基于图像处理的X射线焊缝区域提取方法技术

本发明专利技术公开了一种基于图像处理的X射线焊缝区域提取方法，涉及工业自动检测领域，包括以下步骤：步骤A：图像预处理；步骤B：基于最小二乘直线拟合的边缘检测；步骤C：计算尺度乘积；本发明专利技术的有益效果：通过本发明专利技术的方法，能够显著抑制噪声的干扰，提高边缘检测的准确率，因此应用在噪声多、对比度低、焊缝区域边缘模糊、焊缝区域与背景的灰度分布重叠较多的X射线图像中能够取得较好的准确率和鲁棒性。

【技术实现步骤摘要】

本专利技术涉及工业自动检测领域，特别涉及一种基于图像处理的X射线焊缝区域提取方法。
技术介绍
随着图像处理技术的发展，X射线焊缝缺陷自动检测方面的研究成果也越来越多，其应用也越来越广泛。在X射线焊缝缺陷自动检测系统中，焊缝区域的提取是焊缝缺陷检测与识别的基础，影响着缺陷检测与识别的正确与否。但由于X射线成像方式，钢材材质等客观因素的影响，图像存在噪声多、对比度低、焊缝区域边缘模糊、焊缝区域与背景的灰度分布重叠较多等问题，这使得对图像中焊缝区域的提取存在一定的困难，目前X射线焊缝区域提取算法还不能满足工业应用的实际要求。X射线焊缝区域提取本质是一个图像分割问题，目前已经有许多的分割算法应用到焊缝区域提取中。Kuo和Wu使用了Prewitt算子并结合了模糊理论，Kong等人利用了Sobel算子和canny算子，Ma等人则通过搜索图像中每列梯度值最大的像素点来检测边缘。这些基于边缘检测的方法在对比度明显，噪声较小的图像中能取得较好的结果，但在边缘模糊的图像中会出现琐碎的边缘，不易形成完整的边界。HanizaYazid等人提出基于模糊C均值聚类的阀值分割方法，LiMinxia等人提出基于遗传算法优化的多参数阈值分割方法。然而实际中焊缝区域和背景中的灰度分布存在一定的重叠，导致阀值分割方法不能准确地分离出焊缝区域和背景。Goumeidane,A.B.等人结合GVF和Snake模型来获得焊接缺陷的边界，YBoutiche等人提出了基于二进制变分水平集的主动轮廓模型来检测边缘。由于这类模型的初始参数对结果有一定的影响，使得这类模型的自动化程度和可靠性不高。此外，针对焊缝图像的特征，出现了一些基于知识的焊缝提取方法。RafaelVilar等人提出了一种基于知识的三层渐进式分割技术。ZhenYe等人提出了基于知识判别的焊缝边缘检测算法。对于这些方法而言，由于焊缝边缘知识的数学表达通常是不精确或者难以表达的，因而难以有效利用。
技术实现思路
本专利技术是针对工业应用中钢管焊缝缺陷自动检测系统中X射线焊缝区域提取准确率低而提出了一种基于图像处理的X射线焊缝区域提取方法。为解决以上问题，本专利技术采用的技术方案如下：一种基于图像处理的X射线焊缝区域提取方法，包括以下步骤：步骤A：图像预处理；步骤A1：图像去噪；步骤A2：灰度增强；步骤A3：模板匹配；A31：人工截取模板图像；A32：计算模板参数；A33：计算子图像块与模板的距离，找出距离最小的子图像块；步骤B：基于最小二乘直线拟合的边缘检测；步骤B1：将图像按行分为一系列的灰度曲线；步骤B2：选取一个窗口，对灰度曲线上处于窗口内的w个像素点进行最小二乘直线拟合，将拟合直线的斜率作为窗口中心像素点的响应；步骤B3：将窗口在灰度曲线上从左到右滑动，得到整条灰度曲线的响应曲线；步骤C：计算尺度乘积，得到焊缝区域的边界；步骤C1：计算尺度乘积；步骤C2：对尺度响应乘积曲线进行非极大值抑制，并找出其中最大的波峰点；步骤C3：对图像每一行的灰度曲线进行按同样的操作，得到焊缝区域的边界。作为优选，步骤A32计算模板参数具体方法如下：通过对模板的训练，计算出Ψ、w、M三个参数，其计算步骤如下所示：a计算平均模板Ψ=1nΣi=1nxi]]>其中，向量xi为第i个模板图像的每一列向量串联而成的向量；b计算每一张模板图像与平均模板的差值di＝xi-Ψ,(i＝1,2,…,n)；c构建协方差矩阵C=1nΣi=1ndidiT=1nAAT;]]>d求协方差矩阵的特征值和特征向量，构造特征模板空间：设求得的ATA的特征值λi所对应的特征向量为νi，选取前k个最大的特征值及其对应的特征向量，k的值一般根据前k个最大的特征值之和占所有特征值之和的99％来选取，则原协方差矩阵的特征向量为：ui=1λiAvi,(i=1,2,...,k)]]>其特征模板空间为：w＝(u1,u2,…,uk)；e将每一幅模板图像与平均模板的差值矢量投影到特征模板空间，即：Ωi＝xTdi,(i＝1,2,…,n)；f计算模板空间投影均值M=1nΣi=1nΩi.]]>作为优选，步骤A33模板匹配具体方法如下：模板匹配是通过寻找与模板之间距离最小的图像子块的过程,距离DIS计算步骤如下：a.将待匹配的图像字块Γ与平均模板的差值投影到特征空间，得到其特征向量表示：ΩΓ＝wT(Γ-Ψ)；b.计算向量ΩΓ与向量M的欧氏距离，以此作为距离DIS值DIS＝wTΩΓ。作为优选，步骤B基于最小二乘直线拟合的边缘检测具体如下；步骤B1：将图像按行分为一系列的灰度曲线；在灰度图像G(x,y)中，选取其中一行即x＝x0时，图像G(x0,y)是一条二维的灰度曲线，不同的行对应着不同的x值，将图像按行分为一系列的灰度曲线；其中，x,y分别是像素点的行和列，G(x,y)是对应像素点的灰度值；步骤B2：选取一个窗口，对灰度曲线上处于窗口内的w个像素点进行最小二乘直线拟合，将拟合直线的斜率作为窗口中心像素点的响应；步骤B21:最小二乘直线拟合；拟合直线方程可表示为：yi＝kxi+b，(xi＝1,2,3,…,n)；式中，(xi,yi)为测点坐标，k，b为待估参数，分别表示拟合直线的斜率和截距；最小二乘直线拟合是根据一组观测点确定k，b的值，使得下式：最小，对于固定的一组数据，上式是S(a,b)关于a、b的二元函数，根据多元函数的极值条件求得S(a,b)取最小值的解为：k=Σi=1n(xi-x‾)(yi-y‾)/Σi=1n(xi-x‾)2b=y‾-kx‾]]>其中，x‾=1nΣi=1nxi,y‾=1nΣi=1nyi;]]>步骤B22：直线拟合检测边缘；在得到了灰度曲线后，选取一个合适的大小为w个像素的窗口，w的取值根据时间检测的需要进行选取，对窗口内的w个像素点进行最小二乘直线拟合，将拟合直线的斜率作为窗口中心像素点的响应，从而代替梯度算子；步骤B3：将窗口在灰度曲线上从左到右滑动，得到整条灰度曲线的响应曲线。作为优选，步骤C具体方法如下：步骤C1：计算尺度乘积；设两种不同的尺度分别为w1和w2，两种尺本文档来自技高网...

【技术保护点】
一种基于图像处理的X射线焊缝区域提取方法，其特征在于，包括以下步骤：步骤A：图像预处理；步骤A1：图像去噪；步骤A2：灰度增强；步骤A3：模板匹配；A31：人工截取模板图像；A32：计算模板参数；A33：计算子图像块与模板的距离，找出距离最小的子图像块；步骤B：基于最小二乘直线拟合的边缘检测；步骤B1：将图像按行分为一系列的灰度曲线；步骤B2：选取一个窗口，对灰度曲线上处于窗口内的w个像素点进行最小二乘直线拟合，将拟合直线的斜率作为窗口中心像素点的响应；步骤B3：将窗口在灰度曲线上从左到右滑动，得到整条灰度曲线的响应曲线；步骤C：计算尺度乘积，得到焊缝区域的边界；步骤C1：计算尺度乘积；步骤C2：对尺度响应乘积曲线进行非极大值抑制，并找出其中最大的波峰点；步骤C3：对图像每一行的灰度曲线进行按同样的操作，得到焊缝区域的边界。

【技术特征摘要】
1.一种基于图像处理的X射线焊缝区域提取方法，其特征在于，包括以下步骤：
步骤A：图像预处理；
步骤A1：图像去噪；
步骤A2：灰度增强；
步骤A3：模板匹配；
A31：人工截取模板图像；
A32：计算模板参数；
A33：计算子图像块与模板的距离，找出距离最小的子图像块；
步骤B：基于最小二乘直线拟合的边缘检测；
步骤B1：将图像按行分为一系列的灰度曲线；
步骤B2：选取一个窗口，对灰度曲线上处于窗口内的w个像素点进行最小二乘
直线拟合，将拟合直线的斜率作为窗口中心像素点的响应；
步骤B3：将窗口在灰度曲线上从左到右滑动，得到整条灰度曲线的响应曲线；
步骤C：计算尺度乘积，得到焊缝区域的边界；
步骤C1：计算尺度乘积；
步骤C2：对尺度响应乘积曲线进行非极大值抑制，并找出其中最大的波峰点；
步骤C3：对图像每一行的灰度曲线进行按同样的操作，得到焊缝区域的边界。
2.根据权利要求1所述的一种基于图像处理的X射线焊缝区域提取方法，其特
征在于，步骤A32计算模板参数具体方法如下：
通过对模板的训练，计算出Ψ、w、M三个参数，其计算步骤如下所示：
a计算平均模板
Ψ=1nΣi=1nxi]]>其中，向量xi为第i个模板图像的每一列向量串联而成的向量；
b计算每一张模板图像与平均模板的差值
di＝xi-Ψ,(i＝1,2,…,n)；
c构建协方差矩阵
C=1nΣi=1ndidiT=1nAAT;]]>d求协方差矩阵的特征值和特征向量，构造特征模板空间：
设求得的ATA的特征值λi所对应的特征向量为νi，选取前k个最大的特
征值及其对应的特征向量，k的值一般根据前k个最大的特征值之和占所有特
征值之和的99%来选取，则原协方差矩阵的特征向量为：
ui=1λiAvi,(i=1,2,...,k)]]>其特征模板空间为：
w＝(u1,u2,…,uk)；
e将每一幅模板图像与平均模板的差值矢量投影到特征模板空间，即：
Ωi＝xTdi,(i＝1,2,…,n)；
f计算模板空间投影均值
M=1nΣi=1nΩi.]]>3.根据权利要求1或2所述的一种基于图像处理的X射线焊缝区域提取方法，
其特征在于，步骤A33模板匹配具体方法如下：
模板匹配是通过寻找与模板之间距离最小的图像子块的过程,距离DIS计
算步骤如下：
a.将待匹配的图像字块Γ与平均模板的差值投影到特征空间，得到其特征
向量表示：
ΩΓ＝wT(Γ-Ψ)；
b.计算向量ΩΓ与向量M的欧氏距离，以此作为距离DIS值
DIS＝wTΩΓ...

【专利技术属性】
技术研发人员：彭小琼，
申请(专利权)人：成都多贝科技有限责任公司，
类型：发明
国别省市：四川;51