基于自适应GMM的X射线图像智能检测

• 作者: 韩劲松
• 来源期刊: 计算机工程
• 学科: 地球科学
• 关键词: X射线 混合高斯模型 图像序列 模型学习 图像样本 智能检测
• 年，卷（期）: 2012,（5）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 205-207
• 分类号: N945
• 字数: 3209字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2012.05.063

摘要

传统金属工业构件X射线图像检测手段主观性过强、检测效率低下.为此,提出一种基于高斯混合模 型(GMM)的智能检测方法.对同一构件的图像序列进行在线学习,每一像素点由多个高斯分布分量组成.正常工作时对每一像素点用学习到 的高斯分量进行模式分类,若不符合任一现有高斯分量就视为前景目标(损伤点),采用种子生长法连通损伤区域,确定整个损伤区域 .实验结果表明,该方法可精确定位构件损伤部位,实现金属构件损伤的自动检测,检测效率较高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韩劲松		40	50	3.0	4.0