一种超高速撞击损伤检测图像的分割识别方法技术

本发明专利技术公开了一种超高速撞击损伤检测图像的分割识别方法，包括：提取每类缺陷的典型瞬态响应；获得红外重构图像；多目标优化算法结合分割模型对红外重构图像进行背景区域和缺陷区域的分离；在噪声去除、保留细节和保持边缘三种目的指导下构建红外图像分割函数；使用多目标优化算法结合分割模型在红外重构图像中对试件缺陷实现一次性分割，根据偏好来调整权重向量；对像素点进行类别划分，得到最后的分割图像。本发明专利技术利用多目标优化理论对红外重构图像中的撞击损伤区域进行分割，针对噪声问题和边缘模糊问题构造目标函数以提高分割的精度，缺陷检测率高，降低了误检率，有效提取出重构图像中的损伤缺陷区域，以便于复杂超高速撞击损伤的量化研究。

【技术实现步骤摘要】
一种超高速撞击损伤检测图像的分割识别方法
本专利技术属于航天器维修保障与在轨风险评估
，更具体地说，本专利技术涉及一种超高速撞击损伤检测图像的分割识别方法。
技术介绍
航天器在发射和在轨运行过程中，极易遭受各类微小物体的意外撞击，比如太空垃圾碎片、微小流星体、剥落的涂层等。特别是日益增加的太空垃圾碎片对在轨航天的危害最大，由于这个微小碎片具有极高的撞击速度(通常达到几公里每秒甚至十几公里每秒)，极易导致航天器表面产生各类超高速撞击损伤，比如穿孔、撞击坑、层裂、剥落等，使得航天器的结构发生破坏或者部件功能下降/失效。因此，为保证在轨航天器的正常工作，必须对航天器表面损伤进行有效的检测，从而对超高速撞击导致的风险进行评估，指导航天器的维修保障。可见，利用各类检测数据对损伤类型和损伤程度进行有效地识别和判读，这对于开展航天器损伤评估和风险预测是非常重要的。红外热成像技术具有安全、直观、快速、高效、检测面积大、无接触等优点，在航天器在轨检测中发挥了重要作用，其基础原理是：基于傅里叶传热与红外辐射原理，当被检对象受到外部热激励时(太阳光照射本文档来自技高网...

【技术保护点】
1.一种超高速撞击损伤检测图像的分割识别方法，其特征在于，包括以下步骤：/n步骤一、对采集到的试件红外数据在提取有效信息后，按照缺陷类型对其进行分类并提取每类缺陷的典型瞬态响应；/n步骤二、将选择出的典型瞬态热响应构成变换矩阵，获得红外重构图像；/n步骤三、使用多目标优化算法结合分割模型对含有M×N个像素点的红外重构图像x＝(x

【技术特征摘要】
1.一种超高速撞击损伤检测图像的分割识别方法，其特征在于，包括以下步骤：
步骤一、对采集到的试件红外数据在提取有效信息后，按照缺陷类型对其进行分类并提取每类缺陷的典型瞬态响应；
步骤二、将选择出的典型瞬态热响应构成变换矩阵，获得红外重构图像；
步骤三、使用多目标优化算法结合分割模型对含有M×N个像素点的红外重构图像x＝(x1,…,xMN)进行背景区域和缺陷区域的分离；在噪声去除、保留细节和保持边缘三种目的指导下构建红外图像分割函数，采用多目标优化算法权衡设置的三个目标函数，设置多目标优化问题；
步骤四、使用多目标优化算法结合分割模型在像素点个数为M×N的红外重构图像中对试件缺陷实现一次性分割，具体步骤为：
步骤S41、多目标优化算法参数初始化；获取M×N个均匀分布的权重向量，并计算每个权重向量最近的T个权重向量；在满足多目标优化问题的可行空间中均匀采样产生初始种群；初始化多目标优化函数；采用基于切比血夫分解模型子问题；设置外部种群EP为空集；
步骤S42、进化多目标优化算法，更新种群中的个体；每次更新个体后，将噪声消除作为偏好，根据偏好来调整权重向量；
步骤S43、从多目标优化算法得到的最优聚类中心集中选择权衡解，作为最终的聚类中心；
步骤S44、计算红外热图像中的像素点到聚类中心的距离；
步骤S45、根据红外热图像中像素点到聚类中心的距离对像素点进行类别划分，划分结束后得到最后试件缺陷红外重构图像的分割图像。


2.如权利要求1所述的超高速撞击损伤检测图像的分割识别方法，其特征在于，所述步骤一的具体方法为：对采集到的试件d维红外热图像序列S(m,n,:),m＝1,...,M,n＝1,...N，采用分块分步长的方式提取有效的瞬态热响应，其中m和n分别表示三维矩阵的第m行和第n列，第三个维度表示红外热图像的帧数；对提取出的有效瞬态热响应根据缺陷类型K，对其划分为K个区域，从划分好的各类缺陷区域中提取最能代表当前类别缺陷特征的典型瞬态热响应。


3.如权利要求2所述的超高速撞击损伤检测图像的分割识别方法，其特征在于，所述步骤二获得红外重构图像的具体方法为：由步骤一提取出的K个d维典型瞬态热响应，获得维度为d×K的线性变化矩阵H1，将S(m,n,:)由三维矩阵化为二维矩阵，即对红外热视频中每一帧图像向量化，将每一帧图像矩阵按列取值并排列后得到包含一帧的像素点温度信息的向量且作为新矩阵的行向量，构建出一个新的二维矩阵P(x,y)a×b，a＝d，b＝M×N；用矩阵H1对P进行线性变换，即其中为矩阵H1的K×d维伪逆矩阵；将二维图像矩阵O再按行取值构成原图像尺寸大小的二维图像，得到K张大小为M×N的红外重构图像。


4.如权利要求1所述的超高速撞击损伤检测图像的分割识别方法，其特征在于，所述步骤三使用多目标优化算法结合分割模型对含有M×N个像素点的红外重构图像x＝(x1,…,xMN)进行背景区域和缺陷区域的分离的具体方法包括：在噪声去除、保留细节及保持边缘三中目的的指导下构建红外图像分割函数，采用多目标优化算法权衡设置的三个目标函数，设置的多目标优化问题如下式所示：
minF(ν)＝[f1(ν),f2(v),f3(v)]T
s.tv＝(v1,…,vc)T
其中，c为分类数目，v＝(v1,…,vc)T表示一组候选聚类中心；利用权重向量在空间中搜索最能权衡好这三个目标函数的最优解，作为聚类中心；
步骤S31、f1(v)为解决噪声问题的单目标噪声去除函数SGNS；在FCM算法中引入模糊因子，利用重构图像邻域窗内像素点的欧式距离dij来确定像素点间的空间约束关系的基础上，正对差异不大的相近类别之间难以区分的问题再引入一个类间离散度度量函数；f1(v)的表达式如下式所示：



其中，MN是红外重构图像中像素点个数，c是聚类数目，uti是像素点xi对聚类中心vt的隶属度，Vati为模糊因子，其定义式为：



Ni是以像素点xi为中心的邻域像素集合，dij是像素xi和像素xj的欧氏距离，距离中心像素越近的邻域像素点对中心像素的影响作用也越强；ηt为类间离散度参数，vt为聚类中心代表当前类别像素点的温度均值，为红外图像中所有像素点的温度均值；函数f1(v)需要满足：利用拉格朗日乘数法求得像素xi相对于聚类中心vt的隶属度为



聚类中心vt更新公式为：



步骤S32、f2(v)为解决细节保留问题的单目标细节保留函数SGDR；考虑图像局部空间能进一步指导图像像素的分割，有利于决绝边缘模糊的问题，并引入一个衡量像素位置及像素颜色的相关系数mij，构造细节保留函数f2(v)如下式所示：



其中，MN是红外重构图像中像素点个数，c是聚类数目，vt是聚类中心，uti是像素点xi对聚类中心vt的隶属度，m∈[1,∞)为平滑参数，Ni是像素点xi的邻域像素，是邻域像素集合Ni中的像素个数，α是控制空间信息约束的参数，表示邻域像素xi与中心像素vt的相关性，记像素xi和vt的空间坐标分别为(xim,yin)、(vtm,vtn)，灰度值分别为g(xi)、g(vt)，则有






其中，λs是空间尺度的影响因子，λg是灰度尺度影响因子，为以像素xi为中心的邻域像素的平均灰度方差，其计算式为：



函数f2(v)需要满足：利用拉格朗日数乘法求得像素xi相对于聚类中心vt的隶属度为



聚类中心vt的更新公式为：



步骤S33、f3...

【专利技术属性】
技术研发人员：黄雪刚，雷光钰，谭旭彤，石安华，罗庆，覃金贵，周浩，
申请(专利权)人：中国空气动力研究与发展中心超高速空气动力研究所，
类型：发明
国别省市：四川;51