基于改进CV模型和PCNN的NSST域焊接缺陷提取

• 作者: 叶志龙 张弓 文方青
• 来源期刊: 光学仪器
• 学科: 工学
• 关键词: 焊接缺陷 轮廓提取 非下采样Shearlet 改进的CV模型 脉冲耦合神经网络
• 年，卷（期）: 2015,（1）
• 所属期刊栏目: 设计与研究
• 页码范围: 57-64
• 页数: 8页
• 分类号: TP301.6
• 字数: 4799字
• 语种: 中文
• DOI: 10.3969/j.issn.1005-5630.2015.01.013

摘要

为了精确地提取焊接缺陷,进一步提高缺陷检测的准确性,提出了一种基于改进Chan-Vese (CV)模型和脉冲耦合神经网络(pulse coupled neural network,PCNN)的非下采样Shearlet变换(non-subsampled Shearlet transform,NSST)域焊接缺陷提取方法.首先,对焊接缺陷图像进行NSST分解,对得到的低频分量采用PCNN提取出缺陷的主要区域;然后,利用背景抑制后的低频分量和高频分量构造出高频特征图像,并对其进行粗分割,再利用改进的CV模型寻找最优轮廓,提取出缺陷精细轮廓;最后,融合缺陷的主要区域和精细轮廓信息得到最终的结果.实验结果表明,与其他缺陷提取法相比,所用方法提取的缺陷结构更为完整,缺陷轮廓更为精细.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张弓	南京航空航天大学电子信息工程学院	95	625	14.0	18.0
5	文方青	南京航空航天大学电子信息工程学院	4	21	2.0	4.0
9	叶志龙		5	8	2.0	2.0