一种新的无监督学习的各种气孔缺陷检测算法

　　由于厚钢管X射线图像强度分布不均匀，对比度低、噪声大，且气孔缺陷的大小、形状、位置、对比度各异，使得自动检测各种类型的气孔较为困难。针对传统缺陷检测算法中手工标记缺陷数据工作量大，焊缝边缘难以准确提取等问题，提出一种新的无监督学习的各种气孔缺陷检测算法。首先，采用快速独立分量分析从钢管X射线图像集合中学习一组独立基底，并用该基底的线性组合来选择性重构带气孔缺陷的测试图像；随后，测试图像与其重构图像相减获得差异图像，通过全局阈值从差异图像中将各种气孔分割出来。实验的训练集有320幅，测试集有60幅图像，所提算法检测结果的平均敏感性和准确率为90. 5%和99. 7%。实验结果表明，该算法无需手工标记数据或提取焊缝边缘，可准确检测各种气孔缺陷。