基于多类支持向量机的X射线焊缝图像缺陷类型识别方法

压力容器的焊缝结构多变,纹路复杂,增加了压力容器检测焊缝缺陷时定级的难度.提出一种基于多类支持向量机的X射线焊缝图像缺陷类型识别方法.首先通过对X射线焊缝图像进行预处理及缺陷轮廓检测,提取表征焊缝缺陷的状态特征,以构造特征向量;然后基于多类支持向量机建立焊缝缺陷识别模型,对产品的焊缝缺陷进行分类识别.实验结果表明了该方法的有效性.     

焊缝缺陷类型识别方法的研究

针对焊缝射线检测图像中缺陷类型识别准确度较低的问题,提出了一种基于直接多类支持向量机的缺陷类型识别方法.该方法将焊缝缺陷类型识别问题转化为一个约束优化问题,采用由缺陷边缘特征和区域特征构成的特征向量对缺陷进行描述,解决了在实际训练样本较少的情况下,提高缺陷类型识别准确度的问题.实验表明,该方法的识别准确度为94.25%,比一对一支持向量机和多层感知神经网络的高,并且通过引入区域特征提高了特征组的缺陷描述能力.     

基于支持向量机的缺陷识别方法

针对缺陷检测存在的检测手段落后、工序繁琐、准确率低、不易在线实施、受人为因素影响，以及用人工神经网络对小样本事件进行缺陷识别存在的过学习、推广性差等问题，从数据挖掘的角度，提出了直接从形成缺陷的影响因素着手，先消除工艺参数的冗余和噪声，再运用支持向量机分类算法，进行自动缺陷识别的新方法。通过具体的试验表明：该方法具有成本低廉、准确率高、推广性强、容易在线实施等技术优势。     

X射线检测焊缝的图像处理与缺陷识别

根据射线检测焊缝图像的特点,设计了图像去噪、增强的算法;针对焊缝缺陷对比度差、光照不均、纹理较多等不利因素,在去除焊缝背景情况下,设计了动态划分焊缝区域算法,利用局域阈值法分割提取出对比度不均的缺陷;通过对焊缝缺陷特征分析,选取缺陷识别的特征参数;建立了用于焊缝缺陷识别的模糊神经网络模型。试验结果表明,图像预处理和缺陷提取是成功的,提出的识别算法能够提高介于模糊边界模式分类时的识别率,对焊缝缺陷识别的效果优于分类识别法。     

基于X射线图像序列的焊缝缺陷自动检测方法

X射线无损检测对于焊接结构件的质量保证具有重要意义,焊缝缺陷X射线实时自动检测的核心技术是序列图像处理。目前,国内外的研究工作大多集中在基于孤立图像的处理中,由于焊缝缺陷形态的多样性而难以将噪声与微小缺陷区分开,因此无法解决缺陷的漏检率和误检率此消彼长的矛盾。该文着眼于时间序列图像,提出基于帧内分割和帧间跟踪相结合的焊缝缺陷检测方法,在图像的空间域处理中消除漏检,在图像的时间域处理中消除误检,从而为解决缺陷漏检和误检之间的矛盾提供了有效途径。试验和现场应用期间,对于常见的壁厚分别为8.8 mm、12.5 mm以5m/m in速度运动的螺旋焊缝钢管中的一系列自然缺陷,最小检出缺陷直径分别约为0.6mm、0.8mm,符合工业应用要求,与此同时无误检出现。     

基于X射线图像序列的焊缝缺陷自动检测方法

X射线无损检测对于焊接结构件的质量保证具有重要意义,焊缝缺陷X射线实时自动检测的核心技术是序列图像处理。目前,国内外的研究工作大多集中在基于孤立图像的处理中,由于焊缝缺陷形态的多样性而难以将噪声与微小缺陷区分开,因此无法解决缺陷的漏检率和误检率此消彼长的矛盾。该文着眼于时间序列图像,提出基于帧内分割和帧间跟踪相结合的焊缝缺陷检测方法,在图像的空间域处理中消除漏检,在图像的时间域处理中消除误检,从而为解决缺陷漏检和误检之间的矛盾提供了有效途径。试验和现场应用期间,对于常见的壁厚分别为8.8mm、12.5mm以5m/min速度运动的螺旋焊缝钢管中的一系列自然缺陷,最小检出缺陷直径分别约为0.6mm、0.8mm,符合工业应用要求,与此同时无误检出现。     

基于支持向量机的多类形状识别系统

支持向量机是一种能在训练样本数很少的情况下达到很好分类推广能力的学习算法,文中研究了支持向量机的分类机理,并将其应用于形状识别中,利用一对一判别策略构建了多类形状识别系统,实验中以交通标志图像为实验对象进行分类,结果表明该方法的泛化能力优于一般的识别方法。     

多类支持向量机算法的研究

支持向量机(SVM)是建立在统计学习理论的基础上的一种小样本机器学习方法,它是针对二分类问题而提出的,如何将二分类问题有效地推广至多分类问题是支持向量机研究的重要内容之一.介绍了现有提出的一些支持向量机多分类的方法,并比较其优缺点,在模糊支持向量机的基础上提出具有去噪声的模糊支持向量机的多分类的方法.     

基于可靠性测度的多类支持向量机

多类分类问题是我们经常遇到的问题,常用的方法是将多类问题转化为若干个二类问题,然后利用二类支持向量机(support vector machine,SVM)进行分类,如一对余SVM,一对一SVM,决策树SVM等.在这些方法中,大都没有考虑所生成的多个分类器之间的可靠性和重要性问题.为了改进这一点,本文以一对余SVM为例,提出了两种基于可靠性测度的多类分类算法,算法的思想可用于一对一SVM,决策树SVM等其他多种分类器中.为了检验所提算法的有效性,本文进行了比较试验,实验结果表明所提算法不仅提高了分类准确度,而且具有更为广泛的推广能力.     

基于支持向量回归机的焊缝偏差识别方法

为了提高焊缝偏差识别精度,首先对基于旋转电弧传感的焊接电流信号进行小波滤波,预处理后构建样本数据集.然后建立基于支持向量回归机的Laplace特征映射外延算法,对样本数据集和新样本进行维数约简,利用维数约简后的样本数据集训练支持向量回归机,并对新样本进行偏差识别.最后与不进行维数约简而是直接利用支持向量回归机进行偏差识别的方法进行对比试验.结果表明,利用特征映射进行维数约简能使焊缝偏差识别的精度平均提高25%.     

焊缝X射线探伤数字图象处理方法研究

采用灰度分析法研究了实时X射线探伤图象特征,提出了一种能显著提高图象清晰度和对比度,降低图象噪音的S-T非线性图象变换方法,并用线灰度梯度法成功地提取了焊缝中的缺陷。结果表明:对于噪声成分多、灰度分布范围窄、对比度差的实时X射线探伤图象,S-T变换方法能明显地改善图象质量,线灰度梯度法提取的焊接缺陷定位准确、畸变小。该方法可以在实时X射线探伤系统中应用。     

基于支持向量机的图像识别

支持向量机是统计学习方法,正成为当今研究的热点．支持向量机在模式识别和文本分类等方面获得了极大的成功,分类的准确率很高,用支持向量机的方法处理一些二值图像和灰度图像,能获得较好的统计结果．从中摸索出了一种特征向量集的选取方法,讨论了判断结果优劣的标准,比较了支持向量机方法与其他方法得到的结果,得出了重要结论：用支持向量机识别图像的边缘具有非常优异的统计性能．     

基于SVM的数字图像水印检测算法设计

分析了数字图像水印检测面临的问题,结合SVM的特点,提出了一种新的数字图像水印检测算法。     

基于向量机的数字图像鉴别技术研究

真实图像和计算机图像的鉴别是数字图像盲取证研究的重要问题之一.分析、研究了真实图像和计算机图像的成像原理,并发展了对这两类图像鉴别的数字方法.该方法从两类图像的高频信息及噪声形成的区别进行特征提取,并利用LIBSVM进行分类识别,实验表明此方法在鉴别图像类型中可以取得较好的分辨效果.     

焊缝X射线探伤返修片的计算机打印技术

运用行式打印机输出焊缝X射线探伤返修片的方法,研究了最佳打印控制参数。结果表明:利用图象处理技术,对探伤返修片进行滤波,增强处理后,打印出的返修片分辨率高,视觉效果好,增强了图象的对比度,缺陷清晰,并改进了传统的返修片制作方法。     

基于管孔特征的木材树种图像识别

选取管孔的面积和周长作为基本特征,构造与之相关的10项特征,采用数字图像处理的方法和最小差值判别法,在MATLAB环境下对白桦、西南桦、水曲柳及柞木等4种阔叶树材的30幅显微图像进行处理和识别。结果 26幅图像被正确识别,正确率为86.7%,识别效果良好。     

基于支持向量机的图像隐藏技术应用

采用基于支持向量机的图像信息隐藏技术,通过分析秘密图像的隐藏方法,得出了基于支持向量机的图像隐藏效果较好、图像隐藏的鲁棒性和不可见性都很好的结论.     

基于SVM的人脸表情识别

以人脸表情视频序列为研究对象,介绍了人脸表情识别的一般过程,给出了基于SVM的人脸表情识别方法,讨论了面部表情强度度量方法。通过分析人脸表情的变化,在L-K光流算法基础上应用修正的特征点跟踪方法提取面部特征信息,使用SVM建立人脸表情模型和强度模型,进行表情识别,并对高兴表情进行强度等级分类。实验结果证明了提出方法的有效性。     

基于形态学的焊缝X射线图像缺陷检测

通过对焊缝X射线图像进行垂直扫描,提取扫描线的线灰度曲线,提出了焊缝缺陷位置的检测算法.应用形态学滤波和分水岭变换对缺陷轮廓进行提取,实现了焊缝X射线图像缺陷的检测.对图像的实测结果表明,该方法能有效地对焊缝缺陷位置进行检测.