【技术实现步骤摘要】
一种射线图像标记信息检测方法及系统
[0001]本专利技术属于射线图像标记信息检测
，具体涉及一种射线图像标记信息检测方法及系统。
技术介绍
[0002]目前，无损检测行业中，射线检测是检测焊缝内部缺陷的重要无损检测手段，通常利用射线照射被检测的工件，获得与工件内部缺陷和结构对应的射线底片进行缺陷检测。在射线底片中，标记信息是整张底片的唯一标识信息，其信息内容和摆放位置不仅标志本张底片的信息，同时也是底片自身质量的重要因素。因此对标记信息进行检测，获得标记信息的位置和类别，有利于射线底片的数字化或辅助评片过程，同时也可以为其他方面的研究提供研究基础。
[0003]射线图像的标记信息包含识别标记、定位标记和像质计标记等。在图像中，标记信息的种类多、特征相似、覆盖范围大、位置松散。虽然目前在目标检测和目标定位方面有广泛的研究，但是其研究多是针对于目标聚集的情况。在目标分类方面，基于传统机器学习的目标检测方法对特征相似的目标也难以区分。因此如何将底片中位置松散、特征相似的不同标记进行正确的检测和标识，是底片标记信息检
【技术保护点】
【技术特征摘要】
1.一种射线图像标记信息检测方法，其特征在于，包括以下步骤：S1、对原始图像进行灰度化、滤波降噪、边缘检测、区域填充、去除干扰点和积分投影操作，获得标记区域块；S2、对步骤S1获得的标记区域块进行数据增强和数据归一化处理，构建标记区域块数据集；S3、搭建卷积神经网络分类器，将处理图像数据的卷积神经网络作为分类器的主通道，添加标记区域块自身信息作为辅助通道，在第一个全连接层前将特征与卷积神经网络主通道提取的特征进行融合得到新的特征集合；最后通过Softmax函数，获得输出类别的概率信息；S4、将步骤S2构建的标记区域块数据集分为训练集和测试集；将训练集的标记区域块图像数据和标记区域块位置尺寸信息作为步骤S3搭建的卷积神经网络分类器的输入，训练卷积神经网络分类器，将测试集作为训练好的卷积神经网络分类器的输入，输出标记区域块所属类别的结果；S5、根据步骤S4标记区域块的分类结果进行聚合或区分：对不同类的标记块进行类别区分，对相同类的标记块进行区域聚合，得到最终的射线图像标记信息检测结果。2.根据权利要求1所述的方法，其特征在于，步骤S1具体为：S101、读入射线图像并将其灰度化，得到灰度图像f(x,y)；利用双边滤波函数对灰度图像进行去噪平滑处理，得到去噪后的图像I(x,y)；采用Canny边缘检测算子对去噪后的灰度图像进行边缘检测，获得包含边缘信息的二值图像；S102、采用数学形态学中的膨胀运算，对边缘进行连接，得到具有连续边界的图像后，在图像内部确认一点，设为初始种子点B0，然后以B0为基准进行循环膨胀，得到区域填充后的二值化图像，删除二值化图像中的白色干扰点，得到去除干扰点的填充图像；S103、采用水平积分投影，对二值化图像上的标记信息进行水平位置定位；采用垂直积分投影，对二值化图像上的标记信息进行竖直位置定位，在积分投影中，搜索满足条件的峰值，去除宽度小于标记字符高度的峰，根据峰间间隔小于字符高度的空隙进行合并，得到标记信息在原始射线图像的位置信息，形成标记区域块。3.根据权利要求1所述的方法，其特征在于，步骤S2具体为：S201、对射线图像进行处理，制作标记区域块数据集所需的图像信息；S202、对原始射线图像进行旋转180
°
、水平翻转和竖直翻转等方式的处理，增加样本图像数量，根据步骤S201扩充标记区域块数据集；S203、对标记区域块图像进行尺寸归一化预处理，高归一化为64，宽按比例归一化为64的整数倍，规范标记区域块数据集的样本标准。4.根据权利要求1所述的方法，其特征在于，步骤S3具体为：在卷积池化层和全连接层之间增加数据归一池化层，用于将全连接层的输入数据归一化为标准尺寸；构建标记区域块自身信息通道为辅助通道，在标记区域块图像作为输入进入网络的同时，标记区域块自身特征信息以特征向量的形式通过辅助通道直接传递到全连接层前，在第一个全连接层之前，将标记区域块图像自身特征信息与卷积神经网络主通道提取到的特征进行融合，得到新的特征集合，对图像特征进行强化；卷积神经网络最后通过Softmax函数，获得输出类别的概率信息P(Y＝Y
i
)，实现标记区域块的分类...
【专利技术属性】
技术研发人员：姜洪权，胡启航，史志光，高建民，武小赛，王鹏星，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。