计算机科学全球研究杂志
菜单类ISSN:2229-371X
ISSN:2229-371X
瓦法哈梅德1*Prof叶海亚马亚利2和教授菲尔皮克顿3
|
| 对应作者 :瓦法哈梅德电子邮件:wafaa2013saeed@yahoo.com, yahya.almayali@uokufa.edu.iq Phil.Picton@northampton.ac.uk |
| 相关文章at普梅德,学者谷歌 |
访问更多相关文章计算机科学全球研究杂志
灰度X射线图片焊接分解缺陷是分类或识别缺陷的第一阶段焊接图像灰度取决于测试材料密度和厚度这使得缺陷区域相对对比随位置变化结果是难以分治过程其结果影响后续操作阶段,如分类或识别本文介绍不同的分割法,称为数据驱动法在这种方法中,只有灰度数据用于识别兴趣领域,即区域图像包含缺陷, 并提取它对比结果显示,使用形态过程和局部阈值比使用边缘检测法(如Sobel和Canny滤波器)产生更好的结果
导 言 |
| 产品质量管理是生产过程的主要目标之一。为使过程更加客观而不是依赖人的主观观点,必须使用自动检验和分析技术。虽然生产过程的某些故障可能被接受,但有些应用有严格安全容度。在有些情况下,目的是使用图像处理技术提高射线图像质量,使操作者易于检测识别[1-3]作者展示数位图像处理操作序列,提高射线图像质量差低对比度、模糊边缘和背景波动,最优阈值法用于图像分割检查X射线焊接图像质量以确定气泡[4] |
| 模式识别技术还被用于识别缺陷类型问题。5处理低样本问题,通过生成大量模拟焊机缺陷图像构建高效分类系统向量机特征选择与接收器特征选择过程合并提高预测性能的方法多特征提取优化基于缺陷形状属性,并测试这些优化特征时,使用人工神经网络为比较和讨论性能系统提供方法 |
| 人检测缺陷的能力可能由照明作用或由低水平知识作用而成,而低水平知识可能对同一缺陷产生不同解释。出错参考源未找到.显示焊接图像中存在的缺陷 |
 |
| 表一典型焊接缺陷 |
方法整理 |
| 焊接成像常黑暗、吵闹和低对比度[8]这使得图像分割难易化,因为这些图像灰度变化可能被错误归结为缺陷无关区域必须消除,只留下潜在缺陷区域,后分类这一领域已进行了大量研究,但大多具体针对分析的材料类型。方法的缺陷在于每种焊接图像使用不同的滤波序列[1]数据驱动方法可用于射线图像切片,仅使用原始图像数据检测对象,因此与图像类型无关 |
| 边缘分割法[9]大都以梯度法为基础,用两个内核卷积法取横向和垂直方向变换法[10]这两内核提供垂直方向和横向方向梯度值边缘梯度和方程(2)计算法相同最大渐变值被视为边缘下降sbel滤镜应用到x射线焊接图像提取可能存在缺陷的区域Sobel运算符横向和垂直掩码分别见表2a和2bFig.1显示应用Sobel运算符对焊接X射线图像的效果 |
| Canny滤波器[13]还应用到x射线焊接图像提取边缘对应疑点区域,它包括三级检测、边缘检测、歇斯底里和边缘稀释使用全局和局部阈值法查找缺陷和背景差异在此例中选择代表峰间谷值的阈值分类像素 |
| 精确描述缺陷形状时,图像形态处理序列流入阈值法消除轮廓小漏洞和漏洞并正确描述缺陷 |
图像剖析技术 |
| 现阶段必须消除无关区域,仅留下随后分类的潜在缺陷区域在这一领域进行了大量研究,但具体面向分析材料类型方法的缺陷在于每种焊接图像使用不同的滤波序列[1] |
| 步骤的目的是提供不同的数据驱动方法,分两种类型,即不中断检测方法(Edge基础方法)和相似度检测方法前者基于发现灰度突变,后以阈值和面积增长为基础边缘分割法分类像素,对应图像对象边框[9]在讨论边缘法类型前,边缘必须定义为沿图像某些方向突变强度多为渐变法,梯度法使用两个内核卷积法取横向和垂直方向变换法[10]双内核提供垂直方向和横向方向梯度值,边沿梯度计算法如下: |
 |
| 渐变值大小由 |
 |
| 图像最大渐变值下降边缘这是空间域应用法 |
| sobel滤波 |
| 需要此滤波提取可能存在缺陷的区域Sobel操作符横向和垂直掩码用Error插图参考源未找到2出错参考源未找到1显示应用Sobel运算符对焊接X射线图像的影响 |
 |
| 表2Sobel滤波运算符横向掩码 (b)Sobel滤波运算符垂直掩码 |
 |
| 图1过滤X射线焊接图像 Sobel滤波横向破解纵向破解.(d)Slag内含 |
康尼滤波 |
| 过滤器被认为是检测图像边缘最优方法,因为它取灰度输入图像并产生输出图像,表示路径强度中断位置[11]康尼运算符包括多级处理、边缘检测、歇斯底里和边缘稀释第一阶段Gaussian滤波平滑使用,然后梯度用于检测二次轴(垂直轴和横向轴)边缘边缘级计算取二维衍生值平方和边缘方向使用这些衍生物之比的弧度计算歇斯底里阶段旨在确保噪声边缘不分解成多片使用两个阈值-高阈值定得太高,低阈值定太低无法产生良好效果边缘稀疏阶段非最大抑制作用作用于渐变等像素以发现所有位置向最斜坡方向的像素各像素定值为1(ON),如果它比邻近方位大,取自相邻方位近方位近方位近方位近方位近方位近方位近方位近方位近方位近方位近方位近方位近方位近方位近方位近邻位近方位近方位近邻位近方位近方位近邻位近方位近方位近邻方位近方位近方位近方位近方位近方位近邻方位近方位近邻 |
| Canny边缘检测器多级使用比单个运算符在特定方向优Canny运算符使用结果清晰可见并显示于Fig.2边缘像素的连续性属于焊接,因为罐头滤波有歇斯底里和边缘稀疏级 |
 |
| 相似性检测法 |
| 比较时,还采用了另一种基于边缘分割技术的方法。悬停是最简单方法之一 图像分割在此例中选择代表峰间谷值的阈值并测试图像中的每一像素后,像素设为最大值,如果值高于阈值。反之,像素置最小值如图3所示 |
 |
| 图3双模式图像直方图显示两个峰间谷 |
| 计算阈值时,我们寻找峰值和谷值容I1和I2为I1最高峰
|
 |
| 图4.使用全局阈值过滤图像 |
| 选择全局阈值可以接受,如果忽略光线和噪声效果,灰度分布有明显的峰值对应对象和背景,但这种情况很少发生,特别是焊接图像,因为对象(缺陷)和后台产生边缘模糊性相重叠,如Fig4所示。正因如此,选择应用全局阈值没有用 |
| 遇有不均匀光照时,用本地阈值计算,而不是使用单阈值整幅图像本地阈值独立处理每个区域通过将图像划分为多区域工作,每个区域均受依赖区域属性的阈值阈值约束,例如a阈值基于区域灰度值加权和Fig显示结果5级 |
 |
| 图5原创X射线图像 |
| 从结果中,我们注意到本地统计平均属性不单对整个图像有用区域缺陷进程成功,缺陷正确隔离,因为平均值介于缺陷和背景值之间,而在边缘焊接相邻像素灰度相近,平均值即中间像素值 |
| 减少不良光度副作用当常量使用时结果可以提高,从局部平均值中减值.Fig6.中间列显示结果最佳常量选择为4局部面积(25x25) |
| 精确描述缺陷形状并消除轮廓小漏洞[12],对前步结果分别应用图像构造过程闭合、放大和闭合应用形态处理结果插图Fig第三列5级实验应用到四幅电报焊接图片上[13][14],图像划分成小尺寸图像数以缩短计算时间 |
 |
| 图6原创图像分块法使用全局和局部集成图文分块法 |
结论 |
| 焊接X射线图像相对低对比度,缺陷往往显示为暗区,因此缺陷不易辨别纸张缺陷应比图像背景高灰度从结果看 梯度边缘检测法有缺陷光靠临界操作检测感兴趣领域是不够的,除非使用形态处理操作后一特征往往能很好描述缺陷特征 |
引用 |
|