基于X射線圖像的輸油管道焊縫缺陷檢測(cè)與識(shí)別.pdf

1、在管道焊接缺陷檢測(cè)作業(yè)中，人們廣泛使用 X射線圖像。而如何使用計(jì)算機(jī)替代人工進(jìn)行 X射線焊縫圖像缺陷檢測(cè)與識(shí)別是如今研究的一大熱點(diǎn)。隨著圖像處理與模式識(shí)別技術(shù)的發(fā)展，X射線焊縫圖像缺陷自動(dòng)或半自動(dòng)檢測(cè)與識(shí)別系統(tǒng)的精確度與識(shí)別率日益提高。本文依據(jù)顯著性檢測(cè)與稀疏表示，實(shí)現(xiàn) X射線焊縫圖像缺陷檢測(cè)與識(shí)別。主要研究?jī)?nèi)容如下：
　　1.提出基于缺陷圖像的快速顯著性檢測(cè)算法。圖像的顯著性檢測(cè)是模擬人體注意力機(jī)制而標(biāo)注出圖像的視覺(jué)關(guān)注區(qū)域，這

2、與射線評(píng)片人員的評(píng)片行為十分吻合。本文將圖像顯著性引入缺陷檢測(cè)中，并根據(jù)焊縫圖像特點(diǎn)對(duì)傳統(tǒng)的顯著性檢測(cè)進(jìn)行改進(jìn)，提出快速顯著性檢測(cè)算法。
　　2.提出缺陷圖像特征提取算法—判別稀疏重構(gòu)投影(Discriminant Sparse Reconstruction Projections,DSRP)。分析稀疏近鄰保持嵌入(Sparse Neighborhood Preserving Embedding,SNPE)特征提取算法在缺陷特征提

3、取的不足，即未能充分利用稀疏表示模型和監(jiān)督信息，本文提出結(jié)合監(jiān)督稀疏重構(gòu)誤差與Fisher判別準(zhǔn)則實(shí)現(xiàn)缺陷圖像特征的有效提取。在焊縫圖像特征數(shù)據(jù)上，通過(guò)與SNPE、PCA方法的對(duì)比實(shí)驗(yàn)驗(yàn)證了本算法的有效性和魯棒性。
　　3.基于顯著性和判別稀疏重構(gòu)投影實(shí)現(xiàn)焊縫圖像缺陷檢測(cè)。訓(xùn)練過(guò)程：使用隨機(jī)采樣獲得訓(xùn)練樣本，并提取樣本框中原始圖像與顯著性圖像的紋理特征，串聯(lián)原始圖像數(shù)據(jù)構(gòu)成特征向量，然后使用判別稀疏重構(gòu)投影進(jìn)行特征降維，并訓(xùn)練SV

4、M分類(lèi)器。檢測(cè)過(guò)程：使用滑動(dòng)塊形式遍歷圖像，提取圖像塊特征向量，基于判別稀疏重構(gòu)投影與SVM實(shí)現(xiàn)缺陷檢測(cè)。結(jié)合缺陷檢測(cè)效果論述基于顯著性和判別稀疏重構(gòu)投影的缺陷檢測(cè)方法的有效性。
　　4.依據(jù)缺陷特征與評(píng)價(jià)標(biāo)準(zhǔn)，實(shí)現(xiàn)焊縫圖像缺陷識(shí)別。提取缺陷的幾何特征、灰度特征與不變矩特征構(gòu)成特征向量，構(gòu)建基于支持向量機(jī)的決策樹(shù)分類(lèi)器將缺陷分為了氣孔、未熔合、未焊透、夾渣、裂紋五種類(lèi)型。并根據(jù)圖像未熔合缺陷的空間分布特征與評(píng)片人員的經(jīng)驗(yàn)提出缺陷合