一种针对大尺寸曲面试件的红外热成像拼接检测方法技术

本发明专利技术公开了一种针对大尺寸曲面试件的红外热成像拼接检测方法，采用抗旋转缩放匹配算法在基于欧式距离的粗匹配结果上计算粗匹配点对之间的旋转因子和缩放因子，建立三角形相似性假设剔除误匹配点对；通过优化RANSAC算法提取损伤温度重构图像的匹配点对，精确估计出仿射变换模型参数HT，实现图像拼接。本发明专利技术考虑了大尺寸曲面试件获取红外视频流时，曲面热像仪的拍摄位置的移动和角度变化会带来其红外重构图像的几何变换如旋转、缩放，进而构建了抗旋转缩放匹配算法用于剔除误匹配点对，同时，构建优化RANSAC(随机抽样一致)算法提取匹配点对，获取最终的仿射变换模型参数HT，这样，获得了正确匹配缺陷特征点，避免拼接图像出现畸变。出现畸变。出现畸变。

【技术实现步骤摘要】
一种针对大尺寸曲面试件的红外热成像拼接检测方法


[0001]本专利技术属于损伤检测
，更为具体地讲，涉及一种针对大尺寸曲面试件的红外热成像拼接检测方法。

技术介绍

[0002]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。如果被检测试件表面存在损伤，则会影响其热量分布。对被检测试件加热，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，导致被检测试件不同区域温度发生变化，通过红外热像仪采集待检测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，来获取被检测试件相关信息，实现损伤的定性与定量检测。
[0003]针对大尺寸曲面试件，由于曲面试件的非平面结构限制以及红外热像仪的拍摄画幅有限，无法一次完成对整个曲面试件的精确测量，因而需要从多个视角采集曲面试件的红外热视频流。但热像仪的拍摄位置的移动和角度变化可能会带来其红外重构图像的几何变换如旋转、缩放等，从而导致红外重构图像在拼接过程中提取的缺陷特征点发生几何位置变换。这样，采用传统基于欧式距离的匹配法时，直接计算曲面试件高维缺陷特征向量之间的欧式距离而未考虑缺陷特征点之间几何关系的变化情况，不能正确匹配存在尺度变化以及旋转关系的重构图像间的缺陷特征点。且曲率过大时相邻局部区域重构图像之间的重叠区域温度场的温度值和梯度等特征存在较大差异，缺陷特征点不匹配，拼接后的红外重构图像由于这种温度场缺陷特征差异的存在,会存在明显的拼接图像畸变问题导致曲面试件中的缺陷无法实现准确的检测评估。

技术实现思路

[0004]本专利技术的目的在于克服现有技术的不足，提供一种针对大尺寸曲面试件的红外热成像拼接检测方法，以获得正确匹配缺陷特征点，避免拼接图像出现畸变。
[0005]为实现上述专利技术目的，本专利技术针对大尺寸曲面试件的红外热成像拼接检测方法，其特征在于，包括以下步骤：
[0006](1)、获取子区域损伤温度重构图像
[0007]对于大尺寸曲面试件，由红外热像仪拍摄多个含重叠区域的红外视频流；
[0008]对每个获得的视频流进行采样得到一个红外图像序列，并将其视为输入的盲源信号，利用独立成分分析法(ICA算法)进行信号分离，获得突出各个缺陷信息的损伤温度重构图像；
[0009]这样得到该大尺寸曲面试件的各个子区域的损伤温度重构图像；
[0010](2)、特征点检测、描述以及降维
[0011]对包括重叠区域的子区域的损伤温度特征重构图像I1、I2，采用SIFT特征点检测算
法进行特征点检测，得到特征点，其中，损伤温度特征重构图像I1的特征点坐标位置集合表示为M为损伤温度特征重构图像I1检测到的特征点数量，j
m
、k
m
分别表示损伤温度特征重构图像I1第m个特征点的横坐标和纵坐标，损伤温度特征重构图像I2的特征点坐标位置集合表示为N为损伤温度特征重构图像I2检测到的特征点数量，q
n
、w
n
分别表示损伤温度特征重构图像I2第n个特征点的横坐标和纵坐标；
[0012]然后构建特征点的特征描述，得到各个特征点的损伤温度特征向量；再利用PCA算法对检测到的特征点的损伤温度特征向量进行降维，这样得到损伤温度特征重构图像I1的所有特征点的特征向量x
m
(维度为64维)构成特征向量集合M为损伤温度特征重构图像I1检测到的特征点数量，损伤温度特征重构图像I2的所有特征点的特征向量y
n
(维度为64维)构成特征向量集合N为温度变化特征重构图像I2检测到的特征点数量；
[0013](3)、粗匹配
[0014]对于损伤温度特征重构图像I1的特征向量集合的特征向量x
m
，计算其与损伤温度特征重构图像I2的特征向量集合中所有特征向量y
n
的欧式距离d
m1
,d
m2
,....,d
mN
，然后，在欧式距离d
m1
,d
m2
,....,d
mN
找到最小值d
mg
与次小值d
mp
，当：
[0015][0016]则认为特征向量x
m
与特征向量y
g
相互匹配，为一粗匹配点对，其中，d
threshold
为设定的阈值，根据具体情况确定，这样得到粗匹配点对集合其中，{x
′
t
,y
′
t
}为第t对粗匹配点对，T为粗匹配点(特征向量)对的个数；
[0017]这样，对于损伤温度特征重构图像I1，粗匹配后的特征向量集合对应的坐标位置集合对于损伤温度特征重构图像I2，粗匹配后的特征向量集合对应的坐标位置集合
[0018](4)、构建抗旋转缩放匹配算法剔除误匹配点对
[0019]4.1)、构建粗匹配点对集合的相似性排序队列R
[0020]采用余弦相似性对粗匹配点对集合进行相似性度量：计算第t对粗匹配点对{x
′
t
,y
′
t
}的余弦相似性r
t
：
[0021][0022]按余弦相似性r
t
降序对粗匹配点对{x
′
t
,y
′
t
}进行排序，获得排序后的粗匹配点对集合
[0023]4.2)、从粗匹配点对集合中，按余弦相似性大小，从大到小以大小为2的滑
动窗、步进为1的方式，选取两个粗匹配点对u≠v，作为基准匹配点对，计算基准匹配点对之间的旋转因子和缩放因子{α
uv
,β
uv
}；
[0024]4.3)、基于粗匹配对从粗匹配点对集合余下T
‑
2对粗匹配对中依次选择第3个粗匹配对e≠u^e≠v，进行三角形相似性假设F
uv
(e)的验证：若三角形相似性假设F
uv
(e)为1，则保留粗匹配对否则粗匹配对为误匹配点对，予以舍去(剔除)，其中，三角形相似性假设F
uv
(e)为：
[0025][0026]其中，ε为缩放阈值，ζ为旋转阈值，α
ue
、β
ue
分别是粗匹配点对与粗匹配对之间旋转因子和缩放因子，β
ve
、α
ve
分别是粗匹配点对与粗匹配对之间旋转因子和缩放因子；
[0027]4.4)、完成余下T
‑
2对粗匹配对分别与基于特征点匹配对构成的三角形相似性假设验证后，统计满足三角形相似性假设验证的粗匹配对数量F，若F≥th，则所有满足三角形相似性假设验证的粗匹配对构成匹配点对集合否则，返回步本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种针对大尺寸曲面试件的红外热成像拼接检测方法，其特征在于，包括以下步骤：(1)、获取子区域损伤温度重构图像对于大尺寸曲面试件，由红外热像仪拍摄多个含重叠区域的红外视频流；对每个获得的视频流进行采样得到一个红外图像序列，并将其视为输入的盲源信号，利用独立成分分析法(ICA算法)进行信号分离，获得突出各个缺陷信息的损伤温度重构图像；这样得到该大尺寸曲面试件的各个子区域的损伤温度重构图像；(2)、特征点检测、描述以及降维对包括重叠区域的子区域的损伤温度特征重构图像I1、I2，采用SIFT特征点检测算法进行特征点检测，得到特征点，其中，损伤温度特征重构图像I1的特征点坐标位置集合表示为M为损伤温度特征重构图像I1检测到的特征点数量，j
m
、k
m
分别表示损伤温度特征重构图像I1第m个特征点的横坐标和纵坐标，损伤温度特征重构图像I2的特征点坐标位置集合表示为N为损伤温度特征重构图像I2检测到的特征点数量，q
n
、w
n
分别表示损伤温度特征重构图像I2第n个特征点的横坐标和纵坐标；然后构建特征点的特征描述，得到各个特征点的损伤温度特征向量；再利用PCA算法对检测到的特征点的损伤温度特征向量进行降维，这样得到损伤温度特征重构图像I1的所有特征点的特征向量x
m
(维度为64维)构成特征向量集合M为损伤温度特征重构图像I1检测到的特征点数量，损伤温度特征重构图像I2的所有特征点的特征向量y
n
(维度为64维)构成特征向量集合N为温度变化特征重构图像I2检测到的特征点数量；(3)、粗匹配对于损伤温度特征重构图像I1的特征向量集合的特征向量x
m
，计算其与损伤温度特征重构图像I2的特征向量集合中所有特征向量y
n
的欧式距离d
m1
,d
m2
,....,d
mN
，然后，在欧式距离d
m1
,d
m2
,....,d
mN
找到最小值d
mg
与次小值d
mp
，当：则认为特征向量x
m
与特征向量y
g
相互匹配，为一粗匹配点对，其中，d
threshold
为设定的阈值，根据具体情况确定，这样得到粗匹配点对集合其中，{x
′
t
,y
′
t
}为第t对粗匹配点对，T为粗匹配点(特征向量)对的个数；这样，对于损伤温度特征重构图像I1，粗匹配后的特征向量集合对应的坐标位置集合对于损伤温度特征重构图像I2，粗匹配后的特征向量集合对应的坐标位置集合(4)、构建抗旋转缩放匹配算法剔除误匹配点对4.1)、构建粗匹配点对集合的相似性排序队列R
采用余弦相似性对粗匹配点对集合进行相似性度量：计算第t对粗匹配点对{x
′
t
,y
′
t
}的余弦相似性r
t
：按余弦相似性r
t
降序对粗匹配点对{x
′
t
,y
′
t
}进行排序，获得排序后的粗匹配点对集合4.2)、从粗匹配点对集合中，按余弦相似性大小，从大到小以大小为2的滑动窗、步进为1的方式，选取两个粗匹配点对u≠v，作为基准匹...

【专利技术属性】
技术研发人员：殷春，冯怡婷，程玉华，陈凯，王胤泽，陈薇，邱根，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：