CN111539954A - 采用x射线数字影像特征识别电缆缓冲层缺陷的方法、***及介质 - Google Patents
采用x射线数字影像特征识别电缆缓冲层缺陷的方法、***及介质 Download PDFInfo
- Publication number
- CN111539954A CN111539954A CN202010448824.0A CN202010448824A CN111539954A CN 111539954 A CN111539954 A CN 111539954A CN 202010448824 A CN202010448824 A CN 202010448824A CN 111539954 A CN111539954 A CN 111539954A
- Authority
- CN
- China
- Prior art keywords
- digital image
- ray digital
- buffer layer
- gray
- cable
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000007547 defect Effects 0.000 title claims abstract description 88
- 239000000872 buffer Substances 0.000 title claims abstract description 83
- 238000000034 method Methods 0.000 title claims abstract description 39
- 239000011159 matrix material Substances 0.000 claims description 42
- 230000000877 morphologic effect Effects 0.000 claims description 19
- 125000004122 cyclic group Chemical group 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 13
- 230000000739 chaotic effect Effects 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 11
- 238000005259 measurement Methods 0.000 claims description 10
- 239000000463 material Substances 0.000 claims description 8
- 230000009466 transformation Effects 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000012512 characterization method Methods 0.000 claims description 3
- 230000006835 compression Effects 0.000 claims description 3
- 238000007906 compression Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 239000000843 powder Substances 0.000 abstract description 17
- 239000000126 substance Substances 0.000 abstract description 11
- 238000001514 detection method Methods 0.000 abstract description 6
- 238000004458 analytical method Methods 0.000 abstract description 4
- 238000012423 maintenance Methods 0.000 abstract description 3
- CDBYLPFSWZWCQE-UHFFFAOYSA-L Sodium Carbonate Chemical compound [Na+].[Na+].[O-]C([O-])=O CDBYLPFSWZWCQE-UHFFFAOYSA-L 0.000 description 10
- UIIMBOGNXHQVGW-UHFFFAOYSA-M Sodium bicarbonate Chemical compound [Na+].OC([O-])=O UIIMBOGNXHQVGW-UHFFFAOYSA-M 0.000 description 10
- 239000011734 sodium Substances 0.000 description 10
- 238000010521 absorption reaction Methods 0.000 description 7
- 229910052782 aluminium Inorganic materials 0.000 description 7
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 7
- PNEYBMLMFCGWSK-UHFFFAOYSA-N aluminium oxide Inorganic materials [O-2].[O-2].[O-2].[Al+3].[Al+3] PNEYBMLMFCGWSK-UHFFFAOYSA-N 0.000 description 7
- 238000009413 insulation Methods 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000002679 ablation Methods 0.000 description 5
- 229910000030 sodium bicarbonate Inorganic materials 0.000 description 5
- 229910000029 sodium carbonate Inorganic materials 0.000 description 5
- 229910052593 corundum Inorganic materials 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 150000002500 ions Chemical class 0.000 description 4
- 229910052708 sodium Inorganic materials 0.000 description 4
- 235000017557 sodium bicarbonate Nutrition 0.000 description 4
- 229910001845 yogo sapphire Inorganic materials 0.000 description 4
- BVKZGUZCCUSVTD-UHFFFAOYSA-M Bicarbonate Chemical compound OC([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-M 0.000 description 3
- DGAQECJNVWCQMB-PUAWFVPOSA-M Ilexoside XXIX Chemical compound C[C@@H]1CC[C@@]2(CC[C@@]3(C(=CC[C@H]4[C@]3(CC[C@@H]5[C@@]4(CC[C@@H](C5(C)C)OS(=O)(=O)[O-])C)C)[C@@H]2[C@]1(C)O)C)C(=O)O[C@H]6[C@@H]([C@H]([C@@H]([C@H](O6)CO)O)O)O.[Na+] DGAQECJNVWCQMB-PUAWFVPOSA-M 0.000 description 3
- WNROFYMDJYEPJX-UHFFFAOYSA-K aluminium hydroxide Chemical compound [OH-].[OH-].[OH-].[Al+3] WNROFYMDJYEPJX-UHFFFAOYSA-K 0.000 description 3
- 239000004020 conductor Substances 0.000 description 3
- 239000013078 crystal Substances 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000006056 electrooxidation reaction Methods 0.000 description 2
- XLYOFNOQVPJJNP-ZSJDYOACSA-N heavy water Substances [2H]O[2H] XLYOFNOQVPJJNP-ZSJDYOACSA-N 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- TWNQGVIAIRXVLR-UHFFFAOYSA-N oxo(oxoalumanyloxy)alumane Chemical compound O=[Al]O[Al]=O TWNQGVIAIRXVLR-UHFFFAOYSA-N 0.000 description 2
- 230000003449 preventive effect Effects 0.000 description 2
- 229910001415 sodium ion Inorganic materials 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 241000879835 Panopea Species 0.000 description 1
- KEAYESYHFKHZAL-UHFFFAOYSA-N Sodium Chemical compound [Na] KEAYESYHFKHZAL-UHFFFAOYSA-N 0.000 description 1
- 229910021502 aluminium hydroxide Inorganic materials 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000004132 cross linking Methods 0.000 description 1
- 229920003020 cross-linked polyethylene Polymers 0.000 description 1
- 239000004703 cross-linked polyethylene Substances 0.000 description 1
- 238000002224 dissection Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 229910001679 gibbsite Inorganic materials 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 229920001495 poly(sodium acrylate) polymer Polymers 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- NNMHYFLPFNGQFZ-UHFFFAOYSA-M sodium polyacrylate Chemical compound [Na+].[O-]C(=O)C=C NNMHYFLPFNGQFZ-UHFFFAOYSA-M 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10116—X-ray image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明公开了一种采用X射线数字影像特征识别电缆缓冲层缺陷的方法、***及介质，本发明方法包括输入电缆的X射线数字影像，进行预处理，找出电缆缓冲层区域中灰度值和电缆缓冲层区域中其他位置的灰度值差异超过预设阈值的显著灰度差异点，将显著灰度差异点的形态特征与缺陷库中预设的形态特征图谱进行对比判断该显著灰度差异点是否为缺陷点。本发明在对电缆缓冲层缺陷处的白色粉末物质进行了理化分析的基础上，针对电缆缓冲层缺陷(白色粉末物质)的特殊性，采用X射线数字影像特征来进行特征识别，能够实现对电缆X射线数字影像中阻水缓冲层缺陷的精准识别，为电缆缺陷的检测和定位提供技术支撑，极大提升电缆的安全运维水平。
Description
技术领域
本发明涉及电缆缓冲层缺陷检测技术，具体涉及一种采用X射线数字影像特征识别电缆缓冲层缺陷的方法、***及介质。
背景技术
电缆缓冲层缺陷是近几年发现的一种新型电缆缺陷。国网公司2019年就高压电缆阻水缓冲层烧蚀原因及预防措施召开了专题研讨，会议纪要通报了2016年至2019年国网公司范围内共发生电缆阻水缓冲层烧蚀故障24次，其中线路切接时发现电缆阻水缓冲层烧蚀缺陷9次。另据公开资料，南方电网公司在2018年关于高压电缆缓冲层材料隐患交流材料中披露了广东电网和澳门琴莲甲乙线(澳电段)多次出现电缆阻水缓冲层烧蚀缺陷，澳大利亚某230kV电缆先后发出3次同类型缺陷。
电缆缓冲层缺陷是在电缆铝护套和半导电缓冲层之间产生的一种电化学腐蚀，在长时间的运行电压作用下，缓冲层缺陷会逐渐发展、烧蚀、贯穿电缆半导电层，严重的直接损伤电缆主绝缘，最终导致电缆主绝缘击穿，从而发生击穿放电故障。从国网公司关于高压电缆阻水缓冲层烧蚀原因及预防措施专题研讨会纪要的通报和南网公司交流材料讨论的情况来看，现有常用高压电缆带电检测和在线监测手段难以有效检测此类缺陷。
发明内容
本发明要解决的技术问题：针对现有技术的上述问题，提供一种采用X射线数字影像特征识别电缆缓冲层缺陷的方法、***及介质，本发明在对电缆缓冲层缺陷处的白色粉末物质进行了理化分析的基础上，针对电缆缓冲层缺陷(白色粉末物质)的特殊性，采用X射线数字影像特征来进行特征识别，能够实现对电缆X射线数字影像中阻水缓冲层缺陷的精准识别，为电缆缺陷的检测和定位提供技术支撑，极大提升电缆的安全运维水平。
为了解决上述技术问题，本发明采用的技术方案为：
一种采用X射线数字影像特征识别电缆缓冲层缺陷的方法，该方法包括：
1)输入电缆的X射线数字影像；
2)将X射线数字影像进行预处理；
3)在预处理后的X射线数字影像中找出电缆缓冲层区域中灰度值和电缆缓冲层区域中其他位置的灰度值差异超过预设阈值的显著灰度差异点；
4)将显著灰度差异点的形态特征与缺陷库中预设的形态特征图谱进行对比，如果存在匹配的形态特征图谱，则判定该显著灰度差异点为缺陷点。
可选地，步骤2)的详细步骤包括：
2.1)将X射线数字影像进行整体对比度调节使得不同材料成分的灰度差异扩大；
2.2)将X射线数字影像进行边缘锐化处理；
2.3)将X射线数字影像中的灰阶压缩至人眼能够识别的灰度范围内。
3.根据权利要求2所述的采用X射线数字影像特征识别电缆缓冲层缺陷的方法，其特征在于，步骤2.1)中进行整体对比度调节具体是指将X射线数字影像的对比度调节至100。
可选地，步骤2.2)中将X射线数字影像进行边缘锐化处理具体是指分别采用二阶差分算子和一阶差分算子提取X射线数字影像的边缘图像，然后将提取得到的边缘图像加到X射线数字影像上以增强边缘。
可选地，步骤2.3)中将X射线数字影像中的灰阶压缩至人眼能够识别的灰度范围内具体是指将X射线数字影像中的灰阶压缩至8以内。
可选地，所述将X射线数字影像中的灰阶压缩至8以内的详细步骤包括：
S1)输入步骤2.2)处理后得到的X射线数字影像，记为I(x,y)，对X射线数字影像I(x,y)用离散小波变换处理得到用于表示X射线数字影像I(x,y)的压缩程度的参数的稀疏系数G；选择2D-SLMM混沌***，向2D-SLMM***赋予两个初始值x0和y0，通过2D-SLMM***输出一个随机序列x＝[x1,x2,...xN]，y＝[y1,y2,...yN]，将随机序列x设为循环矩阵Q的首行，采用下式迭代得到循环矩阵Q：
上式中，Q为循环矩阵，Q(i,1)为矩阵第i行，第1列，Q(i,2:N)为矩阵第i行，第2至N列，α为迭代稀疏系数(α>1)，Q(i-1,N)为矩阵第i-1行，第N列，Q(i-1,N-1)为矩阵第i-1行，第N-1列，N为矩阵行数，矩阵列数M取值N/2；
S2)采用循环矩阵Q作为测量矩阵，对稀疏系数G进行测量得到测量值B，B＝QG，测量值B是一个大小为(N，N/2)的矩阵；将两个测量值B利用图像组合技术重新拼接成一幅大小为N×N的中间图像D；
S3)采用Arnold变换对中间图像D进行重构处理，得到灰阶压缩至8以内的X射线数字影像；
上式中，m'和n'分别为Arnold变换后的图像其中任意一个像素点位置，m和n分别为中间图像D其中任意一个像素点位置，N为图像宽度，mod为取模运算。
可选地，步骤3)中灰度值和电缆缓冲层区域中其他位置的灰度值差异超过预设阈值具体是指灰度值和电缆缓冲层区域中其他位置的灰度值差异超过2000，且该差异小于4000，灰度值的取值范围为0～65535。
可选地，步骤4)中显著灰度差异点的形态特征具体是指电缆缓冲层区域中缺陷点区域的灰度图像。
此外，本发明还提供一种采用X射线数字影像特征识别电缆缓冲层缺陷的***，包括计算机设备，该计算机设备被编程或配置以执行所述采用X射线数字影像特征识别电缆缓冲层缺陷的方法的步骤，或者该计算机设备的存储器上存储有被编程或配置以执行所述采用X射线数字影像特征识别电缆缓冲层缺陷的方法的计算机程序。
此外，本发明还提供一种计算机可读存储介质，该计算机设备的存储器上存储有被编程或配置以执行所述采用X射线数字影像特征识别电缆缓冲层缺陷的方法的计算机程序。
和现有技术相比，本发明具有下述优点：本发明在对电缆缓冲层缺陷处的白色粉末物质进行了理化分析的基础上，针对电缆缓冲层缺陷(白色粉末物质)的特殊性，采用X射线数字影像特征来进行特征识别，能够实现对电缆X射线数字影像中阻水缓冲层缺陷的精准识别，为电缆缺陷的检测和定位提供技术支撑，极大提升电缆的安全运维水平。
附图说明
图1为本发明实施例方法的基本流程示意图。
图2为本发明实施例方法的详细流程示意图。
图3为本发明实施例中输入的原始的X射线数字影像。
图4为本发明实施例中进行整体对比度调节后的X射线数字影像。
图5为本发明实施例中进行边缘锐化后的X射线数字影像。
图6为本发明实施例中进行提升人眼灰度识别后的X射线数字影像。
图7为本发明实施例中进行灰度对比的X射线数字影像。
具体实施方式
本发明采用X射线数字影像特征识别电缆缓冲层缺陷的方法、***及介质是建立在对电缆缓冲层缺陷处的白色粉末物质进行了理化分析的基础上的。大量的具有缓冲层缺陷的电缆解体试验表明，在具有阻水结构的电缆缓冲层、铝护套和绝缘屏蔽层中，缺陷处有大量白色粉末状物质。白色粉末贯穿整个缓冲层，直接到达绝缘屏蔽层，严重的贯穿绝缘屏蔽层，直接损伤绝缘。在长时间的运行电压作用下，缓冲层的缺陷发展成为故障隐患点，最终导致电缆主绝缘击穿，烧蚀电缆缓冲层，并发生单相接地故障。通过红外图谱检测，该白色粉末状物质含有钠、铝等金属元素。
电缆用半导电阻水带中阻水粉主要成分是低交联型聚丙烯酸钠盐，具有很强的吸水性。当半导电阻水带由于施工工艺、现场安装问题吸收水分受潮后，阻水粉形成游离的OH-和Na+离子，当OH-离子吸收了空气中的CO2后发生下述化学反应：
CO2少量时：CO2+2OH-＝CO3 2-+H2O、CO3 2-+2Na+＝Na2CO3；
CO2过量时：CO2+OH-＝HCO3 -、HCO3 -+Na+＝NaHCO3；
碳酸钠(Na2CO3)或碳酸氢钠(NaHCO3)均为白色粉末晶体，因此，白色粉末中的钠元素以碳酸钠或碳酸氢钠的形式存在。
阻水粉形成游离的OH-离子，在铝护套的波谷内侧与缓冲层接触，OH-离子和铝发生化学反应，产生偏铝酸根离子AlO2 -，化学反应方程式如下：
2Al+2OH-+2H2O＝2AlO2 -+3H2
偏铝酸根离子AlO2 -与阻水粉中的Na+离子形成偏铝酸钠Na2AlO2，反应生成的偏铝酸钠Na2AlO2，极易溶于水，且吸收空气中的CO2发生化学反应生成氢氧化铝Al(OH)3：
CO2少量时：AlO2 -+CO2+2H2O＝Al(OH)3+HCO3 -；
CO2过量时：2AlO2 -+CO2+3H2O＝2Al(OH)3+CO3 2-；
生成的氢氧化铝Al(OH)3反应生成氧化铝Al2O3，化学反应方程式如下：
2Al(OH)3＝Al2O3+3H2O
因此，白色粉末的主要成分是碳酸钠(Na2CO3)、碳酸氢钠(NaHCO3)和氧化铝Al2O3晶体。电缆芯线采用的是铜质导体(密度：8.5-8.9(g/cm3))，对X射线吸收能力最强，影像上显示灰度值最高；电缆缓冲层缺陷是由于电化学腐蚀产生的含金属元素(Na+离子、Al+离子，密度3.5g/cm3-3.9g/cm3)的物质，对X射线吸收能力次之，影像上显示灰度值较高；电缆铝护套(密度2.6-2.7(g/cm3))对X射线吸收能力第三，对X射线吸收能力次之，影像上显示灰度值第三；而电缆主绝缘一般为交联聚乙烯材料(密度0.9-0.97(g/cm3))对X射线吸收能力最弱，影像上显示灰度值最低。由此可见，主要成分是碳酸钠(Na2CO3)、碳酸氢钠(NaHCO3)和氧化铝Al2O3晶体的白色粉末，由于其与对X射线吸收能力能够与电缆芯线的现有材料能够区分，因此可基于X射线数字影像实现识别电缆缓冲层缺陷。
如图1所示，本实施例采用X射线数字影像特征识别电缆缓冲层缺陷的方法包括：
1)输入电缆的X射线数字影像；
2)将X射线数字影像进行预处理；
3)在预处理后的X射线数字影像中找出电缆缓冲层区域中灰度值和电缆缓冲层区域中其他位置的灰度值差异超过预设阈值的显著灰度差异点；
4)将显著灰度差异点的形态特征与缺陷库中预设的形态特征图谱进行对比，如果存在匹配的形态特征图谱，则判定该显著灰度差异点为缺陷点。
其中，步骤1)输入的电缆的X射线数字影像既可以采用现场成像的方式，也可以根据需要采用其他获取X射线数字影像的方式，X射线数字影像的获取方式并不构成对本实施例采用X射线数字影像特征识别电缆缓冲层缺陷的方法的限制。
步骤2)将X射线数字影像进行预处理的目的在于提高识别电缆缓冲层缺陷的精度，参见图2，本实施例中步骤2)的详细步骤包括：
2.1)将X射线数字影像进行整体对比度调节使得不同材料成分的灰度差异扩大，通过上述方式，能够有效增大电缆导体、主绝缘、铝护套和缓冲层缺陷之间的灰度差异，便于更好地识别电缆缓冲层缺陷；本实施例中，输入的原始的X射线数字影像如图3所示，进行整体对比度调节后的X射线数字影像如图4所示；
2.2)将X射线数字影像进行边缘锐化处理，从而能够加强灰度影像边缘对比度，使图像在视觉上，灰度影像的边界更加清晰；本实施例中，进行边缘锐化处理后的X射线数字影像如图5所示；
2.3)将X射线数字影像中的灰阶压缩至人眼能够识别的灰度范围内，将灰度影像的灰度值范围压缩至人眼能够识别的灰度范围内，去掉影像中的冗余成分，使影像灰度值更集中于人眼的识别范围内，有利于提高识别电缆缓冲层缺陷的精度。本实施例中，通过该步骤提升人眼灰度识别后的X射线数字影像如图6所示；
作为一种可选的实施方式，本实施例中步骤2.1)中进行整体对比度调节具体是指将X射线数字影像的对比度调节至100，经验证，能够有效增大电缆导体、主绝缘、缓冲层和缺陷之间的灰度差异，便于更好地识别。毫无疑问，该对比度可以根据实际需要进行调整。
作为一种可选的实施方式，本实施例中步骤2.2)中将X射线数字影像进行边缘锐化处理具体是指分别采用二阶差分算子和一阶差分算子提取X射线数字影像的边缘图像，然后将提取得到的边缘图像加到X射线数字影像上以增强边缘。本实施例中使用二阶差分算子和一阶差分算子组合形式，提取图像边缘图像，并将边缘图像加到源图像上，实现增强边缘的功能。二阶差分算子能够提取更细致的纹理，但是容易引入噪声；一阶差分算子只能够更好地提取较强的边缘纹理，噪声幅度相对较小，结合二者的优点，用一阶差分的结果区筛选二阶差分的结果，在抑制噪声的同时获得较强的边缘锐化效果。
人眼在通常的室内环境中贯彻灰度影像时，对黑白灰的分辨力具有一定的范围，人眼能识别的灰阶为8，而原始的电缆X射线数字影像灰阶一般为14或16。因此，本实施例步骤2.3)将灰度影像的灰度值范围压缩至人眼能够识别的灰度范围内，去掉影像中的冗余成分，使影像灰度值更集中于人眼的识别范围内。本实施例步骤2.3)中将X射线数字影像中的灰阶压缩至人眼能够识别的灰度范围内具体是指将X射线数字影像中的灰阶压缩至8以内。
作为一种可选的实施方式，本实施例中将X射线数字影像中的灰阶压缩至8以内采用了压缩感知原理对图像实施稀疏变换和投影测量的方法，该方法的目的在于通过图像深度处理后，缺陷处与周围图像相差灰阶增大，以便于清晰识别。本实施例中，将X射线数字影像中的灰阶压缩至8以内的详细步骤包括：
S1)输入步骤2.2)处理后得到的X射线数字影像，记为I(x,y)，对X射线数字影像I(x,y)用离散小波变换处理得到用于表示X射线数字影像I(x,y)的压缩程度的参数的稀疏系数G；选择2D-SLMM混沌***，向2D-SLMM***赋予两个初始值x0和y0，通过2D-SLMM***输出一个随机序列x＝[x1,x2,...xN]，y＝[y1,y2,...yN]，将随机序列x设为循环矩阵Q的首行，采用下式迭代得到循环矩阵Q：
上式中，Q为循环矩阵，Q(i,1)为矩阵第i行，第1列，Q(i,2:N)为矩阵第i行，第2至N列，α为迭代稀疏系数(α>1)，Q(i-1,N)为矩阵第i-1行，第N列，Q(i-1,N-1)为矩阵第i-1行，第N-1列，N为矩阵行数，矩阵列数M取值N/2；
S2)采用循环矩阵Q作为测量矩阵，对稀疏系数G进行测量得到测量值B，B＝QG，测量值B是一个大小为(N，N/2)的矩阵；将两个测量值B利用图像组合技术重新拼接成一幅大小为N×N的中间图像D；
S3)采用Arnold变换对中间图像D进行重构处理，得到灰阶压缩至8以内的X射线数字影像；
上式中，m'和n'分别为Arnold变换后的图像其中任意一个像素点位置，m和n分别为中间图像D其中任意一个像素点位置，N为图像宽度，mod为取模运算。
通过上述步骤S1)～S3)将X射线数字影像中的灰阶压缩至8以内的步骤，一方面可以将X射线数字影像中的灰阶压缩至人眼能够识别的灰度范围内，另一方面还可以使得缺陷点处与周围图像相差灰阶增大，以利于清晰识别。
本实施例中选择2D-SLMM混沌***迭代生成循环矩阵Q所需的随机序列x，给定2D-SLMM***的两个初始值x0和y0，会输出一个随机序列x＝[x1,x2,...xN]，y＝[y1,y2,...yN]。2D-SLMM混沌***是由1D Logistic map混沌和正弦***两个一维混沌***交换联合成的二维混沌***，2D-SLMM混沌***的函数表达式为：
上式中，μ和β分别为不同的控制参数，yi为经过迭代后产生的第i列，yi+1为经过迭代后产生的的第i+1列，xi+1为经过迭代后产生的第i+1行，xi为经过迭代后产生的第i行；当xi的初始值x0满足0<x0<1、yi的初始值y0满足0<y0<1、控制参数μ和β满足0<μ<1，0<β<1时，2D-SLMM混沌***进入混沌状态，xi+1和yi+1是2D-SLMM混沌***的输出值。压缩感知处理图像时，需要用测量矩阵对稀疏系数进行测量，测量矩阵的选择对图像的重构质量有关键影响。对一个大小为N×M的随机行循环矩阵Q，可以用一个长度为N的随机序列x循环迭代产生，将随机序列x设为循环矩阵Q的首行，即Q(1，：)＝x，采用迭代可以得到循环矩阵Q。
经过测试发现，电缆在结构上具有均匀分布的性质，横向上同一位置的各点在灰度值上差异很小，灰度值差异在200以内；一旦出现缺陷，缺陷点与横向同位置的灰度值差异大于2000。因此，参见图2，本实施例步骤3)中灰度值和电缆缓冲层区域中其他位置的灰度值差异超过预设阈值具体是指灰度值和电缆缓冲层区域中其他位置的灰度值差异超过2000，且该差异小于4000，灰度值的取值范围为0～65535。需要说明的是，灰度值和电缆缓冲层区域中其他位置的灰度值差异既可以是目标点和电缆缓冲层区域中其他位置的一个点的灰度值或者多个点的灰度值平均值之间的差异。本实施例中，采用横向(电缆长度方向)对比方式，对疑似缺陷点处的灰度值与横向同位置处的灰度值进行比较，如果有较大差异，则初步判定为缺陷点。例如图7中，a点的灰度值为19874、b点的灰度值为19420、c点的灰度值为22300，c点的灰度值和电缆缓冲层区域中其他位置的灰度值差异超过2000，因此判定c点为缺陷点；其中d点的灰度值为22485、e点的灰度值为19624、f点的灰度值为19214，d点的灰度值和电缆缓冲层区域中其他位置的灰度值差异超过2000，因此判定d点为缺陷点。
本实施例中，步骤4)中显著灰度差异点的形态特征具体是指电缆缓冲层区域中缺陷点区域的灰度图像。针对初步判定的缺陷点，将显著灰度差异点的形态特征与缺陷库中预设的形态特征图谱进行对比，如果存在匹配的形态特征图谱，则判定该显著灰度差异点为缺陷点。其中，缺陷库中预设了大量电缆阻水缓冲层缺陷点的形态特征图谱，能够方便地实现对显著灰度差异点(初步判定为缺陷点)的最终判定。此外，如果步骤4)中如果缺陷库中不存在匹配的形态特征图谱，但是通过解剖等手段确定该显著灰度差异点为缺陷点，则可将该显著灰度差异点的形态特征作为形态特征图谱加入缺陷库，以实现动态更新缺陷库的目的。
综上所述，本实施例方法在对电缆缓冲层缺陷处的白色粉末物质进行了理化分析的基础上，针对电缆缓冲层缺陷(白色粉末物质)的特殊性，采用X射线数字影像特征来进行特征识别，能够实现对电缆X射线数字影像中阻水缓冲层缺陷的精准识别，为电缆缺陷的检测和定位提供技术支撑，极大提升电缆的安全运维水平。
此外，本发明还提供一种采用X射线数字影像特征识别电缆缓冲层缺陷的***，包括计算机设备，该计算机设备被编程或配置以执行前述采用X射线数字影像特征识别电缆缓冲层缺陷的方法的步骤，或者该计算机设备的存储器上存储有被编程或配置以执行前述采用X射线数字影像特征识别电缆缓冲层缺陷的方法的计算机程序。
此外，本发明还提供一种计算机可读存储介质，该计算机设备的存储器上存储有被编程或配置以执行前述采用X射线数字影像特征识别电缆缓冲层缺陷的方法的计算机程序。
本领域内的技术人员应明白，本申请的实施例可提供为方法、***、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
以上所述为本发明的完整实施情况。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种采用X射线数字影像特征识别电缆缓冲层缺陷的方法，其特征在于，该方法包括：
1)输入电缆的X射线数字影像；
2)将X射线数字影像进行预处理；
3)在预处理后的X射线数字影像中找出电缆缓冲层区域中灰度值和电缆缓冲层区域中其他位置的灰度值差异超过预设阈值的显著灰度差异点；
4)将显著灰度差异点的形态特征与缺陷库中预设的形态特征图谱进行对比，如果存在匹配的形态特征图谱，则判定该显著灰度差异点为缺陷点。
2.根据权利要求1所述的采用X射线数字影像特征识别电缆缓冲层缺陷的方法，其特征在于，步骤2)的详细步骤包括：
2.1)将X射线数字影像进行整体对比度调节使得不同材料成分的灰度差异扩大；
2.2)将X射线数字影像进行边缘锐化处理；
2.3)将X射线数字影像中的灰阶压缩至人眼能够识别的灰度范围内。
3.根据权利要求2所述的采用X射线数字影像特征识别电缆缓冲层缺陷的方法，其特征在于，步骤2.1)中进行整体对比度调节具体是指将X射线数字影像的对比度调节至100。
4.根据权利要求2所述的采用X射线数字影像特征识别电缆缓冲层缺陷的方法，其特征在于，步骤2.2)中将X射线数字影像进行边缘锐化处理具体是指分别采用二阶差分算子和一阶差分算子提取X射线数字影像的边缘图像，然后将提取得到的边缘图像加到X射线数字影像上以增强边缘。
5.根据权利要求2所述的采用X射线数字影像特征识别电缆缓冲层缺陷的方法，其特征在于，步骤2.3)中将X射线数字影像中的灰阶压缩至人眼能够识别的灰度范围内具体是指将X射线数字影像中的灰阶压缩至8以内。
6.根据权利要求5所述的采用X射线数字影像特征识别电缆缓冲层缺陷的方法，其特征在于，所述将X射线数字影像中的灰阶压缩至8以内的详细步骤包括：
S1)输入步骤2.2)处理后得到的X射线数字影像，记为I(x,y)，对X射线数字影像I(x,y)用离散小波变换处理得到用于表示X射线数字影像I(x,y)的压缩程度的参数的稀疏系数G；选择2D-SLMM混沌***，向2D-SLMM***赋予两个初始值x0和y0，通过2D-SLMM***输出一个随机序列x＝[x1,x2,...xN]，y＝[y1,y2,...yN]，将随机序列x设为循环矩阵Q的首行，采用下式迭代得到循环矩阵Q：
上式中，Q为循环矩阵，Q(i,1)为矩阵第i行，第1列，Q(i,2:N)为矩阵第i行，第2至N列，α为迭代稀疏系数(α>1)，Q(i-1,N)为矩阵第i-1行，第N列，Q(i-1,N-1)为矩阵第i-1行，第N-1列，N为矩阵行数，矩阵列数M取值N/2；
S2)采用循环矩阵Q作为测量矩阵，对稀疏系数G进行测量得到测量值B，B＝QG，测量值B是一个大小为(N，N/2)的矩阵；将两个测量值B利用图像组合技术重新拼接成一幅大小为N×N的中间图像D；
S3)采用Arnold变换对中间图像D进行重构处理，得到灰阶压缩至8以内的X射线数字影像；
上式中，m'和n'分别为Arnold变换后的图像其中任意一个像素点位置，m和n分别为中间图像D其中任意一个像素点位置，N为图像宽度，mod为取模运算。
7.根据权利要求1所述的采用X射线数字影像特征识别电缆缓冲层缺陷的方法，其特征在于，步骤3)中灰度值和电缆缓冲层区域中其他位置的灰度值差异超过预设阈值具体是指灰度值和电缆缓冲层区域中其他位置的灰度值差异超过2000，且该差异小于4000，灰度值的取值范围为0～65535。
8.根据权利要求1所述的采用X射线数字影像特征识别电缆缓冲层缺陷的方法，其特征在于，步骤4)中显著灰度差异点的形态特征具体是指电缆缓冲层区域中缺陷点区域的灰度图像。
9.一种采用X射线数字影像特征识别电缆缓冲层缺陷的***，包括计算机设备，其特征在于，该计算机设备被编程或配置以执行权利要求1～8中任意一项所述采用X射线数字影像特征识别电缆缓冲层缺陷的方法的步骤，或者该计算机设备的存储器上存储有被编程或配置以执行权利要求1～8中任意一项所述采用X射线数字影像特征识别电缆缓冲层缺陷的方法的计算机程序。
10.一种计算机可读存储介质，其特征在于，该计算机设备的存储器上存储有被编程或配置以执行权利要求1～8中任意一项所述采用X射线数字影像特征识别电缆缓冲层缺陷的方法的计算机程序。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010448824.0A CN111539954B (zh) | 2020-05-25 | 2020-05-25 | 采用x射线数字影像特征识别电缆缓冲层缺陷的方法、***及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010448824.0A CN111539954B (zh) | 2020-05-25 | 2020-05-25 | 采用x射线数字影像特征识别电缆缓冲层缺陷的方法、***及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111539954A true CN111539954A (zh) | 2020-08-14 |
| CN111539954B CN111539954B (zh) | 2024-01-23 |
Family
ID=71976065
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010448824.0A Active CN111539954B (zh) | 2020-05-25 | 2020-05-25 | 采用x射线数字影像特征识别电缆缓冲层缺陷的方法、***及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111539954B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112179922A (zh) * | 2020-09-24 | 2021-01-05 | 安徽德尔电气集团有限公司 | 一种电线电缆缺陷检测*** |
| CN112763851A (zh) * | 2020-12-28 | 2021-05-07 | 国网天津市电力公司电力科学研究院 | 基于皱纹护套内表面积的烧蚀隐患电缆段快速筛查方法 |
| CN112763850A (zh) * | 2020-12-28 | 2021-05-07 | 国网天津市电力公司电力科学研究院 | 基于缓冲层外表面积的缓冲层烧蚀隐患电缆段筛查方法 |
| CN112763849A (zh) * | 2020-12-28 | 2021-05-07 | 国网天津市电力公司电力科学研究院 | 基于缓冲层外表面积的烧蚀隐患电缆段快速筛查方法 |
| CN114778574A (zh) * | 2022-03-28 | 2022-07-22 | 国网吉林省电力有限公司电力科学研究院 | X射线数字成像检测识别在运高压电缆内部缺陷方法 |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101694472A (zh) * | 2009-10-23 | 2010-04-14 | 郭震 | 缺陷孔图像识别方法 |
| CN103247035A (zh) * | 2013-05-20 | 2013-08-14 | 重庆邮电大学 | 基于数字x光机的医学图像处理装置、方法及*** |
| CN104865277A (zh) * | 2015-05-11 | 2015-08-26 | 四川大学 | 基于双壁双投影透照图像的管焊缝缺陷自动识别的方法 |
| CN105319524A (zh) * | 2015-11-16 | 2016-02-10 | 国家电网公司 | 一种高压开关柜局放带电检测有效性判断方法 |
| CN106056565A (zh) * | 2016-05-31 | 2016-10-26 | 北京航空航天大学 | 一种基于多尺度形态学双边滤波分解和对比度压缩的mri与pet图像融合方法 |
| CN107064182A (zh) * | 2017-03-28 | 2017-08-18 | 国网上海市电力公司 | 一种基于x射线的高压电力电缆现场缺陷检测方法 |
| CN107515227A (zh) * | 2017-07-27 | 2017-12-26 | 武汉精测电子技术股份有限公司 | 基于缺陷无损的图像压缩方法及显示面板缺陷检测*** |
| CN107590511A (zh) * | 2017-08-30 | 2018-01-16 | 武汉华星光电技术有限公司 | 一种缺陷识别方法以及用于自动检查机的缺陷识别*** |
| CN108280822A (zh) * | 2017-12-20 | 2018-07-13 | 歌尔科技有限公司 | 屏幕划痕的检测方法及装置 |
| CN108665468A (zh) * | 2017-11-10 | 2018-10-16 | 三峡大学 | 一种基于降维灰度纹理-形状矩阵提取直线塔绝缘子串的装置及方法 |
| CN109596634A (zh) * | 2018-12-30 | 2019-04-09 | 国网北京市电力公司 | 电缆缺陷的检测方法及装置、存储介质、处理器 |
| US20190114754A1 (en) * | 2017-10-17 | 2019-04-18 | International Business Machines Corporation | Industrial object defect detection |
| CN110389283A (zh) * | 2019-08-09 | 2019-10-29 | 国网电力科学研究院武汉南瑞有限责任公司 | 一种电缆缓冲层烧蚀状态检测***及检测方法 |
| CN110895806A (zh) * | 2019-07-25 | 2020-03-20 | 研祥智能科技股份有限公司 | 屏幕显示缺陷的检测方法及*** |
| CN111028213A (zh) * | 2019-12-04 | 2020-04-17 | 北大方正集团有限公司 | 图像缺陷检测方法、装置、电子设备及存储介质 |
-
2020
- 2020-05-25 CN CN202010448824.0A patent/CN111539954B/zh active Active
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101694472A (zh) * | 2009-10-23 | 2010-04-14 | 郭震 | 缺陷孔图像识别方法 |
| CN103247035A (zh) * | 2013-05-20 | 2013-08-14 | 重庆邮电大学 | 基于数字x光机的医学图像处理装置、方法及*** |
| CN104865277A (zh) * | 2015-05-11 | 2015-08-26 | 四川大学 | 基于双壁双投影透照图像的管焊缝缺陷自动识别的方法 |
| CN105319524A (zh) * | 2015-11-16 | 2016-02-10 | 国家电网公司 | 一种高压开关柜局放带电检测有效性判断方法 |
| CN106056565A (zh) * | 2016-05-31 | 2016-10-26 | 北京航空航天大学 | 一种基于多尺度形态学双边滤波分解和对比度压缩的mri与pet图像融合方法 |
| CN107064182A (zh) * | 2017-03-28 | 2017-08-18 | 国网上海市电力公司 | 一种基于x射线的高压电力电缆现场缺陷检测方法 |
| CN107515227A (zh) * | 2017-07-27 | 2017-12-26 | 武汉精测电子技术股份有限公司 | 基于缺陷无损的图像压缩方法及显示面板缺陷检测*** |
| CN107590511A (zh) * | 2017-08-30 | 2018-01-16 | 武汉华星光电技术有限公司 | 一种缺陷识别方法以及用于自动检查机的缺陷识别*** |
| US20190114754A1 (en) * | 2017-10-17 | 2019-04-18 | International Business Machines Corporation | Industrial object defect detection |
| CN108665468A (zh) * | 2017-11-10 | 2018-10-16 | 三峡大学 | 一种基于降维灰度纹理-形状矩阵提取直线塔绝缘子串的装置及方法 |
| CN108280822A (zh) * | 2017-12-20 | 2018-07-13 | 歌尔科技有限公司 | 屏幕划痕的检测方法及装置 |
| CN109596634A (zh) * | 2018-12-30 | 2019-04-09 | 国网北京市电力公司 | 电缆缺陷的检测方法及装置、存储介质、处理器 |
| CN110895806A (zh) * | 2019-07-25 | 2020-03-20 | 研祥智能科技股份有限公司 | 屏幕显示缺陷的检测方法及*** |
| CN110389283A (zh) * | 2019-08-09 | 2019-10-29 | 国网电力科学研究院武汉南瑞有限责任公司 | 一种电缆缓冲层烧蚀状态检测***及检测方法 |
| CN111028213A (zh) * | 2019-12-04 | 2020-04-17 | 北大方正集团有限公司 | 图像缺陷检测方法、装置、电子设备及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| NANRUN ZHOU 等: "Double-image encryption scheme combining DWT-based compressive sensing with discrete fractional random transform", vol. 354, pages 112 - 121 * |
| 曾毅 等: "基于邻域空间特征的低对比度小目标分割算法", 《激光与红外》, vol. 47, no. 4 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112179922A (zh) * | 2020-09-24 | 2021-01-05 | 安徽德尔电气集团有限公司 | 一种电线电缆缺陷检测*** |
| CN112763851A (zh) * | 2020-12-28 | 2021-05-07 | 国网天津市电力公司电力科学研究院 | 基于皱纹护套内表面积的烧蚀隐患电缆段快速筛查方法 |
| CN112763850A (zh) * | 2020-12-28 | 2021-05-07 | 国网天津市电力公司电力科学研究院 | 基于缓冲层外表面积的缓冲层烧蚀隐患电缆段筛查方法 |
| CN112763849A (zh) * | 2020-12-28 | 2021-05-07 | 国网天津市电力公司电力科学研究院 | 基于缓冲层外表面积的烧蚀隐患电缆段快速筛查方法 |
| CN114778574A (zh) * | 2022-03-28 | 2022-07-22 | 国网吉林省电力有限公司电力科学研究院 | X射线数字成像检测识别在运高压电缆内部缺陷方法 |
| CN114778574B (zh) * | 2022-03-28 | 2024-06-04 | 国网吉林省电力有限公司电力科学研究院 | X射线数字成像检测识别在运高压电缆内部缺陷方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111539954B (zh) | 2024-01-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111539954A (zh) | 采用x射线数字影像特征识别电缆缓冲层缺陷的方法、***及介质 | |
| Randle | Electron backscatter diffraction: Strategies for reliable data acquisition and processing | |
| CN101308102B (zh) | 一种计算机断层扫描成像装置和方法 | |
| DE102016221283A1 (de) | Abfragen von schadstoff-emissionsquellen unter verwendung von cfd- und satellitendaten | |
| CN111833312B (zh) | 一种检测故障绝缘子放电的紫外图像诊断方法及*** | |
| Abera et al. | The effectiveness of global thresholding techniques in segmenting two-phase porous media | |
| US7149335B2 (en) | Method and apparatus for enhancing an image | |
| CN110927535A (zh) | 基于极限学习机的电力设备局部放电严重程度评估方法 | |
| Schneider et al. | Improved non-destructive 2D and 3D X-ray imaging of leaf venation | |
| Kim et al. | Improvement of radiographic visibility using an image restoration method based on a simple radiographic scattering model for x-ray nondestructive testing | |
| CN104574296A (zh) | 一种用于偏振去雾霾的多小波融合处理图片的方法 | |
| CN111862074B (zh) | 一种电缆阻水缓冲层缺陷识别方法及装置 | |
| CN117274533A (zh) | 一种多孔岩石的三维几何模型构建方法及性能预测方法 | |
| Coddington et al. | Multifractal analysis and authentication of Jackson Pollock paintings | |
| Ojala et al. | Comparing X‐ray densitometry and BSE‐image analysis of thin section in varved sediments | |
| CN113570652B (zh) | 基于sem图像的砂岩储层矿物晶间孔的定量分析方法 | |
| KR101967992B1 (ko) | 디지털 병리 시스템의 영상 압축 방법 | |
| Schwarzer et al. | Electron back scattered diffraction: current state, prospects and comparison with x-ray diffraction texture measurement | |
| Yu et al. | Analysis and processing of decayed log CT image based on multifractal theory | |
| Ojala | Application of X-ray radiography and densitometry in varve analysis | |
| Ait Abdelouahad et al. | Image quality assessment based on intrinsic mode function coefficients modeling | |
| Ahmed | Development of a continuous condition monitoring system based on probabilistic modelling of partial discharge data for polymeric insulation cables | |
| CN112561901A (zh) | 基于有噪谱平稳的sar图像显著区域检测方法 | |
| JP2020041405A (ja) | 凍結地盤の評価方法、及び凍結地盤の評価装置 | |
| Movafeghi et al. | Flaw detection improvement of digitised radiographs by morphological transformations |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |