基于射线衰减能量场的无损检测缺陷提取、识别方法技术

基于射线衰减能量场的无损检测缺陷提取、识别方法，首先，根据射线检测以及数字成像建立底片图像灰度与衰减能量场分布之间的关系，从射线底片图像中获取缺陷边界；然后，基于射线衰减能量场对所述缺陷提取方法得到的缺陷进行类型识别；最后，根据能量衰减原理，对所述缺陷类型识别方法得到的缺陷进行体积测量。由于本发明专利技术利用射线能量穿透不同材质所表现的衰减特征，建立射线能量衰减特征与底片图像灰度的对应规律，利用计算机对灰度图像的解析度远远超过人眼的优势，从而实现产品零部件缺陷的自动提取、识别以及三维体积测量。

【技术实现步骤摘要】

本专利技术涉及一种数字图像处理中基于射线衰减能量场的无损检测缺陷提 取、识别方法。
技术介绍
利用工业射线底片图像判定缺陷主要包括缺陷边界提取和缺陷类型识别 两个方面。由于零部件内部缺陷的多样性与复杂性，目前，大部分缺陷类型 识别主要是以缺陷所形成的影像底片作为判别依据，依靠专业人员的实际经 验进行判定，造成无损检测技术人员工作量大，工作强度高，错判漏判现象 时有发生。此外，无损射线检测行业涉及到探伤工艺、铸造工艺、材料成形 工艺、焊接工艺以及表面处理工艺，培养一名合格的评片人员大约需要三年 时间。因此，利用专业装置和计算机进行辅助缺陷识别，减轻工作人员劳动 强度，提高缺陷识别率成为必须。目前利用射线底片图像进行零部件缺陷识 别主要存在以下问题缺陷提取方面，目前主要有边界方法、区域方法和聚类方法三种，边界 方法主要利用图像相邻像素间的灰度突变进行微分运算，从而检测出不同区 域的边界，这种方法对噪声非常敏感且无法识别微小缺陷。区域方法主要是 根据像素之间的相似度，把像素组合成不同的区域，这类方法容易产生过分 割，需要进一步消除。聚类方法主要是在特征空间上，把相似的点聚类在一 起，然后在图像中用不同的类号来标注出不同的区域，这类方法的主要缺点是聚类所需的类总数一般都不可知，而且往往会忽视相邻像素之间的空间和 视觉上的相互关系。缺陷类型识别方面，目前主要采用神经网络和专家系统，利用神经网络 识别缺陷首先需要提取表征缺陷类型的特征，如缺陷形状、大小、位置等， 然后利用样本对神经网络进行训练，用训练好的神经网络对未知缺陷进行识 另lj。这种方法需要大量的缺陷样本，训练时间也比较长，识别的准确度与样 本的数量以及特征的选取有很大关系，目前，国外资料显示神经网络对气孔的识别率为92.39%，对于其他缺陷的识别率相对较低。在利用专家系统识别 方面，由于知识是决定一个专家系统性能是否优越的关键因素，专家系统要 达到领域专家的水平，就必须掌握领域专家处理问题时所使用的大量专门知 识，特别是经验知识，从专家对大量实例的分析中获取专家解决问题的思路、 知识、经验及规则。因此，获取知识并把知识表达成专家系统可用的形式， 是专家系统开发中的主要瓶颈之一。建立一个实用的专家系统需要一个相当 长的时间。更为重要的是，目前采取的所方法，无论是人工识别还是计算机 判别(神经网络、专家系统)，其共同点都是通过分析缺陷的边界形状特征 来识别缺陷类型，很少考虑缺陷内部区域灰度分布，包含在缺陷区域内部与 缺陷类型密切相关的大量宝贵信息被浪费。在缺陷测量方面，二维测量如缺陷长度和面积测量已经十分成熟，但利 用图像灰度实现缺陷三维体积测量基本是一个空白。
技术实现思路
本专利技术的目的是为了克服上述现有技术仅仅利用与缺陷类型部分相关的 缺陷边界特征而忽略了包含在缺陷内部的与缺陷类型更为密切的灰度信息的缺点，提出了一种，该 方法利用衰减能量场与图像灰度分布之间的对应关系，利用计算机充分挖掘 包含在缺陷内部的与缺陷类型更为密切的灰度特征信息，实现缺陷自动提取、 识别以及三维体积测量。为达到上述目的，本专利技术采用技术方案是-1) 依据射线穿过不同物质的能量衰减规律，建立射线检测底片数字化图 像灰度与射线衰减能量场的关系，确定射线底片图像中的缺陷边界；2) 基于射线能量场的衰减特征对所确定的缺陷进行类型识别；3) 根据射线能量衰减的强度以及与图像灰度的对应关系，对缺陷体积进 行测量。所述第一步骤包括1) 缺陷种子列搜索步骤利用种子列判别条件识别定位缺陷，即通过底 片图像列灰度曲线即由某列像素灰度值构成的曲线波谷的宽度、深度以及与 波谷相邻两波峰的高度差，确定缺陷波谷，从而识别定位缺陷；2) 缺陷概略分割步骤据缺陷边缘的连续性，限定每列的搜索范围，分 别向种子列两侧搜索缺陷；3) 缺陷细节提取步骤通过概略分割结果重组，将分布于相邻几个不同 区域的同一缺陷的几个不同部分合并成一个区域，利用直方图统计，对所述 区域逐层进行直方图统计，将各层出现频率最高的灰度值绘成灰度曲线，根 据所述灰度曲线确定缺陷分割阈值，依据阈值对所述区域进行二次分割，通 过边缘完整性检验，确定缺陷边界是否存在缺口，如果存在，依据所述阈值， 沿缺口连线法线方向逐层搜索边界，从而获取完整的缺陷边界；所述第二步骤包括1) 缺陷材质类型判别步骤通过实验建立三类不同材质金属、氧化物、 气体在不同射线强度下的灰度——材质库，找出相同射线强度下缺陷平均灰 度值V对应的T八、TB、 Te，通过缺陷比较当量尺寸T和i;、 TB、 Tc，确定缺 陷材质类型；2) 缺陷特征提取步骤对所述缺陷细节提取获取缺陷区域灰度曲面进行 三维形貌特征和二维形状位置特征提取，三维形貌特征包括单位长度交叉 点数、深度宽度比、曲面凸凹程度、内部区域小波谷数量、小波谷位置、小 波谷长度，二维形状位置特征包括缺陷长宽比、缺陷重心坐标；3) 缺陷形貌特征库提炼步骤通过对样本缺陷灰度曲面的三维形貌特征 和二维形状位置特征进行提取，分析、建立缺陷形貌特征库；4) 缺陷类型识别步骤对缺陷区域灰度曲面的三维形貌特征和二维形状 位置特征进行提取，结合缺陷材质类型，依据缺陷形貌特征库对提取特征进 行分析，实现缺陷类型自动识别；所述第三步骤包括缺陷体积测量步骤利用缺陷内部各点与缺陷边界的灰度差以及由缺陷 材质和透照条件决定的射线衰减系数，根据公式么丁=^^/^-//)得出缺陷内 部各点在射线透照方向上的尺寸，从而得到缺陷的体积。利用射线能量穿透不同材质所表现的衰减特征，建立射线能量衰减特征 与底片图像灰度的对应规律，利用计算机对灰度图像的解析度远远超过人眼 的优势，对产品零部件射线无损检测缺陷进行自动提取、识别以及三维体积 领懂。附图说明图l是射线检测基本原理；图2(a)是实验图像，其中x为图像的行坐标，y为图像的列坐标； 图2(b)是图2(a)的灰度曲面图，其中x为图2(a)的行坐标，y为图2(a)的列坐标，v代表像素点灰度值；图3是缺陷种子列示意图，其中i表示种子的位置，xf,;c^,x^分别表示种子列(图像的第i歹U)上第j个缺陷的波谷及左、右两相邻波峰的位置坐标，vf,l^,V^表示图像上xf,X^;C^对应点像素的灰度值；图4是相邻列缺陷边界点位置示意图，其中X为行坐标，y为列坐标；图5是概略分割流程图6是缺陷概略分割实验结果；图7(a)是对缺陷区域逐层进行灰度直方图统计示意图7(b)是由图7(a)各层出现频率最高的灰度值构成的灰度曲线图8是缺陷细节提取流程图9(a)是本专利技术对图2 (a)的缺陷提取结果；图9 (b)是Canny方法对图2 (a)的缺陷提取结果；图9 (c)是分水岭方法对图2 (a)的缺陷提取结果；图9 (d)是水平集方法对图2 (a)的缺陷提取结果；图10(a)是单位长度交叉点示意图。图10(b)是深宽比示意图。图10(c)曲面凸凹程度示意图。图10(d)是小波谷示意图。图11是缺陷形貌特征库创建流程图。 图12是缺陷灰度——材质曲线示意图。图13是缺陷类型识别流程图。图14是缺陷像素点示意图。具体实施例方式下面结合附图对本专利技术作进一步详细说明。图1是射线检测基本原理图，图中T、 AT分别表示工件基体和缺陷在射 线透过本文档来自技高网...

【技术保护点】
基于射线衰减能量场的无损检测缺陷提取、识别方法，其特征在于：　　　　１）依据射线穿过不同物质的能量衰减规律，建立射线检测底片数字化图像灰度与射线衰减能量场的关系，确定射线底片图像中的缺陷边界；　　　　２）基于射线能量场的衰减特征对所确定的缺陷进行类型识别；　　　　３）根据射线能量衰减的强度以及与图像灰度的对应关系，对缺陷体积进行测量。

【技术特征摘要】

【专利技术属性】
技术研发人员：高建民，陈富民，申清明，李成，刘军强，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：87[中国|西安]