基于二维信息熵图像分割的缺陷识别方法.PDF

第猿苑卷第员圆期 焊摇 接摇 学摇 报 灾燥造援猿苑摇 晕燥援员圆 圆园员远 年 员圆 月 栽砸粤晕杂粤悦栽陨韵晕杂韵云栽匀耘悦匀陨晕粤宰耘蕴阅陨晕郧陨晕杂栽陨栽哉栽陨韵晕 阅藻糟藻皂遭藻则摇 圆园员远 基于二维信息熵图像分割的缺陷识别方法 迟大钊袁摇 刚摇 铁 渊哈尔滨工业大学 先进焊接与连接国家重点实验室袁哈尔滨摇 员缘园园园员冤 摘摇 要院为了提高无损检测的工作效率及可靠性袁研究超声图像中缺陷目标的自动识别方法援 根据超声阅扫描图 像的特征袁在背景杂波抑制及噪声抑制的基础上袁采用基于运杂宰二维信息熵的阈值分割方法对图像进行二值化处 理援 结果表明袁由于不能兼顾图像各处的细节信息袁基于二维信息熵的全局阈值图像二值化方法会产生欠分割援 当 图像尺寸较大时袁全局阈值方法会丢失许多像元数目不多的集群袁造成小目标的漏检援 基于二维信息熵的局部阈值 法充分考虑了图像的局部区域特征袁能有效地识别图像中的缺陷目标袁从而提高缺陷检出率援 关键词院超声检测曰 缺陷识别曰 二维信息熵曰 图像分割 中图分类号院栽郧源源员摇 摇 文献标识码院粤摇 摇 文章编号院园圆缘猿原猿远园载渊圆园员远冤员圆原园园圆缘原园源 园摇 序摇 摇 言 割方法对图像进行二值化处理援 通过试验研究袁实 现超声图像中缺陷目标的自动识别援 在无损检测获取的图像中进行缺陷识别时袁依 靠人工目测的判断存在费时尧费力及可靠性差的问 员摇 基于信息熵的图像分割原理 题援 在图像中进行缺陷是与非的判别时袁操作人员 面对大量的检测数据容易疲劳袁进而造成漏检和误 在众多的图像分割方法中袁阈值分割是最简单 ( ) 判援 同时袁缺陷识别结果受检测者的经验及技能水 也是最常用的一种方法援 设原图像为枣 曾 袁赠 袁经过 ( ) ( ) 平等影响大袁从而导致检测结果的可靠性无法得到 分割处理后的图像为早 曾袁赠 袁早 曾袁赠 为二值图像袁 保证援 为了提高工作效率尧提高缺陷检出率以及降 则有袁 ( ) 低误判率袁有必要研究缺陷目标的自动提取方 ( ) 员袁枣 曾 袁赠 逸栽澡 渊员冤 早 曾袁赠 越{ ( ) 咱员袁圆暂 园袁枣 曾 袁赠 约栽澡 法 援 由于焊缝中缺陷形态的多样性袁在超声衍射 式中院栽澡 为阈值援 因此袁阈值方法的核心就是阈值 时差法的阅扫描图像中缺陷的形状尧大小和纹理等 栽澡的确定援 对一幅图像而言袁无论是目标区域或背 特征不易于提取袁这使得基于模式识别技术进行目 咱猿暂 景区域还是同一区域内的像素袁其在位置和灰度级 标提取的难度较大援 运藻糟澡蚤凿葬等人 采用均值聚类 上同时具有较强的一致性和相关性援 基于信息熵的 算法袁对阅扫描图像进行了缺陷目标提取的处理援 图像分割原理如下援 结果表明袁由于小缺陷在图像中的统计特征不明显