【技术实现步骤摘要】
一种焊接缺陷检测图像信息分层融合方法
[0001]本专利技术涉及焊缝缺陷检测图像处理
,特备涉及一种焊接缺陷检测图像信息分层融合方法。
技术介绍
[0002]油气管道在焊接过程中出现的各种缺陷会直接影响到输送系统运行的安全性。焊接缺陷可以分为面积型缺陷(裂纹、未焊透、条状夹渣和未熔合等)和体积型缺陷(气孔、球状夹渣等)两大类。气孔等体积型缺陷严重影响焊接接头的力学性能,而目前对体积型焊接缺陷无损检测的主要手段是依靠人工对焊缝缺陷检测图像的判读来判断是否符合安全标准。如何准确高效地自动检测出焊接区域的缺陷数量具有重要的研究意义。由于存在射线散射、曝光条件差异等因素影响,无损检测图像通常对比度低、缺陷边缘模糊、背景起伏较大且缺陷区域占比较小。在很多情况下,需要在缺陷识别前进行适当的分割等预处理,以提高缺陷识别效率及准确率。
[0003]当前,基于视觉的焊缝缺陷区域提取技术主要集中在以下两类:在像素级层面采用灰度等特征进行缺陷提取,如专利号为201110022401.3中所描述的缺陷分割方法:用最大类间方差法进行阈值分割,做水平和竖直方向上的判断,在分割后的图像中寻找焊缝的位置;或者在超像素层面基于图像融合、自适应形态学滤波等方法进行缺陷提取,如专利号为201710417514.0中所描述的缺陷分割方法:在对焊缝缺陷检测图像进行预处理后,先对图像上每一列像素点进行灰度曲线拟合,获得列灰度曲线,再提取出曲线上的极小值点,根据极小值点的相应特征确定结构元素尺寸,然后利用形态学中的闭运算模拟出焊缝背景图像,通过数字
【技术保护点】
【技术特征摘要】
1.一种焊接缺陷检测图像信息分层融合方法,其特征在于,包括如下的步骤:步骤一:采用PCNN网络对焊接缺陷区域进行提取,获得焊缝特征的中层信息显著图;步骤二:采用基于显著性的方法,获得焊缝缺陷的显著图并进行阈值化处理,获取焊缝特征的底层显著图;步骤三:融合中层信息显著图与底层显著图,获取最终的缺陷所在区域,直观显示焊缝缺陷所在位置。2.根据权利要求1所述的一种焊接缺陷检测图像信息分层融合方法,其特征在于,所述步骤一中采用PCNN网络获得焊缝特征的中层信息的方法如下:1.1、读入缺陷检测图像I1;1.2、设置PCNN参数的初始值M、W、V
F
、V
L
、α
L
、α
F
、β、α和b,令每个像素点处于熄火状态;其中,M和W为神经元之间的连接权系数矩阵,V
F
和V
L
分别为反馈域和链接域的放大系数;α
L
、α
F
分别为链接域、反馈域时间常数;β是连接系数;α、b分别为阈值调整步长、放大系数;1.3、将缺陷检测图像输入PCNN网络,依次迭代,计算出待处理图像的最大熵;1.4、取最大熵的最大值所对应的PCNN点火图作为最终中层信息显著图。3.根据权利要求2所述的一种焊接缺陷检测图像信息分层融合方法,其特征在于,所述步骤1.3中的依次迭代,每一次迭代,依次按照下面的步骤执行:1.3.1、在每个神经元的3
×
3邻域中,计算信号当前输入F
ij
、链接输入L
ij
和动态阈值T
ij
;;T
ij
[n]=T
ij
[n
‑
1]
‑
α+bY
ij
[n
‑
1]1.3.2、计算每个神经元的内部活动项U
ij
;U
ij
[n]=F
ij
[n](1+βL
ij
[n])1.3.3、将内部活动项U
ij
与动态阈值T
ij
相比较并记录神经元的状态Y
ij
,即点火或不点火;1.3.4、计算出待处理图像的最大熵4.根据权利要求3所述的一种焊接缺陷检测图像信息分层融合方法,其特征在于,所述最大熵计算方法如下:1.3.4.1、计算矩阵T中每个元素t
ij
;对于L级灰度的缺陷检测图像图像,其共生矩阵是一个P
×
...
【专利技术属性】
技术研发人员:朱冰,马雨嫣,高炜欣,高国旺,罗朝莉,李华,
申请(专利权)人:西安石油大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。