航空发动机叶片X射线数字图像分析的一种新方法

以某型号航空发动机叶片为研究对象，介绍并分析了基于分区域自适应中值滤波的X射线数字图像特征提取和基于曲面函数和阈值分割的X射线数字图像特征提取两种方法，提出了一种新型的数学形态学滤波与计算机视觉算法相结合的缺陷自动提取方法。试验结果表明，提出的方法可行，能有效减小缺陷的误判率。     

基于多幅X射线数字图像的缺陷自动识别技术

在现有的X射线数字图像自动识别方法中,多采用对单幅数字图像进行孤立评判的方法。由于此类方法中阈值选取难以最优化,因而存在一定的误判率。为了解决这一问题,提出了一种X射线数字图像自动识别新方法。该方法将识别过程分为两步:缺陷提取和缺陷跟踪。第一步利用传统方法在每幅图像中分离出潜在缺陷。这一步保证真缺陷能全部提取出来,而不考虑伪缺陷的数量。第二步力图找出同一试件不同图像中分离出的缺陷之间的相互关系。如果第一步某一图像中分离出的某一缺陷在其他图像中都找不到相对应的缺陷区域,就定义该缺陷为伪缺陷,也就是说,真缺陷在不同图像中必须满足一定的几何关系。多幅图像中的缺陷跟踪综合利用了极线约束、三维重建和三线性约束等立体视觉算法。该方法的检测效果已经利用航空发动机叶片X射线数字图像得到验证。试验结果表明:利用该方法可以提高真缺陷的识别率,降低误判率。