基于红外热成像的指数熵乘性模糊缺陷特征分析重构方法技术

本发明专利技术公开了一种基于红外热成像的指数熵乘性模糊缺陷特征分析重构方法，通过重构模型和优化的模糊算法，对不同空间不程度缺陷进行提取和特征分析，使不同空间不同程度的缺陷特征能够精确的进行划分；同时，在优化的模糊算法中，构造新的目标函数，一部分包括赞成度与犹豫度的乘积，丰富了元素的特征信息，另一部分包含了指数模糊熵，对特征信息的不确定性进行了描述，增强了损伤区域增益函数的相关性，对特征进行了强调，对缺陷的区分提供了有效的帮助，这样的设计和构造具有良好的稳定性和高效性，对缺陷特征纹理的刻画和特征色差的表征有着突出的作用，能够合理的对不同空间不同程度的缺陷进行精确的评估和分析。

An Exponential Entropy Multiplicative Fuzzy Defect Feature Analysis and Reconstruction Method Based on Infrared Thermal Imaging

【技术实现步骤摘要】
基于红外热成像的指数熵乘性模糊缺陷特征分析重构方法
本专利技术属于缺陷检测
，更为具体地讲，涉及一种基于红外热成像的指数熵乘性模糊缺陷特征分析重构方法。
技术介绍
近年来，红外热成像检测技术得到飞速发展。其不损伤本体、快速高效等特性，能有效地解决传统无损检测方法存在劳动强度大、周期长、效率低、安全性差等问题，实现大面积快速检测、节省大量人力物力。如果待检测试件表面存在缺陷，则会影响其热量分布。对待检测试件加热，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，导致被测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视频交给计算机进行分析处理，来获取被测件相关信息，实现缺陷的定性与定量检测。传统的缺陷分析方法主要针对于同一空间不同区域的缺陷特征，并且缺陷分布较为明确，通过相应的技术可以清晰的将缺陷进行划分，但对于在航空材料上的缺陷，其分布在不同层的空间中，同时撞击，腐蚀等因素造成不同程度的缺陷分布相互干扰，外界环境也会对缺陷产生影响。所以不同空间的损伤信息会被忽视，从而会对材料的缺陷类型进行了错误的判断。目前，由于外界环境本文档来自技高网...

【技术保护点】
1.一种基于红外热成像的指数熵乘性模糊缺陷特征分析重构方法，其特征在于，包括以下步骤：(1)、待检测视频流预处理(1.1)、将待检测视频流用矩阵块表示为：

【技术特征摘要】
1.一种基于红外热成像的指数熵乘性模糊缺陷特征分析重构方法，其特征在于，包括以下步骤：(1)、待检测视频流预处理(1.1)、将待检测视频流用矩阵块表示为：其中，NI×NJ表示空间信息，NT表示时间信息；(1.2)、通过向量算子Vec()将矩阵块转换为二维矩阵Y；Y＝[Vec(Y(1)),Vec(Y(2)),…,Vec(Y(NT))]其中，NIJ＝NI×NJ；(1.3)、根据先验的l种缺陷类型，将待检测视频流改写为：其中，Xθ(tθ)表示待检测视频流中的第tθ帧第θ种缺陷特征行向量，θ＝1,2,…,l，αθ(tθ)为Xθ(tθ)对应的特征系数矩阵列向量，NC表示待检测视频流中表示特征缺陷的总帧数；(2)、缺陷重构(2.1)、采用奇异值分解算法将改写后的视频流Y分解为：YT＝U∑VT，其中，为左奇异矩阵，为奇异值矩阵，为右奇异矩阵；(2.2)、计算白化矩阵W和混合系数矩阵λ；(2.3)、将重构缺陷用矩阵表示为X＝W×Y；(2.4)、通过牛顿迭代法消除重构缺陷特征之间的相关性：w*＝E{xg(wTx)}-E{xg(wTx)}w其中，x是X的行向量，w为W的行向量，g(·)是对比度函数G的导数，E{·}表示求期望；(2.5)、按照步骤(2.4)所述方法对X的所有行进行处理后，得到重构后的缺陷特征信息矩阵：X*＝W*×Y，(2.6)、对白化矩阵W*进行时域分析，得到不同缺陷特征的实际分布情况，再比较W*中行向量w*的曲线趋势，将w*曲线趋势相近的视为相同缺陷类型，否则视为不同缺陷类型；合并相同缺陷类型的缺陷帧数，构成新的缺陷帧数其中，m＝1,2,…χ，且χ≤l，从而从X*中得到张第m类缺陷类型的重构图像，记为(3)、重构图像的特征提取(3.1)、利用巴特沃兹滤波器对重构图像进行纹理及色差分割；特征色差表示为：其中，ti表示中像素点(ti,tj)的行坐标，tj表示中像素点(ti,tj)的列坐标；特征纹理表示为：(3.2)、对特征色差进行优化处理；(3.2.1)、设置迭代终止条件ε，迭代次数c，最大迭代次数cm，聚类的数目τ...

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