-
题名一种基于齿科序列图像的超分辨率重建算法
被引量：2
- 1
-
-
作者
程斌
汪伟
-
机构
上海理工大学光电信息与计算机工程学院
-
出处
《小型微型计算机系统》
CSCD
北大核心
2020年第1期177-184,共8页
-
基金
上海市教委2016年青年教师培养计划项目(ZZsl15012)资助
上海理工大学光电学院教师创新能力建设项目(1000302006)资助
-
文摘
医学影像分辨率的提高能够有效帮助医生作出诊断,针对口腔环境复杂性和牙齿拓扑结构多样性的问题,提出一种基于齿科序列图像的超分辨率重建算法.通过对点集筛选和配准策略的优化,以及引入鲁棒损失函数,改进了传统的迭代最近邻点配准法,用于序列图像间的配准;然后针对齿科序列图像非下采样Contourlet变换域内不同的子带信息,采用了特定的子带系数融合策略,用于子带信息融合;最后基于非下采样Contourlet反变换得到了高分辨率齿科图像.实验结果表明,本文算法提高了重建指标,具有较强的鲁棒性.
-
关键词
超分辨率重建
迭代最近邻点法
非下采样CONTOURLET变换
图像融合
-
Keywords
super-resolution reconstruction
iterative closest point algorithm
non-subsampled Contourlet transform
image fusion
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于线激光的复杂丝杆表面缺陷检测
- 2
-
-
作者
张琳琳
沈泽鑫
宋科夫
曾辉雄
郭霏霏
李俊
-
机构
兰州交通大学数理学院
-
出处
《工具技术》
2025年第8期144-150,共7页
-
基金
福建省科技计划项目(2022-ZD-001)
中国福建光电信息科学与技术创新实验室(闽都创新实验室)项目(2021ZZ116)
福建省科技经济融合服务平台。
-
文摘
丝杆表面质量检测对于相关产业生产效率及良品率的提升有重大意义。现代工业的缺陷检测技术多采用二维图像数据进行处理,但二维图像因遮挡在物体表面纹理以及几何形状阐释方面存在局限性,无法对复杂零件表面缺陷进行检测,以卷积神经网络为代表的深度学习算法复杂且数据量大,难以满足工业生产需求。为解决上述问题,提出一种基于线激光自适应扫描零件表面的缺陷检测方法,实现自动化且快速的零件表面缺陷检测。针对复杂丝杆零件,算法先通过深度图像的背景分离与边缘特征提取,使机械臂自主确认零件最佳扫描位置。同时通过动态时间翘曲距离(dynamic time warping distance, DTW)在标准模型中搜索相似度最高的目标轨迹,采用迭代最近邻点法将待测零件表面轨迹轮廓与目标轨迹进行配准,通过配准误差判断零件是否存在缺陷,并使用含凹凸缺陷的零件验证算法的有效性,解决二维图像在复杂零件缺陷检测方面无法解决的问题。实验结果表明:提出的方法可对复杂丝杆表面0.3 mm及以上尺径的凹凸缺陷在0.09 s内实现快速检测,为工业生产智能化、快速化提供解决方案。
-
关键词
缺陷检测
迭代最近邻点法配准
自适应扫描
三维点云
-
Keywords
defect detection
iterative closest point registration
adaptive scanning
three-dimensional point cloud
-
分类号
TG68
[金属学及工艺]
TH161
[金属学及工艺—金属切削加工及机床]
-
