為了保證焊接的質(zhì)量,常常需要對工件中的焊縫進(jìn)行X射線檢測并根據(jù)焊縫圖像進(jìn)行缺陷排查。針對焊縫圖像對比度低、缺陷模糊等問題,本文提出了一種基于HSI顏色空間和Retinex理論的焊縫圖像偽彩色增強(qiáng)算法,該算法主要解決了以下幾個(gè)問題:(1)針對焊縫的動(dòng)態(tài)圖像隨機(jī)噪聲較為嚴(yán)重的問題,采用多幀疊加降噪法,根據(jù)不同幀數(shù)降噪后圖像的峰值信噪比情況,選擇合適的幀數(shù)有效地平滑了圖像中的隨機(jī)噪聲,有利于后期的偽彩色增強(qiáng)。(2)現(xiàn)有偽彩色增強(qiáng)算法為了與顯示設(shè)備契合,大多基于RGB顏色空間進(jìn)行處理,但該空間中三個(gè)通道具有強(qiáng)關(guān)聯(lián)性,無法根據(jù)顏色的某種屬性增強(qiáng)不同像素點(diǎn)的彩色對比度,因此本文選擇基于HSI顏色空間的像素自變換法對焊縫圖像進(jìn)行偽彩色增強(qiáng)。針對該算法面向的圖像灰度值為(0,255)而無法直接對高動(dòng)態(tài)范圍的原始焊縫數(shù)據(jù)進(jìn)行偽彩色增強(qiáng)的問題,本文對原算法中的部分系數(shù)進(jìn)行調(diào)整,推導(dǎo)出能夠應(yīng)用于原始焊縫數(shù)據(jù)的偽彩色增強(qiáng)算法。(3)為了提高偽彩色處理后缺陷區(qū)域的對比度,本文結(jié)合Retinex理論和局部邊緣保持(Local Edge Preserving,LEP)濾波器對原算法作進(jìn)一步改進(jìn)。首先讓HSI顏色空間中的亮度通道圖像通過LEP濾波器得到代表原始圖像中局部均值和顯著邊緣的基礎(chǔ)層圖像,再讓原始圖像與基礎(chǔ)層圖像對應(yīng)像素點(diǎn)的灰度值作差得到細(xì)節(jié)層圖像,通過對LEP濾波器的不同參數(shù)進(jìn)行分析和比較,得到能夠使細(xì)節(jié)層在保留缺陷信息的同時(shí)濾除大部分噪聲的參數(shù),最后使用S型函數(shù)對細(xì)節(jié)層圖像進(jìn)行增強(qiáng)后與基礎(chǔ)層圖像疊加,將輸出的亮度通道圖像融合到HSI顏色空間并轉(zhuǎn)化到RGB顏色空間進(jìn)行顯示,有效改善了缺陷區(qū)域?qū)Ρ榷鹊偷膯栴}。(4)為了提高焊縫中缺陷的判別效率,本文基于CUDA編程模型對提出的偽彩色增強(qiáng)算法進(jìn)行GPU并行加速,有效地壓縮了偽彩色算法的運(yùn)行時(shí)間。實(shí)驗(yàn)結(jié)果表明,本文算法處理后圖像熵和清晰度都得到了較大提升,在實(shí)現(xiàn)偽彩色增強(qiáng)的同時(shí)有效提高了圖像的對比度,使缺陷更加清晰,改善了人眼對焊縫圖像的視覺分辨率。
【學(xué)位單位】：中北大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2020
【中圖分類】：TG441.7;TP391.41
【部分圖文】：

中北大學(xué)學(xué)位論文52焊縫圖像的獲取和預(yù)處理2.1X射線成像系統(tǒng)工作原理為了保證焊縫圖像的質(zhì)量，X射線成像系統(tǒng)在焊縫檢測領(lǐng)域已成為眾多企業(yè)的選擇[24]。伴隨著成像原理的優(yōu)化和硬件的升級，DR系統(tǒng)的成像質(zhì)量逐漸提高，減少了圖像的噪聲和失真，極大地推動(dòng)了無損檢測的發(fā)展。在焊縫圖像的成像過程中，操作人員通過控制器選擇不同的輸入電壓，輸入電壓需要根據(jù)待測工件的結(jié)構(gòu)和厚度進(jìn)行調(diào)整，電壓越高穿透能力越強(qiáng)。電壓激發(fā)X射線管后，射線透射待測工件并在工件的不同位置發(fā)生不同程度的衰減，透過工件的射線被平板探測器接收。平板探測器對接收到的射線進(jìn)行光電轉(zhuǎn)換得到數(shù)字圖像，計(jì)算機(jī)再通過數(shù)據(jù)線對圖像進(jìn)行讀取，并借助圖像處理技術(shù)對圖像進(jìn)行增強(qiáng)和顯示。其基本原理示意圖如圖2-1所示。圖2-1X射線成像系統(tǒng)Figure2-1X-rayimagingsystem由DR系統(tǒng)的成像原理可知，焊縫圖像根據(jù)不同像素點(diǎn)的灰度值差異來反映射線能量的衰減程度，進(jìn)一步反映工件中不同位置的厚度信息，便于觀察者對缺陷的判別。缺陷區(qū)域越深，焊縫圖像中灰度值的區(qū)別就越明顯。X射線在工件中的衰減規(guī)律如式(2-1)所示：Tx）IeI(0（2-1）式中，I0為射線的初始能量值，I為穿透待測工件后被平板探測器接收到的射線能

中北大學(xué)學(xué)位論文9圖2-2中值濾波原理Figure2-2medianfiltering均值濾波是把圖像中的每一個(gè)像素的像素值用其鄰域內(nèi)像素點(diǎn)的灰度值之和的平均取代[37]。其公式如式(2-4)所示：sfyxfMyxg),(1),(（2-4）以大小為3*3的模板為例，將每個(gè)像素的灰度值取為鄰域窗口中各個(gè)像素的灰度平均值，經(jīng)均值濾波后，噪聲點(diǎn)的像素灰度值相對平滑，達(dá)到降噪的目的[38]。其原理如圖2-3所示。圖2-3均值濾波原理Figure2-3meanfiltering高斯濾波器是一個(gè)應(yīng)用最為廣泛的平滑濾波器，對于高斯噪聲去噪效果具有顯著的去噪效果。經(jīng)過高斯濾波后，窗口中心像素的灰度值為其本身值和鄰域內(nèi)的其他像素值的加權(quán)平均。這幾種濾波算法的優(yōu)缺點(diǎn)如表2-2所示，去噪結(jié)果如圖2-4所示。表2-2不同去噪算法的優(yōu)缺點(diǎn)Table2-2advantagesanddisadvantagesofdifferentdenoisingalgorithms去噪算法優(yōu)點(diǎn)缺點(diǎn)中值濾波能有效抑制脈沖噪聲對于其它噪聲效果不明顯均值濾波速度快，算法簡單使圖像變得模糊高斯濾波對高斯噪聲平滑效果較好對缺陷也進(jìn)行了平滑

中北大學(xué)學(xué)位論文9圖2-2中值濾波原理Figure2-2medianfiltering均值濾波是把圖像中的每一個(gè)像素的像素值用其鄰域內(nèi)像素點(diǎn)的灰度值之和的平均取代[37]。其公式如式(2-4)所示：sfyxfMyxg),(1),(（2-4）以大小為3*3的模板為例，將每個(gè)像素的灰度值取為鄰域窗口中各個(gè)像素的灰度平均值，經(jīng)均值濾波后，噪聲點(diǎn)的像素灰度值相對平滑，達(dá)到降噪的目的[38]。其原理如圖2-3所示。圖2-3均值濾波原理Figure2-3meanfiltering高斯濾波器是一個(gè)應(yīng)用最為廣泛的平滑濾波器，對于高斯噪聲去噪效果具有顯著的去噪效果。經(jīng)過高斯濾波后，窗口中心像素的灰度值為其本身值和鄰域內(nèi)的其他像素值的加權(quán)平均。這幾種濾波算法的優(yōu)缺點(diǎn)如表2-2所示，去噪結(jié)果如圖2-4所示。表2-2不同去噪算法的優(yōu)缺點(diǎn)Table2-2advantagesanddisadvantagesofdifferentdenoisingalgorithms去噪算法優(yōu)點(diǎn)缺點(diǎn)中值濾波能有效抑制脈沖噪聲對于其它噪聲效果不明顯均值濾波速度快，算法簡單使圖像變得模糊高斯濾波對高斯噪聲平滑效果較好對缺陷也進(jìn)行了平滑
【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 閔吉磊;危荃;敖波;曾亞斌;;非晶硅平板探測器DR成像校正方法[J];失效分析與預(yù)防;2015年03期

2 彭麗莎;王珅;劉歡;黃松嶺;趙偉;;漏磁圖像的改進(jìn)灰度級—彩色變換法[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年05期

3 楊晨;張智勇;王繼紅;黃寓洋;丁召;;紅外偽彩色圖像的去彩化研究[J];應(yīng)用光學(xué);2015年03期

4 趙通;王國胤;肖斌;;基于多峰高斯函數(shù)的直方圖規(guī)定化算法[J];計(jì)算機(jī)科學(xué);2014年12期

5 孝大宇;蔡鵬飛;李宏;康雁;;基于閾值的平板探測器增益校正方法[J];東北大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年02期

6 陳琛;張建州;;改進(jìn)的多尺度Retinex醫(yī)學(xué)X射線圖像增強(qiáng)算法[J];計(jì)算機(jī)工程與應(yīng)用;2015年09期

7 崔巍;戴光;龍飛飛;王學(xué)增;;鋼板對接焊縫漏磁檢測可視化方法[J];無損檢測;2013年05期

8 劉健;朱丙坤;彭冀湘;;焊縫中夾雜物對針狀鐵素體形成的影響研究現(xiàn)狀[J];材料開發(fā)與應(yīng)用;2013年01期

9 阮正旺;張建州;張亮;;清除椒鹽噪聲的局部L_1去噪保邊方法[J];中國圖象圖形學(xué)報(bào);2010年06期

10 胡韋偉;汪榮貴;方帥;胡瓊;;基于雙邊濾波的Retinex圖像增強(qiáng)算法[J];工程圖學(xué)學(xué)報(bào);2010年02期

相關(guān)碩士學(xué)位論文 前10條

1 陳浩;一種基于GPU加速的深度去霧算法[D];西安電子科技大學(xué);2019年

2 桂楷欽;焊縫缺陷射線數(shù)字成像參考圖像研究[D];南昌航空大學(xué);2019年

3 王家晨;X射線焊縫圖像缺陷自動(dòng)檢測算法研究[D];西安理工大學(xué);2018年

4 熊濤;X射線焊縫圖像的缺陷檢測與識別技術(shù)研究[D];西安電子科技大學(xué);2018年

5 杜陳宇;基于卷積神經(jīng)網(wǎng)絡(luò)的儲層識別方法研究[D];成都理工大學(xué);2018年

6 朱逸飛;基于CUDA的SAR圖像增強(qiáng)算法研究[D];南京理工大學(xué);2018年

7 張佳祥;鋼制管道缺陷X射線數(shù)字成像檢測技術(shù)研究[D];浙江工業(yè)大學(xué);2017年

8 張晨希;彩色圖像拼接關(guān)鍵技術(shù)研究與實(shí)現(xiàn)[D];北方工業(yè)大學(xué);2015年

9 曾亞斌;平板探測器數(shù)據(jù)采集及成像性能測試方法研究[D];南昌航空大學(xué);2015年

10 韓得水;基于X射線平板探測器的直焊縫檢測技術(shù)[D];中北大學(xué);2014年

本文編號：2863042