论文摘要
漏磁内检测是目前管道无损检测的重要手段。在进行漏磁无损检测评估中,异常边缘检测是十分重要的环节,异常边缘的精确程度直接影响到后续的反演评估环节。由于数据噪声的存在,使得边缘检测精度大大下降,特别是复杂异常区域。同时,面对庞大的漏磁数据,一般机器学习算法耗时较多。因此,针对漏磁内检测中异常边缘检测问题,本文提出一种基于数据融合的小波变换漏磁异常边缘检测算法。该算法基于小波多尺度变换与分解,将数据层融合、特征层融合以及决策层融合相结合。首先,原始数据经过多色彩空间变换,并将变换结果进行数据融合。然后,融合数据进行小波多尺度变换。其次,针对每一尺度下变换数据进行小波多层分解,并对每一层级进行小波模极大值边缘检测,将边缘检测结果加入到细节分解系数融合中,并重构数据。最终将多尺度下的边缘检测效果进行融合得到最终检测边缘。实验分别在仿真数据集和真实管道数据集上进行,并和其他边缘检测算法,如Sobel、Canny、Roberts、Prewitt、Log进行了比较,实验结果显示,本文提出的异常边缘检测算法效果优于传统边缘检测算法,边缘指标OA高于70%,能够满足实际工程需要。
论文目录
文章来源
类型: 期刊论文
作者: 曹辉,杨理践,刘俊甫,刘斌
关键词: 漏磁检测,边缘检测,小波多尺度,数据融合
来源: 仪器仪表学报 2019年12期
年度: 2019
分类: 工程科技Ⅱ辑,工程科技Ⅰ辑
专业: 石油天然气工业,金属学及金属工艺
单位: 沈阳工业大学,沈阳大学
基金: 国家自然科学基金(F011403)资助
分类号: TE973.6;TG115.28
DOI: 10.19650/j.cnki.cjsi.J1905421
页码: 71-79
总页数: 9
文件大小: 4909K
下载量: 130