焊缝X射线检测底片故障分类与图像识别方法研究

论文摘要

随着X射线检测和图像处理技术的发展,焊缝缺陷的检测也逐步从人工评片过渡到计算机智能识别。利用计算机对数字化焊缝图像进行分析和识别在检测效率、经济效益、方便实用等方面得到人们的认可。本课题以实际工程需求为背景,以焊缝X射线检测底片为研究对象,综合运用图像处理的方法给出焊缝故障的定量及定性描述,应用Visual C++建立基于统计决策树的焊缝图像识别系统,实现故障类型的自动评判。根据焊缝图像的特点,图像处理系统主要内容有降噪滤波、图像增强、边缘检测和图像分割。通过对各种图像处理方法的分析比较,选择自适应中值滤波方法对原始焊缝图像进行降噪滤波；再引入了直方图均衡化以及模糊增强等方法对图像作增强处理；在边缘检测方面,在梯度算子中引入遗传算法理论提取焊缝的边缘；最后通过对图像分割方法中的基于阈值分割方法、边缘检测方法及数学形态学分水岭方法的分析讨论,选择类间、类内方差比分割法和数学形态学方法并用进行焊缝图像分割,以提取出有效的焊缝区域。为了更好的进行图像识别,又对图像分割后的图像进行缺陷标记和缺陷跟踪；其次特征参数的选择是缺陷识别的前提条件。本文通过对缺陷成像特点的分析,确定能够反映缺陷本质特征的特征参数,最后使用统计决策树的方法对缺陷进行识别和分类。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 课题研究背景及意义
• 1.1.1 课题的研究背景
• 1.1.2 课题的研究意义
• 1.2 无损检测的发展与应用
• 1.3 X射线检测底片图像识别研究现状
• 1.3.1 X射线检测底片图像识别在国外发展现状
• 1.3.2 X射线检测底片图像识别在国内发展现状
• 1.4 本课题的研究目的和主要内容
• 1.5 本章小结
• 第2章 焊缝X射线检测底片故障分类
• 2.1 X射线检测基本原理及其发展
• 2.2 焊接故障的分类
• 2.3 焊接故障成像特征
• 2.4 焊接故障的分类依据
• 2.5 本章小结
• 第3章 焊缝X射线检测图像的预处理
• 3.1 数字图像处理的简介
• 3.1.1 数字图像处理的特点
• 3.1.2 数字图像处理的内容
• 3.2 焊缝图像的降噪处理
• 3.2.1 图像的降噪原理
• 3.2.2 常用的降噪方法
• 3.2.3 各种降噪方法结果对比
• 3.3 图像增强
• 3.3.1 分段线性灰度变换
• 3.3.2 非线性灰度变换
• 3.3.3 直方图均衡化
• 3.3.4 模糊增强
• 3.4 本章小结
• 第4章 焊缝X射线检测图像的边缘检测
• 4.1 图像边缘类型
• 4.2 梯度检测法
• 4.2.1 Robert算子
• 4.2.2 Sobel算子
• 4.2.3 Prewitt算子
• 4.3 二阶微分算法
• 4.3.1 拉普拉斯算子
• 4.3.2 二阶方向导数
• 4.4 基于遗传算法的梯度算子
• 4.5 各种边缘检测结果对比
• 4.6 本章小结
• 第5章 焊缝X射线检测底片的图像分割
• 5.1 图像分割理论
• 5.2 基于阈值选取的图像分割
• 5.2.1 直方图分割法
• 5.2.2 迭代分割法
• 5.2.3 最大类间方差法
• 5.2.4 最佳阈值迭代算法
• 5.2.5 各种阈值分割法结果对比
• 5.3 基于边缘检测的图像分割
• 5.4 基于形态学分水岭的分割方法
• 5.4.1 局部区域分水岭分割
• 5.4.2 带标记的分水岭分割
• 5.5 本课题的图像分割方法
• 5.6 本章小结
• 第6章 焊缝X射线检测底片的图像识别
• 6.1 图像识别方法概况
• 6.2 焊接故障标记
• 6.3 缺陷跟踪及缺陷填充算法设计
• 6.3.1 多缺陷跟踪算法设计
• 6.3.2 多缺陷跟踪程序实现
• 6.3.3 多缺陷填充算法设计
• 6.3.4 多缺陷填充程序实现
• 6.4 特征参数计算算法设计
• 6.4.1 缺陷周长、面积的计算
• 6.4.2 缺陷长轴、短轴的计算
• 6.4.3 链码数的计算
• 6.4.4 缺陷与背景的灰度差
• 6.4.5 相对位置d
• 6.5 X射线检测图像识别
• 6.5.1 X射线检测图像的识别方法
• 6.5.2 统计决策树方法图像识别
• 6.6 图像识别结果分析
• 6.7 本章小结
• 第7章 结论与展望
• 参考文献
• 致谢