【技术实现步骤摘要】
本申请属于智能无损检测领域，具体涉及一种基于图像处理与对抗网络的射线图像数据增强方法。
技术介绍
1、目前我国运载火箭贮箱主要采用焊接结构形式，单发火箭焊缝累计多达上万条，焊缝的质量影响着火箭安全和使用性能；射线检测是检测贮箱焊缝内部质量的主要检测手段，而传统基于人工的射线图像判读效率低、主观经验依赖性强，随着人工智能技术的发展，越来越多的学者开始研究智能评片技术。
2、智能评片技术大多使用深度学习算法对缺陷图像进行特征学习，深度学习算法对数据量依赖性强，深度学习的效果很大程度取决于数据量的大小。目前，随着焊接工艺的提升，未熔合、未焊透、裂纹等缺陷出现概率较小，样本收集较为困难。有学者提出使用图像裁剪、旋转等手段进行数据集扩充，但是此类方法生成的图像缺陷特征本质上与原图像没有差异。此外，还有学者提出使用数字射线仿真软件仿真缺陷图像，此类方法缺陷模板制作较为麻烦，且由于实际射线图像的生成受多种因素干扰，仿真软件在理想状态下进行仿真，仿真图像与实际射线图像差异较大。
技术实现思路
...
【技术保护点】
1.一种基于图像处理与对抗网络的射线图像数据增强方法，其特征在于，包括：
2.根据权利要求1所述的基于图像处理与对抗网络的射线图像数据增强方法，其特征在于，所述每个类别中缺陷图像的要求为：
3.根据权利要求1所述的基于图像处理与对抗网络的射线图像数据增强方法，其特征在于，所述通过提取缺陷位置并插入到无缺陷区域或其他无缺陷图像的方法，以生成所述两类缺陷的新的缺陷图像，包括：
4.根据权利要求3所述的基于图像处理与对抗网络的射线图像数据增强方法，其特征在于，将新矩阵Anew插入到当前缺陷图像或无缺陷图像之后，对新矩阵Anew及其邻域组成...
【技术特征摘要】
1.一种基于图像处理与对抗网络的射线图像数据增强方法，其特征在于，包括：
2.根据权利要求1所述的基于图像处理与对抗网络的射线图像数据增强方法，其特征在于，所述每个类别中缺陷图像的要求为：
3.根据权利要求1所述的基于图像处理与对抗网络的射线图像数据增强方法，其特征在于，所述通过提取缺陷位置并插入到无缺陷区域或其他无缺陷图像的方法，以生成所述两类缺陷的新的缺陷图像，包括：
4.根据权利要求3所述的基于图像处理与对抗网络的射线图像数据增强方法，其特征在于，将新矩阵anew插入到当前缺陷图像或无缺陷图像之后，对新矩阵anew及其邻域组成的区域进行平滑操作：
5.根据权利要求1所述的基于图像处理与对抗网络的射线图像数据增强方法，其特征在于，所述构建对抗生成网络，并基于射线图像数据库的无缺陷图像，在无缺陷图像上通过插入样条曲线来模拟未熔合、未焊透和裂纹这三类缺陷；将插入样条曲线后的图像利用对抗生成网络进行局部特征增强，包括：
6.根据权利要求5所述的基于图像处理与对抗网络的射线图像...
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。