[发明专利]一种基于引导滤波的固体火箭发动机CT图像边缘检测算法

说明书

本发明涉及边缘识别技术领域，特别是涉及一种基于引导滤波的固体火箭发动机CT图像边缘检测算法，包括：获取发动机灰度图像；基于改进形态学方法对所述发动机灰度图像进行边缘提取，得到第一边缘提取图像；基于小波模极大值方法对所述发动机灰度图像进行边缘提取，得到第二边缘提取图像；将所述第一边缘提取图像作为原始图像，将所述第二边缘提取图像作为引导图像，基于引导滤波方法，得到缺陷边缘识别结果。本发明通过引导滤波进行图像融合，得到的结果能结合空间域和频域边缘检测算法的优点，保证了边缘的连续性和精度，提高了降噪效果。

技术领域

本发明涉及边缘识别技术领域，特别是涉及一种基于引导滤波的固体火箭发动机CT图像边缘检测算法。

背景技术

固体火箭发动机是如今各种导弹武器的动力装置，其药柱作为粘弹性材料，在制造、储存和运输等过程中不可避免的会出现损失，主要有裂纹、夹渣、气泡和脱粘这四种缺陷，这些缺陷会导致药柱燃面突增，严重时会导致发动机爆炸。因此，确定其缺陷尺寸和形状至关重要。

传统的边缘检测算法在固体火箭发动机CT图像这种大噪声的图像的表现并不好。目前，边缘检测算法以基于空间域的操作为主，药柱CT图像中缺陷尺寸大小不定且夹杂着许多噪声，而空间域操作中的一阶导数、二阶导数边缘检测算子受噪声的影响较大，需要在降噪和边缘精度两者间取舍，且针对尺寸较小的缺陷检测效果并不好。基于频域的边缘检测算法能够实现很好的降噪效果，但会容易造成边缘的不连续。

例如基于数学形态法和多阈值分割法为一体的方法，这种方法先通过形态学的方法分割出固体火箭发动机CT图像的外层空气环影，然后采用多阈值法分割出推进剂和缺陷，再通过多阈值法和形态学的方法将推进剂和缺陷分开，从而实现了缺陷的边缘检测；这种方法得到的精度非常依赖阈值的选取，若设置的阈值过大，提取的缺陷边缘可能不连续，若设置的阈值过小，则会提取出大量的伪影及噪声边缘。再如在基于相似变换定位出缺陷的基础上，在缺陷区域内利用边缘检测算子得到缺陷的边缘，以缺陷区域的几何中心为标志点，将确定的缺陷标志点向外填充至缺陷的边缘即可提取出所有的缺陷点及其坐标，这种方法的运算成本很大。还有基于动态合并准则的改进分水岭算法，这种方法可以避免像区域生长法一样需要对图片有较多的先验知识，也可以避免像边缘检测法一样，在检测到边缘之后还需要对边缘进行连接，它可以有效的解决传统分水岭算法会过分割图像的缺点，但是它只针对了含裂纹的图像进行处理，算法的局限性较大。

发明内容

有鉴于此，本发明提供了一种基于引导滤波的固体火箭发动机CT图像边缘检测算法，可以兼顾边缘连续性与边缘精度，避免药柱CT图像中噪声的干扰。

为实现上述目的，本发明提供了如下方案：

一种基于引导滤波的固体火箭发动机CT图像边缘检测算法，包括：

获取发动机灰度图像；

基于改进形态学方法对所述发动机灰度图像进行边缘提取，得到第一边缘提取图像；

基于小波模极大值方法对所述发动机灰度图像进行边缘提取，得到第二边缘提取图像；

将所述第一边缘提取图像作为原始图像，将所述第二边缘提取图像作为引导图像，基于引导滤波方法，得到缺陷边缘识别结果。

优选地，所述基于改进形态学方法对所述发动机灰度图像进行边缘提取，得到第一边缘提取图像，包括：

获取M个方位结构元和N个尺度结构元素；

基于M个所述方位结构元和方位结构算子对所述发动机灰度图像进行边缘提取，得到M个方位边缘识别图像；

基于N个尺度结构元素和尺度结构算子对所述发动机灰度图像进行边缘提取，得到N个尺度边缘识别图像；

对M个所述方位边缘识别图像和N个所述尺度边缘识别图像进行加权求和，得到所述第一边缘提取图像。