埋弧焊X射线焊缝图像缺陷检测算法研究 内容简介

1)基于x射线焊缝图像的埋弧焊焊缝缺陷自动检测研究现状;2)基于射线缺陷检测的概念、焊缝缺陷检测中常用的特征值，以及基于特征值及支持向量机(SVM)和神经网络的缺陷识别算法;3)x射线焊缝图像的特点分析，以此为依据介绍焊缝图像的增强、滤波、感兴趣区域(ROI)提取和疑似缺陷局部图像(SDR)分割的算法，并通过实验提供算法的混淆矩阵；3)对近年来新出现的识别方法-基于稀疏描述的识别进行介绍，并将其应用于缺陷识别中，通过算例对识别效果进行了验证。针对稀疏描述中字典矩阵构造这一关键问题，也进行了有针对性的介绍;4)在已经明确缺陷的前提下，介绍利用PCA进行降维，以快速识别缺陷是否为线性缺陷或圆形缺陷。

埋弧焊X射线焊缝图像缺陷检测算法研究 本书特色

1)基于x射线焊缝图像的埋弧焊焊缝缺陷自动检测研究现状;2)基于射线缺陷检测的概念、焊缝缺陷检测中常用的特征值，以及基于特征值及支持向量机(SVM)和神经网络的缺陷识别算法;3)x射线焊缝图像的特点分析，以此为依据介绍焊缝图像的增强、滤波、感兴趣区域(ROI)提取和疑似缺陷局部图像(SDR)分割的算法，并通过实验提供算法的混淆矩阵；3)对近年来新出现的识别方法-基于稀疏描述的识别进行介绍，并将其应用于缺陷识别中，通过算例对识

埋弧焊X射线焊缝图像缺陷检测算法研究 目录

目录
前言
第1章 绪论 1
1.1 焊缝缺陷检测的概念 1
1.2 射线检测特点 3
1.3 射线检测技术的分类及发展 4
1.4 射线焊接缺陷检测技术的发展 5
1.5 本章小结 12
第2章 焊缝缺陷射线检测原理及缺陷分类 13
2.1 X射线检测的原理 13
2.2 射线实时成像 14
2.3 常见的焊缝缺陷分类和分级 15
2.4 典型缺陷特征 17
2.5 缺陷特征分析 19
2.6 本章小结 23
第3章 X射线焊缝图像预处理 24
3.1 图像滤波 24
3.2 图像增强 27
3.3 图像分割 33
3.4 边缘检测 35
3.5 ROI提取 40
3.6 本章小结 44
第4章 疑似缺陷分割 45
4.1 形态学膨胀及腐蚀 45
4.2 传统缺陷分割 46
4.3 基于聚类的缺陷分割 51
4.4 基于Hopfield神经网络的缺陷分割 56
4.5 缺陷模型 64
4.6 本章小结 68
第5章 基于SVM及PCA的缺陷识别 69
5.1 SVM原理及算法 69
5.2 特征参数的预处理 74
5.3 焊缝缺陷和图像噪声的二类识别 77
5.4 焊缝缺陷和图像噪声的多类识别 78
5.5 基于模型参数优化的缺陷识别 81
5.6 基于GA-SVM的焊缝缺陷识别 83
5.7 基于LS-SVM的焊缝缺陷识别 85
5.8 本章小结 88
第6章 基于模糊模式识别的焊缝图像缺陷检测 89
6.1 缺陷图像分析焊缝图像降维 89
6.2 模糊C均值聚类算法 92
6.3 FVM结合SVM的缺陷分类 98
6.4 并行计算的引入 103
6.5 缺陷分类模型构建 106
6.6 本章小结 110
第7章 基于稀疏描述的缺陷识别 111
7.1 问题描述 111
7.2 稀疏描述原理 113
7.3 求解算法 115
7.4 稀疏描述识别实验 118
7.5 字典学习 121
7.6 本章小结 128
第8章 基于神经网络的焊缝缺陷识别 129
8.1 BP神经网络 129
8.2 BP神经网络焊缝缺陷建模及识别 130
8.3 BP神经网络实验 133
8.4 本章小结 137
第9章 基于PCA技术的线形缺陷和圆形缺陷分类算法 138
9.1 缺陷分析 138
9.2 缺陷的数学描述 139
9.3 基于PCA的缺陷分类算法实现 142
9.4 基于LE降维的焊缝缺陷类型识别 145
9.5 本章小结 151
第10章 基于卷积神经网络的缺陷识别 152
10.1 深度学习 152
10.2 卷积神经网络的基本概念 152
10.3 卷积神经网络的特性 154
10.4 卷积神经网络中的相关运算 155
10.5 激活函数的选择 157
10.6 分类算法的选择 158
10.7 基于卷积神经网络的X射线缺陷识别 161
10.8 本章小结 169
参考文献 170