核工程如何应用计算机,CR及图像处理在核工程中的应用研究

摘要：

针对核电站中传统的胶片检测存在的耗时长,存储查询不方便等特点,本文对CR图像的最佳灰度值进行了研究,测试了在不同的管电压和扫描强度下,数字图像的灰度值的变化情况,找出了最适合人眼观察的灰度值,之后对数字图像进行了去噪分析和边缘提取,并提取缺陷的关键特征,利用神经网络进行自动识别. 研究CR图像最佳灰度值发现,CR图像的灰度值随着管电压的增大而增大;随着扫描强度的增加也会成上升趋势;因母材和焊缝区的材质不同,母材区的灰度值要略高于焊缝区的灰度值;受IP内荧光受激物质特性的影响,灰度值曲线会有波动. 在分析了CR图像噪声的来源后,分别采用中值滤波,领域滤波和高斯滤波对图像进行了仿真处理.仿真结果表明,邻域滤波可以很好地消除图像中的颗粒噪声,对高斯噪声的滤除效果较好,但对椒盐噪声的去除效果不是很理想.中值滤波对椒盐的去除效果非常好,而且对不同尺寸的模板,模板越大,去噪效果越好,但是代价是模糊程度的增加.维纳滤波能很好地消除图像的高斯噪声,能很好地保存图像的高频细节.不适用于椒盐噪声的滤除. 用Robert算子,Sobel算子和LoG算子对图像的边缘进行了提取.由焊缝边缘的检测结果可知,拉普拉斯高斯算子对图像边缘的检测效果最好,更适合人眼观察.最后,根据缺陷的种类和输入参数的个数确定了相应的BP神经网络,对训练后的网络进行测试发现,神经网络得出的数据分离效果较好,能很好地区别不同的缺陷类型,达到了预期的目标.

展开