Page 82 - КЛАСИФІКАЦІЯ ЛОКАЛІЗОВАНИХ ДЕФЕКТІВ ЗВАРНИХ ШВІВ НА РЕНТГЕНІВСЬКИХ ЗОБРАЖЕННЯХ ТРУБ

82

У [186] автори порівняли детектор корозії на основі слабкого

класифікатора та детектор корозії на основі AdaBoost та продемонстрували

переваги першого. У [187] було проаналізовано 14 кольорових просторів для

вибору найкращої конфігурації кольорів L⁎a⁎b для сегментації зображення іржі

за допомогою адаптивного еліптичного підходу. Автори порівняли

розроблений метод із методом K-середніх. Недолік запропонованого способу

полягає в тому, що пікселі коричневого кольору і близького до коричневого

кольору детектуються як іржа. Ще один метод виявлення іржі, заснований як на

кольорових, так і на текстурних ознаках, запропонований у [175]. Автори

застосували перетворення Фур'є до кольорових компонентів 19 кольорових

просторів та вибрали колірну складову М кольорового простору CMY.

Експерименти були виконані на 700 нормально і нерівномірно освітлених

штучних зображеннях. Автори в роботі [188] порівнювали два набори даних

для навчальної мережі. Один набір з 250 зображень був недосконало

позначений для двох класів: корозія та фон. Другий набір з 10 зображень було

точно позначений чотирма класами: незначна, середня, сильна корозія та фон.

Експериментальні результати показали переваги використання більшого набору

даних. Для виявлення корозії в [189] було запропоновано поєднання

кольорових ознак та ознак матриці спільної появи (GLCM). Автори
використали 19 текстурних ознак GLCM та 9 функцій гістограми на основі

кольорів. Вони досягли точності 92,4% за допомогою тестових зображень за
допомогою алгоритмів машинного навчання. Алгоритм дерева рішень J48 був

використаний в [170] для виявлення іржі та протестований на 119 зображеннях
з точністю 97,48%. Зображення були перетворені в кольоровий простір HSI.

Генератор зображень з іржею на основі шуму Перліна був запропонований

в [190]. Автори також розробили метод виявлення іржі, який складається з:

перетворення від RGB до простору HSV, гауссівської фільтрації низьких

частот, вилучення та класифікації за допомогою правила рішення Байєса.