缺陷自动定位及其剥离显示是图像分析过程中重要的处理步骤之一,对于提高检测效率、减轻人工劳动强度以及保证产品质量具有重要的意义。工业CT作为一种先进的无损检测技术,已广泛应用于航空、石油、钢铁、机械制造、铁路运输等领域,它可以在无损状态下,准确检测工件的内部结构。工业CT缺陷自动定位的目的,是从CT图像中找出工件缺陷的所在,并获得有关缺陷的尽可能精确的信息。本文以工业CT图像为研究对象,根据目前国内外工业CT图像缺陷识别技术的发展现状,将分形维数应用于工业CT缺陷自动定位中,并对定位区域采用改进的矩不变阈值分割方法分离出缺陷的形态。分形是1975年美籍法国数学家B.B.Manderbrot在研究了大量不规则形体的自相似性基础上的。而分形维数作为分形的一个重要特征,突破欧氏空间中维数必须是整数的限制,已在许多学科领域获得广泛应用。分形维数的核心是度量物体不规则程度,反映到图像灰度曲面就是对灰度跳变异常敏感。所以,分形维适宜于图像中缺陷的检测识别。本文围绕分形维在工业CT图像缺陷自动定位与剥离显示中的应用开展研究,主要进行以下两方面的工作:首先,对于铸件工业CT图像缺陷问题,本文研究了改进的基于分形维数的自动定位方法进行缺陷自动定位。为避免图像噪声的影响,本文通过预处理在滤除噪声的同时增强图像。在保证定位精度的条件下,所采用的自适应分形阈值策略,能有效提高处理的自动化程度。该方法能够自适应地让定位沿着缺陷边缘的走向进行,且具有较好的鲁棒性。定位区域占整幅图像的比例较小,若需要再对定位区域操作,可以较大程度上减少数据运算量,提高检测效率。然后,在利用分形维定位工业CT图像缺陷的基础上,本文将基于改进矩不变阈值分割应用于工业CT图像缺陷的多目标剥离显示,并完成了部分缺陷特征参数的定量计算。改进的矩不变阈值分割结合了局部梯度信息,在各个定位区域内部进行独立分割,避免了整体分割时阈值对分割结果的影响。本文改进Facet边缘提取方法,采用先分形定位边缘区域再采用Facet模型提取边缘,比直接用Facet模型在全图上提取边缘速度更快。缺陷特征参数的定量计算可以为工件的修复等提供准确的位置参数和缺陷的大小信息。实验证实该方法能够有效地剥离出图像中的缺陷。