MAG焊熔池图像不变量分析+文献综述(2)
模式识别是基于对象模式的目标识别及分类技术[6],是研究图像或各种物理对象过程的分类和描述的学科,在视觉领域中称为图像识别.为了有效地实现分类识别,就要对原始图像数据进行变换,得到最能反映分类本质的图像特征.图像特征是指图像的原始特征或属性.每一幅图像都有其本身的特性,其中有些是视觉直接感受到的自然特征,如亮度、边缘、纹理或色彩等;有些是需要通过变换或测量才能得到的人为特征,如谱、直方图等.为了正确地对缺陷图像进行有效识别,需要从图像中提取有效的数据或信息,生成非图像的描述或表示,如数值、符号等,即抽取图像特征.一般地,把原始数据组成的空间叫做“测量空间”,把分类识别赖以进行的空间叫做“特征空间”.通过特征提取,把文数较高的测量空间中表示的模式转化为在文数较低的特征空间中表示的模式,从而为图像识别提供数据样本[7].
近年来对焊接熔池图像的特征提取均采用了几何特征提取方法[8-10]，统计特征提取方法在焊接熔池图像特征提取上还未见报道。不变矩理论是一种统计特征提取较为有效的方法，在焊接中尚未应用，在图像分类研究应用尤为突出。MAG熔池图像分类方法目前亦尚未见报道；本文采用不变矩理论提取视觉图像特征，采用最小距离法进行焊接熔池分类研究的初步探讨。
1.2焊接熔池图像识别、处理研究概况
文献[11]由北理工的李原老师等人提出了一种管道焊接熔池成像系统，能够有效克服弧光干扰，获取焊接熔池在焊缝坡口内图像。采用基于统计的鲁棒图像处理方法，对熔池图像进行预处理，抑制飞溅等噪声。在图像自适应分割和边缘提取基础上，根据熔池图像和焊缝坡口图形特点，分别提取熔池图像在焊缝内的灰度分布特征以及焊缝坡口图形特征，得到熔池相对焊缝坡口的动态偏移量，以及熔池振动幅度和频率，为焊缝跟踪和焊接质量控制提供了视觉信息反馈。
这种方法在熔池特征提取方面具有重要的借鉴意义[12-14]，通过图像阚值分割确定了焊接熔池的分布区域，但是图像在二值化过程中损失了熔池图像的灰度细节，需要进一步分析熔池区域的灰度分布。焊接在成像系统中，除了电弧光本身之外，主要成像内容是焊接熔池本体辐射部分。当焊接熔池偏离焊缝沟槽中心时，熔池图像区域有时还包含弧光照亮的焊缝表面成像内容。如果区域灰度值方差小于设定阈值，说明当前图像内容主要为熔池图形，可直接在分割区域内提取熔池灰度分布特征；如果区域灰度值方差大于阈值，则采用区域生长方法对当前图形进行进一步分割。
在焊接熔池图像的处理方面另一种方法则是建立了用于铝合金脉冲MIG焊熔池图像检测的CCD视觉系统[15],通过窄带滤光系统和选取合适的焊接规范,获取了铝合金脉冲M IG焊熔池的清晰图像。分析了铝合金焊接熔池图像的特征。针对目前已有熔池图像处理算法的缺点,利用形态学方法去除了图像信号中的噪声、阴极雾化区等影响熔池特征提取的部分,获得了满意的熔池边缘图像。这种方法所采用的算法具有简单、计算量小、计算速度快、抗噪能力强等优点。
同时，随着科技的发展，激光焊接目前在焊接界已经占有了一席之地，针对激光焊接，高进强，秦国良等人提出了基于视觉的不锈钢Nd：YAG激光焊焊接熔池和小孔的图像处理的方法[16]，该方法针对不锈钢Nd：YAG激光焊,构建了同轴视觉检测系统,获得了熔池和小孔图像。根据熔池和小孔图像的特点,设计了图像处理算法,并分别针对熔池和小孔确定了搜索起始点和搜索准则。
上一篇：铝合金用钎剂中粘结材料的研究