Page 53 - КЛАСИФІКАЦІЯ ЛОКАЛІЗОВАНИХ ДЕФЕКТІВ ЗВАРНИХ ШВІВ НА РЕНТГЕНІВСЬКИХ ЗОБРАЖЕННЯХ ТРУБ

53

проведені в роботах [3, 12], показали, що нейронна мережа робить менше

помилок у порівнянні з методами порогової обробки, але її робота вимагає

значно більших затрат машинного часу.

Метод сегментації для виділення дефектів на основі перетворення Фур'є,

представлений у роботі [29], полягає в тому, що радіографічне зображення

розбивають на квадратні області розміром 32X32 пікселі і обчислюють для

кожної з цих областей коефіцієнти швидкого перетворення Фур'є. Якщо сума

коефіцієнтів, що відповідають визначеному частотному діапазонові, для даної

області перевищує задане порогове значення, ця область відзначається як

дефектна.

У роботі [14] для виявлення пор, площа яких більша 8-ми пікселів

зображення, використовували метод кореляційного аналізу. У цьому методі

кожна область зображення, у якій могла знаходитися пора, порівнювалася з

еталонним зображенням пори за допомогою деякої кореляційної міри. При

великому ступені подібності дана область виділялася як така, що містить

дефект. Для виявлення невеликих пор із площею, що не перевищує 8 пікселів,

застосовували морфологічну обробку.

У роботі [22] Лазоренко запропонував три алгоритми сегментації

цифрових рентген-телевізійних зображень зварних швів, що призначені для
автоматичного виявлення дефектів. Дані алгоритми засновані на адаптивних

методах порогової обробки. Показано, що оптимальне значення порога
встановлюється для кожного пікселя зображення на основі властивостей його

околу. Для вибору оптимального порогового значення використані наступні
критерії: середньоквадратичний, моментний і ентропійний.

Запропоновані алгоритми сегментації рентгентелевізійних зображень

засновані на методах локальної порогової обробки. Значення порогу

обчислюється для кожного пікселя зображення на основі гістограми розподілу

інтенсивності в локальному околі цього пікселя. Оптимальний пороговий

рівень розділяє гістограму на дві частини, що відповідають дефектові і тлу.