基于X射線圖像的輸油管道焊縫缺陷檢測與識別.pdf

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

2、與射線評片人員的評片行為十分吻合。本文將圖像顯著性引入缺陷檢測中，并根據(jù)焊縫圖像特點對傳統(tǒng)的顯著性檢測進行改進，提出快速顯著性檢測算法。
　　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判別準則實現(xiàn)缺陷圖像特征的有效提取。在焊縫圖像特征數(shù)據(jù)上，通過與SNPE、PCA方法的對比實驗驗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)投影實現(xiàn)焊縫圖像缺陷檢測。訓練過程：使用隨機采樣獲得訓練樣本，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)投影進行特征降維，并訓練SV

4、M分類器。檢測過程：使用滑動塊形式遍歷圖像，提取圖像塊特征向量，基于判別稀疏重構(gòu)投影與SVM實現(xiàn)缺陷檢測。結(jié)合缺陷檢測效果論述基于顯著性和判別稀疏重構(gòu)投影的缺陷檢測方法的有效性。
　　4.依據(jù)缺陷特征與評價標準，實現(xiàn)焊縫圖像缺陷識別。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)建基于支持向量機的決策樹分類器將缺陷分為了氣孔、未熔合、未焊透、夾渣、裂紋五種類型。并根據(jù)圖像未熔合缺陷的空間分布特征與評片人員的經(jīng)驗提出缺陷合