一种基于动态多目标优化的红外热图像缺陷特征识别方法技术

本发明专利技术公开了一种基于动态多目标优化的红外热图像缺陷特征识别方法，通过对热图像序列变换步长选取出像素点的瞬态热响应，并采用FCM进行分类，得到各个像素点的瞬态热响应的所属类别，然后考虑每个类别像素点与同类像素点的像素值相似性，以及与不同类别像素点的差异性，构造相应的多目标函数，同时，在每次环境发生变化后，通过预测机制，为种群进化提供引导方向，帮助多目标优化算法对新变化做出快速响应，获得热图像序列的降维结果，最后利用脉冲耦合神经网络提取出红外热图像的缺陷特征，从而实现代表瞬态热相应(温度点)的精确选择，保证了缺陷特征提取的精准度，同时降低了动态环境下获取各个类别信息代表瞬态热相应的计算消耗。

【技术实现步骤摘要】
一种基于动态多目标优化的红外热图像缺陷特征识别方法
本专利技术属于缺陷检测
，更为具体地讲，涉及一种基于动态多目标优化的红外热图像缺陷特征识别方法。
技术介绍
红外热图像检测技术通过控制热激励方法和测量材料表面的温场变化获取材料表面及其表面以下的结构信息，从而达到检测的目的。在获取结构信息时，常常用到红外热像仪记录试件表面或者亚表面随时间变化的温场信息，并将其转换为热图像序列呈现出来。由于用红外热像仪得到的热图像序列的数据量巨大，噪声干扰强，为了获得更好的检测效果，需要对热图像序列进行特征提取。在处理热图像序列时，有基于单帧图像处理的方法，也有基于图像序列处理的方法。基于单帧图像处理的方法只考虑了试件在某一个时刻的温度分布信息，并不能体现试件在不同时刻的温度情况，得到的处理结果是不完整的，片面的。因此基于图像序列处理的方法得到了广泛的关注与研究。红外热成像检测最常采用的是涡流热成像。根据电磁感应定律，当通入高频的交变电流的感应线圈靠近导体试件(简称试件)时，在试件的表面会感生出涡流。如果试件中有缺陷，涡流将被迫绕过缺陷，改变其流向，这将使得被测件内部涡流密度发生变化。由焦耳定律可知，涡流在试件中转换成焦耳热，导致试件中产生的热量不均匀，从而产生高温区和低温区，由于温度的差异性，高温区热量通过热传导向低温区传递，导致试件不同区域温度发生变化，通过红外热像仪采集试件温度的变化过程，然后将采集的热图像序列交给计算机进行分析处理，来获取试件相关信息，实现缺陷的定性与定量检测。在2018年10月30日公布的、公布号为CN108712069A、名称为“一种基于行变步长分割的高压容器热成像缺陷检测方法”的中国专利技术专利申请中，对聚类结果进行降维处理，并用降维得到的二维矩阵与原图像序列线性变换后提取缺陷特征。在这个过程中，利用不同类别间的相关度获取每一类的代表温度点，但是没有研究代表温度点(瞬态热响应)与同类温度点的相似性，选出的代表温度点不足以表征该类的特征，故需要同时考虑差异性和相似性这两个方面的目标。此外，该方法是在每个类别中搜索具有区域代表性的热响应温度点，该温度点是对应类别中筛选与其他聚类中心距离和最大的热响应数据，所有类别的代表温度点的热响应数据构成一个二维矩阵，然后这些代表温度点对对应类别的信息表征是不全面的，故通过线性变换后提取的缺陷特征是不准确的，从而达不到一定的精准度。在现实世界中，许多多目标优化问题受环境的影响，优化问题本身、自变量等会随着环境的变化而变化。在这个过程中，通过使用多目标优化方法，综合考虑不同类别间的差异性和同类别的相似性，获得每个类别温度点的近似前沿解，从这些前沿解中随机选择一个温度点作为代表温度点。在不考虑环境的因素的理想条件下，获得能全面地表征各个类别信息的代表温度点，但是如果在动态环境下，每一次的环境下都执行整个计算步骤、时间消耗大且反应慢。
技术实现思路
本专利技术的目的在于克服现有技术的不足，提供一种基于动态多目标优化的红外热图像缺陷特征识别方法，在提高缺陷特征提取精准度的同时，降低动态环境下，获取各个类别信息代表瞬态热相应(温度点)的计算消耗。为实现上述专利技术目的，本专利技术基于动态多目标优化的红外热图像缺陷特征识别方法，其特征在于，包括以下步骤：(1)、将红外热像仪获取的热图像序列用三维矩阵S表示，其中的元素S(i,j,t)表示热图像序列的t帧热图像的第i行、第j列的像素值；(2)、从三维矩阵S选出最大像素值S(izz,jzz,tzz)，其中，izz、jzz和tzz分别表示最大像素值像素点所在行的行数、所在列的列数以及所在帧的帧数；(3)、对于三维矩阵S的tzz帧，选取第jzz行，根据像素值(即温度值)的变化，选取P个像素值跳变点，跳变点位于两个跳变像素值像素点之间，以跳变点按行对三维矩阵S进行划分，得到P+1个行数据块；在第p个行数据块Sp中(p＝1,2,...,P+1)，找到最大像素值，记为其中，分别表示第p个行数据块Sp中最大像素值像素点所在行的行数、所在列的列数以及所在帧的帧数，则最大像素值对应的瞬态热响应为t＝1,2,...,T，T为三维矩阵S帧的总数量；设置第p个行数据块Sp的温度阈值为THREp，计算瞬态热响应与距离最大像素值即温度最大值像素点所在列由近及远像素点像素值对应的瞬态热响应之间的相关度Reb，b依次取1,2,...，并判断相关度Reb是否小于温度阈值THREp，当小于时，停止计算，此时，像素点间距b为第p个行数据块行数据块Sp的行步长，记为CLp；(4)、对于三维矩阵S的tzz帧，选取第izz行，根据像素值(即温度值)的变化，选取Q个像素值跳变点，跳变点位于两个跳变像素值像素点之间，以跳变点按列对三维矩阵S进行划分，得到Q+1个列数据块；在第q个列数据块Sq中(q＝1,2,...,Q+1)，找到最大像素值，记为其中，分别表示第q个列数据块Sq中最大像素值像素点所在行的行数、所在列的列数以及所在帧的帧数，则最大像素值对应的瞬态热响应为t＝1,2,...,T，T为三维矩阵S帧的总数量；设置第q个列数据块Sq的温度阈值为THREq，计算瞬态热响应与距离最大像素值即温度最大值像素点所在行由近及远像素点像素值对应的瞬态热响应之间的相关度Red，d依次取1,2,...，并判断相关度Red是否小于温度阈值THREq，当小于时，停止计算，此时，像素点间距d为第d个列数据块Sq的列步长，记为CLq；(5)、分块分步长选取瞬态热响应(5.1)、依据步骤(3)选取的P个像素值跳变点按列以及步骤(4)选取的K个像素值跳变点按行对三维矩阵S进行分块，得到(P+1)×(Q+1)个数据块，行上第p、列上第q个数据块表示为Sp,q；(5.2)、对于每个数据块Sp,q，设置阈值DD，初始化集合编号g＝1，初始化像素点位置i＝1，j＝1，并将最大像素值S(izz,jzz,tzz)对应的瞬态热响应S(izz,jzz,t)，t＝1,2,...,T，存储在集合X(g)中；然后计算数据块Sp,q中像素点位于i行，j列的瞬态热响应Sp,q(i,j,t)，t＝1,2,...,T，与集合X(g)间的相关度Rei,j，并判断：如果Rei,j<DD，则g＝g+1，并将瞬态热响应Sp,q(i,j,t)，t＝1,2,...,T作为一个新特征存储在集合X(g)中；否则，令i＝i+CLp，继续计算下一个瞬态热响应Sp,q(i,j,t)，t＝1,2,...,T与集合X(g)的相关度；如果i＞Mp,q，则令i＝i-Mp,q，j＝j+CLq，即变化到第j+CLq列进行计算，如果j＞Np,q,则瞬态热响应选取完毕，其中，Mp,q、Np,q分别为数据块Sp,q的行数、列数；(6)、将步骤(5)选取的所有(P+1)×(Q+1)个数据块的所有集合X(g)即瞬态热响应采用FCM(模糊C均值聚类)算法分为L类，得到每个瞬态热响应所属的类别；(7)、基于动态多目标选取每类瞬态热响应的代表，并构成矩阵Y(7.1)、在第m+1次外部环境下，对第i'(i'＝1,...,L)个类瞬态热响应选代表时，定义多目标函数：其中，为第m+1次外部环境下第i'类瞬态热响应选出的一个瞬态热响应的类内欧氏距离，表示为：为第i'类瞬态热响应本文档来自技高网...

【技术保护点】
1.一种基于动态多目标优化的红外热图像缺陷特征识别方法，其特征在于，包括以下步骤：(1)、将红外热像仪获取的热图像序列用三维矩阵S表示，其中的元素S(i,j,t)表示热图像序列的t帧热图像的第i行、第j列的像素值；(2)、从三维矩阵S选出最大像素值S(izz,jzz,tzz)，其中，izz、jzz和tzz分别表示最大像素值像素点所在行的行数、所在列的列数以及所在帧的帧数；(3)、对于三维矩阵S的tzz帧，选取第jzz行，根据像素值(即温度值)的变化，选取P个像素值跳变点，跳变点位于两个跳变像素值像素点之间，以跳变点按行对三维矩阵S进行划分，得到P+1个行数据块；在第p个行数据块S

【技术特征摘要】
1.一种基于动态多目标优化的红外热图像缺陷特征识别方法，其特征在于，包括以下步骤：(1)、将红外热像仪获取的热图像序列用三维矩阵S表示，其中的元素S(i,j,t)表示热图像序列的t帧热图像的第i行、第j列的像素值；(2)、从三维矩阵S选出最大像素值S(izz,jzz,tzz)，其中，izz、jzz和tzz分别表示最大像素值像素点所在行的行数、所在列的列数以及所在帧的帧数；(3)、对于三维矩阵S的tzz帧，选取第jzz行，根据像素值(即温度值)的变化，选取P个像素值跳变点，跳变点位于两个跳变像素值像素点之间，以跳变点按行对三维矩阵S进行划分，得到P+1个行数据块；在第p个行数据块Sp中(p＝1,2,...,P+1)，找到最大像素值，记为其中，分别表示第p个行数据块Sp中最大像素值像素点所在行的行数、所在列的列数以及所在帧的帧数，则最大像素值对应的瞬态热响应为T为三维矩阵S帧的总数量；设置第p个行数据块Sp的温度阈值为THREp，计算瞬态热响应与距离最大像素值即温度最大值像素点所在列由近及远像素点像素值对应的瞬态热响应之间的相关度Reb，b依次取1,2,...，并判断相关度Reb是否小于温度阈值THREp，当小于时，停止计算，此时，像素点间距b为第p个行数据块行数据块Sp的行步长，记为CLp；(4)、对于三维矩阵S的tzz帧，选取第izz行，根据像素值(即温度值)的变化，选取Q个像素值跳变点，跳变点位于两个跳变像素值像素点之间，以跳变点按列对三维矩阵S进行划分，得到Q+1个列数据块；在第q个列数据块Sq中(q＝1,2,...,Q+1)，找到最大像素值，记为其中，分别表示第q个列数据块Sq中最大像素值像素点所在行的行数、所在列的列数以及所在帧的帧数，则最大像素值对应的瞬态热响应为T为三维矩阵S帧的总数量；设置第q个列数据块Sq的温度阈值为THREq，计算瞬态热响应与距离最大像素值即温度最大值像素点所在行由近及远像素点像素值对应的瞬态热响应之间的相关度Red，d依次取1,2,...，并判断相关度Red是否小于温度阈值THREq，当小于时，停止计算，此时，像素点间距d为第d个列数据块Sq的列步长，记为CLq；(5)、分块分步长选取瞬态热响应(5.1)、依据步骤(3)选取的P个像素值跳变点按列以及步骤(4)选取的K个像素值跳变点按行对三维矩阵S进行分块，得到(P+1)×(Q+1)个数据块，行上第p、列上第q个数据块表示为Sp,q；(5.2)、对于每个数据块Sp,q，设置阈值DD，初始化集合编号g＝1，初始化像素点位置i＝1，j＝1，并将最大像素值S(izz,jzz,tzz)对应的瞬态热响应S(izz,jzz,t)，t＝1,2,...,T，存储在集合X(g)中；然后计算数据块Sp,q中像素点位于i行，j列的瞬态热响应Sp,q(i,j,t)，t＝1,2,...,T，与集合X(g)间的相关度Rei,j，并判断：如果Rei,j<DD，则g＝g+1，并将瞬态热响应Sp,q(i,j,t)，t＝1,2,...,T作为一个新特征存储在集合X(g)中；否则，令i＝i+CLp，继续计算下一个瞬态热响应Sp,q(i,j,t)，t＝1,2,...,T与集合X(g)的相关度；如果i＞Mp,q，则令i＝i-Mp,q，j＝j+CLq，即变化到第j+CLq列进行计算，如果j＞Np,q,则瞬态热响应选取完毕，其中，Mp,q、Np,q分别为数据块Sp,q的行数、列数；(6)、将步骤(5)选取的所有(P+1)×(Q+1)个数据块的所有集合X(g)即瞬态热响应采用FCM(模糊C均值聚类)算法分为L类，得到每个瞬态热响应所属的类别；(7)、基于动态多目标选取每类瞬态热响应的代表，并构成矩阵Y(7.1)、在第m+1次外部环境下，对第i'(i'＝1,...,L)个类瞬态热响应选代表时，定义多目标函数：其中，为第m+1次外部环境下第i'类瞬态热响应选出的一个瞬态热响应的类内欧氏距离，表示为：为第i'类瞬态热响应选出的一个瞬态热响应的L-1个类间欧氏距离，由计算出的L-1个类间欧氏距离重新编号组成，表示为：为瞬态热响应在第t时刻的像素值即温度值，为第i'类瞬态热响应聚类中心在第t时刻的像素值即温度值，为第j'类瞬态热响应聚类中心在第t时刻的像素值即温度值；(7.2)、第m-1次和第m次环境下得到的多目标函数近似前沿解集分别为和对应的种群瞬态热响应(温度点)解集...

【专利技术属性】
技术研发人员：殷春，薛婷，程玉华，黄雪刚，张昊楠，石安华，陈凯，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川,51