焊缝X射线实时成像图像中缺陷的提取

焊缝缺陷的提取成为目前焊缝X射线检测技术的难点之一,本文采用基于模糊推理技术进行焊缝及焊缝缺陷边缘检测,提取的边缘十分完整,为进行焊缝缺陷特征参数的提取打下基础,有利于实现焊缝X射线检测的自动化.     

射线检测图像中焊缝和缺陷的提取方法探讨

本文以射线检测图像中的焊缝及缺陷为研究对象,针对当前技术条件支持下焊缝及缺陷难以精确提取的这一问题展开了详细分析与讨论,在逐级局部化的作用之下总结出了一种新型射线检测方式。这种方式以图像自身所涵盖的信息数据为载体,将整个射线图区的图像信息划分为裂纹与非裂纹两大基本类型,并且提取射线图像中的焊缝与缺陷位置,确保其精确度与完整性。在该领域有着较为显著的实用性以及适应性。     

SVMs在油气管道焊缝缺陷检测中的应用

提出了基于支持向量机的焊管焊缝缺陷识别方法和步骤.对焊缝图像采用了图像增强、形态学处理、边缘检测等操作,解决焊缝图像在输入时受到外界干扰带来的图片噪声过多、缺陷边缘模糊和对比度低等问题,便于对焊缝图像进行特征提取.结合焊缝缺陷样本多分类的特点,对焊缝图像进行分类时使用SVM"一对一"聚类结构并对样本进行识别.实验结果表明,该模型具有识别精度高、速度快、容易实现等优点,适合对焊管焊缝缺陷的识别.     

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.     

射线照相焊缝缺陷数字化图像的分割

射线底片焊缝缺隐图象经数字化图象预处理后，缺陷已经明显，但在自动识别前尚须进行图像分割，为此我们采用二阶导数过零边缘检测和阈值化分割算法。     

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8.8mm、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。     

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。     

基于深度学习的管道焊缝超声检测缺陷识别方法

目前深度学习的方法已经很好的应用于基于图像数据的管道焊缝缺陷自动检测,但是对于深度学习辅助超声无损检测却进展缓慢。主要原因是超声无损检测数据的复杂性(步长大、多模态、多峰分布等),神经网络训练往往出现梯度消失或爆炸的问题,而且能用于训练的标准数据集也严重匮乏。为了克服这些困难,首先引入特殊标准化方法和全连接隐含层实现了一种超声无损检测数据增强方法FMC-GAN构建虚拟数据集,再根据改进的LSTM-FCN模型并引入门函数,以此彻底克服超声无损检测数据复杂性。最后实验表明LSTM-FCN网络识别真实检测数据中的缺陷漏检率为0,各缺陷综合正确识别率高于95.6%,达到工业检测的要求,为超声无损检测智能化发展提供重要研究基础。     

长输油气管道对接焊缝射线检测缺陷分析

目前长输油气管道对接焊缝射线检测大多数用《承压设备无损检测》和《石油天然气钢质管道无损检测》两种检测方式,在长输油气管道对接焊缝射线检测中其各自在应用时应该考虑在特定的应用程序环境下,根据两个检测标准的特点,区别运用。该文阐述在长输油气管道对接焊缝射线检测实际应用中二者之间区别,针对其检验标准射线部分不同进行比较,细化分析长输油气管道对接焊缝射线检测中存在的不足,其目的是促进无损检测人员更好地理解其检验标准,更准确地使用检测技术,以确保后期开展工作的质量和焊接质量。     

基于纹理分析的图像形貌特征提取

讨论了纹理分析的统计法、结构法、模型法以及空间／频率域联合分析法等四种主要方法的优缺点及各自的适用性，对近年来这些方法在图像形貌特征提取方面的应用进行了归类和初步的总结，重点介绍了一些新的发展，探讨了存在的问题和发展方向。     

基于字典的概率松弛法对焊缝图像中裂纹缺陷的提取

提出了一种在焊缝图像中提取裂纹缺陷的方法。该算法首先对含有裂纹缺陷的图像采用基于偏移量的Laplacian算子进行检测处理,对处理后的图像建立有12个基本容许结构的字典模型,应用字典法提供有效的搜索方法,通过迭代,从邻近目标中提取越来越多的上下文信息处理,有效去除噪声,提取裂纹缺陷。实验结果表明：该算法对纵向裂纹能获得较好的连接性及较清晰的轮廓,且有较好的抗噪性,是一种有效的弱显示裂纹检测方法。     

图像特征提取研究

图像特征提取是图像识别的关键步骤,图像特征提取的效果如何直接决定着图像识别的效果.如何从原始图像中提取具有较强表示能力的图像特征是智能图像处理的一个研究热点.本文旨在介绍各种图像特征提取方法的基本思想、特点和研究发展现状,以引起国内学者的进一步关注.     

一种多源多光谱遥感图像特征点匹配技术

 在多源多光谱遥感图像中,针对匹配图像的像素之间非线性变化而导致正确匹配点对下降的情况,提出了一种基于主成分分析的多源多光谱遥感图像特征点提取算法。利用尺度不变特征变换(SIFT)算法的基本原理,首先对两幅多源的多光谱遥感图像进行主成分变换,再用变换后各自的第一主分量图像作为待匹配图像;其次,在构建尺度空间时提高尺度参数并且在进行特征匹配时,利用尺度限制条件进行匹配,这样既能提高匹配精度又能提高运算速度;最后,采用随机抽样一致性算法剔除误匹配点。这种算法能减少多源多光谱遥感图像之间像素灰度值的非线性变化对特征点匹配的影响,提取到一定数量的正确匹配点对。通过实验对比分析,所提算法比通用算法有更高的精度和更好的适用性。     

人脸斜视图象的特征提取与恢复

给出了能对正视图象和斜视图象同样有效地进行特征点的提取的一些新算法．建立了人脸斜视图象的数学模型，对于斜视了一定角度的人脸图象提取出一些比较明显的特征，并通过查阅标准数据库，对特征向量进行恢复，找出最佳匹配的标准图象．最后给出了实验结果     

自动指纹识别系统预处理技术及细节特征提取算法的研究

指纹图像预处理是自动指纹识别系统(AFIS)的关键步骤,它的好坏直接影响到整个系统的速度和准确率.详细介绍了预处理过程中指纹图像与背景分离、方向信息提取、纹线提取、二值化、细化,以及细节特征提取等关键技术.在这些模块中,提出了一些改进算法和新的思想.根据人指纹本身是一个曲面结构的特点,采用一种自适应的局部阈值分离方法,解决处于不同深浅区域的指纹图像均能有效地同背景分离;提出了一种改进的、基于非彻底细化图像的细节特征提取算法,在不对纹线进行任何处理的情况下,直接从细化指纹图像上提取原始细节特征点集合,并针对各种噪声产生的伪特征点进行修复;另外,还介绍了一种基于灰度纹线跟踪直接提取指纹图像细节特征的新方法,并与传统算法进行了比较.这种方法不经过二值化、细化等过程,能显著减少预处理带来的累计误差,加快处理速度,在一定程度上提高了准确率.实验证明,以上算法行之有效,在实际应用和严格测验中取得了较好的效果.     

基于三维零件特征提取的装配过程质量缺陷率预测

对传统单工位装配复杂度质量预测理论进行了研究,结合机械行业自身特点,总结了与复杂度理论相关的参数量,并对其权重进行了分析.基于该理论,引入了三维特征提取与专家系统相结合的模式,在UG三维建模的环境下,直接获取复杂度参数值,实现了在设计阶段对装配过程质量缺陷率的自动预测,并分析该缺陷率是否符合3σ质量标准.