航空工程学院