CV主动轮廓模型在管道焊缝缺陷检测中的应用研究.pdf

中国体视学学会CT理论与应用分会、中国工程物理研究院 2008年7月 应用电子学研究所、(CT理论与应用研究》编辑部论文集 CV主动轮廓模型在管道焊缝缺陷检测中的应用 李寿涛1，陈浩1，朱瑞辉1，李小毛2 1．中国工程物理研究院应用电子学研究所，四川绵阳621900 2．中国科学院研究生院，北京710072 摘要：焊接是钢结构生产的主要方法。射线检测方法是是检查焊接缺陷的几种主要方法之一。 射线检测结果的评定方法有两种：人工评定和计算机辅助评定。人工评定检测结果时，评定人 员工作量大，评定结果易受评定人员主观因素影响。采用计算机对X射线检测结果进行分析和 F．Chan和Luminita 识别，可以大大提高工作效率。分析识别的基础是图像的分割。本文分析Tony A．Vese提出的基于Mtmford—Shah模型和主动轮廓的Cv模型，并将其应用到焊缝缺陷的分割之 中。 关键字：焊接；缺陷；分割；主动轮廓 1 引言 焊接技术是钢结构生产的主要方法。工业上在生产船舶，油气输运管道等时运用了大 量的焊接技术，焊接质量直接关系这些产品的质量。由于焊接质量达不到标准而造成危害 人们生命和给人们造成重大经济损失的事故屡见不鲜。如1999年在华盛顿发生的汽油管道 泄露事件造成3人死亡和25000加仑的汽油泄漏，破裂处有机械损伤，内检测时曾经发现 了这处损伤。2000年发生在新墨西哥州发生的天然气管道爆炸事件造成12人死亡，破裂原 因是裂纹。因此，对焊缝进行有效的检测，发现焊接缺陷，可以有效减少焊缝缺陷造成的 危害。进行焊缝缺陷检测的方法有射线检测，超声检测，磁粉检测等。射线检测是一种重 要的焊缝缺陷检测方法。目前，射线检测已经实现了数字化，平板探测器成像相比于以往 的胶片照相，有数据易于存储和易于进行数字化处理等优点。 常见焊接接头在焊接过程中产生的缺陷有五类：融合不良类，裂纹类，孔洞类，夹杂类， 成型不良类。这些缺陷在数字图像上一般都以，灰度值与周围背景不同的块状或条状，线 状目标出现。目前对焊缝图像的分析大部分情况下仍然由人工判读来进行。这样做有一些 弊端，在判读大量图像的时候，人很容易疲劳，这样人在过度疲劳的情况下就容易误判。 另外判读不可避免地存在人的主观因素的影响。这样的现实要求和计算机图像处理及识别 技术的发展使得焊缝自动识别系统成为人们研究的热点。同其他的图像识别系统一样，焊 缝自动识别系统也是主要由图1所示的三个部分组成。其中图像分割是最重要的部分。 图1图像识别处理过程 1．The of Figure processimagerecognition 全国射线数字成像与口新技术研讨会 图像分割是图像处理的重点和难点。现在人们大约已经提山了上千种分割算法，但是 目前并不存在一个统一的分割框架。人们在处理～个|耋|像分割问题时，大部分是结合具体 问题选择台适的分割技术。而且很多情况下，问题并不能得到彻底的解决。图像分割的方 法有阈值法，种子点生长法，主动轮廓法【1]t分水岭方法【2】等。本文研究cv主动轮廓模 型在焊缝识别【3]所需的|墨|像分割任务中的应用。 2 CV模型 F A Chan和Luminita c—v模型是Tony 廓方法。它不使用图像的边缘信息，是一种基于曲线演化，MumfordShah模型[6]和水平集 理论[7]的图像分割方法。这种方法克服了传统主动轮廓方法，不能向凹5fj区域演化，初始 益线必须靠近目标和对噪声敏感的缺陷。下面介绍一下CV模型。这种方法足基于能量最 小的分割。假定Q为R2中的有界开集，勰为开集的边界，阶。一R是给定的图像。假 设图像uo是由两部分灰度值分别近似为常数12n。和酊的区域组成，如图2所示。进一步假 c-。，而 定要分割的对象是灰度值为