在以光源為激勵的紅外無損檢測圖像序列采集過程中,由于受到不均勻加熱、環(huán)境輻射等因素影響,采集到的圖像序列存在著背景噪聲大、對比度低、缺陷顯示效果差等問題,易造成缺陷的漏檢。為提高缺陷檢出率,提出了基于信賴域反射算法的紅外圖像序列處理技術(shù)。通過算法對加熱不均造成的背景噪聲進(jìn)行快速曲面擬合,并將擬合得到的背景曲面從原始圖像中減去,從而去除加熱不均的背景噪聲。利用主成分分析算法對去除背景后的圖像序列進(jìn)行缺陷特征信息提取,進(jìn)一步提高紅外圖像的信噪比。結(jié)合區(qū)域生長算法對缺陷區(qū)域進(jìn)行分割,以提取缺陷區(qū)域。實驗結(jié)果表明:采用上述方法,能夠有效地改善紅外圖像的信噪比,進(jìn)而達(dá)到提高缺陷檢出率的目的。 

【文章來源】：紅外與激光工程. 2020,49(07)北大核心EICSCD

【文章頁數(shù)】：7 頁

【部分圖文】：

TRR算法處理前后第195行圖像數(shù)據(jù)對比圖Fig.4Comparisongraphofimagedatainline195beforeandafterTRR

圖6(a)中帶有缺陷的位置和形態(tài)信息，而圖6(b)、(c)中還帶有缺陷信號的幅度信息。實現(xiàn)準(zhǔn)確的缺陷區(qū)域分割，有利于對缺陷區(qū)域進(jìn)行后續(xù)的定量研究。實驗結(jié)果圖表明，對經(jīng)TRR和PCA算法處理后的圖像，采用基于區(qū)域生長的圖像分割方法可準(zhǔn)確的分割出缺陷區(qū)域。4結(jié)論在紅外熱波無損檢測圖像序列處理過程中，針對圖5實驗結(jié)果圖Fig.5Imagesofexperimentalresults圖6缺陷分割結(jié)果圖Fig.6Resultsofdefectsegmentation紅外與激光工程第7期www.irla.cn第49卷20190505–6

描述：q(si)=minsi∈NigiTsi+12siTHisi(3)p1p2p2式中：gi為F(βi)的梯度矩陣；Hi為F(βi)的Hessian矩陣；Si表示第i次迭代試探步長。為提高計算效率，加快算法的收斂速度，考慮采用F(βi)的梯度方向▽F(βi)，記為向量，以及Gauss-Newton搜索方向，記為，生成解平面Pi�？赏ㄟ^解方程(4)得到。Hip2=gi.(4)采用TRR算法確定系數(shù)向量βbest的計算流程圖如圖1所示。圖1采用TRR算法確定系數(shù)向量βbest的計算流程圖Fig.1FlowchartforsolvingcoefficientvectorβbestbyTRRalgorithm1.2基于PCA的特征提取算法PCA是基于二階統(tǒng)計特性的一種典型數(shù)據(jù)壓縮算法。經(jīng)TRR去背景算法預(yù)處理后的圖像序列中，缺陷信號的能量將遠(yuǎn)大于噪聲信號的能量。在PCA算法處理過程中，能量越大的信號對應(yīng)的奇異值也越大，因此，可通過去除較小奇異值，濾除能量較小的噪聲信號。然后，根據(jù)有效信號子空間重構(gòu)圖像矩陣，達(dá)到缺陷信息提取的目的。因此，采用PCA方法對紅外圖像序列進(jìn)行后處理能夠顯著提高圖像的信噪比[8]。Ai每一幀紅外圖像可由一個M×N維的矩陣表示：Ai=a11···a1N.........aM1···aMN,i=1,2,···,p.(5)式中：p表示圖像總幀數(shù)，圖像序列可由一個M×N×p維的矩陣X表示。為了方便使用PCA算法，需將圖像序列轉(zhuǎn)化為MN×p維的矩陣，因此，每一幀圖像數(shù)據(jù)需進(jìn)行向量化處理并作為矩陣X中的一列，記為Xi：Xi

【參考文獻(xiàn)】：
期刊論文
[1]數(shù)字細(xì)節(jié)增強技術(shù)在脈沖熱成像無損檢測中的應(yīng)用[J]. 徐超,陳一鶴.  紅外與激光工程. 2018(11)
[2]基于魯棒Otsu的紅外無損檢測缺陷分割算法[J]. 汪子君,邱儼睿,楊宏霄,孫磊.  紅外與激光工程. 2019(02)
[3]尖點突變理論在紅外熱波檢測圖像分割中的應(yīng)用[J]. 王冬冬,張煒,金國鋒,楊正偉,田干.  紅外與激光工程. 2014(03)
[4]基于SVD算法的紅外序列圖像增強技術(shù)研究[J]. 趙璟媛,王黎明,劉賓.  紅外技術(shù). 2009(01)
[5]紅外無損檢測加熱不均時的圖像處理方法[J]. 郭興旺,邵威,郭廣平,劉穎韜.  北京航空航天大學(xué)學(xué)報. 2005(11)



本文編號：3143838