摘要：由于厚钢管X射线图像强度分布不均匀,对比度低、噪声大,且气孔缺陷的大小、形状、位置、对比度各异,使得自动检测各种类型的气孔较为困难。针对传统缺陷检测算法中手工标记缺陷数据工作量大,焊缝边缘难以准确提取等问题,提出一种新的无监督学习的各种气孔缺陷检测算法。首先,采用快速独立分量分析从钢管X射线图像集合中学习一组独立基底,并用该基底的线性组合来选择性重构带气孔缺陷的测试图像;随后,测试图像与其重构图像相减获得差异图像,通过全局阈值从差异图像中将各种气孔分割出来。实验的训练集有320幅,测试集有60幅图像,所提算法检测结果的平均敏感性和准确率为90.5%和99.7%。实验结果表明,该算法无需手工标记数据或提取焊缝边缘,可准确检测各种气孔缺陷。

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）