Помощь в написании студенческих работ
Антистрессовый сервис

Методы и алгоритмы обработки и анализа снимков в капиллярной дефектоскопии

Диссертация: Методы и алгоритмы обработки и анализа снимков в капиллярной дефектоскопии
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Однако многие дефекты имеют особые специфичные сложные образы. Например, очень распространены дефекты-трещины, риски, царапины, имеющие протяженную линейчатую форму в виде полосы. Такие дефекты часто выявляются капиллярным методом. Применяемые в дефектоскопии системы технического зрения используют в основном достаточно простые методы цифровой обработки изображений и не позволяют выполнить более… Читать ещё >

Методы и алгоритмы обработки и анализа снимков в капиллярной дефектоскопии (реферат, курсовая, диплом, контрольная)

Содержание

  • Глава 1. Обзор и анализ методов и средств автоматизации контроля качества и постановка задач исследования
    • 1. 1. Задачи и виды дефектоскопии
      • 1. 1. 1. Дефекты и их классификация. 1.1.2. Осковные понятия и методы капиллярного контроля
    • 1. 2. Системы и методы цифрового анализа изображений, применяемые в капиллярной дефектоскопии
      • 1. 2. 1. Обзор систем анализа снимков, полученных при капиллярном контроле
      • 1. 2. 2. Методы и алгоритмы цифровой обработки снимков, полученных при капиллярном контроле
    • 1. 3. Обзор и анализ методов выделения линейчатых объектов на изображениях
    • 1. 4. Выводы по главе 1
    • 1. 5. Постановка задач исследования
  • Глава 2. Разработка методов и алгоритмов обработки и анализа полосовых образов
    • 2. 1. Разработка математической модели полосового образа
    • 2. 2. Интегральное преобразование по сегменту полосы
    • 2. 3. Разработка алгоритма фильтрации полосовых образов
      • 2. 3. 1. Воспроизведение одномерных сигналов
      • 2. 3. 2. Двумерная фильтрация вдоль полосы
    • 2. 4. Разработка алгоритма синтеза полосовых образов
      • 2. 4. 1. Моделирование фона
      • 2. 4. 2. Синтез образующей полосы
      • 2. 4. 3. Формирование полосы по ее образующей
    • 2. 5. Выводы по главе 2
  • Глава 3. Исследование разработанных методов и алгоритмов обработки и анализа полосовых образов
    • 3. 1. Синтез тестовых изображений и исследование на них алгоритма выделения полосовых образов
      • 3. 1. 1. Синтез полосовых образов
      • 3. 1. 2. Синтез фоновой составляющей изображения
      • 3. 1. 3. Оценка фильтрации полос на основе корреляционного сравнения
      • 3. 1. 4. Оценка влияния фильтрации на геометрические характеристики полосовых образов
    • 3. 2. Сравнительный анализ методов выделения линейчатых образов
    • 3. 3. Выводы по главе 3
  • Глава 4. Практическое применение разработанных методов и алгоритмов обработки и анализа полосовых образов в капиллярной дефектоскопии
    • 4. 1. Статистический анализ капиллярных снимков
      • 4. 1. 1. Определение параметров фона капиллярных снимков
      • 4. 1. 2. Измерение диапазона ширины раскрытия дефектов и длины сегмента их полос
    • 4. 2. Методика, система и примеры обработки дефектоскопических изображений, полученных капиллярным методом
      • 4. 2. 1. Методика и система обработки и анализа дефектоскопических изображений, полученных капиллярным методом
      • 4. 2. 2. Примеры фильтрации полос на капиллярных снимках
    • 4. 3. Выводы по главе 4

Актуальность исследования. В связи с усложнением новой техники и повышением требований к ее надежности, трудоемкость контрольных операций в промышленности резко увеличивается. Практика показывает, что усовершенствование методов неразрушающего контроля позволяет повысить надежность и качество продукции, предотвращает аварии сложных агрегатов и дает производству огромные экономические преимущества.

Существующие методы контроля качества изделий и материалов базируются в основном на визуальных возможностях человека. Однако возникают сложности, связанные с наличием субъективизма и ограниченных возможностей зрения человека. В связи с этим возникает необходимость автоматического контроля для объективной и более точной оценки качества.

Так как многие методы контроля на выходе дают изображения дефектов, в последнее время наблюдается тенденция внедрения систем технического зрения в дефектоскопию. Такие системы намного превышают возможности человеческого глаза, а в некоторых случаях и самого человека как анализатора изображений. Цифровой анализ обеспечивает быстрое обнаружение, измерение и классификацию образов дефектов для обеспечения неразрушающего контроля различных материалов и изделий. Сообразно с этим в области компьютерной обработки изображений существуют работы, связанные с анализом дефектоскопических снимков различной природы. Известны труды Д. Мери, Р. Силвы, М. Карраско, Н. Насреддина, Н. Г. Федотова, С. С. Садыкова, A.M. Секерина и др.

Однако многие дефекты имеют особые специфичные сложные образы. Например, очень распространены дефекты-трещины, риски, царапины, имеющие протяженную линейчатую форму в виде полосы. Такие дефекты часто выявляются капиллярным методом. Применяемые в дефектоскопии системы технического зрения используют в основном достаточно простые методы цифровой обработки изображений и не позволяют выполнить более детальный разбор таких сложных по форме дефектов.

Таким образом, актуальным является создание, исследование и применение новых специальных методов обработки и анализа изображений полосовых дефектов.

Цель диссертационной работы: разработка и исследование методов и алгоритмов цифровой обработки изображений в промышленных системах контроля качества для повышения оперативности анализа дефектоскопических снимков, полученных капиллярным методом.

Задачи исследования:

1. Обзор и анализ методов капиллярного контроля качества, известных дефектоскопических систем и методов цифровой обработки изображений применяемых в капиллярном контроле и методов выделения линейчатых образов.

2. Изучение структуры полосовых образов, разработка модели и алгоритма их синтеза.

3. Разработка метода и алгоритма выделения изображений полосовых образов на основе теории интегрального преобразования по сегменту полосы и их исследование.

4. Практическое применение методов и алгоритмов для обработки и анализа снимков, полученных капиллярным методом.

Методы исследования. В работе используются теория и методы цифровой обработки сигналов и изображений, математический анализ, теория множеств и алгоритмов, линейная алгебра, теория вероятностей.

Научная новизна. В работе предложены следующие новые результаты:

1. Модель и алгоритм синтеза полосового образа, позволяющие описать и сгенерировать различного вида линейчатые образы с заданным профилем. Кривизна и масштаб полосы рассматриваются как случайные процессы.

2. Метод и алгоритм фильтрации, которая обеспечивает выделение полос прямоугольного профиля на растровых изображениях. В фильтрации применяется интегральное преобразование по сегменту полосы.

3. Методика обработки и анализа дефектоскопических изображений при капиллярном контроле качества. Методика включает в себя алгоритм выделения полос прямоугольного профиля на основе интегрального преобразования по сегменту полосы.

Практическая ценность работы. Работа выполнена в рамках госбюджетной НИР № 340/98. Результаты работы приняты к использованию в ОАО «Муроммашзавод». .

На защиту выносятся следующие результаты работы:

1. Модель и алгоритм синтеза полосового образа с варьированием кривизны и масштаба.

2. Метод и алгоритм выделения полос прямоугольного профиля на основе интегрального преобразования по сегменту полосы.

3. Результаты исследования методов и алгоритмов выделения полос на тестовых и реальных изображениях.

4. Система обработки и анализа капиллярных дефектоскопических изображений.

Апробация работы. Основные результаты диссертационной работы докладывались и обсуждались на VIII международной научно-технической конференции «Распознавание — 2008» (г. Курск, 2008 г.) — на научно-практической конференции «Управление созданием и развитием систем, сетей и устройств телекоммуникаций» (г. Санкт-Петербург, 2008 г.) — на международной молодежной научной конференции «XXXIV Гагаринские чтения» (г. Москва, 2008 г.) — на XIV международной научно-практической конференции студентов и молодых ученых «Современные техника и технологии СТТ 2008» (г. Томск, 2008 г.) — на международной научно-технической конференции «Кибернетика и высокие технологии XXI века» (г. Орел, 2008 г.) — на международной научно-практической конференции.

Современные проблемы науки" (г. Тамбов, 2008 г.) — на международной конференции молодых ученых, студентов и специалистов «Инновационные технологии в проектировании» (г. Пенза, 2008 г.), на 9-й международной конференции «Распознавание образов и анализ изображений: новые информационные технологии» (г. Нижний Новгород, 2008 г.) — на научных конференциях МИВлГУ (2007;2009 гг.).

Публикации. По теме диссертации опубликовано 18 работ, включая 4 статьи в изданиях по перечню ВАК и монографию.

Личный вклад автора. Результаты и положения, выносимые на защиту, получены автором лично. Для создания основных методов и алгоритмов использовалась теория, разработанная научным руководителем. Постановка основных задач и направлений исследования, их анализ выполнены совместно с соавторами и научным руководителем. В работах, опубликованных в соавторстве, представлены: в [1,15] — модели и алгоритмы синтеза полосовых образов, в [2,7,8,16] - методы и алгоритмы выделения полос, в [3,6,9] — методика и результаты исследования алгоритмов выделения полос, в [4,5,10,11,17,18] - применение научных результатов для обработки и анализа капиллярных дефектоскопических изображений.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, списка литературы, имеющего 180 наименований и приложения. Объем диссертации 128 с. Таблиц 15, рисунков 27.

4.3. Выводы по главе 4.

1. Выполнен анализ реальных дефектоскопических изображений. Определены параметры шума, диапазон ширины раскрытия дефектов.

2. Построен алгоритм определения среднего значения длины сегмента полосы. Алгоритм позволяет осуществить измерение длины сегмента трещины на реальном снимке.

3. Построена методика обработки и анализа дефектоскопических снимков, полученных капиллярным методом. Используя построенную методику, удается выполнить автоматический анализ капиллярных снимков.

4. Приводятся примеры фильтрации полос на капиллярных дефектоскопических изображениях. Применение разработанного алгоритма фильтрации позволяет отделить образы дефектов от фона.

ЗАКЛЮЧЕНИЕ

.

1. Осуществлен обзор и анализ систем и методов капиллярного контроля качества и методов выделения линейчатых образов. Показана необходимость разработки новых методов и алгоритмов анализа снимков с учетом линейчатой специфики дефектов в капиллярной дефектоскопии.

2. Разработаны:

— модель полосового образа, в которой полоса характеризуется профилем и рассматривается как область переменной ширины;

— метод и алгоритм воспроизведения полос, построенные на основе интегрального преобразования по сегменту полосы;

— алгоритм синтеза полосового образа, отличающийся варьированием кривизны и масштаба;

— алгоритмы оценки качества фильтрации, заключающиеся в корреляционном сравнении и сравнении по геометрическим характеристикам незашумленного и фильтрованного от шума изображенияметодика обработки дефектоскопических изображений, полученных капиллярным методом, основанная на использовании метода воспроизведения полос.

3. Произведено исследование разработанного алгоритма воспроизведения полос на тестовых и реальных изображениях. Исследования показали высокое качество фильтрации полос.

4. Построена методика обработки и анализа дефектоскопических снимков, полученных капиллярным методом. Используя построенную методику, удается выполнить автоматический анализ капиллярных снимков.

5. Результаты исследований внедрены на предприятие для использования в системе контроля качества трубной арматуры с целью автоматического вычисления параметров дефектов на снимках капиллярного контроля.

РАБОТЫ, ОПУБЛИКОВАННЫЕ ПО ТЕМЕ ДИССЕРТАЦИИ Публикации в изданиях по перечню ВАК.

1. Ермаков, A.A. Построение технологии воспроизведения полос заданного профиля на цифровых изображениях [Текст] / A.A. Ермаков, С. С. Садыков // Известия ОрелГТУ. Серия «Фундаментальные и прикладные проблемы техники и технологии: информационные системы и технологии». — 2008, № 1−2/269(544). С.77−83.

2. Орлов, A.A. Технология сравнения и идентификации растровых изображений линий [Текст] / A.A. Орлов, A.A. Ермаков // Программные продукты и системы. — 2008, № 1. С.68−70.

3. Орлов, A.A. Фильтрация полосовых образов прямоугольного профиля [Текст] / A.A. Орлов, A.A. Ермаков // Научно-технические ведомости СПбГПУ. Информатика. Телекоммуникации. Управление. -СПб.: СПбГПУ, 2008, № 3(60). С.52−56.

4. Садыков, С. С. Теория, алгоритмы и методика обработки линейчатых образов на дефектоскопических снимках [Текст] / С. С. Садыков, A.A. Орлов, A.A. Ермаков // Известия высших учебных заведений. Приборостроение. — 2009, № 2. С. 11−16.

Монография.

5. Ермаков, A.A. Методы и алгоритмы обработки и анализа дефектоскопических и металлографических снимков [Текст] / A.A. Ермаков, A.A. Орлов, С. С. Садыков, Д. Н. Стародубов. — Владимир: Изд-во Владим. гос. ун-та, 2008. — 112с.

Публикации в остальных изданиях.

6. Орлов, A.A. Выделение линейчатых образов в капиллярной дефектоскопии [Текст] / A.A. Орлов, A.A. Ермаков // Алгоритмы, методы и системы обработки данных: Сборник научных статей. — М.: ООО «Центр информационных технологий», 2007. С. 138−143.

7. Орлов, A.A. Фильтрация полосовых образов прямоугольного профиля [Текст] / A.A. Орлов, A.A. Ермаков // Управление созданием и развитием систем, сетей и устройств телекоммуникаций: Труды научно-практической конференции. — СПб.: СПбГПУ, 2008. С. 138−143.

8. Орлов, A.A. Применение интегральных преобразований по линиям в обработке изображений [Текст] / A.A. Орлов, С. С. Садыков, A.A. Ермаков // Распознавание — 2008: сб. материалов VIII Междунар. конференции. — Курск: Курск, гос. тех. ун-т., 2008, 4.2. С.36−37.

9. Орлов, A.A. Методика компьютерного анализа образов в капиллярной дефектоскопии [Текст] / A.A. Орлов, A.A. Ермаков // Современные проблемы науки: Сборник материалов 1-й международной научно-практической конференции. — Тамбов: Издательство: ТАМБОВПРИНТ, 2008. С.191−193.

Ю.Зацепин, Д. Б. Метод анализа рентгенографических снимков на наличие образов трещин сварного шва [Текст] / Д. Б. Зацепин, A.A. Ермаков // Труды международного симпозиума «Надежность и качество'2008». — Пенза: ПТУ, 2008. С.87−88.

П.Зацепин, Д. Б. Практическая адаптация интегральных преобразований двумерных сигналов по кривым в дефектоскопии [Текст] / Д. Б. Зацепин, A.A. Ермаков // Материалы всероссийской научной конференции студентов и аспирантов. — Вологда: ВоГТУ, 2008, Т.1. С.82−83.

12. Ермаков, A.A. Фильтрация полос на дефектоскопических изображениях [Текст] / A.A. Ермаков // Труды XIV Международной научно-практической конференции студентов, аспирантов и молодых ученых «Современные техника и технологии». — Томск: ИздательствоТПУ, 2008, Т.2. С.296−297.

13.Ермаков, A.A. Метод цифровой обработки дефектоскопических изображений [Текст] / A.A. Ермаков // Научные труды Международной молодежной научной конференции XXXIV «Гагаринские чтения». — М: МАТИ, 2008, Т.З. С. 198−200.

14. Ермаков, A.A. Анализ структуры дефектоскопических изображений [Текст] / A.A. Ермаков // Научные труды Международной молодежной научной конференции XXXIV «Гагаринские чтения». — М: МАТИ, 2008, Т.З. С.200−202.

15,Orlov, A.A. Processing the band images on the defectoscopic pictures [Текст] / A.A. Orlov, S.S. Sadykov, A.A. Ermakov // 9th International Conference «Pattern Recognition and Image Analysis: New Information Techologies» (PRIA-9−2008): Conference Proceedings. — Nizhny Novgorod: NNSU, 2008, V.2. P. 104−106.

16. Ермаков, A.A. Алгоритм выделение полос на растровых изображениях [Текст] / A.A. Ермаков // Materialy IV mezinarodnoni vedecko — prakticka konference «Veda a vznik — 2008/2009». — Praha: Publishing House «Education and Science» s.r.o., 2009. C.46−48.

17. Ермаков, A.A. Методика обработки снимков в капиллярном контроле качества [Текст] / A.A. Ермаков // Труды Всероссийской межвузовской научной конференции «Наука и образование в развитии промышленной, социальной и экономической сфер регионов России». -Муром: Изд-во пол. центр МИВлГУ, 2009, Т.1. С. 110.

18. Ермаков, A.A. Алгоритм обработки капиллярных снимков [Текст] / A.A. Ермаков // Materialy V Miedzynarodowej naukowi-praktycznej konferencji «Kluczowe aspekty naukowej dzialalnosci — 2009». — Przemysl: Nauka i studia, 2009. C. 11−13.

Показать весь текст

Список литературы

  1. , C.B. Обработка изображений: технология, методы, применение Текст. / C.B. Абламейко, Д. М. Лагуновский. Учебное пособие. Мн.: Амалфея, 2000 — 304 с.
  2. Автоматизация визуального технологического контроля в производствах на автоматических роторных линиях Текст.: Учебное пособие / П.А. Сорокин- Тул. гос. ун-т- Тула, 2001. 82 с.
  3. .В. Распознавание и цифровая обработка изображенийТекст.: Учеб. пособие / Б. В. Анисимов, В. Д. Курганов, В. К. Злобин, М.: Высш. шк., 1983. 295 с.
  4. , Д. Б. Визуализация дефектов, обнаруженных в сварных швах рельсов при ультразвуковом контроле Текст. / Д. Б. Бабиков, А. Г. Кириллов, С. Ю. Ксенофонтов, М. Б. Прудников, A.M. Рейман, A.B. Шишков Дефектоскопия, 1999, № 6, С. 93−97.
  5. , Ю.Л. и др. Автоматическое распознавание образов Текст./ Ю. Л. Барабаш Киев: Изд-во КВАИУ, 1963.
  6. , В. А. Развитие методов ультразвуковой дефектоскопии сварных соединении Текст. Дефектоскопия, 2003, № 1, С. 28 — 55.
  7. , В.Н. Алгоритмы обработки двумерных изображений Текст. -М., 1986.
  8. , И.П. Дефектоскопия материалов и изделий Текст. / И. П. Белокур, В. А. Коваленко К.: Тэхника, 1989. — 192с.
  9. , A.B. Выделение отрезков на изображении в задаче ориентации по визуальной информации Текст. // Вестник МГТУ. Приборостроение, № 3(48), 2002.
  10. , Ю.А. Промышленные роботы в технологии современного машиностроительного производства Текст. / Ю. А. Бочаров, A.C. Ющенко // Средства и системы очувствления промышленных роботов. — С.: НИИМаш, 1984. С. 30 35.
  11. , Е.А. Обработка изображений на ЭВМ Текст. / Е. А. Бутаков, В. И. Островский, И. Л. Фадеев. М.: Радио и связь, 1987. — 240 с.
  12. Быстрые алгоритмы в цифровой обработки изображений Текст. / Под ред. Т. С. Хуанга: Пер. с англ. М.: Радио и связь, 1984. — 224 с.
  13. , С. Введение в распознавание образов // Монитор N8, 1994. С.22−25.
  14. , Н.В. Разработка и исследование многомасштабных алгоритмов обработки и анализа изображений в производственных системах контроля качества Текст. Автореф. канд. техн. наук. -Владимир, ВлГУ, 2005. 18 с.
  15. ГОСТ 16 504–81 Система государственных испытаний продукции. Испытания и контроль качества продукции. Основные термины и определения
  16. ГОСТ 18 353–79 Контроль неразрушающий. Классификация видов и методов
  17. ГОСТ 20 415–82 Контроль неразрушающий. Методы акустические. Общие положения
  18. ГОСТ 20 426–82 Контроль неразрушающий. Методы дефектоскопии радиационные. Область применения
  19. ГОСТ 21 105–87 Контроль неразрушающий. Магнитопорошковый метод
  20. ГОСТ 23 055–78 Классификация сварных соединений по результатам радиографического контроля.
  21. ГОСТ 23 479–79 Контроль неразрушающий. Методы оптического вида. Общие требования
  22. ГОСТ 23 480–79 Контроль неразрушающий. Методы радиоволнового вида. Общие требования
  23. ГОСТ 23 483–79 Контроль неразрушающий. Методы теплового вида. Общие требования
  24. ГОСТ 23 829–85 Контроль неразрушающий акустический. Термины и определения
  25. ГОСТ 24 034–80' Контроль неразрушающнй радиационный. Термины и определения
  26. ГОСТ 24 289–80 Контроль неразрушающий вихретоковый. Термины и определения
  27. ГОСТ 24 450–80 Контроль неразрушающий магнитный. Термины и определения
  28. ГОСТ 24 521–80 Контроль неразрушающий оптический. Термины и определения
  29. ГОСТ 25 225–82 Контроль неразрушающий. Швы сварных соединений трубопроводов. Магнитографический метод.
  30. ГОСТ 25 313–82 Контроль неразрушающий радиоволновой. Термины и определения
  31. ГОСТ 25 314–82 Контроль неразрушающий тепловой. Термины и определения
  32. ГОСТ 25 315–82 Контроль неразрушающий электрический. Термины и определения
  33. ГОСТ 25 714–83 Контроль неразрушающий. Акустический звуковой метод определения открытой пористости, кажущейся плотности, плотности и предела прочности при сжатии огнеупорных изделий
  34. ГОСТ 26 170–84 Контроль неразрушающий. Приборы радиоволновые. Общие технические требования
  35. ГОСТ 7512–82 Контроль неразрушающий. Соединения сварные. Радиографический контроль.
  36. ГОСТ 18 442 — 80. Контроль неразрушающий. Капиллярные методы контроля. — 7с.
  37. , В.Л. Системы распознавания автоматизированных производств Текст. / В. Л. Генкин, И. Л. Ерош, Э. С. Москалев. — Л.: Машиностроение, Ленинградское отделение, 1988. — 246 с.
  38. , Ю.Л. Особенности аттестации контрольных образцов для капиллярной дефектоскопии Текст. // Дефектоскопия, 2004, № 9, с. 74−84.
  39. Гмурман, В. Е. Теория вероятностей и-математическая статистика
  40. Текст. Учеб. пособие для вузов. Изд. 7-е, стер. М.: Высш. Школа, 1999. — 479 с.
  41. , Н.Д. Восприятие двухмерных изображений Текст. // Искусственный интеллект. — В 3-х кн. Кн. 2. Модели и методы: Справочник / Под ред. Д. А. Поспелова. М.: Радио и связь, 1990. — С. 196 -201.
  42. , И.М. Об одном методе получения контуров изображений Текст. // Известия РАН. Теория и системы управления. М. 1998. № 3. С. 97−104.
  43. , И.С. Цифровая обработка изображений в информационных системах Текст. / И. С. Грузман, B.C. Киричук и др. Учебное пособие. Новосибирск: НГТУ, 2000. 160 с.
  44. А.П. Металловедение Текст. Учебник для вузов. 6-е изд., перераб. и доп. М.: Металлургия, 1986. 544 с.
  45. , C.B. Методы цифровой обработки изображений Текст. /
  46. C.B. Дегтярев, A.A. Орлов, С. С. Садыков и др. Учебное пособие. Курск:
  47. Курск, гос. тех. ун-т., 2004, Ч.З. 216 с.
  48. , C.B. Методы цифровой обработки изображений Текст. / C.B. Дегтярев, С. С. Садыков, С. С. Тевс, Т. А. Ширабакина: учеб. Пос. Ч. 1. -Курск: Курск, гос. техн. ун-т, 2001 — 167 с.
  49. Дистанционно-управляемые роботы и манипуляторы Текст. / Под ред. B.C. Кулешова и H.A. Лаготы. М.: Машиностроение, 1986. — 362 с.
  50. , A.A. Анализ структуры дефектоскопических изображений Текст. / A.A. Ермаков // Научные труды Международной молодежной научной конференции XXXIV «Гагаринские чтения». М: МАТИ, 2008, Т.З. С.200−202.
  51. , A.A. Метод цифровой обработки дефектоскопических изображений Текст. / A.A. Ермаков // Научные труды Международной молодежной научной конференции XXXIV «Гагаринские чтения». М: МАТИ, 2008, Т.З. С. 198−200.
  52. , A.A. Методы и алгоритмы обработки и анализа дефектоскопических и металлографических снимков Текст. / A.A. Ермаков, A.A. Орлов, С. С. Садыков, Д. Н. Стародубов. Владимир: Изд-во В ладим, гос. ун-та, 2008. — 112с.
  53. , A.JI. Вейвлет-преобразования в обработке и анализе изображений Текст. // A.JI. Жизняков, Н. В. Вакунов. М.: Гос. научн. центр РФ — ВНИИ геосистем, 2004. — 102 с.
  54. , Ю.И. Избранные научные труды Текст. / Ю. И. Журавлев М.: Магистр, 1998 416 с.
  55. , Н.Г. Методы распознавания и их применение Текст. -М.: «Советское радио», 1972. 208 с.
  56. , Д.Б. Метод анализа рентгенографических снимков на наличие образов трещин сварного шва Текст. / Д. Б. Зацепин, A.A. Ермаков // Труды международного симпозиума «Надежность и качество'2008». Пенза: ПТУ, 2008. С.87−88.
  57. , Д.Б. Практическая адаптация интегральных преобразований двумерных сигналов по кривым в дефектоскопии Текст. / Д. Б. Зацепин, A.A. Ермаков // Материалы всероссийской научной конференции студентов и аспирантов. Вологда: ВоГТУ, 2008, Т.1. С.82−83.
  58. , Д. Эффективный алгоритм построения остова растровогоизображения Текст. / Д. Иванов, Е. Кузьмин // Труды межд. конф. «Графикон-98″, М., 1998. С. 65 685 8. Иконика. М.: Наука, 1968 — 116 с.
  59. , Е.Е. Методы и- алгоритмы реставрации изображений архивных текстовых документов Текст. / Е. Е. Канунова, A.A. Орлов, С. С. Садыков М.: Мир, 2006. 134с.
  60. Комплекс автоматизированных систем технического контроля Текст. / ЗАО НИИИН МНПО Спектр. 2006. 131 с.
  61. Компьютерное зрение Текст. / JI. Шапиро, Дж. Стокман- Пер. с англ. М.: БИНОМ. Лаборатория знаний, 2006. — 752 с.
  62. , A.M. Корреляционные зрительные системы роботов Текст. / A.M. Кориков, В. И. Сверямкин, B.C. Титов- Под ред. A.M. Корикова. — Томск: Радио и связь, Томское отделение, 1990 264 с.
  63. Краткое описание рентгеновского дефектоскопа серии АРИНА Текст. / ООО Спектрофлэш, Неразрушающий контроль. 2007. 27 с.
  64. Краткое описание системы- для рентгенографического анализа сварных швов Текст. / Уралмаш-завод. 2006 96 с.
  65. , Е.Ф. Ультразвуковая дефектоскопия в энергомашиностроении Текст. Санкт-Петербург: „Радиоавионика“, 1995 — 195с.
  66. , В.Г. Теория и применение преобразования Хо Текст. В. Г. Лабунец, С. Д. Чернина Зарубежная радиоэлектроника, № 10, 1987, С. 48−56.
  67. , Ю.В. По страницам иностранных журналов Текст. // Контроль, диагностика за рубежом, № 7, 2004, с. 18−20.
  68. Лбов, Г. С. Выбор эффективной системы зависимых признаков
  69. Текст. // Труды Сиб. отд. АН СССР: Вычислительные системы. -Новосибирск, 1965, вып. 19.
  70. Методы и алгоритмы цифровой обработки изображений Текст./ Под ред. С. С. Садыкова. Ташкент- УзНПО „Кибарнетика“ АН РУз, 1992. -296 с.
  71. Методы компьютерной обработки изображений Текст./ Под ред. В. А. Сойфера. 2-е изд., испр. — М.: ФИЗМАТЛИТ, 2003. — 784 с.
  72. Методы структурного анализа материалов и контроля качества деталей Текст.: Учеб. пособие / В. А. Батаев, A.A. Батаев, А. П. Алхимов: -2-е изд. М.: Флинта, 2007 — 224 с.
  73. , Н.П. О некоторых возможностях повышения эффективности капиллярного контроля Текст. / Н. П. Мигун, А. Б. Гнусин, И. В. Волович Дефектоскопия, 2005, № 7, С. 55 — 60.
  74. Неразрушающий контроль и диагностика Текст.: Справочник / В. В. Клюев, Ф. Р. Соснин, В. Н. Филинов и др. Под ред. В. В. Клюева. М.: Машиностроение, 1995. — 488 с.
  75. Неразрушающий контроль металлов и изделий Текст. Справочник. Под ред. Г. С. Самойловича. М., Машиностроение, 1976 -456с.
  76. Неразрушающий контроль Текст.: Справочник: В 8 т. / Под общ. ред. В. В. Клюева. Т. 1: В 2 кн. Кн. 1. Ф. Р. Соснин. Визуальный и измерительный контроль. Кн. 2. Ф. Р. Соснин. Радиационный контроль. — 2-е изд., испр. М.: Машиностроение, 2006 — 560 с.
  77. Неразрушающий контроль Текст.: Справочник: В 8 т. / Под общ. ред. В. В. Клюева. Т. 4: В 3 кн. Кн. 1: В. А. Анисимов, Б. И. Каторгин, А.Н.• „119
  78. Куценко и др. Акустическая тензометрия. Кн. ' 2: Г. С. Шелихов. Магнитопорошковый метод контроля. Кн. 3: MB. Филинов. Капиллярный- контроль. — 2-е изд., испр. —М.: Машиностроение, 2006.:-736 с.
  79. , A.A. Выделение полосовых образов заданного профиля на цифровых изображениях Текст. // IX международная конференция
  80. Интеллектуальные системы и компьютерные науки“, Москва,.2006.» *
  81. , A.A. Квантование мод гистограмм полутоновых изображений Текст. // Научные труды муромских ученых. Материалы.35-й научно-технической конференции преподавателей, сотрудников и аспирантов по итогам работы за 1999 год. Муром 2001. С.46−47.
  82. , A.A. Выделение линейчатых образов в капиллярной, дефектоскопии Текст. / A.A. Орлов, A.A. Ермаков // Алгоритмы, методы и системы обработки данных: Сборник научных статей. М-: ООО «Центр информационных технологий», 2007. С.138−143.
  83. , A.A. Технология сравнения и идентификации растровых изображений линий Текст. / A.A. Орлов,. А. А. Ермаков // Программные продукты и системы. 2008, № 1. С.68−70.
  84. A.A., Ермаков A.A. Фильтрация полосовых образов прямоугольного профиля // Научно-технические ведомости СПбГПУ. Информатика. Телекоммуникации. Управление. СПб.: СПбГПУ, 2008, № 3(60). С.52−56.
  85. , A.A. Фильтрация полосовых образов прямоугольного профиля Текст. / A.A. Орлов, A.A. Ермаков // Научно-технические ведомости СПбГПУ. Информатика. Телекоммуникации. Управление. -СПб.: СПбГПУ, 2008, № 3(60). С.52−56.
  86. , Т. Алгоритмы машинной графики и обработки изображений Текст.: Пер. с англ. -М.: Радио и связь, 1986 — 400 с.
  87. , А.Н. Системы технического зрения (принципиальные основы, аппаратное и математическое обеспечение) / Под общ. ред. А. Н. Писаревского, А. Ф. Чернявского. JL: Машиностроение. Ленинградское отделение, 1988.— 424 с.
  88. , П.П. Введение в капиллярную дефектоскопию Текст. / П. П. Прохоренко, Н. П. Мигун. Под ред. А. С. Боровикова. Мн.:
  89. Наука и техника, 1988. 207 с.
  90. , У. Цифровая обработка изображений Текст. М.: Мир, 1982, т. 1,2.
  91. , Е.П. Обработка изображений в робототехнике Текст. / Е. П. Путятин, C.B. Аверин. М.: Машиностроение, 1990. — 320 с.
  92. , А. Распознавание и обработка изображений с помощью вычислительных машин Текст.: Пер. с англ. М.: Мир, 1972. -232 с.
  93. СТБ 1172−99 Контроль неразрушающий Текст. Контроль проникающими веществами (капиллярный). Общие положения
  94. , С.С. Цифровая обработка и анализ изображений Текст. Ташкент: НПО «Кибернетика» АН РУз, 1994. — 193 с.
  95. , С.С. Методы выделения структурных признаков изображений Текст. / С. С. Садыков, В. Н. Кан, И. П. Самандаров -Ташкент: Фан, 1990. 104. с.
  96. , A.M. Метод сегментации изображений контролируемой поверхности при автоматической регистрации результатов капиллярного контроля Текст. Дефектоскопия, 2001, № 1, С. 35 — 41.
  97. , О.И. Методы обработки и формирования растровых изображений Текст. / О. И. Семенков, C.B. Абламейко, В. В. Старовойдов, В. Н. Берейтик Минск: Ин-т технической кибернетики АН БСср, 1986. -98 с.
  98. Системы технического зрения Текст. / А. Н. Писаревский и др. — JI: Машиностроение. Ленинград. Отд-ние, 1988. 424 с.
  99. , В.А. Компьютерная обработка изображений, 4.1 // Соровский образовательный журнал, № 2, 1996, с. 118−124.
  100. Справочное руководство Текст., ЗАО Спектр КСК, Комплексные системы контроля. 2005. 125 с.
  101. , Л.К. Промышленная гамма-дефектоскопия Текст. / Л. К. Таточенко, C.B. Медведев М., 1955 — 199с.
  102. Теория оптимальных систем оптической дефектоскопииповерхности Текст.: Учебной пособие / П. А. Сорокин- Ту л. гос. ун-т- Тула, 2001 100 с.
  103. Техническое зрение роботов Текст. / В. И. Мошкин, А. А. Петров, B.C. Титов, Ю.Г. Якушенков- Под общ. ред. Ю. Г. Якушенкова. М.: Машиностроение, 1990. — 272 с.
  104. Техническое зрение роботов Текст. / Под ред. А. Пью- пер. с англ. Д.Ф. Миронова- Под ред. Г. П. Катыса. М.: Машиностроение, 1987. — 320 с.
  105. , А.К., Рентгенодефектоскопия Текст., М., 1948 -157с. '
  106. Фу, К. Робототехника Текст. / К. Фу, Р. Гонсалес, К. Ли: Пер. с англ. М.: Мир, 1989. — 624 с.
  107. , Б.Р. Цифровая обработка изображений Текст. / Применение цифровой обработки сигналов. / Пер. с англ. М.: Мир, 1980
  108. Хорн, Б.К. П. Зрение роботов Текст.: Пер. с англ. -М.: Мир, 1989. -487 с.
  109. , А.Л. Анализ обработки изображений: принципы и алгоритмы Текст., 1995. 75 с.
  110. , Л.П. Введение в цифровую обработку изображений Текст. -М.: Наука, 1988
  111. ASTM D4788−03 Standard Test Method for Detecting Delaminations in Bridge Decks Using Infrared Thermography // American Society of Testing and Materials, 2003.
  112. Adams, J. Investigation of Construction Related Asphalt Concrete Pavement Temperature Differentials / J. Adams, R. Mulvaney, B. Reprovich, B. // Worel Report submitted to Minnesota Department of Transportation, October 2001.
  113. Atiquzzaman, M. Complete line segment description using the Hough Transform / M. Atiquzzaman, M.W. Akhtar // Image and Vision Computing 12(5), pp. 267−273, 1994. •
  114. Bishop, C.M. Neural Networks for Pattern Recognition. New York, Oxford University Press, 1995.
  115. Boerner, H. Automated x-ray inspection of aluminium castings / H. Boerner, H. Strecker // IEEE Trans on Pattern Anal & Machine Intelligence, PAMI-lO (l), 1988, pp. 79−91.
  116. Bow, S.T. Pattern Recognition and Image Preprocessing // Marcel Dekker, Inc., New York, NY, 1992.
  117. Canny, J. A. Computational Approach To Edge Detection // IEEE Trans. Pattern Analysis and Machine Intelligence. 1986. V. 8(6). pp. 679−714.
  118. Carrasco, M. Segmentation of welding defects using digital imageprocessing techniques // Master of Science Thesis, Departamento de Ingenieria Informatica, Universidad de Santiago de Chile, Abril, 2004.
  119. Carrasco, M. Segmentation of welding defects using a robust algorithm // M. Carrasco, D. Mery.
  120. Castle, D.A. Physical Methods for Examining and ComparingTransparent Plastic Bags and Cling Films / D.A. Castle, B. Gibbins, P. S. Hamer // Journal of Forensic Science Society 34, 1994, pp. 61−68.
  121. Demandt, K. Real-time x-ray system with fully automated defect detection and quality classification / K. Demandt, L.K. Hansen // X-ray Real Time Radiography and Image Processing, Proc. of Symposium, Newbury, Berkshire, 1988, pp. 96−119.
  122. Dongping, Zhu. CT Image Sequence Processing For Wood Defect Recognition / Zhu Dongping, Conners Richard, Araman Phil // Ehe twenty-third southeastern symposium on system theory, March 10−12, 1991. pp.75−78.
  123. Gayer, A. Automatic recognition of welding defects in real time radiography / A. Gayer, A. Sayer, A. Shiloh // NDT International, vol. 23(3), 1990, pp. 131−136.
  124. Gonzalez, R.C. Digital Image Processing / R.C. Gonzalez, R.E. Woods, USA, Addison-Wesley Publishing Company, 1992.
  125. Grman, J. Use of Optical Visualization Method for Evaluation of Transparent Polymeric Foils / J. Grman, R. Ravas, L. Syrova // In: 11th1. ternational DAAAM Symposium «Intelligent Manufacturing&Automation», Opatija, Croatia 2000, pp. 167−168.
  126. Builtjes, J.H. Automatic evaluation of weld radiographs by digital image processing / J.H. Builtjes, P. Rose, W. Daum // X-ray Real Time Radiography and Image Processing, Proc. of Symposium, ed- by R. Halmshaw, Newbury, Berkshire, 1988, pp 63−72.
  127. Haralick, R.M. Computer and Robot Vision / R.M. Haralick, L.G. Shapiro .-USA, Addison-Wesley Publishing Company, 1992.
  128. , J. R. 1996. Introductory Digital Image Processing: A remote sensing perspective, 2nd Edition. NJ: Prentice-Hall.
  129. Kato, Y. Development of an Automatic Weld Defect Identification System for Radiographic Testing / Y. Kato, T. Okumura, S. Matsui et al. Welding in the Word, v. 30, n. 78, 1992. p. 182−188.
  130. Klyuev, V. V. Development of nondestructive testing and technicaldiagnostics is a basis of.safety. Trends in NDE Science & Technology-lli • Proceeding of the 14 World Conference on Non-Destructive Testing. New
  131. Delhi, 8 13 December 1996, v. 1, P. 109- 112.
  132. Lawson, S. Intelligent segmentation of industrial radiographic images using neural networks / S. Lawson, G.A. Parker // In Machine Vision Applications and Systems Integration III, Proc. of SPIE, volume 2347, pages 245−255, November 1994.
  133. Liao, T.W. Weld defect detection based on Gaussian Curve /T.W,. Liao, Y. M. Li // Proceedings of the 28th Southeastern Symposium on System Theory (SSST'96)
  134. Liao, T. W An Automated Radiographic NDT System for Weld Inspection / T. W, Liao, Y. M. Li // Part II Flaw detection. NDT&E International, 31(3):183−192., 1998.
  135. Liao, T.W. Classification of welding flaw types with fuzzy expert systems // Expert Systems with Applications 25, 101−111, 2003.
  136. Liao, T.W. Automated Extraction of Welds from Digitized Radiographic Images Based on MLP Neural Networks / T.W. Liao, K. Tang //
  137. Applied Artificial Intelligence, v. 11, p. 197−218, 1997.
  138. Lindeberg, T. Edge detection and ridge detection with automatic scale selection // International Journal of Computer Vision. 1998. V. 2. pp. 117−154.
  139. Mathworks. Image Processing Toolbox for Use with MATLAB: Users Guide // The MathWorks Inc., Enero 2003.
  140. Mathworks. Image Processing Toolbox for Use with MATLAB: Users Guide // The MathWorks Inc., Enero 2003.
  141. Mery, D. Automated Flaw Detection in Aluminum Castings Based on the Tracking of Potential Defects in a Radioscopic Image Sequence / D. Mery, D. Filbert. // IEEE Transactions on Robotics and Automation, 18(6): 890−901, 2002. ISSN 1042−296X.
  142. Mery, D. Processing Digital X-ray Images and Its Applications in the Automated Visual Inspection of Aluminum Casting // 3rd Pan American Conference for Nondestructive Testing PANNDT, Rio de Janeiro RJ, June 2003.
  143. Mery, D. Automatic Detection of Welding Defects using Texture Features / D. Mery, M.A. Berti // Insight, 45(10):676−681, 2003.
  144. Nacereddine, N. Automated method implementation for detection and classification of weld defects in industrial radiography // M.S. thesis, Dept. Automation, Boumerdes Univ., Algeria, 2004.
  145. Nacereddine, N. Preliminary classification of weld defects in radiograms based neural networks. IASTED International Conference, Las Vegas, Nevada, USA, 28−31 Octobre. 1998.
  146. Nacereddine, N. Artificial Neural Network and its configuration for weld defect edge detection in X-ray images / N. Nacereddine, R. Drai, B. Heriouk // IASTED International Conference, Las Vegas, Nevada, USA, 28−31 Octobre. 1998.
  147. Nacereddine, N. Automated method implementation for detection andclassification of weld defects in industrial radiography / N. Nacereddine, M. Zelmat. // M.S. thesis, Dept. Automation, Boumerdes Univ., Algeria, 2004.
  148. Newman, T.S. A Survey of Automated Visual Ispetion. Computer Vision and Image Understanding, 1995, 61, N 2, p. 231—262.
  149. Nintzan, D. Use of sensors in robot systems / D. Nintzan, C. Barroit, P. Cheeseman // Proc. of 83 Intern. Conf. on advensed Robotics, Tokio, 12−13 September 1983. Tokiyo: Jap., Ind. Robot. Assoc., 1983 P. 123−132.
  150. Normalized Guts and Image Segmentation Shi J., Malik J., University of California at Berkeley, 1997.
  151. Ohlander, R. Picture segmentation using a recursive region splitting method. Comput. Graphics and Image Proc., v.8:313−333.
  152. Otsu, N. A Threshold Selection Method from Gray-Level Histograms. IEEE Trans, on Systems, Man, and Cybern, Vol. SMC-9, 1979, pp. 62−66.
  153. Padua, G. X. Classification of welding defects in radiographs using traversal profiles to the weld seam / G. X. Padua, R. R. Silva, M. H. S. Siqueira, J. M. A. Rebello, L. P. Caloba
  154. Padua, G.X. Detection of Welding Defects on Radiographic Patterns Using Artificial Neural Networks // 3 PANNDT. June 2003. Rio de Janeiro.1. Brazil.
  155. Pal, N.R. A Review on Image Segmentation Techniques / N.R. Pal, S.K. Pal // Pattern Recognition, Vol. 26, No 9, 1993.
  156. Pao, D. Shapes recognition using the straight line Hough Transform: Theory and Generalization / D. Pao, H. Li, R. Jayakumar // Pattern Anal. Mach. Intell., Vol.14, NO. 11, 1992.
  157. Schmidt, J. T. A New Method for Measuring Fluorescent Brightness and Color. Material Evaluation, 1966, 24, N12, p. 697−702.
  158. Schwartz, Ch. Automatic Evaluation of Welded Joints Using Image Processing on Radiographs // Conference Proceedings American Institute of Physics, vol. 657(1), March 2003. pp. 689−694.
  159. Shafeek, H.I. Assessment of Welding Defects for Gas Pipeline Radiographs Using Computer Vision / H.I. Shafeek, E. Gadelmawla, A. A Abdel-Shafy, I.M. Elewa // NDT&E International, 2004.
  160. Shafeek, H.I. Automatic Inspection of Gas Pipeline Welding Defects Using an Expert System / H.I. Shafeek, E. Gadelmawla, A.A. Abdel-Shafy, I.M. Elewa // NDT&E International, 2004.
  161. Shi, J. Normalized cuts and image segmentation / J. Shi, J. Malik // IEEE Conf. Comput. Vision and Pattern Recog., 1997. 731 737.
  162. Silva, R.R. Radiographic pattern recognition of welding defects using linear classifier / R.R. Silva, M.H.S. Siqueira, L.P. Caloba, J.M.A. Rebello // Insight, Journal of the British Institute of Non-destructive Testing, 2001.
  163. Silva, R.R. Patterns Nonlinear Classifiers of Weld Defects in Industrial Radiographs. 3 PANNDT. June 2003. Rio de Janeiro. Brazil.
  164. Silva, R.R. Radiographic Image Processing and Analysis of Defects in Weld Bead. Master’s Degree // PEMM/COPPE/UFRJ. RJ, Brazil, 1999.
  165. Silva, R.R. Pattern Recognition of Weld Defects Detected by Radiographic Test / R.R. Silva, L.P. Caloba, M.H.S Siqueira.H.S, J.M.A. Rebello // NDT&E International, 2004.
  166. Silva, R.R. Evaluation of the Relevant Characteristic Parameters of Welding Defects and Probability of Correct Classification Using Linear
  167. Classifiers/ R.R. Silva, L.P. Caloba, M.H.S. Siqueira et al. // Insight, v. 44, n. 10, Outubro, 2002.
  168. Simoncelli, E.P. Steerable Wedge Filters for Local Orientation Analysis / E.P. Simoncelli, H. Farid // IEEE Transactions on Image Processing. 1996. V. 5(9) pp. 1377−1382.
  169. Stroup-Gardiner, M. Identifying Segregation in Hot Mix Asphalt Pavements Using Rolling Nuclear Gage Measurements and Infrared Imaging. ASTM Journal of Testing and Evaluation. Volume 28, No. 2, 2000, pages 121 130.
  170. Syrova, L. Optical Methods for Examining and Comparing Optically Transparent Polymeric Foils // Journal of Electrical Engineering, 51, 2000, pp. 133−137.
  171. Syrova, L. Use of Statistical Approach for Classification of Visualized Transparent Polymeric Foils / L. Syrova, R. Ravas, J. Grman // In: Proc. of the 2 DAAAM Workshop «Intelligent Manufacturing Systems», Kosice, 2000, pp. 69−70.
  172. Tarek, A. Asphalt Crack Detection Using Thermography / A. Tarek Monem, A. Amr, H. Oloufa // InfraMation 2005 Proceedings. ITC 108 A 200 506−01
  173. The, C.H. On image analysis by the methods of moments / C.H.Teh. R.T. Chin // IEEE Trans. Pattern. Anal. Machine Intell., vol. 10, 1988. pp. 496 512.
  174. Wang, G. Automatic Identification of different types of welding defects in radiographic images / G. Wang, W. Liao // NDT&E International, 2002.
  175. Использование результатов диссертационной работы Ермакова A.A. позволило повысить точность контроля качества и уменьшить время проведения такого процесса.
  176. Разработанные на основе научных результатов программные продукты используются в системе проверки качества деталей и изделий.1. Начальник ЦЗЛ
  177. ОАО «П0-Муроммашзавод» Коробкова Н. П. «гу» об 2008 г.
  178. Заведующий кафедрой «Информационные системы» Муромского института (филиала)1Ндриаиов Д.Е. «¿-Ь^ о» 2008 г. Аспирант кафедры «Информационные системы» Муромского института (филиала)
  179. A.A. «т> об 2008г.
Заполнить форму текущей работой

Сессия? Спокойно!