一种通过改进GAN增强红外热图像的方法技术

本发明专利技术公开了一种通过改进GAN增强红外热图像的方法，首先对采集到的红外热图像序列任意一个目标点及其周围8邻域的9个像素点进行主成分分析，并选取其第一主成分分量；为了减少数据冗余和提高计算效率，再对第一主成分分量进行采样并与其经处理得到的单幅二值图像一起作为训练集；然后分别通过融合相邻域内的像素点，获得更多热时序信号及其二值像素点，扩充训练集数据；最后利用热图像温度

【技术实现步骤摘要】
一种通过改进GAN增强红外热图像的方法


[0001]本专利技术属于图像处理
，更为具体地讲，涉及一种通过改进生成式对抗网络(GAN)增强红外热图像的方法。

技术介绍

[0002]裂纹检测在预防由裂纹缺陷设施引起的偶发危险事件中起着极其重要的作用。随着现代工业科技的快速发展，工业中设施装备逐渐向着高精度发展，其对组件的安全性也有着极高的要求，裂纹的出现和扩展不仅会严重影响设施装备的性能，在扩展到一定程度后甚至会导致组件的断裂，引起设施的安全问题，从而造成极其严重的后果。因此有必要在早期对工业组件进行裂纹的检测。
[0003]目前的无损检测技术主要包括射线检测、涡流检测、磁粉检测、超声检查等。射线检测检测成本高且存在安全问题；磁粉检测仅适合开口缺陷且检测过程复杂；超声检测需要耦合。综合来看，涡流检测因其检测速度快，操作难度低、多种多样的应用方式等优点受到广泛关注。随着涡流检测技术发展,其在简单缺陷的检出及空间定位方面都已经比较成熟，且逐渐向精确测量和成像检测方向发展。其中脉冲涡流热成像技术集合了涡流检测与热成像技术两方面的优势，其主要特点如下：
[0004](1)、采用红外辐射测量物体表面温度，检测距离较大，热像仪具有分辨率较高的优点。
[0005](2)、检测效率高，热像仪可以在几毫秒内测出目标的温度，相对于涡流磁光成像来说检测范围更大。
[0006](3)、成像效果直观，可以通过热图像温度分布直接确定缺陷位置，便于后期处理。
[0007](4)、具有涡流检测的优点，与射线检测相比更安全；与超声检测技术相比无需耦合且不必接触；且相对于磁粉法及渗透法操作更为简单
[0008]因其诸多优点，脉冲涡流成像技术十分适合缺陷的检测，也因此吸引了大量学者的关注，在红外热图像的处理和增强方面也取得了一系列的进展。脉冲涡流热成像技术的主要原理在于：高频的脉冲激励源使试件表面和内部感应出高频涡流，涡流在试件中的流动总是选择阻抗最低的环路，当试件内部存在缺陷时，内部孔洞或者裂缝的存在使得缺陷处的阻抗变大，因此当涡流遇到缺陷时，会绕过缺陷从缺陷的边缘处流过，使得缺陷边缘处的涡流密度变大。由焦耳定律可知，导体中产生的热量与电流的平方成正比，因此缺陷边缘处的温度要高于其他无缺陷区域，通过观察红外热图像中的颜色差异即可判断出缺陷的轮廓。
[0009]通过对采集到的红外热图像或热图像序列进行处理，可以得到关于试件表面和亚表面部分的缺陷信息。因此很多学者们对热图像和热图像序列的处理进行了研究，目前对热图像的处理都只是将热图像看作一幅普通的可见光图像，许多学者通过在空间域或者频率域对热图像中的各个像素进行处理，消除噪声，提高图像质量从而达到使缺陷轮廓更加清晰，达到便于缺陷检测的目的。但是，由于不能准确地估计检测最佳红外图像的时间，因
此难以获得有效的红外图像。为了使用图像检测裂纹，通常根据经验在固定的检测时间手动选择可行图像。基于人工选择的图像，提出了各种用于裂纹检测的高级图像处理算法，例如k均值聚类算法，离散小波变换，热阻效应模型方法以及其他一些特殊方法和算法。这些图像处理算法的目的在于根据可行的图像选择方法，使用静态热图像来增强裂纹图像。实际上，脉冲涡流红外图像中的大量信息包含在瞬态模式中，因此，传统的图像方法无法充分利用脉冲涡流热成像技术的特点进行裂纹检测。目前，许多学者也研究了大量的瞬态响应特征以更加深入地提取和增强裂纹信息。当前，基于模式热图像序列处理算法主要有以下几种：应用基于傅立叶变换的频率模式提取方法，旨在通过相位图来增强图像对比度；通过使用主成分分析(PCA)和独立成分分析(ICA)的模式提取方法，基于原始图像序列提高裂纹检测的能力；此外，在热图像序列处理中还存在其他一些算法，例如单通道盲源分离和鲁棒主成分分析(RPCA)方法。
[0010]热成像检测技术中裂纹检测的挑战在于，由于多种及动态的影响因素，很难建立与物理过程相关的精确模型，且由于噪声的存在，很难建立具有良好泛化性能的模型。因此，开展新的分析角度和方法，构建性能良好的泛化模型并完成对缺陷信息的有效检测有很大的研究意义。

技术实现思路

[0011]本专利技术的目的在于克服现有技术的不足，提供一种通过改进GAN增强红外热图像的方法，基于时域特征到空域特征的映射来充分利用红外热图像序列的信息，有效提高缺陷区域与背景区域之间的对比度，完成了红外热图像的重构。
[0012]为实现上述专利技术目的，本专利技术一种通过改进GAN增强红外热图像的方法，其特征在于，包括以下步骤：
[0013](1)、获取红外热图像序列；
[0014]利用脉冲涡流热成像无损检测平台对常温状态下存在已知缺陷的试件进行加热，并采集整个加热阶段的P帧红外热图像，组成红外图像时间序列S，其中，每帧红外热图像的大小为M
×
N，M、N分别为红外热图像长、宽；
[0015](2)、主成分分析；
[0016](2.1)、在红外图像时间数据序列S中，任意设置一像素点作为目标点，提取目标点及其8邻域共计9个像素点的温度
‑
时间数据进行PCA处理，将主成分分析后的第一主成分作为该目标点的温度
‑
时间数据，其中，对于边界像素点的邻域点用0补齐；
[0017](2.2)、按照步骤(2.1)的方法将温度
‑
时间数据序列S中所有像素点处理完成后，得到长度为P的目标点时序数据序列S1，然后对目标点时序数据序列S1进行时序间的均匀采样，得到长度为P'的目标点时序数据序列S2；
[0018](3)、GAN训练数据的生成；
[0019](3.1)、二值化处理；
[0020]通过人工检索的方式从目标点时序数据序列S2中挑选出一帧缺陷区域明显的红外热图像，并进行二值化处理，得到二值化图像，其中，二值化处理后缺陷区域的像素值为1，而非缺陷区域的像素值为0；
[0021](3.2)、对目标点时序数据序列S2进行数据扩充；
[0022]从目标点时序数据序列S2中随机选取一帧红外热图像，并随机标记红外热图像中缺陷区域相邻的两个空间像素位置，记为(i1，j1)、(i2，j2)；
[0023]在P'帧红外热图像中，计算每一帧红外热图像在(i1，j1)、(i2，j2)出的温度均值，获得一个温度随时间变化的一维序列，其长度为P'；
[0024](3.3)、对二值化图像进行数据扩充；
[0025]以空间像素位置(i1，j1)、(i2，j2)为基准，在二值化图像中，在(i1，j1)和(i2，j2)之间创造一个点值；
[0026](3.4)、重复步骤(3.2)、(3.3)共计K次，获得K个一维序列和K个点值；
[0027](3.5)、对K个一维序列及目标点时序数据序列S2进行归一化处理；
[0028](3.6)、提取目标点时序数据序列S2中每个像素点的温度
‑
时间序列数据，共计获得MN个一维序列，再与扩充本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种通过改进GAN增强红外热图像的方法，其特征在于，包括以下步骤：(1)、获取红外热图像序列；利用脉冲涡流热成像无损检测平台对常温状态下存在已知缺陷的试件进行加热，并采集整个加热阶段的P帧红外热图像，组成红外图像时间序列S，其中，每帧红外热图像的大小为M
×
N，M、N分别为红外热图像长、宽；(2)、主成分分析；(2.1)、在红外图像时间数据序列S中，任意设置一像素点作为目标点，提取目标点及其8邻域共计9个像素点的温度
‑
时间数据进行PCA处理，将主成分分析后的第一主成分作为该目标点的温度
‑
时间数据，其中，对于边界像素点的邻域点用0补齐；(2.2)、按照步骤(2.1)的方法将温度
‑
时间数据序列S中所有像素点处理完成后，得到长度为P的目标点时序数据序列S1，然后对目标点时序数据序列S1进行时序间的均匀采样，得到长度为P'的目标点时序数据序列S2；(3)、GAN训练数据的生成；(3.1)、二值化处理；通过人工检索的方式从目标点时序数据序列S2中挑选出一帧缺陷区域明显的红外热图像，并进行二值化处理，得到二值化图像，其中，二值化处理后缺陷区域的像素值为1，而非缺陷区域的像素值为0；(3.2)、对对目标点时序数据序列S2进行数据扩充；从目标点时序数据序列S2中随机选取一帧红外热图像，并随机标记红外热图像中缺陷区域相邻的两个空间像素位置，记为(i1，j1)、(i2，j2)；在P'帧红外热图像中，计算每一帧红外热图像在(i1，j1)、(i2，j2)出的温度均值，获得一个温度随时间变化的一维序列，其长度为P'；(3.3)、对二值化图像进行数据扩充；以空间像素位置(i1，j1)、(i2，j2)为基准，在二值化图像中，在(i1，j1)和(i2，j2)之间创造一个点值；(3.4)、重复步骤(3.2)、(3.3)共计K次，获得K个一维序列和K个点值；(3.5)、分别对K个一维序列及目标点时序数据序列S2进行归一化处理；(3.6)、提取目标点时序数据序列S2中每个像素点的温度
‑
时间序列数据，共计获得MN个一维序列，再与扩充的K个一维序列共计构成MN+K个一维温度
‑
时间序列S3；提取二值化图像中所有的像素点值，再与扩充的...

【专利技术属性】
技术研发人员：田露露，白利兵，杨扬，程玉华，张杰，周权，陈聪，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：