一種基于紋理的射線圖像缺陷檢測(cè)方法
【專(zhuān)利摘要】本發(fā)明公開(kāi)了一種基于缺陷紋理特征的射線圖像中缺陷檢測(cè)方法，首先根據(jù)系統(tǒng)檢測(cè)需求和檢測(cè)目標(biāo)特征建立標(biāo)準(zhǔn)的缺陷紋理圖像數(shù)據(jù)庫(kù)；其次對(duì)被測(cè)工件的射線圖像進(jìn)行融合增強(qiáng)；然后從增強(qiáng)的圖像中計(jì)算子塊圖像的紋理特征值，依次比較該特征值與缺陷紋理庫(kù)的特征值，從而判定該子塊圖像是否為缺陷；接著遍歷整個(gè)圖像即可檢測(cè)出該圖像包含缺陷的數(shù)量與類(lèi)型。本發(fā)明避開(kāi)了復(fù)雜的弱邊緣提取問(wèn)題，檢測(cè)的過(guò)程不但可以判定工件是否包含缺陷以及缺陷的位置，更重要的是直接給出了缺陷的類(lèi)型、等級(jí)，大大的減少了檢測(cè)人員的勞動(dòng)強(qiáng)度。
【專(zhuān)利說(shuō)明】一種基于紋理的射線圖像缺陷檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及圖像處理和無(wú)損檢測(cè)領(lǐng)域，特別涉及一種基于缺陷紋理特征的被測(cè)工件射線圖像缺陷檢測(cè)方法。
【背景技術(shù)】
[0002]目前針對(duì)射線圖像，人們開(kāi)發(fā)了許多缺陷提取算法，此類(lèi)算法大多是直接對(duì)圖像進(jìn)行邊緣檢測(cè)，由于射線圖像本身的低對(duì)比度特性使得此類(lèi)算法都較為復(fù)雜，而且比較耗時(shí)，更麻煩的是此類(lèi)算法即使能夠提取出缺陷但還是無(wú)法對(duì)缺陷的類(lèi)型、等級(jí)給出結(jié)果，而這對(duì)產(chǎn)品合格與否的判定尤其重要。
[0003]圖像紋理反映了圖像基元的灰度分布規(guī)律，包含了圖像的表面信息及其周?chē)h(huán)境的關(guān)系，描述了圖像局部無(wú)規(guī)則而宏觀有規(guī)則的特征，能更好的兼顧圖像的宏觀結(jié)構(gòu)與微觀結(jié)構(gòu)。圖像紋理分析在醫(yī)學(xué)圖像處理、衛(wèi)星遙感、工業(yè)監(jiān)控和計(jì)算機(jī)視覺(jué)等許多領(lǐng)域都有著廣泛的應(yīng)用。遙感照片中的各種圖像，大部分呈現(xiàn)紋理型，平原、低丘和山脈具有不同的形狀和高度的起伏，反映在圖像上則呈現(xiàn)不同粗糙度和方向的紋理；在地質(zhì)構(gòu)造方面，不同類(lèi)型的巖層具有不同的層理、走向和顆粒度，在圖像上則呈現(xiàn)不同的分布、方向、顆粒大小和粗細(xì)度的紋理；在土地利用方面，人工地物，如道路、居民地等具有較為規(guī)則的紋理，而自然地物則呈現(xiàn)不規(guī)則、隨機(jī)分布的紋理；在文物復(fù)原系統(tǒng)中，不同個(gè)體的文物碎片具有不同的形狀和紋理，通過(guò)形狀匹配和紋理分析，有助于實(shí)現(xiàn)文物復(fù)原；在顯微圖像中，細(xì)胞圖像的細(xì)胞核結(jié)構(gòu)變化信息反映在圖像上是紋理的變化；在材料科學(xué)的微結(jié)構(gòu)定量分析中，材料的微觀圖像很多呈現(xiàn)紋理型；在病理診斷中，正常器官表面的紋理和發(fā)生病變的器官表面的紋理具有很大的不同，由此可實(shí)現(xiàn)病理診斷。
[0004]現(xiàn)有的對(duì)圖像缺陷的檢測(cè)能夠檢測(cè)出圖像缺陷的大小、位置等信息，但是對(duì)于缺陷的類(lèi)型等級(jí)還無(wú)法進(jìn)行判斷。

【發(fā)明內(nèi)容】

[0005]鑒于此，本發(fā)明的目的是提供一種基于缺陷紋理特征的被測(cè)工件射線圖像缺陷檢測(cè)方法，該方法采用缺陷的紋理特征，避開(kāi)復(fù)雜的弱邊緣提取的缺陷檢測(cè)方法，不但可以有效的檢測(cè)出被測(cè)工件的缺陷、更可以直接獲得缺陷的大小和等級(jí)。
[0006]本發(fā)明的目的是通過(guò)這樣的技術(shù)方案實(shí)現(xiàn)的，一種基于紋理的射線圖像缺陷檢測(cè)方法，具體包括以下步驟:
[0007]S1:根據(jù)被檢對(duì)象射線成像中的缺陷特征建立缺陷的紋理圖像數(shù)據(jù)庫(kù)；
[0008]S2:獲取待測(cè)對(duì)象的現(xiàn)場(chǎng)射線圖像；
[0009]S3:增強(qiáng)現(xiàn)場(chǎng)射線圖像，獲得增強(qiáng)后的增強(qiáng)射線圖像；
[0010]S4:從增強(qiáng)射線圖像中計(jì)算子塊圖像的紋理特征值，依次比較該特征值與缺陷紋理庫(kù)的特征值，從而判定該子塊圖像是否為缺陷；
[0011]S5:遍歷整個(gè)增強(qiáng)射線圖像檢測(cè)出該圖像各個(gè)子塊圖像的紋理特征值，利用這些特征值與缺陷紋理庫(kù)的特征值進(jìn)行比較；
[0012]S6:采用判別標(biāo)準(zhǔn)確定增強(qiáng)射線圖像的各個(gè)子塊是否包含缺陷以及缺陷類(lèi)型、等級(jí)；
[0013]S7:將缺陷檢測(cè)結(jié)果記錄到數(shù)據(jù)庫(kù)中供檢測(cè)人員參考，并形成缺陷檢測(cè)報(bào)告。
[0014]進(jìn)一步，所述SI中按如下方式執(zhí)行:
[0015]缺陷紋理庫(kù)的建立參照目前已有的產(chǎn)品檢測(cè)標(biāo)準(zhǔn)和圖譜，對(duì)待測(cè)的每種工件進(jìn)行射線檢測(cè)，從增強(qiáng)后的圖像中選擇缺陷區(qū)域加入到紋理庫(kù)中。
[0016]進(jìn)一步，所述S3具體包括以下子步驟:
[0017]S31:首先從使用線性拉伸方法被測(cè)工件射線圖像中獲取包含不同缺陷特征的多幅圖像；
[0018]S32:然后對(duì)多幅圖像分別采用多分辨率方法進(jìn)行多層分解，將圖像分解為不同層上的頻率系數(shù)；
[0019]S33:對(duì)頻率系數(shù)進(jìn)行融合處理，得到融合后的多分辨率頻率系數(shù)金字塔；
[0020]S34:最后對(duì)融合后所得多分辨率頻率系數(shù)金字塔進(jìn)行重構(gòu)，得到重構(gòu)圖像即為增強(qiáng)射線圖像。
[0021]進(jìn)一步，所述S5還包括以下步驟:
[0022]設(shè)G為大小為MXN的待檢測(cè)圖像,Fi為大小為aXb為檢測(cè)模板，i=l, 2，…，N，使用紋理分析方法檢測(cè)圖像缺陷的基本流程如下:
[0023]S41:圖像分割，將待檢測(cè)圖像G分割為若干個(gè)Fi大小的子塊；
[0024]S42:計(jì)算子塊圖像值，對(duì)分割后相應(yīng)位置的各個(gè)子圖像計(jì)算值；
[0025]S43:計(jì)算檢測(cè)模板圖像的值；
[0026]S44:依次計(jì)算模板圖像與各個(gè)子圖像Md2值之間的距離，若距離小于限定值則該塊區(qū)域?yàn)槿毕荩?br> [0027]S45:依次在待檢測(cè)圖像中標(biāo)記區(qū)域位置。
[0028]進(jìn)一步，在進(jìn)行圖像分割時(shí)，將圖像劃分為相互重疊的子塊。
[0029]進(jìn)一步，在進(jìn)行圖像分割時(shí)，將圖像分割為
【權(quán)利要求】
1.一種基于紋理的射線圖像缺陷檢測(cè)方法，其特征在于:具體包括以下步驟: 51:根據(jù)被檢對(duì)象射線成像中的缺陷特征建立缺陷的紋理圖像數(shù)據(jù)庫(kù)； 52:獲取待測(cè)對(duì)象的現(xiàn)場(chǎng)射線圖像； 53:增強(qiáng)現(xiàn)場(chǎng)射線圖像，獲得增強(qiáng)后的增強(qiáng)射線圖像； S4:從增強(qiáng)射線圖像中計(jì)算子塊圖像的紋理特征值，依次比較該特征值與缺陷紋理庫(kù)的特征值，從而判定該子塊圖像是否為缺陷； 55:遍歷整個(gè)增強(qiáng)射線圖像檢測(cè)出該圖像各個(gè)子塊圖像的紋理特征值，利用這些特征值與缺陷紋理庫(kù)的特征值進(jìn)行比較；56:采用判別標(biāo)準(zhǔn)確定增強(qiáng)射線圖像的各個(gè)子塊是否包含缺陷以及缺陷類(lèi)型、等級(jí)； 57:將缺陷檢測(cè)結(jié)果記錄到數(shù)據(jù)庫(kù)中供檢測(cè)人員參考，并形成缺陷檢測(cè)報(bào)告。
2.根據(jù)權(quán)利要求1所述的基于紋理的射線圖像缺陷檢測(cè)方法，其特征在于:所述SI中按如下方式執(zhí)行: 缺陷紋理庫(kù)的建立參照目前已有的產(chǎn)品檢測(cè)標(biāo)準(zhǔn)和圖譜，對(duì)待測(cè)的每種工件進(jìn)行射線檢測(cè)，從增強(qiáng)后的圖 像中選擇缺陷區(qū)域加入到紋理庫(kù)中。
3.根據(jù)權(quán)利要求1所述的基于紋理特征的射線圖像缺陷檢測(cè)方法，其特征在于:所述S3具體包括以下子步驟:531:首先從使用線性拉伸方法被測(cè)工件射線圖像中獲取包含不同缺陷特征的多幅圖像； 532:然后對(duì)多幅圖像分別采用多分辨率方法進(jìn)行多層分解，將圖像分解為不同層上的頻率系數(shù)； 533:對(duì)頻率系數(shù)進(jìn)行融合處理，得到融合后的多分辨率頻率系數(shù)金字塔； S34:最后對(duì)融合后所得多分辨率頻率系數(shù)金字塔進(jìn)行重構(gòu)，得到重構(gòu)圖像即為增強(qiáng)射線圖像。
4.根據(jù)權(quán)利要求1所述的基于紋理特征的射線圖像缺陷檢測(cè)方法，其特征在于:所述S5還包括以下步驟: 設(shè)G為大小為MXN的待檢測(cè)圖像,Fi為大小為aXb為檢測(cè)模板，i=l, 2，…，N，使用紋理分析方法檢測(cè)圖像缺陷的基本流程如下: 541:圖像分割，將待檢測(cè)圖像G分割為若干個(gè)Fi大小的子塊； 542:計(jì)算子塊圖像值，對(duì)分割后相應(yīng)位置的各個(gè)子圖像計(jì)算Mi?!；2值； 543:計(jì)算檢測(cè)模板圖像的值；544:依次計(jì)算模板圖像與各個(gè)子圖像值之間的距離，若距離小于限定值則該塊區(qū)域?yàn)槿毕荩? 545:依次在待檢測(cè)圖像中標(biāo)記區(qū)域位置。
5.根據(jù)權(quán)利要求4所述的基于紋理的射線圖像缺陷檢測(cè)方法，其特征在于:在進(jìn)行圖像分割時(shí)，將圖像劃分為相互重疊的子塊。
6.根據(jù)權(quán)利要求5所述的基于紋理的射線圖像缺陷檢測(cè)方法，其特征在于:在進(jìn)行圖像分割時(shí)，將圖像分割為
【文檔編號(hào)】G06T7/00GK103886602SQ201410123705
【公開(kāi)日】2014年6月25日 申請(qǐng)日期:2014年3月28日 優(yōu)先權(quán)日:2014年3月28日
【發(fā)明者】沈?qū)? 趙亞丁 申請(qǐng)人:重慶大學(xué)