工業用CTのひび割れ分割は工業用CT画像処理における重要な技術であり、CT画像に含まれるアーチファクトやノイズなどの干渉はひび割れの分割に大きな障害をもたらす。CT画像におけるひび割れの分割精度を向上させるため、本論文ではCT画像内のひび割れの特徴を分析し、Hessian行列とサポートベクターマシンを組み合わせたCT画像のひび割れ認識および分割手法を提案する。まず、Hessian行列に基づく多尺度フィルタリング手法を用いてCT画像中の線状構造を抽出し、抽出した線状構造のコントラストを強調する。その後、画像の画素の灰度が空間に分布する規則を利用して線状構造画像のテクスチャ特徴情報を抽出する。次に、放射基底関数に基づくサポートベクターマシンを使用してひび割れ認識分類器を学習させる。さらに、学習済みモデルを用いてテスト画像中のひび割れが存在する領域を特定する。最後に、自動閾値分割アルゴリズムを使用してCT画像中のひび割れを得る。実験結果は、Hessian行列とサポートベクターマシンを組み合わせた分割手法が画像中の非対象領域を抑制できることを示しており、アルゴリズムの耐ノイズ性を向上させ、ひび割れサブ画像の認識精度は94.5％に達しており、実際の工学的応用価値があることを示している。

画像分割;工業用CT画像;ひび割れ認識;Hessian行列;サポートベクターマシン