论文部分内容阅读
在管道焊接缺陷检测作业中,人们广泛使用X射线图像。而如何使用计算机替代人工进行X射线焊缝图像缺陷检测与识别是如今研究的一大热点。随着图像处理与模式识别技术的发展,X射线焊缝图像缺陷自动或半自动检测与识别系统的精确度与识别率日益提高。本文依据显著性检测与稀疏表示,实现X射线焊缝图像缺陷检测与识别。主要研究内容如下:1.提出基于缺陷图像的快速显著性检测算法。图像的显著性检测是模拟人体注意力机制而标注出图像的视觉关注区域,这与射线评片人员的评片行为十分吻合。本文将图像显著性引入缺陷检测中,并根据焊缝图像特点对传统的显著性检测进行改进,提出快速显著性检测算法。2.提出缺陷图像特征提取算法——判别稀疏重构投影(Discriminant Sparse Reconstruction Projections,DSRP)。分析稀疏近邻保持嵌入(Sparse Neighborhood Preserving Embedding,SNPE)特征提取算法在缺陷特征提取的不足,即未能充分利用稀疏表示模型和监督信息,本文提出结合监督稀疏重构误差与Fisher判别准则实现缺陷图像特征的有效提取。在焊缝图像特征数据上,通过与SNPE、PCA方法的对比实验验证了本算法的有效性和鲁棒性。3.基于显著性和判别稀疏重构投影实现焊缝图像缺陷检测。训练过程:使用随机采样获得训练样本,并提取样本框中原始图像与显著性图像的纹理特征,串联原始图像数据构成特征向量,然后使用判别稀疏重构投影进行特征降维,并训练SVM分类器。检测过程:使用滑动块形式遍历图像,提取图像块特征向量,基于判别稀疏重构投影与SVM实现缺陷检测。结合缺陷检测效果论述基于显著性和判别稀疏重构投影的缺陷检测方法的有效性。4.依据缺陷特征与评价标准,实现焊缝图像缺陷识别。提取缺陷的几何特征、灰度特征与不变矩特征构成特征向量,构建基于支持向量机的决策树分类器将缺陷分为了气孔、未熔合、未焊透、夹渣、裂纹五种类型。并根据图像未熔合缺陷的空间分布特征与评片人员的经验提出缺陷合并规则,构建优化识别方法,提升了识别率。