第1章 绪论 1
1.1 焊接的应用与焊接缺陷的危害 1
目录 1
1.2 焊接缺陷的检测 4
1.3 射线检测技术的发展 10
1.3.1 常规射线照相检测技术发展情况 11
1.3.2 射线实时检测技术发展情况 12
1.3.3 射线检测未来重点发展的方向 14
1.4 射线检测焊接缺陷的图像处理和识别研究 15
2.1 射线检测技术的基本理论 23
2.1.1 射线分类和射线衰减规律 23
第2章 X射线检测缺陷原理和图像获取及处理系统 23
2.1.2 射线检测图像及其特性 26
2.1.3 射线照相图像质量及缺陷的检出 29
2.1.4 射线实时成像图像及其特点 35
2.2 射线检测图像的获取及系统组成 36
2.2.1 射线照相法及图像处理系统 36
2.2.2 参数选择 38
2.3 图像及缺陷尺寸的定量 39
第3章 X射线检测焊缝图像的预处理 41
3.1 射线检测图像的去噪 41
3.1.1 图像噪声分析 41
3.1.2 图像去噪方法 44
3.2.1 概述和分类 61
3.2 射线检测焊缝图像的增强 61
3.2.2 空域变换增强 62
3.2.3 模糊增强 68
3.3 焊缝背景的去除 71
3.3.1 焊缝X射线探伤图像的基本特征 72
3.3.2 焊缝图像列灰度分布特征分析 74
3.3.3 噪声对列灰度曲线的影响及其解决措施 74
3.3.4 模糊增强与边缘位置的关系 75
3.3.5 焊缝边缘的确定及焊缝的提取 76
3.3.6 焊缝的提取分析 78
3.4 去除焊缝背景后的基于局部直方图均衡增强处理 80
4.1 射线检测焊接图像列灰度曲线波形分析及分类 84
第4章 射线检测焊接缺陷的提取 84
4.1.1 波形的差分因子定义和计算 85
4.1.2 波形结构形状的分析 86
4.1.3 波形的模糊处理和分类 93
4.1.4 小波在列灰度波形分析中的应用 95
4.2 基于边缘检测的缺陷分割 103
4.2.1 基于微分算子的边缘检测 105
4.2.2 Marr算子的边缘检测 111
4.2.3 射线检测焊缝图像的分类边缘检测 112
4.3 基于区域的焊缝缺陷分割 118
4.3.1 灰度阈值分割法 119
4.3.2 基于类间方差法和矩保持法平均的阈值选取方法 131
4.4 基于区域和边缘的焊缝缺陷分割 132
4.5 基于数字减影处理的焊缝缺陷提取 134
4.5.1 数字减影的基本原理 134
4.5.2 减影前X射线检测图像的预处理 135
4.5.3 理想焊缝的模拟 137
4.5.4 基于数字减影处理的焊缝缺陷提取 139
4.5.5 实验结果与讨论 139
第5章 焊缝缺陷分类及特征提取 142
5.1 焊缝内常见缺陷分类和分级 142
5.1.1 常见焊缝缺陷的分类 142
5.1.2 焊缝缺陷的分级 143
5.2 缺陷的影像特征分析 147
5.3 特征提取与选择方法基础 152
5.3.1 特征特点 153
5.3.2 特征判断的依据 154
5.4 用于缺陷识别的特征选择 156
第6章 缺陷特征表达、描述及其测量计算方法 161
6.1 缺陷特征的表达和描述方法 161
6.2 非裂纹缺陷轮廓跟踪和区域填充 162
6.2.1 非裂纹缺陷分割后的边界跟踪 163
6.2.2 非裂纹缺陷区域的标记和填充 165
6.3 裂纹缺陷跟踪和标记——基于概率松弛法的裂纹缺陷提取 171
6.3.1 裂纹缺陷分割后的边界跟踪 171
6.3.2 裂纹缺陷的跟踪标记后的生长合并 173
6.3.3 基于概率松弛法的裂纹缺陷提取 174
6.4 各种参数的定量计算方法 181
6.4.1 特征参数测量和计算 181
6.4.2 特征测量误差 184
第7章 缺陷识别方法及专家系统建立 187
7.1 模式识别概述和分类 187
7.2 模式识别系统 189
7.3 统计模式识别方法 190
7.3.1 贝叶斯决策方法 191
7.3.2 决策树方法 195
7.4 基于模糊神经网络（FNN）的焊缝缺陷分类方法 199
7.4.1 模糊神经网络 202
7.4.2 模糊神经网络结构 203
7.4.3 神经网络算法 207
7.4.4 网络的训练与识别 208
7.5 基于支持向量机的焊缝缺陷识别方法 217
7.5.1 SVM在处理样本数目不对称时对分类的影响 218
7.5.2 加权SVM算法 222
7.5.3 基于加权SVM算法的焊缝图像中缺陷分类实验和讨论 224
7.6 射线检测焊接图像缺陷识别专家系统 226
7.6.1 模糊神经网络识别专家系统的基本结构模型 227
7.6.2 模糊神经网络焊缝缺陷识别专家系统的识别策略 228
7.6.3 神经网络焊缝缺陷识别专家系统的知识表示、获取与推理 229
参考文献 231