專利名稱：射線檢測中缺陷的自適應(yīng)水淹沒優(yōu)化分割方法
技術(shù)領(lǐng)域：
本發(fā)明屬于無損檢測領(lǐng)域，具體涉及一種射線檢測中缺陷的自適應(yīng)水淹沒優(yōu)化分割方法。
背景技術(shù)：
射線檢測是工業(yè)無損檢測的重要手段之一，隨著數(shù)字圖像處理技術(shù)和人工智能技術(shù)的發(fā)展，射線檢測的自動(dòng)化和智能化成為了其發(fā)展的新方向。以數(shù)字圖像處理技術(shù)為支撐的缺陷自動(dòng)化提取技術(shù)，作為實(shí)現(xiàn)缺陷計(jì)算機(jī)自動(dòng)識(shí)別的基礎(chǔ)，一直是該研究的難點(diǎn)和執(zhí)占。近年來，雖然一些具有初步實(shí)用價(jià)值的實(shí)現(xiàn)自動(dòng)檢測系統(tǒng)開始出現(xiàn)，但總體上，這些系統(tǒng)在缺陷提取、自動(dòng)化識(shí)別等方面仍有諸多問題，人為干預(yù)還是無法取代，缺陷算法的通用性差、效率低，而且正確識(shí)別率低等，這與實(shí)際應(yīng)用要求還有很大的距離。缺陷分割的本質(zhì) 是將缺陷從射線檢測圖像中分離出來，它是缺陷特征提取、缺陷類型識(shí)別和等級(jí)評(píng)定等的基礎(chǔ)，缺陷分割的精度和效率的高低對(duì)射線檢測自動(dòng)化識(shí)別具有直接影響。如果缺陷分割精度太低，缺陷尺寸誤差太大，可能導(dǎo)致缺陷漏識(shí)別和缺陷識(shí)別錯(cuò)誤；如果缺陷的分割時(shí)間太長，會(huì)導(dǎo)致系統(tǒng)工作效率太低而無法使用。因此提高缺陷的分割精度和效率對(duì)缺陷的自動(dòng)化和智能化識(shí)別具有重要的意義。射線檢測圖像的缺陷分割方法主要有背景差法、灰度輪廓曲線法和分水嶺算法等，由于射線檢測圖像對(duì)比度低且灰度交叉，一般情況下直接采用上述方法獲取的分割結(jié)果的分割誤差往往比較大，無法滿足應(yīng)用要求；為了得到較為精確的焊縫邊界通常需要對(duì)分割結(jié)果進(jìn)行后續(xù)處理，如合并、形態(tài)學(xué)運(yùn)算等處理環(huán)節(jié)多、耗時(shí)長，這勢(shì)必會(huì)降低缺陷分割的效率，進(jìn)而影響整個(gè)缺陷識(shí)別系統(tǒng)的效率。

發(fā)明內(nèi)容
本發(fā)明的目的在于克服上述現(xiàn)有技術(shù)的缺點(diǎn)，提供一種射線檢測中缺陷的自適應(yīng)水淹沒優(yōu)化分割方法，該方法能夠?qū)崿F(xiàn)射線圖像中缺陷的高精度和高效率分割，達(dá)到了實(shí)際應(yīng)用中對(duì)缺陷分割的要求。為達(dá)到上述目的，本發(fā)明采用的技術(shù)方案是:I)構(gòu)建檢測圖像的三維尺度空間圖像，采用SIFT算子，在射線的尺度空間尋找缺陷的極值點(diǎn)，提取位置、尺度以及旋轉(zhuǎn)不變量的信息，進(jìn)而獲得缺陷的特征點(diǎn)信息；2)根據(jù)缺陷的特征點(diǎn)信息，自適應(yīng)確定缺陷判別的種子點(diǎn)和種子域，并在缺陷種子點(diǎn)或種子域搜索到缺陷分割種子點(diǎn)；3)針對(duì)射線檢測圖像中缺陷分布的稀疏性和缺陷區(qū)域三維地形圖的“峽谷地貌”特征，利用水淹沒的方法，實(shí)現(xiàn)射線檢測圖像中缺陷的分割。進(jìn)行步驟I)前讀入含有焊縫的射線檢測圖像和對(duì)圖像進(jìn)行圖像預(yù)處理操作。所述步驟I)中具體包括以下步驟:
1.1)射線檢測圖像尺度空間的生成步驟:利用不同的尺度的高斯差分核與圖像卷積，生成高斯差分尺度空間；1.2)射線檢測圖像金字塔的構(gòu)建步驟:確定圖像金字塔共有O組，每組有S層，下一組的圖像由上一組圖像采樣得到；確定構(gòu)建尺度空間需確定的參數(shù)；1.3)確定缺陷關(guān)鍵點(diǎn)的位置信息步驟:在射線檢測圖像尺度空間中，通過極值點(diǎn)檢測，初步確定缺陷關(guān)鍵點(diǎn)位置和所在尺度；通過擬合三維二次函數(shù)以確定缺陷關(guān)鍵點(diǎn)的位置和尺度；為關(guān)鍵點(diǎn)方向進(jìn)行分配，進(jìn)而確定含有缺陷關(guān)鍵點(diǎn)的位置、所處尺度、方向信息的特征區(qū)域；1.4)缺陷關(guān)鍵點(diǎn)描述子的生成步驟:以缺陷關(guān)鍵點(diǎn)為中心，取8X8的窗口，在每個(gè)4X4的小塊上計(jì)算在8個(gè)方向的梯度方向直方圖，繪制每個(gè)梯度方向的累加值，即形成一個(gè)種子點(diǎn)；此圖中一個(gè)關(guān)鍵點(diǎn)有2X2共4個(gè)種子點(diǎn)組成，每個(gè)種子點(diǎn)有8個(gè)方向向量信息，對(duì)于一個(gè)關(guān)鍵點(diǎn)生產(chǎn)32個(gè)數(shù)據(jù)，最終形成32維的SIFT特征向量。所述步驟1.1)中高斯差分尺度空間具體通過以下公式計(jì)算:
權(quán)利要求
1.射線檢測中缺陷的自適應(yīng)水淹沒優(yōu)化分割方法，其特征在于，包括以下步驟: 1)構(gòu)建檢測圖像的三維尺度空間圖像，采用SIFT算子，在射線的尺度空間尋找缺陷的極值點(diǎn)，提取位置、尺度以及旋轉(zhuǎn)不變量的信息，進(jìn)而獲得缺陷的特征點(diǎn)信息； 2)根據(jù)缺陷的特征點(diǎn)信息，自適應(yīng)確定缺陷判別的種子點(diǎn)和種子域，并在缺陷種子點(diǎn)或種子域搜索到缺陷分割種子點(diǎn)； 3)針對(duì)射線檢測圖像 中缺陷分布的稀疏性和缺陷區(qū)域三維地形圖的“峽谷地貌”特征，利用水淹沒的方法，實(shí)現(xiàn)射線檢測圖像中缺陷的分割。
2.根據(jù)權(quán)利要求1所述射線檢測中缺陷的自適應(yīng)水淹沒優(yōu)化分割方法，其特征在于:進(jìn)行步驟I)前讀入含有焊縫的射線檢測圖像和對(duì)圖像進(jìn)行圖像預(yù)處理操作。
3.根據(jù)權(quán)利要求1所述射線檢測中缺陷的自適應(yīng)水淹沒優(yōu)化分割方法，其特征在于:所述步驟I)中具體包括以下步驟: 1.1)射線檢測圖像尺度空間的生成步驟:利用不同的尺度的高斯差分核與圖像卷積，生成高斯差分尺度空間； 1.2)射線檢測圖像金字塔的構(gòu)建步驟:確定圖像金字塔共有O組，每組有S層，下一組的圖像由上一組圖像采樣得到；確定構(gòu)建尺度空間需確定的參數(shù)； 1.3)確定缺陷關(guān)鍵點(diǎn)的位置信息步驟:在射線檢測圖像尺度空間中，通過極值點(diǎn)檢測，初步確定缺陷關(guān)鍵點(diǎn)位置和所在尺度；通過擬合三維二次函數(shù)以確定缺陷關(guān)鍵點(diǎn)的位置和尺度；為關(guān)鍵點(diǎn)方向進(jìn)行分配，進(jìn)而確定含有缺陷關(guān)鍵點(diǎn)的位置、所處尺度、方向信息的特征區(qū)域； 1.4)缺陷關(guān)鍵點(diǎn)描述子的生成步驟:以缺陷關(guān)鍵點(diǎn)為中心，取8X8的窗口，在每個(gè)4X4的小塊上計(jì)算在8個(gè)方向的梯度方向直方圖，繪制每個(gè)梯度方向的累加值，即形成一個(gè)種子點(diǎn)；此圖中一個(gè)關(guān)鍵點(diǎn)有2 X 2共4個(gè)種子點(diǎn)組成，每個(gè)種子點(diǎn)有8個(gè)方向向量信息，對(duì)于一個(gè)關(guān)鍵點(diǎn)生產(chǎn)32個(gè)數(shù)據(jù)，最終形成32維的SIFT特征向量。
4.根據(jù)權(quán)利要求3所述射線檢測中缺陷的自適應(yīng)水淹沒優(yōu)化分割方法，其特征在于:所述步驟1.0中高斯差分尺度空間具體通過以下公式計(jì)算:
5.根據(jù)權(quán)利要求3所述射線檢測中缺陷的自適應(yīng)水淹沒優(yōu)化分割方法，其特征在于:所述步驟1.2)中確定尺度空間參數(shù)具體通過以下公式計(jì)算: 確定σ、O和S的關(guān)系:
6.根據(jù)權(quán)利要求3所述射線檢測中缺陷的自適應(yīng)水淹沒優(yōu)化分割方法，其特征在于:所述步驟1.3)中缺陷關(guān)鍵點(diǎn)的位置和尺度具體通過以下公式計(jì)算: 空間尺度函數(shù)泰勒展開式如下:
7.根據(jù)權(quán)利要求3所述射線檢測中缺陷的自適應(yīng)水淹沒優(yōu)化分割方法，其特征在于:所述步驟1.3)中關(guān)鍵點(diǎn)方向進(jìn)行分配通過以下公式計(jì)算: 利用關(guān)鍵點(diǎn)鄰域像素的梯度方向分布特性為每個(gè)關(guān)鍵點(diǎn)指定方向參數(shù)，使算子具備旋轉(zhuǎn)不變性；
8.根據(jù)權(quán)利要求1所述射線檢測中缺陷的自適應(yīng)水淹沒優(yōu)化分割方法，其特征在于:所述步驟2)中具體包括以下步驟: 2.1)缺陷判別的種子點(diǎn)或種子域的分析步驟:通過對(duì)缺陷進(jìn)行特征點(diǎn)提取，根據(jù)缺陷特征點(diǎn)信息，種子點(diǎn)的定位根據(jù)不同缺陷的不同特征信息而具有了自適應(yīng)性； 2.2)缺陷分割種子點(diǎn)的確定步驟:在缺陷種子點(diǎn)或者種子域進(jìn)行缺陷分割種子點(diǎn)的搜索選取，使每個(gè)缺陷都有一個(gè)缺陷分割種子點(diǎn)。
9.根據(jù)權(quán)利要求1所述射線檢測中缺陷的自適應(yīng)水淹沒優(yōu)化分割方法，其特征在于:所述步驟3)中水淹沒的方法包括以下步驟: 3.1)缺陷分級(jí)淹沒步驟:以缺陷分割種子點(diǎn)為淹沒起點(diǎn)，向缺陷種子點(diǎn)所在峽谷內(nèi)灌水對(duì)其進(jìn)行逐級(jí)淹沒； 3.2)缺陷分割閾值確定步驟:根據(jù)三維地形圖的地貌特點(diǎn)，淹沒過程中，當(dāng)水溢出峽谷時(shí)，淹沒區(qū)域面積急劇增大；利用水淹沒面積的增大來確定閾值水位； 3.3)缺陷分割提取步驟:利用水淹沒來確定缺陷的分割閾值，實(shí)現(xiàn)檢測缺陷的分割。
10.根據(jù)權(quán)利要求1或9所述射線檢測中缺陷的自適應(yīng)水淹沒優(yōu)化分割方法，其特征在于:所述水淹沒的方法具體包括以下步驟: 步驟Si，從淹沒起始點(diǎn)Pi開始，沿所在的列向上下兩個(gè)方向淹沒與Pi連通且灰度值小于當(dāng)前水位的所有像素點(diǎn)，得到淹沒線Sn(Pi), i=0，…，M，其中M是水位為η時(shí)淹沒線數(shù)量； 步驟S2，在搜索區(qū)域中搜索最小灰度值點(diǎn)，將最小灰度值點(diǎn)作為下一列的淹沒起始占.步驟S3，重復(fù)迭代步驟SI和S2，當(dāng)步驟S2搜索到的淹沒起始點(diǎn)的灰度值大于當(dāng)前水位η時(shí)，當(dāng)前方向的淹沒過程結(jié)束；當(dāng)左右兩個(gè)方向的淹沒過程都結(jié)束后，得到淹沒區(qū)域，即檢測缺陷從檢測圖像中被分割出來。
全文摘要
本發(fā)明公開一種射線檢測中缺陷的自適應(yīng)水淹沒優(yōu)化分割方法，包括構(gòu)建檢測圖像的三維尺度空間圖像，采用SIFT算子，在射線的尺度空間尋找缺陷的極值點(diǎn)，提取位置、尺度，旋轉(zhuǎn)不變量信息，進(jìn)而獲得缺陷的特征點(diǎn)信息；根據(jù)缺陷的特征點(diǎn)信息，自適應(yīng)確定缺陷判別的種子點(diǎn)或種子域，并在缺陷種子點(diǎn)或種子域搜索到缺陷分割種子點(diǎn)；利用水淹沒的方法，實(shí)現(xiàn)射線檢測圖像中缺陷的分割。本發(fā)明將不僅可解決常用分割方法中缺陷的判別和分割種子點(diǎn)的定位問題，而且可極大地提高缺陷分割的精度和效率，為射線檢測中缺陷的自動(dòng)化和智能化識(shí)別奠定良好的基礎(chǔ)。
文檔編號(hào)G06T7/00GK103218814SQ20131012826
公開日2013年7月24日 申請(qǐng)日期2013年4月15日 優(yōu)先權(quán)日2013年4月15日
發(fā)明者高建民, 王昭, 黨長營, 陳富民, 穆為磊, 史麗娜, 蘇趙 申請(qǐng)人:西安交通大學(xué)