Free Access
Issue
Microsc. Microanal. Microstruct.
Volume 7, Number 2, April 1996
Page(s) 143 - 152
DOI https://doi.org/10.1051/mmm:1996110
Microsc. Microanal. Microstruct. 7, 143-152 (1996)
DOI: 10.1051/mmm:1996110

A Texture Analysis Approach to Corrosion Image Classification

Stefan Livens1, Paul Scheunders1, Gert Van de Wouwer1, Dirk Van Dyck1, Hilde Smets2, Johan Winkelmans2 et Walter Bogaerts2

1  RUCA University of Antwerp, Visielab, Department of Physics, Groenenborgerlaan 171, 2020 Antwerpen, Belgium
2  K. U. Leuven, Department of Metallurgy and Materials Engineering, de Croylaan 2, 3001 Leuven, Belgium


Abstract
A method is described for the classification of corrosion images using texture analysis methods. Two morphologies are considered: pit formation and cracking. The analysis is done by performing a wavelet decomposition of the images, from which energy feature sets are computed. A transform that turns the wavelet features into rotation invariant ones is introduced. The classification is performed with a Learning Vector Quantization network and comparison is made with Gaussian and k-NN classifiers. The effectivity of the method is shown by tests on a set of 398 images.


Résumé
Une méthode pour la classification des images corrosives par des méthodes d'analyse de texture est expliquée. On considère deux morphologies : la formation de cavités et la fissuration. L'analyse est faite par une décomposition en ondelettes avec laquelle des caractéristiques d'énergie sont calculées. Une transformation est introduite qui rend les caractéristiques d'ondelettes invariantes sous rotation. La classification est faite par "Learning Vector Quantization" et est comparée avec des classificateurs Gaussien et k-NN. L'efficacité de la méthode est démontrée par des tests sur une collection de 398 images.

PACS
4230S - Pattern recognition.
4230V - Image processing and restoration.
8160 - Corrosion, oxidation, etching, and other surface treatments.
6220M - Fatigue, brittleness, fracture, and cracks.
8170 - Materials testing.

Key words
corrosion testing -- crack detection -- cracks -- image classification -- image texture -- corrosion image classification -- texture analysis -- pit formation -- cracking -- wavelet decomposition -- rotation invariant features -- Learning Vector Quantization network -- Gaussian classifiers -- k NN classifiers


© EDP Sciences 1996