小波分析在焊缝图像处理中的应用

从原始焊缝图像中准确检测出焊缝边缘、提取出焊缝中心位置,是实现焊缝跟踪的关键技术。将小波分析方法应用于焊缝图像处理中,首先对焊缝图像进行小波分解,然后对分解后的小波系数进行阈值处理,最后用阈值处理后的小波系数进行焊缝图像重构,有效降低了焊缝图像噪声,突出了熔池和焊缝边缘轮廓,便于机器识别及处理。接着再对消噪增强后的焊缝图像进行平滑、边缘检测,提取出焊缝中心线,用于焊缝自动跟踪控制。试验结果表明:该方法效果良好,能有效地提高焊缝跟踪精度。     

基于Fourier拟合曲面的X射线焊缝缺陷检测

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%.     

管道焊缝检测视觉图像处理的研究

为了可靠跟踪焊缝,对管道的焊接缺陷检测,视觉传感器采集的焊缝原始图像需要进行预处理,以消除噪声的影响,提出了管道焊缝视觉图像处理方法。首先采用邻域均值滤波进行平滑处理,最大方差阈值法自适应选取阈值分割图像,将图像二值化,然后采用标记法去除小区域噪声,获得清晰的焊缝图像,水平投影图法进行焊缝图像识别并确定焊缝的位置。试验...     

基于二元函数拟合的X射线焊缝图像缺陷分割方法

由于存在焊缝图像噪声强、不清晰、对比度低的问题,导致图像分割效果差,文中提出一种基于二元函数拟合的X射线焊缝图像缺陷分割方法。通过正弦变换函数对原始焊缝图像增强处理,使用B样条曲线拟合图像内的灰度曲线,计算高斯曲率与平均曲率得到焊缝表面图像边缘特征,通过二元函数得到不同类型的焊缝边缘数据,结合焊缝图像的表决图,完成对焊缝图像缺陷完美分割。试验结果表明,该方法分割精度高,且在缺陷类别识别和检测效果图上都要高于卷积神经网络算法、目标检测算法、多视觉成像算法的,证明所提方法分割效果好,有实际的应用价值。     

基于GED预测器的焊缝图像边缘提取方法

焊缝图像的边缘提取精度对实现焊缝视觉跟踪至关重要。根据对焊接过程中采集的图像进行特征分析,新颖的把压缩技术中的梯度边缘检测(GED)预测器模板应用到焊缝图像边缘提取中,首先对焊缝图像进行滤波、二值化,生成预处理图像,然后对预处理焊缝图像应用GED预测器模板生成预测误差图像,再通过阈值分类误差图像边缘,细化边缘。实验证明,该方法检测的焊缝图像伪边缘少、定位准确、边缘清晰,达到较好的效果。     

基于视觉传感的焊缝中心检测技术研究

通过视觉传感器获取焊缝图像，采用多种去噪技术对焊缝图像中的噪声进行滤波试验。针对焯缝图像中的干扰噪声特性，对各种滤波方法进行了分析和比较，并对滤波效果较好的焊缝图像进行边缘检测计算。提出3种识别焊缝特征的组合图像处理方法，并研究提取焊缝中心特征信息的效果和精度。试验结果表明，对焊缝图像采用Wiener滤波与Robert边缘检测算法能较好地提取焊缝中心位置的特征信息。     

射线检测图像的自适应多尺度积阈值降噪算法

针对射线检测图像的高噪声、低对比度、图像模糊等特点,提出了一种射线图像的自适应多尺度积阈值降噪算法,解决了常用射线检测图像降噪算法存在的降噪效果差、图像模糊、缺陷边缘和细节丢失等问题。该算法利用噪声估计、多尺度、积阈值、小波等方法对射线检测图像进行降噪处理,获得了高质量的降噪图像。以实际的工业焊缝射线检测图像为例,将所提算法与常用的小波降噪、中值滤波、维纳滤波、小波中值等算法进行降噪对比研究。试验结果表明,所提算法不仅具有优异的降噪性能,而且能够较好地保留缺陷图像边缘、细节等重要特征。     

基于RBF网络的焊缝缺陷图像的识别与诊断技术研究

本文主要研究了采用中值滤波、LOG算子的边缘检测以及DSA减影等数字图像处理技术对现有的焊缝缺陷图像进行处理,获得带有各种焊缝缺陷特征的大量图像样本,并用RBF神经网络对样本进行训练,最终获得具有较高识别精度的RBF网络。利用该网络可以大大提高对焊缝缺陷的判断效率,具有一定实用意义。     

一种基于结构光的V型焊缝实时图像处理方法

在焊缝跟踪系统中,需要实时准确获得焊缝中心线的位置,就必须设计一种基于结构光的V型焊缝中心线的提取方法。对焊缝进行中值滤波去除图像噪声,采用自适应阈值分割的方法对图像进行二值分割,采用二值形态学的边缘检测方法对二值后的图像进行孤点滤波和边缘检测,采用对边缘上下边界点求取平均值方法提取结构光的中心线,采用基于斜率分析和最小二乘法相结合的检测的方法对图像进行特征检测获得图像的特征信息。通过实践表明,所采用的方法能够正确地提取焊缝特征信息,具有很强的抗干扰性能,能够满足焊缝跟踪系统的实时性要求。     

焊缝缺陷图像特征提取的研究

由于焊缝缺陷图像存在噪声多、对比度不高、图像边缘模糊等缺点,从而影响到焊缝缺陷区域特征的提取,不利于焊缝缺陷的分类和识别。文中针对焊缝缺陷图像的复杂性,提出了一种有效提取焊缝缺陷区域特征的方法。首先对焊缝图像进行图像预处理、图像分割、缺陷图像背景去除,提取到焊缝缺陷区域;然后采用8连通区域标记的方法对处理之后的二值化缺陷图像进行标记;最后对每一个标记后的缺陷区域的周长、面积、圆形度等几何参数进行提取。试验结果表明,这种图像处理的方法能较准确地提取出焊缝缺陷图像的特征,具有良好的适应性与实用性。     

焊缝X射线数字图像的圆形缺陷识别计数方法

采用平滑操作,消除源图像噪声。通过直方图阈值处理,将数字图像二值化。利用梯度信息修正算法进行边缘检测,并用腐蚀和膨胀凸显气孔边缘特征信息,通过细化算法来抽取圆形缺陷图像的骨架。采用中心点标注统计圆形缺陷的数量并计算其平均尺寸。结果表明,基于Visualc＋＋程序设计算法得到的圆形缺陷轮廓清晰,数量统计准确。     

基于小波变换的双阈值水下焊缝图像边缘检测研究

水下焊缝图像受到水下环境、弧光、飞溅、泥沙浑浊等噪声影响,生成的焊缝图像模糊不清质量较差,采用传统的边缘检测算法提取水下焊缝边缘,结果无法满足要求。为解决此问题,利用Canny算法,提出基于多尺度小波变换的自适应双阈值边缘检测算法。该算法结合多尺度小波变换,以三次B样条为小波函数,采用双线性插值进行非极大值抑制,根据OTSU法生成自适应双阈值抑制噪声和去除伪边缘。实验结果表明：相比传统的Canny算法,此改进算法对水下焊缝图像边缘检测效果更佳,边缘检测更精确、丰富完整,且有效抑制噪声,验证了此算法的有效性。     

不等厚激光拼焊板焊缝质量检测图像处理方法

针对激光拼焊过程中的各种噪声干扰,使得焊缝图像复杂多变,本文对结构光视觉焊缝质量检测系统图像处理方法进行了深入研究。在图像预处理中,首先通过加窗处理来获得兴趣区域,采用中值滤波去除图像噪声。针对母材区域和焊缝区域对结构光反射率不同,提出了使用局部阈值来分割目标图像的方法,并使用形态学开运算进一步去除噪声干扰;在结构光条纹中心线提取过程中,使用模板法获得了条纹的边界并用几何中心法提取了条纹中心线;提出了基于焊缝灰度图像的灰度突变和拟合直线法来检测特征点的方法。试验表明,该方法具有较高的特征点检测可靠性,并且运算速度快、抗干扰能力强,具有较高实用价值。     

基于束波变换的焊缝图像处理技术

叙述了束举步维艰变换的原理,提出一种基于束以变换的焊接缝边缘检测算法,并增加了方向阈值.为了可靠地检测低信噪比的加噪焊缝图像中的焊缝边缘特征,提出了一种二次扫描方法.利用海底干式高压焊接舱中获取的原始焊缝图像和加噪图像进行了焊缝边缘提取试验.结果表明,算法能从富含噪声的焊缝图像中直接检测出焊缝边缘,而无须进行任何预处理或后处理,极大地提高了焊缝图像处理的效率.试验还表明,算法具有很强的抗噪性能,其与二次扫描方法相结合,特别适合于提取低信噪比的焊缝图像中的直线特征.     

采用数字射线DR成像的焊接质量检测

提出了一种基于数字射线成像的焊缝质量检测方法。采用先进的非晶硅数字检测系统获取信息丰富的原始图像,叠加曝光降低图像噪声;依据射线衰减的指数规律对图像进行对数解调,凸现缺陷特征;运用非锐化掩模滤波对特征进行增强。使焊缝缺陷特征清晰,检测质量达到胶片最高级B级水平。     

基于前馈神经网络的储油罐底板焊缝表面缺陷检测方法

为了有效解决储油罐底板焊缝缺陷检测过程中存在速度慢、检测结果不准确等问题，提出一种基于前馈神经网络的储油罐底板焊缝表面缺陷检测方法。分析相机捕获的储油罐底板焊缝图像各像素之间的相关性和椒盐噪声特点，通过支持向量机(SVM)分类器识别图像中的噪声，重构图像，完成去噪处理。通过基于泛化的增量式二维主成分分析的特征提取方法(GI2DPCA)提取储油罐底板焊缝图像的特征，引入前馈神经网络，构建基于前馈神经网络的储油罐底板焊缝表面缺陷检测模型，将提取到的特征输入到模型完成缺陷检测。试验测试结果表明，所提方法能以较短的时间和较高的检测精度完成缺陷检测。     

基于视觉传感的机器人水下焊缝跟踪

根据视觉条件下水下自动化焊接的特殊要求,设计了一套机器人水下视觉焊缝跟踪系统.针对水下焊缝图像干扰严重、模糊等特点,采用小波变换技术去除了弧光、飞溅等干扰噪声,采用改进的模糊增强图像处理方法,提高了图像处理的效率,获取了清晰的边缘图像.边缘检测后,对焊缝左右特征点进行扫描,准确地提取了焊缝中心.为了减小跟踪误差,将焊缝轨迹中的每个小线段的坐标偏移量分成50等份,同时设计了有效地机器人轨迹跟踪控制程序.水下斜线和曲线焊缝的跟踪试验表明,在正常的条件下,可以满足跟踪要求.     

计算机视觉焊缝识别技术研究

对焊缝识别技术进行了深入研究,包括对焊缝图像的中值滤波以降低噪声干扰、对图像的最佳阈值化以获取焊缝信息以及对图像的数学形态学处理以消除焊缝周围孤立点的干扰.在此基础上,提取到较为清晰的焊缝图像,进而采用最小二乘法建立焊缝的轨迹方程,为焊接控制提供依据,提高焊缝跟踪精度及焊接质量.     

基于结构光的V型焊缝图像实时处理

为了在焊缝跟踪系统中准确获取焊缝中心位置,设计了一套基于结构光的V型焊缝中心提取方法。对焊缝图像采用中值滤波去除图像噪声,采用准固定像素个数阈值分割方法对图像进行二值化处理,采用基于二值形态学的边缘检测方法对二值化的图像进行孤点滤波和边缘检测,采用求取边缘上下两个边界点的平均值方法提取结构光的中心线,通过计算坡口截面重心坐标的方法来获取焊缝中心位置信息。实践表明,所采用的方法能够正确地提取焊缝中心位置信息,具有很强的抗干扰性能,能够满足焊缝跟踪系统的实时性要求。     

基于低秩矩阵的自适应边缘检测算法

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。