基于图像融合的材料损伤检测方法、系统、终端及介质技术方案

本发明专利技术公开了基于图像融合的材料损伤检测方法、系统、终端及介质，涉及材料损伤检测领域，其技术方案要点是：获取红外损伤图像，并通过多尺度分解算法从不同的红外损伤图像中分解得到相应的基础特征与纹理细节；依据红外损伤图像中的对比度信息构建相应的对比度显著图，并依据对比度显著图构建融合权重图；根据梯度导向滤波优化融合权重图，得到包含基础特征权重和纹理细节权重的融合权重矩阵；依据所有的融合权重矩阵分别对不同红外损伤图像中的基础特征、纹理细节进行加权后得到相应的基础特征图、纹理细节图，并将基础特征图和纹理细节图融合得到融合图像。本发明专利技术能得到同时代表多种类型缺陷的融合图像，在材料表面受损的情况下实现损伤部位的完整检测。情况下实现损伤部位的完整检测。情况下实现损伤部位的完整检测。

Material damage detection method, system, terminal and medium based on image fusion

【技术实现步骤摘要】
基于图像融合的材料损伤检测方法、系统、终端及介质


[0001]本专利技术涉及材料损伤检测领域，更具体地说，它涉及基于图像融合的材料损伤检测方法、系统、终端及介质。

技术介绍

[0002]近年来，越来越多的火箭、卫星和探测器被发射到太空。这些物体的碰撞或爆炸产生了大量大小和形状各异的空间碎片。空间碎片在太空飞行时，速度极高。由于碎片数量十分巨大并且地面雷达等设备无法有效跟踪，因此微小空间碎片的超高速撞击不可避免，这是造成航天器在轨运行过程中材料和结构损伤的主要原因之一。因此暴露于空间碎片环境之中各类航天器需要进行损伤检测。由于撞击事件的随机性，其撞击位置和速度等参数都是不可预知的，造成的损伤缺陷往往不是独立存在的，其损伤类型、大小、数量、位置也都是未知的，且多缺陷之间彼此相邻、相互影响。
[0003]对于空间碎片造成的复合耦合型缺陷和大尺寸缺陷，图像缺陷检测算法很难通过单一的检测图像来反映被测材料全面、多细节、整体的缺陷损伤轮廓。目前，基于特征提取的损伤检测方法通常可以得到对单一类型缺陷检测效果较好的缺陷检测图像。然而，对于超高速撞击的航天器，往往会存在复杂类型的缺陷，现有的图像缺陷检测算法不能够实现被测材料全面、多细节、整体的缺陷损伤轮廓检测。
[0004]因此，如何研究设计一种能够克服上述缺陷的基于图像融合的材料损伤检测方法、系统、终端及介质是我们目前急需解决的问题。

技术实现思路

[0005]为解决现有技术中的不足，本专利技术的目的是提供基于图像融合的材料损伤检测方法、系统、终端及介质，不仅要能准确的检测出单一类型缺陷，且将表征不同缺陷的图像进行整合，最终得到能同时代表多种类型缺陷的融合图像，在材料表面受损的情况下实现损伤部位的完整检测。
[0006]本专利技术的上述技术目的是通过以下技术方案得以实现的：
[0007]第一方面，提供了基于图像融合的材料损伤检测方法，包括以下步骤：
[0008]获取至少两个红外损伤图像，并通过多尺度分解算法从不同的红外损伤图像中分解得到相应的基础特征与纹理细节；
[0009]依据红外损伤图像中的对比度信息构建相应的对比度显著图，并依据对比度显著图构建融合权重图；
[0010]根据梯度导向滤波优化融合权重图，得到包含基础特征权重和纹理细节权重的融合权重矩阵；
[0011]依据所有的融合权重矩阵分别对不同红外损伤图像中的基础特征、纹理细节进行加权后得到相应的基础特征图、纹理细节图，并将基础特征图和纹理细节图融合得到融合图像。
[0012]进一步的，所述基础特征与纹理细节的分解过程具体为：
[0013]将多个红外损伤图像分别进行均值滤波，得到相应的基础特征；
[0014]从红外损伤图像中滤除对应的基础特征，得到相应的纹理细节。
[0015]进一步的，所述对比度显著图的构建过程具体为：
[0016]将红外损伤图像中的图像局部特征以红外损伤图像中的局部对比度进行表征，表征公式具体为：
[0017][0018]其中，LC
i
表示局部对比度；O表示窗口长；P表示窗口宽；I
i
表示红外损伤图像；μ(x,y)表示以空间位置(x,y)为中心的窗口平均值；
[0019]以局部对比度的局部平均值来构建对比度显著图，构建公式具体为：
[0020]CS
i
＝LC
i
*G
r,σ
[0021]其中，CS
i
表示对比度显著图；G
r,σ
表示高斯滤波器；r表示滤波半径；σ表示方差。
[0022]进一步的，所述融合权重图的构建公式具体为：
[0023][0024]其中，R
i
表示融合权重图；表示第i个红外损伤图像的第k个像素点的对比度值；N表示红外损伤图像的数量。
[0025]进一步的，所述融合权重矩阵的优化获得过程具体为：
[0026]确定梯度导向滤波器的输出图像和引导图像在滤波窗口中存在的局部线性模型，红外损伤图像作为引导图像；
[0027]通过最小化输入图像和输出图像之间的误差来获得局部线性模型中的第一系数和第二系数，融合权重图作为输入图像；
[0028]分别计算第一系数、第二系数在所有窗口中的均值，得到相应的第一均值和第二均值；
[0029]将第一均值和第二均值输入局部线性模型，并结合梯度导向滤波器中的不同边缘感知权重分别计算得到基础特征权重和纹理细节权重。
[0030]进一步的，所述局部线性模型的表达式具体为：
[0031][0032]其中，Z(j)表示像素j对应的输出图像像素值；I(j)表示像素j对应的引导图像像素值；a
k
表示第一系数；b
k
表示第二系数；ω
k
表示以第j个像素点为中心、大小(2r
G
+1)
×
(2r
G
+1)的窗口，r
G
表示窗口半径；
[0033]所述第一系数和第二系数的计算公式具体为：
[0034][0035]其中，表示引导图像I与输入图像R中对应像素点的像素值乘积在窗口ω
k
中的均值；表示输入图像R中像素点的像素值在窗口ω
k
中的均值；表示引导图像I中像素点的像素值在窗口ω
k
中的均值；λ表示正则化参数；Ψ
I(k)
表示引导图像I的第k个像素点的边缘感知权重；σ
2k
表示引导图像I在窗口ω
k
中的均值；γ
k
表示设置系数。
[0036]进一步的，所述边缘感知权重的计算公式具体为：
[0037][0038]其中，M表示引导图像I的总像素点数量；ξ(k)、ξ(i)分别表示以像素点k、像素点i为中心的区域的方差；ε表示边缘感知权重的参数，取值为正常数；σ
I,3
(k)表示大小为3
×
3窗口中引导图像I的方差；表示大小为(2r1+1)
×
(2r1+1)窗口中引导图像I的方差，r1表示常数；
[0039]所述设置系数的计算公式具体为：
[0040][0041][0042]其中，μ
ξ,∞
表示ξ(i)的均值；表示定义中间量。
[0043]第二方面，提供了基于图像融合的材料损伤检测系统，包括：
[0044]图像分解模块，用于获取至少两个红外损伤图像，并通过多尺度分解算法从不同的红外损伤图像中分解得到相应的基础特征与纹理细节；
[0045]权重构建模块，用于依据红外损伤图像中的对比度信息构建相应的对比度显著图，并依据对比度显著图构建融合权重图；
[0046]权重优化模块，用于根据梯度导向滤波优化融合权重图，得到包含基础特征权重和纹理细节权重的融合权重矩阵；
[0047]图像融合模块，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于图像融合的材料损伤检测方法，其特征是，包括以下步骤：获取至少两个红外损伤图像，并通过多尺度分解算法从不同的红外损伤图像中分解得到相应的基础特征与纹理细节；依据红外损伤图像中的对比度信息构建相应的对比度显著图，并依据对比度显著图构建融合权重图；根据梯度导向滤波优化融合权重图，得到包含基础特征权重和纹理细节权重的融合权重矩阵；依据所有的融合权重矩阵分别对不同红外损伤图像中的基础特征、纹理细节进行加权后得到相应的基础特征图、纹理细节图，并将基础特征图和纹理细节图融合得到融合图像。2.根据权利要求1所述的基于图像融合的材料损伤检测方法，其特征是，所述基础特征与纹理细节的分解过程具体为：将多个红外损伤图像分别进行均值滤波，得到相应的基础特征；从红外损伤图像中滤除对应的基础特征，得到相应的纹理细节。3.根据权利要求1所述的基于图像融合的材料损伤检测方法，其特征是，所述对比度显著图的构建过程具体为：将红外损伤图像中的图像局部特征以红外损伤图像中的局部对比度进行表征，表征公式具体为：其中，LC
i
表示局部对比度；O表示窗口长；P表示窗口宽；I
i
表示红外损伤图像；μ(x,y)表示以空间位置(x,y)为中心的窗口平均值；以局部对比度的局部平均值来构建对比度显著图，构建公式具体为：CS
i
＝LC
i
*G
r,σ
其中，CS
i
表示对比度显著图；G
r,σ
表示高斯滤波器；r表示滤波半径；σ表示方差。4.根据权利要求1所述的基于图像融合的材料损伤检测方法，其特征是，所述融合权重图的构建公式具体为：其中，R
i
表示融合权重图；表示第i个红外损伤图像的第k个像素点的对比度值；N表示红外损伤图像的数量。5.根据权利要求1所述的基于图像融合的材料损伤检测方法，其特征是，所述融合权重矩阵的优化获得过程具体为：确定梯度导向滤波器的输出图像和引导图像在滤波窗口中存在的局部线性模型，红外损伤图像作为引导图像；通过最小化输入图像和输出图像之间的误差来获得局部线性模型中的第一系数和第二系数，融合权重图作为输入图像；分别计算第一系数、第二系数在所有窗口中的均值，得到相应的第一均值和第二均值；将第一均值和第二均值输入局部线性模型，并结合梯度导向滤波器中的不同边缘感知
权重分别计算得到基础特征权重和纹理细节权重。6.根据权利要求5所述的基于图像融合的材料损伤检测方法，其特征是，所述局部线性模型的表达式具体为：其中，Z(j)表示像素j对应的输出图像像素值；I(j)表示像素j对应的引导图像像素值；a
k
表示第一系数；b
k
表示第二...

【专利技术属性】
技术研发人员：孙志刚，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：