介绍了一种利用开源视觉库OpenCV在Visual Studio 2005环境下实现图像阈值分割的方法。首先利用双立方插值法估算图像的光照分布,去除不均匀光照,再利用Otsu方法对图像进行阈值分割。实验表明,对传统阈值分割法难以处理的不均匀光照图...介绍了一种利用开源视觉库OpenCV在Visual Studio 2005环境下实现图像阈值分割的方法。首先利用双立方插值法估算图像的光照分布,去除不均匀光照,再利用Otsu方法对图像进行阈值分割。实验表明,对传统阈值分割法难以处理的不均匀光照图像能达到良好的分割效果。展开更多
目的:建立一种插值算法,在用胶片采样得到的低密度剂量矩阵各采样点之间插值,使采样得到的低密度剂量分布矩阵转换为高密度剂量分布矩阵,然后与胶片采样的高密度剂量矩阵进行比较。方法:(1)绘制胶片的光密度-剂量特性曲线将光密度值转...目的:建立一种插值算法,在用胶片采样得到的低密度剂量矩阵各采样点之间插值,使采样得到的低密度剂量分布矩阵转换为高密度剂量分布矩阵,然后与胶片采样的高密度剂量矩阵进行比较。方法:(1)绘制胶片的光密度-剂量特性曲线将光密度值转化为剂量值;(2)与EPID相同位置处,在用胶片得到的剂量分布矩阵上采样得到一个大小为840×840的高密度原矩阵,再在原矩阵上每隔6个点取一个值,得到一个大小为120×120的低密度矩阵,此方法是仿照Mapcheck2空间分辨率为7 mm,要将其插值为1 mm而进行;(3)对此大小为120×120的二维低密度矩阵,采用双立方插值算法,将其插值回大小为840×840的新矩阵;(4)将两个大小同为840×840的原矩阵与新矩阵的对应点进行3%和5%的剂量偏差的比较;(5)在相同的EPID位置处用Mapcheck2得到相同条件下的剂量分布,对此剂量分布采用上述双立方插值的方法进行间隔1 mm插值,将此插值后的剂量分布与胶片得到的剂量分布进行3 mm 3%标准Gamma分析。结果:对两个大小同为840×840矩阵的对应点的剂量偏差的比较中,射野80%宽度范围内有94.59%的点剂量偏差都在3%以内,有99.32%的点剂量偏差都在5%以内;对用Mapcheck2插值后的剂量分布与胶片得到的剂量分布的比较中,其3 mm 3%标准Gamma分析的通过率为92.28%。结论:采用双立方插值算法可以使低密度剂量分布矩阵转换为类似于胶片的高密度剂量分布矩阵,且结果具有可靠性。展开更多
板形缺陷识别对于矫直机在矫直过程中具有重要意义,针对传统板形缺陷识别精度低、操作繁琐等问题,以AlexNet模型为基础,提出一种基于卷积神经网络的板形缺陷识别模型(OP-AlexNet)。在预处理阶段利用双立方插值算法对数据集中的图片进行...板形缺陷识别对于矫直机在矫直过程中具有重要意义,针对传统板形缺陷识别精度低、操作繁琐等问题,以AlexNet模型为基础,提出一种基于卷积神经网络的板形缺陷识别模型(OP-AlexNet)。在预处理阶段利用双立方插值算法对数据集中的图片进行尺寸的统一并进行标准化操作。对AlexNet模型结构进行优化,包括调整卷积核大小并减少两层卷积层,删除一层全连接层降低网络复杂度;对卷积层提取的特征批量归一化(batch normalization,BN)以加快网络的收敛速度,激活函数选择LeakyReLU(Leaky Rectified Linear Unit)替换原结构的ReLU(Rectified Linear Unit)激活函数以减少静默神经元的出现。实验结果表明该模型最终识别精度达到91.3%,相比AlexNet模型提高了16.2%,并具有更好的鲁棒性,能够满足板形缺陷识别的要求。展开更多
文摘目的:建立一种插值算法,在用胶片采样得到的低密度剂量矩阵各采样点之间插值,使采样得到的低密度剂量分布矩阵转换为高密度剂量分布矩阵,然后与胶片采样的高密度剂量矩阵进行比较。方法:(1)绘制胶片的光密度-剂量特性曲线将光密度值转化为剂量值;(2)与EPID相同位置处,在用胶片得到的剂量分布矩阵上采样得到一个大小为840×840的高密度原矩阵,再在原矩阵上每隔6个点取一个值,得到一个大小为120×120的低密度矩阵,此方法是仿照Mapcheck2空间分辨率为7 mm,要将其插值为1 mm而进行;(3)对此大小为120×120的二维低密度矩阵,采用双立方插值算法,将其插值回大小为840×840的新矩阵;(4)将两个大小同为840×840的原矩阵与新矩阵的对应点进行3%和5%的剂量偏差的比较;(5)在相同的EPID位置处用Mapcheck2得到相同条件下的剂量分布,对此剂量分布采用上述双立方插值的方法进行间隔1 mm插值,将此插值后的剂量分布与胶片得到的剂量分布进行3 mm 3%标准Gamma分析。结果:对两个大小同为840×840矩阵的对应点的剂量偏差的比较中,射野80%宽度范围内有94.59%的点剂量偏差都在3%以内,有99.32%的点剂量偏差都在5%以内;对用Mapcheck2插值后的剂量分布与胶片得到的剂量分布的比较中,其3 mm 3%标准Gamma分析的通过率为92.28%。结论:采用双立方插值算法可以使低密度剂量分布矩阵转换为类似于胶片的高密度剂量分布矩阵,且结果具有可靠性。
文摘板形缺陷识别对于矫直机在矫直过程中具有重要意义,针对传统板形缺陷识别精度低、操作繁琐等问题,以AlexNet模型为基础,提出一种基于卷积神经网络的板形缺陷识别模型(OP-AlexNet)。在预处理阶段利用双立方插值算法对数据集中的图片进行尺寸的统一并进行标准化操作。对AlexNet模型结构进行优化,包括调整卷积核大小并减少两层卷积层,删除一层全连接层降低网络复杂度;对卷积层提取的特征批量归一化(batch normalization,BN)以加快网络的收敛速度,激活函数选择LeakyReLU(Leaky Rectified Linear Unit)替换原结构的ReLU(Rectified Linear Unit)激活函数以减少静默神经元的出现。实验结果表明该模型最终识别精度达到91.3%,相比AlexNet模型提高了16.2%,并具有更好的鲁棒性,能够满足板形缺陷识别的要求。
