一种基于X射线图像的输油管道焊缝缺陷检测方法

摘要

本发明公开了一种基于X射线图像的输油管道焊缝缺陷检测方法。本发明使用显著性转换对单通道焊缝灰度图进行处理得到显著性图像，本发明提出快速显著性检测算法(Fast Visual Saliency,FVS)得到显著性图像。原图像与显著性图像构成二通道输入，接着通过滑窗提取训练样本，并提取LBP(Local Binary Patterns)与灰度共生特征，与图像列向量一起作为特征向量。本发明提出判别稀疏重构投影(DSRP)的特征提取方法，对特征数据进行降维的同时使算法更鲁棒；最后通过训练SVM分类器进行分类，从而提高检测的准确率。

主权项

基于X射线图像的输油管道焊缝缺陷检测，其特征在于：包括如下步骤：步骤1、快速显著性检测，对每张原始图像，使用快速显著性检测算法(Fast Visual Saliency,FVS)进行显著性检测，得到显著性图像；并创建相同大小的零值矩阵J保存结果；步骤2、使用矩形窗M×N对所有的样本图片进行随机采样，通过矩形窗内缺陷真值区域所占窗面积的比例与阈值比较，来判断该窗是否正样本，最终得到正样本图像和负样本图像各N₀个；步骤3、计算正负样本图像与显著性图像的灰度共生矩阵特征与LBP特征，并与原始图像灰度值、显著性图像值构成样本向量；步骤4、基于步骤3得到的样本向量，使用DSRP方法对样本向量进行稀疏表示提取特征，并将提取结果保存投影矩阵P，并根据提取的特征训练SVM分类器；步骤5、预测验证，使用投影矩阵P对测试样本进行特征提取，使用步骤4中训练好的SVM分类器进行预测验证，调整参数，重复步骤4，直到识别率达标；步骤6：对于一个待检测图片，进行预处理得到焊缝位置，求其显著性图像，并创建零值矩阵J₀保存结果；步骤7：使用M×N滑块遍历图像，步长取L，判断滑块是否在焊缝以内，如果在焊缝外则计算下一个位置；步骤8：计算滑窗内待检测图片与显著性图像的灰度共生矩阵特征与LBP特征，并与原始图像灰度值、显著性图像值构成特征向量；步骤9：使用步骤4中得到的投影矩阵P，对步骤8得到的特征向量进行特征提取，使用步骤4节中训练好的SVM分类器进行预测，如果预测结果为缺陷，则对矩阵J₀的M×N滑块区域的值加1；步骤10：对矩阵J0进行阈值t分割，即矩阵J0中大于t的值作为缺陷区域。