記 為a，Ra的取值范圍為Ra>0.9。在[1，α-1忡選定一個值作為列捜索步長CL。顯然，列捜索 步長化越大，捜索次數(shù)越少，列捜索步長化越小，捜索結(jié)果越準(zhǔn)確，因此列捜索步長化的值 可W根據(jù)實際需要在范圍內(nèi)設(shè)置。本實施例中設(shè)置列步長化=曰-1。
[0043] S103:數(shù)據(jù)塊劃分：
[0044] 在(0，Α)范圍內(nèi)設(shè)置Κ個時間闊值，將紅外熱圖像序列的時長劃分為Κ+1個時間段Τ 化），k=l ,2,…,Κ+1。對于每個熱響應(yīng)數(shù)據(jù)S(m,n,:)，捜索其所有熱響應(yīng)值S(m,n,p)中最大 熱響應(yīng)值對應(yīng)的時刻，如果該時刻屬于第k個時間段，則將該熱響應(yīng)數(shù)據(jù)S(m，η，：）劃入第k 個數(shù)據(jù)塊，Wsk(m，n，：）表示第k個數(shù)據(jù)塊里坐標(biāo)為(m，n)的像素點的熱響應(yīng)數(shù)據(jù)。
[0045] S104:設(shè)置數(shù)據(jù)塊的行捜索步長：
[0046] 對每個數(shù)據(jù)塊中第列的熱響應(yīng)數(shù)據(jù)設(shè)置行捜索步長化k。'，n/ =1+λΧ&<Ν，λ = 〇，1，2···。顯然只需要對將會被捜索到的列設(shè)置行捜索步長即可。行捜索步長也可W根據(jù)經(jīng) 驗值進行設(shè)置，此處給出一種變步長的行捜索步長確定方法，可W根據(jù)不同的列確定其行 捜索步長，其具體方法為：
[0047] 對于每個數(shù)據(jù)塊，根據(jù)列捜索步長化捜索得到熱響應(yīng)值Sk(m，n/，p)的最大值 尸以/：,;.，即：
[004引
[0049]其中，η' =1+λΧ(Χ<Ν，λ = 〇，1，2...。
[00加]記戶化4巧所在的X軸、y軸、t軸的坐標(biāo)值分別為巧、Jj和巧，即
[0化1]對于每個數(shù)據(jù)塊，在第η'列中計算熱響應(yīng)數(shù)據(jù)與所在行其他熱響應(yīng) 數(shù)據(jù)5片4，:）的相關(guān)度，i的取值范圍為]之/??Μ，/*-/,?.。在M-1個相關(guān)度值中，捜索和 滬沾：，:巧，:)相連通的區(qū)域，也就是捜索得到包括巧在內(nèi)的X坐標(biāo)區(qū)域[Xmin，Xmax]，當(dāng)i' e [Xmin，Xmax]時，所有54護，乃，:）與滬巧,，而，:）的相關(guān)度值都大于預(yù)設(shè)闊值Rk，將運個區(qū)域的 熱響應(yīng)數(shù)據(jù)滬(/'，據(jù)，;）的數(shù)量記為.然，Rk的取值范圍為化>〇. 9。一般來說，每個數(shù)據(jù)塊的 闊值化可W采用統(tǒng)一的值。與列步長相似，在|?，片,?-Γ|中選定一個值作為第k個數(shù)據(jù)塊中 第r/列的熱響應(yīng)數(shù)據(jù)的行捜索步長巧Zt。本實施例中化(6= )? -1。
[0化2] S105:捜索代表熱響應(yīng)數(shù)據(jù)：
[0053] 對于每個數(shù)據(jù)塊的所有熱響應(yīng)數(shù)據(jù)，根據(jù)設(shè)置的列捜索步長和行捜索步長捜索具 有區(qū)域代表性的熱響應(yīng)數(shù)據(jù)。運些篩選出的熱響應(yīng)數(shù)據(jù)可W-定程度上作為其附近若干個 像素點的代表。
[0054] 圖3是捜索代表熱響應(yīng)數(shù)據(jù)的流程圖。如圖3所示，捜索代表熱響應(yīng)數(shù)據(jù)包括W下 步驟：
[0055] 8301:初始化數(shù)據(jù)，即令111=1，11/=1，9 = 1^=1，首個代表熱響應(yīng)數(shù)據(jù)乂（1)=8 (ΙΡΕΑΚ, JPEAK,:)。
[0056] S3〇2:計算Sk(m，n,:)與X(q)的相關(guān)度fCC於心伸。.
[0057] S303:判斷是否大于預(yù)設(shè)闊值C，本實施例中C的取值范圍為0<C< 0.9，如果是，進入步驟S304，否則進入步驟S305。
[0化引 S304:令W = W +欠片，進入步驟S306。
[0化9] S305:令q = q+l，X(q)=Sk(m,n,:)，奶=m + 化;，,..,進入步驟 S306。
[0060] S306:判斷是否111>1，如果是，進入步驟S307,否則返回步驟S302。
[0061] S307^m=m-M，n'=n'+&。
[0062] S308:判斷是否r/ >N，如果是，進入步驟S309,否則返回步驟S302。
[0063] S309:令 k = k+l。
[0064] S310:如果k>K+l，捜索結(jié)束，捜索結(jié)束，保存捜索得到的代表熱響應(yīng)數(shù)據(jù)X(q)，記 其數(shù)量為G，否則返回步驟S302。
[0(?日]S106:對代表熱響應(yīng)數(shù)據(jù)進行聚類：
[0066] 記步驟S106捜索得到的G個代表熱響應(yīng)數(shù)據(jù)進行聚類。聚類算法可W根據(jù)需要選 擇，本實施例中采用模糊C均值算法來進行聚類。圖4是本實施例中模糊C均值算法的流程 圖。如圖4所示，采用模糊C均值算法對代表熱響應(yīng)數(shù)據(jù)聚類的具體步驟包括：
[0067] S401:初始化類別數(shù)量L = 2。
[0068] S402:初始化隸屬矩陣其中G表示代表熱響應(yīng)數(shù)據(jù)的數(shù)量，隸屬矩陣中 的每個元素是[0，1 ]范圍內(nèi)的隨機數(shù)，并且
，顯然1 < a <L，1 <b<G。
[0069] S403:初始化迭代次數(shù)w = 0。
[0070] S404:計算聚類中屯、：
[0071] 計算每個類別的聚類中屯、，計算公式為：
[0072]
[0073] S405:計算隸屬矩陣巧'某> ;
[0074] 隸屬矩陣巧的各個元素的計算公式如下：
[0075]
[0076] 其中，《；:嗦示數(shù)據(jù)X(b)到各個聚類中屯、cf9的距離，本實施例中采用皮爾森相關(guān) 度來計算距離，其計算公式為：
[0077]
[0078] S406:判斷是S
ε表示預(yù)設(shè)的迭代計算精度，I I · I I表示求矩 陣的模，如果不是，進入步驟S407，否則進入步驟S409。
[0079] S407 :判斷是否*<￥，￥表示迭代最大次數(shù)，如果是，進入步驟S408，否則進入步驟 S409。
[0080] S408:令w=w+l，返回步驟 S404。
[0081] S409:計算聚類中各個數(shù)據(jù)到其所屬聚類中屯、的距離《:；；。本實施例中采用 皮爾森相關(guān)度來計算距離，計算公式為：
[0082]
[0083] 其中，坤'嗦示第a個聚類的中屯、，式*(的表示屬于聚類a*的代表熱響應(yīng)數(shù)據(jù)。
[0084] S410:判斷是否所有鳴；；<Γ，τ表示預(yù)設(shè)的距離闊值。由于本實施例中采用皮爾森 相關(guān)度來計算距離，因此其取值范圍為〇<τ<〇.5,如果是，聚類結(jié)束，否則進入步驟411。
[00 化]S411:令 L = L+1，返回步驟 S402。
[00化]S107:構(gòu)建矩陣Y:
[0087] 根據(jù)步驟S106可知，G個代表熱響應(yīng)數(shù)據(jù)被分成L類，記第φ類中的第V個熱響應(yīng)數(shù) 據(jù)為式％其中口 = 1，2，...，王，和=】，2....，|取|，|糾表示第巧類中的熱響應(yīng)數(shù)據(jù)數(shù)量，記第 特類的聚類中屯、為Gp。對于每個熱響應(yīng)數(shù)據(jù)X：%計算其與其他類的聚類中屯、的距離之和 Λ/尸/''，也就是類間距離之和，計算公式為：
[0090]在每一類代表熱響應(yīng)數(shù)據(jù)中，篩選出/V巧"最大的熱響應(yīng)數(shù)據(jù)，然后將篩選出的L 個熱響應(yīng)數(shù)據(jù)構(gòu)建得到二維矩陣Y，二維矩陣Y中的每一列表示一個熱響應(yīng)數(shù)據(jù)。可見矩陣Y 的大小為T XL。
[0091] S108:計算得到L個特征圖像：
[0092] 根據(jù)W下公式計算得到紅外熱圖像序列的L個特征圖像：
[0093] R = ?^Ο
[0094] 其中，F(xiàn)是矩陣Υ的偽逆矩陣，矩陣0中每一行表示一幅紅外熱圖像，也就是將紅外 熱圖像序列中的每幅圖像按列拼接得到的。可見F的大小為LXT，0的大小為ΤΧ(ΜΧΝ)，得 到的矩陣R的大小為LX (ΜΧΝ)，其每一行代表一幅特征圖像。
[00巧]實施例
[0096] 為了更好地說明本發(fā)明的技術(shù)方案，采用一個具體實施例對本發(fā)明方法進行實驗 驗證。圖5是本實施例檢測的不誘鋼樣本。如圖5所示，不誘鋼樣本上有一個長度為10mm，寬 度為2mm的狹槽，用來模擬表面缺陷。然后通過加熱線圈對不誘鋼樣本進行脈沖滿流加熱， 采集0.53s的表面熱分布數(shù)據(jù)存儲在紅外熱圖像序列中，序列中熱圖像數(shù)量Τ = 200。圖6是 脈沖滿流熱成像檢測系統(tǒng)中使用的加熱線圈。圖7是圖5所示樣本的紅外熱圖像序列。
[0097] 采用本發(fā)明脈沖滿流紅外熱圖像的特征提取方法對紅外熱圖像序列進行特征提 取。在確定列捜索步長時，設(shè)置闊值化L = 0.95，得到的列捜索步長化=12。在數(shù)據(jù)塊劃分時， 選取兩個時間闊值0.03s和0.06s，從而將所有熱響應(yīng)數(shù)據(jù)劃分為Ξ個數(shù)據(jù)塊。在確定行捜 索步長時，令相關(guān)度闊值Ri = Ri = R3 = 〇.94,從而得到行捜索步長。在捜索代表熱響應(yīng)數(shù)據(jù) 時，設(shè)置闊值C = 0.6,捜索得到13個代表熱響應(yīng)數(shù)據(jù)。然后用模糊C均值算法進行聚類，設(shè)置 最大迭代數(shù)次W=100,迭代計算精度ε = 1〇Λ距離闊值τ = 0.1。根據(jù)模糊C均值分類原理，熱 響應(yīng)數(shù)據(jù)應(yīng)該W與其相關(guān)度距離最小的聚類中屯、為類中屯、。表1是本實施例的聚類結(jié)果。 [009引
[0099] 表 1
[0100] 表1中展示了當(dāng)聚類數(shù)量L分別等于2,3,4時，每一個熱響應(yīng)數(shù)據(jù)和聚類中屯、的相 關(guān)度距離，黑體字是每一個熱響應(yīng)數(shù)據(jù)的類內(nèi)距離，有下劃線的距離是最大類內(nèi)距離，圖中 最后一列表示熱響應(yīng)數(shù)據(jù)的類間距離之和?？梢姡?dāng)L = 4時，每個熱響應(yīng)數(shù)據(jù)的類內(nèi)距離都 小于闊值0.1，因此將代表熱響應(yīng)數(shù)據(jù)分為4類，即X(l)為第一類，X(3)，X(5)，X(7)，X(9)，X (11)，乂(13)為第二類，乂(2)，乂(8)，乂(10)為第^類，乂(4)，乂(6)，乂(12)為第四類。
[0101] 根據(jù)類間距離之和篩選出4個熱響應(yīng)數(shù)據(jù)用于特征圖像的提取。在第一類 中，只有x(l)-個熱響應(yīng)數(shù)據(jù)，所Wx(l)被挑選出來。第二類中