Page 176 - КЛАСИФІКАЦІЯ ЛОКАЛІЗОВАНИХ ДЕФЕКТІВ ЗВАРНИХ ШВІВ НА РЕНТГЕНІВСЬКИХ ЗОБРАЖЕННЯХ ТРУБ

176

1  g( i, j)  g  3
10. Асиметрія. Skev     .


Area g( i, j) O   O 
  g( i, j)  g  4 

 1
11. Ексцес. Kurt       .


 Area g ( i, j) O   O  


12. Індекс видовженості. I    D max /( 4Area ).
2
a
13. Індекс девіації до вписаного кола. I  1  R max / Area .
2
r
L
14. Видовженість. Elong  .
W

Для локалізації та сегментації дефектів застосовано розроблений алгоритм,

який використовує багатомасштабну функцію інформативності для локалізації

об'єктів та подальшої сегментації виділеної області [280]. Вибір областей уваги

здійснюється за допомогою локальної функції зображення, що приймає більші

значення в точках, що належать об'єкту, ніж в точках фону. Розглянемо область

об'єкту O(i, j), яка є структурним елементом круглої форми, з центром в точці

(i, j) і область B(i, j), яка є фоном навколо об'єкту. Спочатку для кожного вікна

обчислюємо робастні оцінки функції інтенсивності зображення області об'єкту

G k , (i ) j та фону G k , (i ) j для всіх значень параметру масштабу k. Для зменшення
O B
обчислювальної складності вибрано кусково-постійну модель функції

інтенсивності зображення. Робастна оцінка інтенсивності  для області, що

складається з n пікселів вибирається як найкраща оцінка по всіх можливих

підвибірках довжиною (n+1)/2:

  arg min {d ( , ); c 1 ,...,C  n 1  2/ },
c c c n

де  – коефіцієнт регресії, що відповідає підмножині  ; d(.) - функція
c c
похибки коефіцієнтів поліноміальної регресії.