2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩87頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、在工業(yè)生產中,工業(yè)射線實時成像技術是射線無損檢測的新技術和發(fā)展方向。從目前無損檢測技術在生產中的應用來看,射線檢測約占40%,可見射線檢測占有十分重要的地位。
   傳統(tǒng)的射線檢測是基于膠片成像的,但是膠片成像存在著很多缺點,如不能滿足實時成像、成本過高、圖像管理不便以及靠人工進行評估等。針對這些問題,本文設計了一個基于X射線實時成像的檢測與缺陷識別系統(tǒng),對采集到的X射線圖片,進行了圖像增強、圖像噪聲濾除等預處理,然后對圖像中的

2、缺陷進行特征提取和利用BP神經網絡分類器對缺陷類型進行識別分類等研究工作。
   圖像的預處理是后續(xù)圖像處理的基礎,針對傳統(tǒng)的濾波不能解決高斯噪聲和脈沖噪聲同時存在的問題,本文提出了一種基于自適應加權中值和高斯加權均值的自適應混合濾波方法。該方法首先檢測圖像的噪聲類型,然后對受脈沖干擾和受高斯噪聲影響的圖像分別采用自適應加權中值濾波和高斯加權均值濾波方法進行濾波。
   針對X射線圖片對比度低、邊緣模糊等特點,采用線性和

3、非線性灰度增強以及直方圖等增強方法,這些方法在一定程度上拉開了圖像的灰度分布,使圖像更加清晰明亮。
   在圖像特征提取過程中,邊緣提取是解決缺陷標記的有效方法,本文分析了幾種經典邊緣提取方法,以及改進了一種基于形態(tài)學梯度的X射線圖像邊緣檢測方法。為了得到更好的閾值分割效果,本文還采用一種基于模糊集合的多屬性閾值分割算法,針對圖像的全局和局部屬性選取閾值進行分割。這些方法應用在X射線圖片特征提取中取得較好的效果。
  

4、缺陷特征參數(shù)的選擇和提取是缺陷分類的前提,直接影響著分類結果,通過對缺陷特點的分析,本文選取了幾何特征,圖像不變矩和灰度特征這些能準確反映缺陷本質特征的特征參數(shù),并給出了各自的計算方法。在缺陷分類的解決方案上,采用具有自組織、自適應的BP神經網絡算法對X射線圖片中缺陷進行分類識別。在對系統(tǒng)架構進行了分析和設計后,利用Visual C++開發(fā)了基于X射線的圖像處理軟件平臺。本文最后把設計的X射線實時成像檢測與缺陷識別系統(tǒng)應用到太陽能硅電池

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論