一种基于红外热成像数据分析的复杂多类型缺陷检测评估方法技术

本发明专利技术公开了一种基于红外热成像数据分析的复杂多类型缺陷检测评估方法，包括：引入热辐射对比质量分数和损伤形态质量分数，先对红外重构进行强度缩放后再提取缺陷特征，突出缺陷信息；再利用矩阵函数来对缺陷的形状、纹理特征进行评估；将矩阵函数的分布函数与图像的功率密度进行类比，分别计算两个缺陷特征质量分数；从区域对比和损伤形态两个方面来客观评价缺陷特征的提取情况；利用峰值信噪比，从量化的角度来客观评价红外重构图像的质量；分别对各损伤类型的红外重构图像进行检测，评估检测方案对各类型损伤检测情况的可信度；对背景区域的红外重构图像进行检测，以评判对同一试件不同类型缺陷的提取完备性。试件不同类型缺陷的提取完备性。试件不同类型缺陷的提取完备性。

【技术实现步骤摘要】
一种基于红外热成像数据分析的复杂多类型缺陷检测评估方法


[0001]本专利技术属于缺陷检测
，更具体地说，本专利技术涉及一种基于红外热成像数据分析的复杂多类型缺陷检测评估方法。

技术介绍

[0002]航天器在太空中服役时可能会受到微小流星体/空间碎片的超高速撞击，在其表面/亚表面形成种类多样、类型复杂(如耦合等)和散布区域广的损伤。因此，研究航天器材料复杂多类型的缺陷检测技术对航天器的运行安全是非常有必要的。目前已有很多基于红外热成像技术的缺陷检测方案用于航天器缺陷检测。例如热信号重建理论、独立成分分析法等，它们都是通过提取和挖掘红外序列的特征信息，重构回缺陷特征空间获得多张包含不同损伤类型的红外重构图像，每张红外重构图像可视化一种类型的损伤，达到识别复杂多缺陷的目的。由于超高速撞击试件的缺陷类型多、缺陷情况复杂，对检测方案的检测结果进行针对性评判是有必要的。
[0003]因此，需要设置客观评价标准对检测方案的针对性检测性能进行评估。红外重构图像提取的所有损伤类型特征总体完整性和特征表征高质量十分重要。加上红外图像易受噪声影响，红外重构图像本身的质量需要得到保证。同时，对一个红外检测方案全面的评判指标应将红外检测方案整个检测流程纳入并一起考虑。针对特征质量评判，引入热辐射对比质量分数和损伤形态质量分数。先对红外重构进行强度缩放后再提取缺陷特征，突出缺陷信息。再利用矩阵函数来对缺陷的形状、纹理等特征进行评估。将矩阵函数的分布函数与图像的功率密度进行类比，分别计算两个缺陷特征质量分数。从区域对比和损伤形态两个方面来客观评价缺陷特征的提取情况。另外，利用峰值信噪比，从量化的角度来客观评价红外重构图像的质量。
[0004]针对检测方案是提取缺陷类型完整性。分别对各损伤类型的红外重构图像进行检测，评估检测方案对各类型损伤检测情况的可信度。对背景区域的红外重构图像进行检测，以评判对同一试件不同类型缺陷的提取完备性。
[0005]基于此，本专利技术设计了一种综合的客观评价方式来评估红外缺陷检测方案对损伤的检测情况。综合考虑红外检测方案提取的各类型损伤特征和红外重构图像，设置定量的客观指标，通过红外重构图像来评估红外检测方案对各类型超高速撞击损伤的检测能力。

技术实现思路

[0006]本专利技术的一个目的是解决至少上述问题和/或缺陷，并提供至少后面将说明的优点。
[0007]为了实现根据本专利技术的这些目的和其它优点，提供了一种基于红外热成像数据分析的复杂多类型缺陷检测评估方法，包括以下方法：针对特征质量评判，引入热辐射对比质量分数和损伤形态质量分数，先对红外重构进行强度缩放后再提取缺陷特征，突出缺陷信
息；再利用矩阵函数来对缺陷的形状、纹理特征进行评估；将矩阵函数的分布函数与图像的功率密度进行类比，分别计算两个缺陷特征质量分数；从区域对比和损伤形态两个方面来客观评价缺陷特征的提取情况；另外，利用峰值信噪比，从量化的角度来客观评价红外重构图像的质量；
[0008]针对检测方案是提取缺陷类型完整性，分别对各损伤类型的红外重构图像进行检测，评估检测方案对各类型损伤检测情况的可信度；对背景区域的红外重构图像进行检测，以评判对同一试件不同类型缺陷的提取完备性。
[0009]优选的是，其中，一种基于红外热成像数据分析的复杂多类型缺陷检测评估方法还包括以下步骤：
[0010]步骤S1、利用待评估的检测方案T采集红外序列，进行特征提取获得背景区域红外重构图像和Q张分别至少包含穿孔、鼓包、撞击坑、剥落的Q种超高速撞击损伤的红外重构图像；
[0011]步骤S2、对步骤S1得到用于表征第k种损伤或背景区域的红外重构图像分别进行预处理，得到缺陷特征图像；
[0012]步骤S3、从损伤形态和区域对比两个方面，对步骤S2得到的第k副缺陷特征图像的缺陷特征提取情况进行客观评估；
[0013]步骤S4、利用峰值信噪比来对步骤S2得到的第k副缺陷特征图像的自身图像质量进行客观评估；
[0014]步骤S5、综合步骤S3得到的损伤特征评估结果和步骤S4得到的图像特征评估结果，分别计算背景区域和各类型损伤红外重构图像的总质量分数；
[0015]步骤S6、基于步骤S5得到的红外重构图像的总质量分数，对红外重构图像的可信度进行评估；
[0016]步骤S7、对步骤S6得到各类型损伤的可信红外重构图像，利用可信的红外重构图像计算红外检测方案客观质量分数；
[0017]步骤S8、基于步骤S7得到的红外检测方案客观质量分数对所有超高速撞击损伤类型的识别性能进行评估；
[0018]步骤S9、基于步骤S8对所有超高速撞击类型的识别性能的评估结果，在当前检测方案对所有超高速撞击损伤识别性能比较好的情况下，分别对各类型损伤特征进行定量计算；包括定量计算各类型损伤的宽度、面积、曲率特征。
[0019]优选的是，其中，将所述步骤S1中得到的背景区域红外重构图像记为IRRI
o(0)
，将超高速撞击损伤的红外图像记为IRRI
o(q)
，q＝1,
…
,Q；
[0020]所述步骤S2中对步骤S1得到的用于表征第k种损伤(即k＝1,2,
…
,Q)或背景区域(即k＝0)的红外重构图像IRRI
o(k)
分别进行预处理，主要包括以下方面：先利用反正切atan归一化法分别将第k幅红外重构图像IRRI
o(k)
归一化，其目的是为实现提高红外重构图像可视化的缺陷特征的稳定性，记得到的归一化图像为k＝0,1,
…
,Q；然后对归一化图像进行膨胀腐蚀形态学操作，增强图像特征，减少噪声干扰；再利用Gabor卷积滤波器对经形态学处理后的图像进行卷积滤波以提取缺陷的边缘、纹理特征；最后得到缺陷特征图像IRRI
df(k)
，k＝0,1,
…
,Q，具体步骤为：
[0021]步骤S21、基于反正切atan归一化法将红外重构图像IRRI
o(k)
，k＝0,1,
…
,Q归一化，提高红外重构图像可视化的缺陷特征的稳定性；反正切atan归一化法将红外重构图像IRRI
o(k)
，k＝0,1,
…
,Q中位于第i行第j列的数据点R
ij
对应的辐射值x
ij
进行缩放，得到新辐射值x
i(new)j(new)
：
[0022][0023]其中，atan(x
ij
)是x
ij
的反正切函数；所有的红外数据点的辐射值归一化后得到的新辐射值x
i(new)j(new)
构成归一化图像k＝0,1,
…
,Q；
[0024]步骤S22、对归一化图像k＝0,1,...,Q进行先膨胀后腐蚀的形态学处理，得到形态学处理图像k＝0,1,
…
,Q；
[0025]先本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于红外热成像数据分析的复杂多类型缺陷检测评估方法，其特征在于，包括以下方法：针对特征质量评判，引入热辐射对比质量分数和损伤形态质量分数，先对红外重构进行强度缩放后再提取缺陷特征，突出缺陷信息；再利用矩阵函数来对缺陷的形状、纹理特征进行评估；将矩阵函数的分布函数与图像的功率密度进行类比，分别计算两个缺陷特征质量分数；从区域对比和损伤形态两个方面来客观评价缺陷特征的提取情况；另外，利用峰值信噪比，从量化的角度来客观评价红外重构图像的质量；针对检测方案是提取缺陷类型完整性，分别对各损伤类型的红外重构图像进行检测，评估检测方案对各类型损伤检测情况的可信度；对背景区域的红外重构图像进行检测，以评判对同一试件不同类型缺陷的提取完备性。2.如权利要求1所述的基于红外热成像数据分析的复杂多类型缺陷检测评估方法，其特征在于，还包括以下步骤：步骤S1、利用待评估的检测方案T采集红外序列，进行特征提取获得背景区域红外重构图像和Q张分别至少包含穿孔、鼓包、撞击坑、剥落的Q种超高速撞击损伤的红外重构图像；步骤S2、对步骤S1得到用于表征第k种损伤或背景区域的红外重构图像分别进行预处理，得到缺陷特征图像；步骤S3、从损伤形态和区域对比两个方面，对步骤S2得到的第k副缺陷特征图像的缺陷特征提取情况进行客观评估；步骤S4、利用峰值信噪比来对步骤S2得到的第k副缺陷特征图像的自身图像质量进行客观评估；步骤S5、综合步骤S3得到的损伤特征评估结果和步骤S4得到的图像特征评估结果，分别计算背景区域和各类型损伤红外重构图像的总质量分数；步骤S6、基于步骤S5得到的红外重构图像的总质量分数，对红外重构图像的可信度进行评估；步骤S7、对步骤S6得到各类型损伤的可信红外重构图像，利用可信的红外重构图像计算红外检测方案客观质量分数；步骤S8、基于步骤S7得到的红外检测方案客观质量分数对所有超高速撞击损伤类型的识别性能进行评估；步骤S9、基于步骤S8对所有超高速撞击类型的识别性能的评估结果，在当前检测方案对所有超高速撞击损伤识别性能比较好的情况下，分别对各类型损伤特征进行定量计算；包括定量计算各类型损伤的宽度、面积、曲率特征。3.如权利要求2所述的基于红外热成像数据分析的复杂多类型缺陷检测评估方法，其特征在于，将所述步骤S1中得到的背景区域红外重构图像记为IRRI
o(0)
，将超高速撞击损伤的红外图像记为IRRI
o(q)
，q＝1，
…
，Q；所述步骤S2中对步骤S1得到的用于表征第k种损伤或背景区域的红外重构图像IRRI
o(k)
分别进行预处理，主要包括以下方面：先利用反正切atan归一化法分别将第k幅红外重构图像IRRI
o(k)
归一化，其目的是为实现提高红外重构图像可视化的缺陷特征的稳定性，记得到的归一化图像为的归一化图像为然后对归一化图像进行膨胀腐蚀形态学操作，增强图像特征，减少噪声干扰；再利用Gabor卷积滤波器对经形态学处理后的图像进行卷积滤波
以提取缺陷的边缘、纹理等特征；最后得到缺陷特征图像IRRI
df(k)
，k＝0，1，
…
，Q，具体步骤为：步骤S21、基于反正切atan归一化法将红外重构图像IRRI
o(k)
，k＝0，1，
…
，Q归一化，提高红外重构图像可视化的缺陷特征的稳定性；反正切atan归一化法将红外重构图像IRRI
o(k)
，k＝0，1，
…
，Q中位于第i行第j列的数据点R
ij
对应的辐射值x
ij
进行缩放，得到新辐射值x
i(new)j(new)
：其中，atan(x
ij
)是x
ij
的反正切函数；所有的红外数据点的辐射值归一化后得到的新辐射值x
i(new)j(new)
构成归一化图像步骤S22、对归一化图像进行先膨胀后腐蚀的形态学处理，得到形态学处理图像先对归一化图像进行膨胀处理，得到膨胀图像进行膨胀处理，得到膨胀图像其中，C是大小为r
×
r的邻域窗，r为奇数，邻域窗的中心像素为(r+1)/2，为图像膨胀处理过程：在移动邻域窗C的过程中，如果与图像存在重叠区域，则记录该位置，所有移动邻域窗C与图像存在交集的位置的集合为图像在邻域窗C作用下的膨胀图像再对膨胀图像进行腐蚀处理：Θ为图像腐蚀处理过程：移动邻域窗C，如果邻域窗C与图像的交集完全属于图像则保存该位置点，所有满足条件的点构成图像被邻域窗C腐蚀得到的腐蚀图像腐蚀操作结束得到的腐蚀图像也就是经先膨胀后腐蚀形态学处理得到的形态学处理图像步骤S23、对形态学处理图像进行卷积滤波以提取缺陷的边缘、纹理等特征，得到缺陷特征图像IRRI
df(k)
，k＝0，1，
…
，Q：其中，F是大小为n
×
n的Gabor滤波核，*表示对图像进行Gabor卷积操作：将图像IRRI
df(k)
分成图像块，选择a个尺度，b个方向，组成ab个Gabor滤波器组；Gabor滤波器组与每个图像块在空域卷积，每个图像块可以得到ab个滤波器输出，提取各个图像块的滤波器输出的均值构成大小为ab
×
1的列向量作为该图像块的缺陷特征；所有图像块的缺陷特征
构成了缺陷特征图像IRRI
df(k)
，Gabor滤波核各个位置(x，y)的定义式如下：其中，x
′
＝x
·
cosθ+y
·
sinθy
′
＝
‑
x
·
sinθ+y
·
cosθ，其中，λ是正弦函数波长；θ是Gabor核函数的方向；ψ是相位偏移；ε是带宽；γ是空间的高宽比，决定Gabor核函数的形状。4.如权利要求3所述的基于红外热成像数据分析的复杂多类型缺陷检测评估方法，其特征在于，所述步骤S3从损伤形态和区域对比两个方面，来对步骤S2得到的第k幅缺陷特征图像IRRI
df(k)
，k＝0，1，
…
，Q的缺陷特征提取情况进行客观评估；由于红外重构图像中各个数据点的辐射值能够反映损伤信息，基于此，引入热辐射对比质量分数和损伤形态质量分数，再利用矩阵函数来对缺陷的形状、纹理等特征进行评估；将矩阵函数的分布函数与图像的功率密度进行类比，利用中心极限定理分别计算两个缺陷特征质量分数，具体步骤包括：步骤S31、计算归一化图像数据点辐射值的一阶矩函数和二阶矩函数和二阶矩函数和二阶矩函数其中，Z为归一化图像中红外数据点数目，x
v
为归一化图像中红外数据点的辐射值；步骤S32、计算缺陷特征图像IRRI
df(k)
，k＝0，1，
…
，Q的一阶矩函数μ
df(k)
，k＝0，1，
…
，Q和二阶矩函数二阶矩函数二阶矩函数其中，k＝0，1，
…
，Q，P为缺陷特征图像IRRI
df(k)
中红外数据点数目，x
n
为缺陷特征图像IRRI
df(k)
，k＝0，1，
…
，Q红外数据点辐射值；步骤S33、对缺陷特征图像IRRI
df(k)
，k＝0，1，
…
，Q按辐射值划分区域：将辐射值相同的红外数据点划分为一类，表示缺陷的一个特征，记为IRT
df_l(k)
，k＝0，1，
…
，Q；步骤S34、估计特征IRT
df_l(k)

【专利技术属性】
技术研发人员：黄雪刚，雷光钰，殷春，罗健浩，于哲峰，罗庆，石安华，
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：