共查询到18条相似文献,搜索用时 187 毫秒
1.
2.
针对在强噪声、低对比度及复杂背景特征下X射线焊缝图像的缺陷检测问题,提出了去噪处理、焊缝边缘分割及缺陷检测的方法.用快速离散Curvelet变换和循环平移相结合的方法,对焊缝图像进行滤波去噪,同时对图像列灰度曲线用最大类间方差法提取焊缝区域.在图像预处理后,采用三阶Fourier曲线对图像列灰度曲线进行拟合并扩展到三维空间,构造出自适应阈值面,最后利用原图像与构造曲面三维灰度图的灰度值差异,准确分割背景与缺陷区域.结果表明,与传统缺陷检测算法相比,该方法能准确提取出焊缝缺陷,漏检率和误判率低,准确率可达95%. 相似文献
3.
4.
针对小径管X射线焊缝图像缺陷检测精确率低的现状,通过对图像进行特征分析并结合稀疏字典学习,提出一种基于图像分割的小径管焊缝图像缺陷检测算法.首先,对小径管焊缝图像进行两步图像分割获得感兴趣区域;其次,提取焊缝缺陷,得到缺陷疑似局部图像;最后,提出以不同类型原子间相关性最小为目标的小径管焊缝缺陷字典矩阵数学模型并使用K-SVD算法进行求解,利用该字典矩阵实现圆形缺陷、线形缺陷和噪声的分类鉴别.为提高系统实时性,使用并行编程对图像分割算法进行加速.结果表明,改进后缺陷字典矩阵对圆形缺陷识别成功率为0.974,线形缺陷识别成功率为0.967,且具有较快的识别速度,实现了小径管焊缝图像缺陷的有效识别. 相似文献
5.
为了获取精准的焊缝检测结果,文中提出一种基于机器视觉的升船机凸齿焊缝检测方法。建立基于机器视觉的X射线焊缝底片采集平台,通过需求确定采集方案进行图像采集。将采集的底片作为研究对象,以广义交叉验证准则为优化目标,通过序列二次规划算法优化处理非降采样轮廓波变换(NSCT)域的去噪阈值,获取最优去噪阈值。在确定阈值后,采用非线性阈值函数处理Contourlet系数,获取去噪后的图像。引入梯度方向直方图算法提取升船机凸齿焊缝图像特征,将二叉树支持向量机(SVM)作为分类模型完成特征学习及升船机凸齿焊缝检测。试验结果表明,文中方法不仅可以获取精准的焊缝检测结果,同时还能够提高焊缝检测效率。 相似文献
6.
为提高地铁车站工程现场钢管柱焊缝气孔缺陷的检测效率和检测精度,提出利用X射线线阵扫描技术进行气孔缺陷检测,并针对X射线图像存在隐秘气孔缺陷的特点,提出了钢管柱焊缝气孔缺陷检测方法,该方法包括定位钢管柱区域、定位焊缝区域和定位气孔缺陷区域3个步骤,在检测过程中尤其要注意对图像进行去噪处理。将检测方法应用到工程现场焊缝检测中:气孔缺陷的检测精确率和召回率分别达到97.7%和98.8%,能够较为准确地捕获钢管柱上的气孔缺陷,每张图像的平均处理时间仅为48.6 ms,具有很高的检测效率,能够在实际工程中予以推广应用。 相似文献
7.
将目标检测网络Faster-RCNN应用在船舶焊缝X射线缺陷图像检测中,探讨了Faster-RCNN在X射线焊缝缺陷检测中的效果。针对船舶工业中的X射线焊缝图像,首先采用CLAHE方法对焊缝X射线图像进行预处理,并将焊缝中存在的气孔、裂纹、未熔合等5种具有典型特征的缺陷作为识别目标进行标注并对数据进行增强。在目标识别上,采用ResNet-50作为主干网络来减少梯度弥散现象提高模型准确率,并针对焊缝缺陷目标小的特点对RPN网络锚点参数进行改进优化,同时引入FPN网络提取缺陷特征。最后与其他检测算法进行对比,试验结果表明,该数据集在模型上的mAP值达到96.33%,可以满足X射线焊缝缺陷自动化辅助检测要求。 相似文献
8.
针对埋弧焊X射线焊缝图像的噪声强、弱对比度特点和常规图像分割算法成功率低的现状,提出将缺陷视为噪声,利用密度聚类方法进行缺陷分割.在进行图像聚类时,提出图像灰度密度的概念,方便对焊缝图像的分割.通过对现场100张焊缝图像的试验表明,所提方法大幅度地提高了缺陷分割的成功率,将分割成功率提高至95%.在聚类分割算法基础上,通过试验给出一种新的高维空间缺陷数学模型,该模型综合考虑了缺陷形式复杂性等特征.通过试验在高维空间对模型予以验证,并结合所提聚类算法给出了覆盖率曲线. 相似文献
9.
10.
针对大部分X射线数字图像低对比度、背景起伏大以及纹理复杂的问题,在X射线数字焊缝图像预处理之后,采用B样条曲线对列灰度曲线进行拟合,获得光滑而且顺畅的曲线.在此基础上进一步提取曲线的极值点,并通过定义的波动阈值以及边界阈值进行两次极值点集合的修正.最后利用数学形态学及中值滤波对缺陷的形状和大小进行了修正.结果表明,该技术有效地解决了X射线图像由于焊缝纹理复杂导致缺陷提取困难的问题,有利于实现X射线图像焊接缺陷的自动提取. 相似文献
11.
12.
针对传统织物检测算法存在严重的误检、漏检现象且微小缺陷不易检测等问题,提出一种基于稀疏优化的织物缺陷检测方法。对织物图像进行预处理,加强图像的对比度;将一些无缺陷织物样本图像分块,采用K-means算法将图像块聚类成簇,每个类簇训练一个子字典,选择合适的子字典并利用优化的稀疏表示模型对待测图像进行重构;最后生成残差图像,利用最大熵阈值法对残差图像进行分割,从而检测出织物的疵点。实验结果表明:该方法可以有效检测织物的各种缺陷以及微小缺陷,与其他算法相比,该算法也具有较高的检测精度。 相似文献
13.
稀疏分解算法在薄膜缺陷去噪中的应用 总被引:1,自引:1,他引:0
目的实现锂电池薄膜表面缺陷特征的有效提取。方法采用稀疏分解算法实现表面去噪,即通过选取合适的原子函数,在过完备字典中对含有点噪声、高斯噪声、椒盐噪声和加乘噪声背景下的缺陷图像进行稀疏分解迭代,通过观察法得到终止迭代值作为经验值,并将该经验值用于特定噪声背景下的稀疏分解终止迭代条件,得到去噪后的缺陷图像。最后将该方法与中值滤波技术进行比较。结果稀疏分解的去噪性能远优于中值滤波,对锂电池薄膜缺陷有很好的还原性。结论稀疏分解算法能够较好地去除锂电池薄膜图像中的噪声,从而识别出锂电池薄膜缺陷。 相似文献
14.
针对传统边缘检测算法处理含噪图像存在边缘模糊、缺失等问题,为提高算法的抗噪性与边缘完整性,提出了一种基于低秩矩阵的自适应边缘检测算法。首先使用低秩矩阵理论将图像中稀疏噪声矩阵分离,在去除噪声的同时能完好保留图像边缘,再根据图像灰度采用迭代循环的方法进行阈值分割选取,最终提取出连续完整的边缘。实验结果表明,使用该算法在混合噪声情况下具有较好的抗噪声能力与算法鲁棒性,提高了边缘信息的完整性,在视觉测量的应用取得了较好的效果。 相似文献
15.
图像和文档的数字化已经成为了现代信息化建设必不可少的内容。针对彩色美术图像数字化过程的图像校正问题,提出一种基于改进成像模型和深度神经网络的图像处理算法,能够有效去除噪声并增加图像清晰度。首先构建了由全局照度、局部照度和反射率组成的改进成像模型,并将输入RGB彩色图像被转换为HSV彩色图像。然后提取输入图像的局部特征,并利用这些特征构建一个深度神经网络以便实现噪声去除。仿真试验结果显示,相比传统BP神经网络和广义回归神经网络,提出算法的图像校正能力更强,具有较高的峰值信噪比和对比度增量,验证了提出算法的可行和先进性。 相似文献
16.
射线数字成像(DDA+CR)检测中,X射线管电压是最重要的工艺参数之一。目前,考虑到管电压过高会降低射线检测的主因对比度,国内外相关标准均对射线数字成像检测管电压的选用给出了相应的推荐值。试验对比DDA和CR检测时,缺陷试板在不同管电压下的数字图像质量和缺陷识别度,分析产生差别的原因,提出在合理范围内选用高于推荐值的管电压,配合相应的图像处理技术,可以提高数字图像信噪比,补偿由于管电压提高引起的图像对比灵敏度损失,最终提高缺陷识别度。试验结果表明:基于传统胶片照相工艺经验而来的管电压推荐值并不适用于射线数字成像检测,需根据特定的检测系统开展相关工艺试验确定X射线管电压上限值,且此上限值远高于相关标准的推荐值。 相似文献
17.