一种X射线焊接接头缺陷分割方法及其分割系统技术方案

本发明专利技术公开了一种X射线焊接接头缺陷分割方法及其分割系统。所述方法包括以下步骤：获取焊接接头的X射线图像；在所述X射线图像的目标特征外部设置一个轮廓；对所述轮廓的活动轮廓模型引入梯度力和约束力进行多次迭代轮廓演变，优化梯度力权值k

X ray welding joint defect segmentation method and segmentation system thereof

The invention discloses a X ray welding joint defect segmentation method and a segmentation system thereof. The method comprises the following steps: obtaining X ray image of welding joint; set up a profile on the target features outside of the X ray image; active contour model of the contour using gradient and the binding power iteration contour evolution optimization, gradient force weight K

【技术实现步骤摘要】
一种X射线焊接接头缺陷分割方法及其分割系统
本专利技术涉及一种缺陷分割方法及其分割系统，尤其涉及一种X射线焊接接头缺陷分割方法及其分割系统。
技术介绍
焊接接头的缺陷直接影响着焊接产品的寿命，利用X射线对焊接接头进行检测是保证焊接质量的重要手段。目前工业应用的X射线图像分析主要还是人工完成的。在某些情况下以及工作环境下，缺陷鉴定的结果具有一定的主观性。随着成像技术的发展，将放射性图片，采用图像分割技术，实现焊接接头缺陷的完整分割，为焊接接头缺陷自动检测奠定了基础。焊接接头的X射线图像中焊接接头缺陷的轮廓提取是焊接接头无损检测的重要方面，由于焊接接头中缺陷出现的复杂性，一直未能取得很好的效果。目前较为通用的轮廓曲线提取算法主要是活动轮廓模型。但经典活动轮廓模型对初始轮廓有一定的要求，对凹型边界处理效果不佳，易受噪声干扰等。
技术实现思路
为避免上述已有技术中存在的不足之处，本专利技术提供一种X射线焊接接头缺陷分割方法及其分割系统，通过优化活动轮廓模型中梯度力权值和约束力的法向力权值来优化焊接接头缺陷的分割，适合于焊接接头缺陷的射线图像中边界很难提取的情况。本专利技术是通过以下技术方案实现的：一种X射线焊接接头缺陷分割方法，其包括以下步骤：获取焊接接头的X射线图像；在所述X射线图像的目标特征外部设置一个轮廓；对所述轮廓的活动轮廓模型引入梯度力和约束力进行多次迭代轮廓演变，最终迭代获得的轮廓即为焊接接头缺陷的分割结果；其中：优化梯度力权值kG和约束力的法向力权值k，得到最优的梯度力和约束力，从而得到最优的轮廓；所述活动轮廓模型中梯度力权值kG和约束力的法向力权值k的优化方法包括以下步骤：步骤一、将法向力权值k和梯度力权值kG组合在一起进行二进制编码并作为抗体，编码长度为L；步骤二、根据二进制编码的0、1特征，随机产生编码长度均为L的r个抗体作为初始抗体种群，从中随机选择m个抗体作为记忆库，r、m均为正整数，且r＞m；步骤三、计算每个抗体和相应抗原的亲和度，抗原指与相应抗体相对应的能量泛函；步骤四、按照亲和度的大小降序排列，选出亲和度最高的前m个抗体并更新所述记忆库；步骤五、判断记忆库的更新次数是否等于预定的次数；如果等于，则将所述记忆库中亲和度最高的抗体作为最优抗体，由此获得最优化的法向力权值k和梯度力权值kG；否则，进入步骤六；步骤六、利用给定的交叉概率Pc，使所述记忆库中亲和度最高的抗体同所述记忆库中的其他抗体进行交叉，得到更新后的抗体种群；步骤七、对更新后的抗体种群中的抗体，根据周期变异率Pm进行抗体变异，返回步骤三，且在步骤三中只计算抗体变异后的抗体种群中的每个抗体和相应抗原的亲和度。作为上述方案的进一步改进，步骤一中，对获得的X射线图像采用高斯滤波，降低图像噪声，最后得到经过预处理后的目标特征更加清晰的具有缺陷的焊接接头X射线图像。作为上述方案的进一步改进，在步骤五之后判断所述记忆库中最高亲和度值是否满足连续q次更新都不改变，如果是，则将所述记忆库中亲和度最高的抗体作为最优抗体，由此获得最优化的法向力权值k和梯度力权值kG；否则，才进入步骤六。作为上述方案的进一步改进，亲和度的计算公式为其中，B为大于零的常量。进一步地，亲和度计算公式中的能量泛函表征X射线图像中需要焊接接头缺陷分割的活动轮廓模型v(s)的能量函数，采用活动轮廓模型的能量函数Esnake表示：其中，Eint(v(s))代表X射线图像中活动轮廓模型的内部能量，决定所述活动轮廓模型的自然变化；Eimage(v(s))表示所述X射线图像中得到的力，引导所述活动轮廓模型选择低层次的特征；Econ(v(s))代表外部的约束力，给出高层次信息控制所述活动轮廓模型的演变；v(s)＝[x(s),y(s)]，s∈[0,1]，x(s)为轮廓v(s)的x轴坐标的集合，y(s)为轮廓v(s)的y轴坐标的集合。进一步地，引入梯度力和约束力后的轮廓v(s)的迭代求解公式为其中，如果初始轮廓v0(s)是由N个点构成，那么A是一个N×N的系数矩阵，Id是N×N的单位矩阵；γ是控制收敛的标量；xt，yt是迭代次数t时N个点中相应点的坐标，P(x,y)是边缘图，是梯度算子；和分别表示x轴和y轴方向上边缘强度的一阶微分；在x轴和y轴方向的法向量模型Nx和Ny分别由下面公式给出：本专利技术还提供一种X射线焊接接头缺陷分割系统，其包括：X射线图像获取模块，其用于获取焊接接头的X射线图像；轮廓设置模块，其用于在所述X射线图像的目标特征外部设置一个轮廓；焊接接头缺陷分割模块，其用于对所述轮廓的活动轮廓模型引入约束力和梯度力进行多次迭代轮廓演变，最终迭代获得的轮廓即为焊接接头缺陷的分割结果；其中：所述X射线焊接接头缺陷分割系统还包括免疫优化的活动轮廓图像分割装置，所述免疫优化的活动轮廓图像分割装置用于在采用活动轮廓模型对X射线图像进行焊接接头缺陷分割时，对梯度力权值和约束力的法向力权值进行优化；所述免疫优化的活动轮廓图像分割装置包括：编码模块，其用于将法向力权值k和梯度力权值kG组合在一起进行二进制编码并作为抗体，编码长度为L；初始抗体种群生成模块，其用于根据二进制编码的0、1特征，随机产生编码长度均为L的r个抗体作为初始抗体种群，从中随机选择m个抗体作为记忆库，r、m均为正整数，且r＞m；亲和度计算模块，其用于计算每个抗体和相应抗原的亲和度，抗原指与相应抗体相对应的能量泛函；选择模块，其用于按照亲和度的大小降序排列，选出亲和度最高的前m个抗体并更新所述记忆库；更新次数判断模块，其用于判断记忆库的更新次数是否等于预定的次数；最优抗体选取模块，其用于在记忆库的更新次数等于预定的次数时，将所述记忆库中亲和度最高的抗体作为最优抗体，由此获得最优化的法向力权值k和梯度力权值kG；抗体交叉模块，其用于利用给定的交叉概率Pc，使所述记忆库中亲和度最高的抗体同所述记忆库中的其他抗体进行交叉，得到更新后的抗体种群；抗体变异模块，其用于对更新后的抗体种群中的抗体，根据周期变异率Pm进行抗体变异，并启动所述亲和度计算模块，所述亲和度计算模块此时只计算抗体变异后的抗体种群中的每个抗体和相应抗原的亲和度。作为上述方案的进一步改进，所述免疫优化的活动轮廓图像分割装置还包括最高亲和度值恒定判断模块，其用于在记忆库的更新次数不等于预定的次数时，判断所述记忆库中最高亲和度值是否满足连续q次更新都不改变；如果所述记忆库中最高亲和度值满足连续q次更新都不改变，则所述最优抗体选取模块在将所述记忆库中亲和度最高的抗体作为最优抗体，由此获得最优化的法向力权值k和梯度力权值kG，否则启动抗体交叉模块。作为上述方案的进一步改进，亲和度的计算公式为其中，B为大于零的常量。进一步地，所述能量泛函表征X射线图像中需要焊接接头缺陷分割的活动轮廓模型v(s)的能量函数，采用活动轮廓模型的能量函数Esnake表示：其中，Eint(v(s))代表X射线图像中活动轮廓模型的内部能量，决定所述活动轮廓模型的自然变化；Eimage(v(s))表示所述X射线图像中得到的力，引导所述活动轮廓模型选择低层次的特征；Econ(v(s))代表外部的约束力，给出高层次信息控制所述活动轮廓模型的演变；v(s)＝[x(s),y(s)]，s∈[0,1]，x(s)为轮廓本文档来自技高网...

【技术保护点】
一种X射线焊接接头缺陷分割方法，其包括以下步骤：获取焊接接头的X射线图像；在所述X射线图像的目标特征外部设置一个轮廓；对所述轮廓的活动轮廓模型引入约束力和梯度力进行多次迭代轮廓演变，最终迭代获得的轮廓即为焊接接头缺陷的分割结果；其特征在于：优化梯度力权值k

【技术特征摘要】
1.一种X射线焊接接头缺陷分割方法，其包括以下步骤：获取焊接接头的X射线图像；在所述X射线图像的目标特征外部设置一个轮廓；对所述轮廓的活动轮廓模型引入约束力和梯度力进行多次迭代轮廓演变，最终迭代获得的轮廓即为焊接接头缺陷的分割结果；其特征在于：优化梯度力权值kG和约束力的法向力权值k，得到最优的约束力和梯度力，从而得到最优的轮廓；所述活动轮廓模型中梯度力权值kG和约束力的法向力权值k和的优化方法包括以下步骤：步骤一、将法向力权值k和梯度力权值kG组合在一起进行二进制编码并作为抗体，编码长度为L；步骤二、根据二进制编码的0、1特征，随机产生编码长度均为L的r个抗体作为初始抗体种群，从中随机选择m个抗体作为记忆库，r、m均为正整数，且r＞m；步骤三、计算每个抗体和相应抗原的亲和度，抗原指与相应抗体相对应的能量泛函；步骤四、按照亲和度的大小降序排列，选出亲和度最高的前m个抗体并更新所述记忆库；步骤五、判断记忆库的更新次数是否等于预定的次数；如果等于，则将所述记忆库中亲和度最高的抗体作为最优抗体，由此获得最优化的法向力权值k和梯度力权值kG；否则，进入步骤六；步骤六、利用给定的交叉概率Pc，使所述记忆库中亲和度最高的抗体同所述记忆库中的其他抗体进行交叉，得到更新后的抗体种群；步骤七、对更新后的抗体种群中的抗体，根据周期变异率Pm进行抗体变异，返回步骤三，且在步骤三中只计算抗体变异后的抗体种群中的每个抗体和相应抗原的亲和度。2.根据权利要求1所述的焊接接头缺陷分割方法，其特征在于：步骤一中，对获得的X射线图像采用高斯滤波，降低图像噪声，最后得到经过预处理后的目标特征更加清晰的具有缺陷的焊接接头X射线图像。3.根据权利要求1所述的X射线焊接接头缺陷分割方法，其特征在于：在步骤五之后判断所述记忆库中最高亲和度值是否满足连续q次更新都不改变，如果是，则将所述记忆库中亲和度最高的抗体作为最优抗体，由此获得最优化的法向力权值k和梯度力权值kG；否则，才进入步骤六。4.根据权利要求1所述的X射线焊接接头缺陷分割方法，其特征在于：步骤三中的能量泛函表征X射线图像中需要焊接接头缺陷分割的活动轮廓模型v(s)的能量函数，采用活动轮廓模型的能量函数Esnake表示：其中，Eint(v(s))代表X射线图像中活动轮廓模型的内部能量，决定所述活动轮廓模型的自然变化；Eimage(v(s))表示所述X射线图像中得到的力，引导所述活动轮廓模型选择低层次的特征；Econ(v(s))代表外部的约束力，给出高层次信息控制所述活动轮廓模型的演变；v(s)＝[x(s),y(s)]，s∈[0,1]，x(s)为轮廓v(s)的x轴坐标的集合，y(s)为轮廓v(s)的y轴坐标的集合。5.根据权利要求1所述的X射线焊接接头缺陷分割方法，其特征在于：步骤三中亲和度的计算公式为其中，B为大于零的常量。6.根据权利要求4所述的X射线焊接接头缺陷分割方法，其特征在于：引入约束力和梯度力后的轮廓v(s)的迭代求解公式为其中，如果初始轮廓v0(s)是由N个点构成，那么A是一个N×N的系数矩阵，Id是N×N的单位矩阵；γ是控制收敛的标量；xt，yt是迭代次数t时N个点中相应点的坐标，P(x,y)是边缘图，是梯度算子；和分别表示x轴和y轴方向...

【专利技术属性】
技术研发人员：李晔，吴志生，刘翠荣，
申请(专利权)人：太原科技大学，
类型：发明
国别省市：山西,14