基于学习边缘信息的图像插值算法

为解决图像插值时产生边缘模糊和重影等现象,利用神经网络学习图像边缘信息,匹配两相邻断层图像间相似点,实现图像的灰度插值.对于新插值图像上的每一个像素,在相邻两个断层各选择一系列候选对应点,利用神经网络选择最佳匹配的一对对应点,利用这对对应点的灰度值插值出新图像上相应位置的灰度值.试验结果表明,改善了传统图像插值中图像边缘模糊的现象,并且极大的消除了重影现象.     

兔粪种菇变废为宝

烟台美吉尔兔业有限公司利用兔粪干物质含量最高．粪球圆硬光滑、间隙均匀、透气性好的特点．成功地开发出以兔粪为主．添加农作物秸秆作培养基栽培食用菌的方法。利用免粪栽培的食用菌营养丰富、味道鲜美．其质量一点不比用其他方法生产的食用菌差。既解决了兔粪露天堆放污染环境的问题．又闯出了一条新的致富门路。     

基于等值面拓扑简化的三维重建算法

针对工业CT无损检测中缺陷的空间信息无法准确判断的问题,提出了重建缺陷的算法。该算法使用八叉树来节省内存,并同时从内部增加和外部切除体素的方法来准确找到缺陷的边缘,利用MC提取的等值面经过拓扑简化得到最终的重建模型。实验表明,该方法可以实现对缺陷的三维空间形状观察,并提高了检测效率,得到了缺陷在空间任意方向的分布。     

构件内部裂缝缺陷的有限元三维重建

提出了利用有限元的网格生成方法来实现构件内部裂缝缺陷的三维重建算法。首先,将边缘检测算法和基于种子填充的区域生长算法相结合,准确定位出裂缝的形状,提高重建的精度;其次,应用8节点的六面体单元格创建出裂缝模型,直接利用等方性体素建模,节约了计算成本;最后,对模型中的节点分类,针对不同种类的节点分别进行光顺处理。试验结果表明,该算法实现了对构件内部裂缝缺陷的三维空间形态的观察,弥补了以往算法只进行面重建的不足,提供了构件质量判定依据。     

基于区域Voronoi图的复杂形体的三维重建算法

针对目前由二维轮廓线重建三维实体的方法要求轮廓线间距小、形状相似,对轮廓分叉及孔洞的解决有诸多限制且计算量大费时等问题,提出了Delaunay三角剖分与体素重建的思想相融合的方法。首先将断层图像轮廓近似表示成平面多边形,并利用Voronoi图进行划分,然后对其进行三角剖分。最后通过最短路径把这些三角形连接到相邻断层轮廓线的顶点上,扩展成四面体,从而直接完成三维重建。试验结果表明,该方法能较好地解决轮廓的分叉、孔洞等问题,且减少了数据量。     

结构件内部缺陷断层图像的模糊边缘检测

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。