锥束CT(Computed Tomography)是一种先进的三维工业无损检测手段,在微小孔、内部型腔和缺陷等的检测中具有重要的应用价值。锥束CT的检测精度主要取决于锥束CT成像质量和图像后处理的精度。锥束CT图像分割是图像后处理流程中的关键环节,其图像分割和轮廓提取精度直接影响CT系统最终检测精度。涡轮叶片材料密度高、结构复杂,导致其锥束CT图像中存在严重的噪声、伪影、灰度不均、低对比度等问题,采用现有的分割算法难以满足涡轮叶片的高精度检测需求。本文针对涡轮叶片锥束CT检测中的图像分割精度问题,对高精度图像分割算法中的局部窗口计算、单方法投票图像分割、多方法投票权重优化、三维图像高精度分割与点云提取等关键算法进行了系统、深入的研究,主要研究内容和创新贡献如下:(1)局部窗口图像分割。首先针对涡轮叶片锥束CT切片图像的特征,提出了一种自适应局部窗口图像分割算法。然后,给出了确定图像分割局部窗口大小的必要和充分条件,综合基于局部窗口内的边缘点数量、基于目标背景差异和基于灰度直方图双峰的局部窗口判断的三个准则,建立了自适应局部窗口大小的计算方法。最后,以仿真CT切片图像为对象,验证了局部分割算法的有效性和精度。结果表明:本文方法与其它非自适应局部窗口分割算法相比,其低对比度、小尺寸缺陷目标分割能力最强,分割结果轮廓精度最高,边缘一致性平均值达到0.9907。(2)单方法投票图像分割。针对局部窗口图像分割算法中像素正确分割概率不足的问题,通过引入投票策略建立了一种新的单方法投票图像分割算法。该算法首先通过图像延伸保证各像素投票次数相同,然后对延伸图像中的所有像素,在包含该像素的各局部窗口内对该像素进行投票,以投票结果替代原图像进行分割以提升分割结果的可靠性。通过引入分割算法的CT图像适应性指标,利用分割实验筛选出CT图像可用的分割算法集。最后,以圆环工件CT切片图像为实例,通过比较所提取轮廓的精度,对单方法投票分割算法的可靠性和精度进行了验证。结果表明:引入投票策略可显著提升局部窗口分割结果的可靠性和精度,与其它分割算法相比,投票分割算法的轮廓精度更高,边缘一致性平均值达到0.9891。(3)多方法投票权重优化。从最大化正确分割概率的角度出发,综合利用不同分割算法对CT图像的适应性,提出了多方法组合投票分割思想及其权重优化算法。首先分析了分割算法集和权重系数对结合结果的影响,然后建立了多方法投票的权重优化模型,并利用遗传算法获得了最优的组合投票权重系数。最后分别以复杂型面工件和真实空心涡轮叶片CT切片图像为对象,对多方法投票权重优化算法的有效性和精度进行了验证。结果表明:多方法组合投票与非组合分割算法相比,其对噪声、伪影、低对比度小结构的分割能力更强,分割结果轮廓精度更高,边缘一致性平均值分别达到0.9884和0.9727。(4)三维CT图像分割与轮廓提取。针对三维CT图像分割数据处理速度较低及分割精度不足的问题,提出了基于知识引导的三维CT图像快速高精度分割算法。首先,分析了涡轮叶片CT图像的空间连续性,并根据此特征对CT图像进行预处理;然后,对预处理图像进行三维分割,同时对三维分割进行加速;最后,针对轮廓点云提取精度和连续性问题,提出了一种基于多分辨率图像变换的高精度亚像素点云提取算法。分别以复杂型腔工件和真实空心涡轮叶片CT图像为对象,验证了三维分割和亚像素级点云提取算法的有效性和精度。结果表明:本文方法与其它非三维分割算法相比,其噪声、伪影、低对比度的小结构目标分割能力更强,分割结果轮廓精度更高,成功消除了像素级点云提取算法中存在的断边问题,对于复杂型腔工件,边缘一致性平均值达到0.9851,对于叶片工件,边缘一致性平均值达到0.9843,比像素级提升0.0116。