仪器仪表学报

作者：曹辉，杨理践，刘俊甫，刘斌

单位：曹辉,沈阳工业大学沈阳110870,,杨理践,沈阳工业大学沈阳110870,,刘俊甫,沈阳大学沈阳110044,,刘斌,沈阳大学沈阳110044,

关键词：漏磁检测;边缘检测;小波多尺度;数据融合

基金：国家自然科学基金（F011403）资助

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。

来源：2019年第12期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2019年第12期