一种航天器可视化损伤检测效果评价方法技术

本发明专利技术公开了一种航天器可视化损伤检测效果评价方法，包括：采集红外热图像序列，获取缺陷红外重构图像；得到缺陷特征识别图像；设置缺陷提取准确率评价指标；评价缺陷特征识别图像提取的缺陷区域的准确率；评价缺陷提取完整性；识别图像中缺陷边缘轮廓特征提取情况；综合评价缺陷特征识别图像的缺陷表征能力；基于缺陷特征识别图像综合性能评价结果对缺陷检测能力进行评判；重新提取识别缺陷特征；分别对各类型损伤特征进行定量计算；定量计算各类型损伤的面积、周长、长径和短径特征。本发明专利技术提高了对超高速撞击形成的复杂多类型损伤的适用性和检测精度，增强了缺陷特征提取图像对缺陷的表征能力，提高了定量计算的准确性。提高了定量计算的准确性。提高了定量计算的准确性。

【技术实现步骤摘要】
一种航天器可视化损伤检测效果评价方法


[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航天器可视化损伤检测效果评价方法。

技术介绍

[0002]针对空间碎片与航天器发生超高速撞击形成的多类型损伤缺陷的检测问题，目前已开展了很多基于红外损伤检测技术的损伤缺陷检测识别方面的研究。其中，损伤缺陷的定量识别通常是通过对红外重构图像进行图像后处理而实现的，因此，图像处理技术的好坏直接影响了损伤缺陷定量识别效果。由于超高速撞击形成的损伤特征未知，为了说明定量检测结果确实能表征真实缺陷的实际特征，对图像处理技术在航天器红外可视化损伤检测中的检测效果进行评价是有必要的。
[0003]因此，需要设置客观评价标准对红外可视化检测方案中的图像处理技术的检测效果进行评价。红外无损检测技术在检测缺陷的过程中客观存在热扩散现象，热扩散区域会使得缺陷识别结果出现较大的误差，所以缺陷特征识别图像提取的缺陷区域的准确率和完整性对正确识别缺陷特征十分重要。对此，引入Dice系数指标、Jaccard系数指标和精确度指标，根据缺陷特征提取的准确率和完整性打出分数。另外，考虑到超高速撞击形成的缺陷具有种类多样、类型复杂和散布区域广的特点，并且还伴有噪声存在，这些因素可能会导致缺陷特征识别图像中出现错分的像素点，错分的像素点会导致出现错误的缺陷轮廓和缺陷轮廓局部变形。对此，引入平均豪斯多夫距离指标，为缺陷轮廓特征提取情况进行打分。最后，缺陷特征识别图像的缺陷表征能力综合评价指标由各项评价指标加权构成。
[0004]在综合评价缺陷特征识别图像的缺陷表征能力时，为了权衡好缺陷特征识别结果在缺陷区域提取的准确率、缺陷区域提取的完整性的缺陷轮廓提取的准确性三个方面的性能，自动的设置各指标的加权系数，将多目标优化算法引入。通过多目标优化算法搜索，确定各评价指标的加权系数，提高缺陷特征识别图像质量检测方案的自动化程度。
[0005]基于此，本专利技术设计了一种综合的客观评价方式，通过缺陷表征能力来评价红外缺陷检测方案对缺陷的检测能力。综合考虑红外检测方案提取的各类型损伤特征的准确率和完整性，设置不同的评价指标，通过缺陷特征识别图像来评价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，提供了一种航天器可视化损伤检测效果评价方法，包括以下步骤：
[0008]步骤一、采集红外热图像序列，利用红外热图像序列处理技术获取缺陷红外重构图像；对红外重构图像进行图像处理，得到缺陷特征识别图像Igc；
[0009]步骤二、设置缺陷提取准确率评价指标。通过提取的缺陷区域中像素点的划分情况来评价缺陷特征识别图像Igc提取的缺陷区域的准确率；
[0010]步骤三、设置缺陷提取完整性评价指标，引入Dice系数指标和Jaccard 系数指标来评价缺陷提取完整性；
[0011]步骤四、设置缺陷轮廓提取准确性评价指标，选择平均豪斯多夫距离来表征缺陷特征识别图像Igc中缺陷边缘轮廓特征提取情况；
[0012]步骤五、根据步骤二～步骤四设计的关于缺陷提取完整性、缺陷提取准确率和缺陷轮廓提取准确性三个方面的评价指标，综合评价缺陷特征识别图像 Igc的缺陷表征能力；
[0013]步骤六、基于缺陷特征识别图像综合性能评价结果对缺陷检测能力进行评判：如果有T＞σ，其中，σ为检测能力判别阈值，则认为当前缺陷特征识别结果较好。否则认为特征识别结果不可信，返回步骤一调整图像处理方案，重新提取识别缺陷特征；
[0014]步骤七、基于步骤六的缺陷特征识别性能的评价结果，在当前检测方案对缺陷特征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；定量计算各类型损伤的面积、周长、长径和短径特征。
[0015]优选的是，其中，所述步骤二中，评价缺陷提取准确率的精确度指标s1(x) 计算公式为：
[0016][0017]其中，x是缺陷特征识别图像Igc的数据矩阵；N[Igc(x)]表示缺陷特征识别图像Igc中损伤区域像素点的数目；N
c
[Igc(x)]表示缺陷特征识别图像Igc中划分正确的损伤区域像素点的数目；精确度指标计算结果越大，说明缺陷提取的准确率越高。
[0018]优选的是，其中，所述步骤三的具体步骤包括：设置缺陷提取完整性评价指标，在评价缺陷特征识别图像Igc提取的缺陷区域的完整性时，既要考虑到提取的缺陷区域的准确率的同时，还需要考虑背景区域是否存在未被提取出来的属于缺陷区域的像素点；引入Dice系数指标和Jaccard系数指标来评价缺陷提取完整性；Dice系数是一种集合相似度度量函数，通过Dice系数，基于缺陷特征识别图像Igc提取的缺陷区域对缺陷特征识别结果的查准率和查全率进行评价；评价缺陷提取完整性的Dice系数指标s2(x)计算公式为：
[0019][0020]其中，x是缺陷特征识别图像Igc的数据矩阵；Ir是缺陷特征识别图像Igc 的参考图像；|Igc(x)∩Ir(x)、|Igc(x)|和|Ir(x)|表示图像对应的数据矩阵中，各位置的像素值之和；∩表示图像数据矩阵之间的点乘；Dice系数指标计算结果越大，说明缺陷特征提取的完整性越好；
[0021]Jaccard系数主要用于计算对象间距离，用于数据聚类；缺陷特征识别图像Igc是一个提取出了缺陷特征的二值图像，从本质上来说，提取缺陷特征的过程与数据聚类的原理是相似的；所有，利用Jaccard系数，从损伤区域面积来度量缺陷特征识别结果的完整性；
评价缺陷提取完整性的Jaccard系数指标 s3(x)计算为：
[0022][0023]其中，x是缺陷特征识别图像Igc的数据矩阵；Ir是缺陷特征识别图像Igc 的参考图像；∩表示图像数据矩阵之间的点乘；Jaccard系数指标计算结果越大，说明缺陷特征提取的完整性越好。
[0024]优选的是，其中，所述步骤四设置缺陷轮廓提取准确性评价指标的具体方法包括：在对缺陷特征识别图像Igc进行评价时，不仅要考虑损伤区域的划分，还需要考虑缺陷边缘轮廓的提取准确度；通过豪斯多夫距离来评价缺陷特征识别图像Igc中缺陷边缘轮廓的提情况；考虑到噪声在红外重构图像处理中非常常见，直接使用豪斯多夫距离表征缺陷轮廓提取情况误差比较大，这里选择了平均豪斯多夫距离来表征缺陷特征识别图像Igc中缺陷边缘轮廓特征提取情况；评价缺陷轮廓提取准确性的平均豪斯多夫距离指标s3(x)计算公式为：
[0025]s4(x)＝max{d[Igc(x),Ir(x)],d[Ir(x),Igc(x)]}
[0026]其中，x是缺陷特征识别图像Igc的数据矩阵；Ir是缺陷特征识别图像Igc 的参考图像；表示缺陷特征识别图像Igc的边缘轮廓集合到参考图像Ir的边缘轮廓集合的平均豪斯多夫距离；x
i
是Igc缺陷边缘轮廓集合中的像本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种航天器可视化损伤检测效果评价方法，其特征在于，包括以下步骤：步骤一、采集红外热图像序列，利用红外热图像序列处理技术获取缺陷红外重构图像；对红外重构图像进行图像处理，得到缺陷特征识别图像Igc；步骤二、设置缺陷提取准确率评价指标，通过提取的缺陷区域中像素点的划分情况来评价缺陷特征识别图像Igc提取的缺陷区域的准确率；步骤三、设置缺陷提取完整性评价指标，引入Dice系数指标和Jaccard系数指标来评价缺陷提取完整性；步骤四、设置缺陷轮廓提取准确性评价指标，选择平均豪斯多夫距离来表征缺陷特征识别图像Igc中缺陷边缘轮廓特征提取情况；步骤五、根据步骤二～步骤四设计的关于缺陷提取完整性、缺陷提取准确率和缺陷轮廓提取准确性三个方面的评价指标，综合评价缺陷特征识别图像Igc的缺陷表征能力；步骤六、基于缺陷特征识别图像综合性能评价结果对缺陷检测能力进行评判：如果有T＞σ，其中，σ为检测能力判别阈值，则认为当前缺陷特征识别结果较好；否则认为特征识别结果不可信，返回步骤一调整图像处理方案，重新提取识别缺陷特征；步骤七、基于步骤六的缺陷特征识别性能的评价结果，在当前检测方案对缺陷特征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；定量计算各类型损伤的面积、周长、长径和短径特征。2.如权利要求1所述的航天器可视化损伤检测效果评价方法，其特征在于，所述步骤二中，评价缺陷提取准确率的精确度指标s1(x)计算公式为：其中，x是缺陷特征识别图像Igc的数据矩阵；N[Igc(x)]表示缺陷特征识别图像Igc中损伤区域像素点的数目；N
c
[Igc(x)]表示缺陷特征识别图像Igc中划分正确的损伤区域像素点的数目；精确度指标计算结果越大，说明缺陷提取的准确率越高。3.如权利要求1所述的航天器可视化损伤检测效果评价方法，其特征在于，所述步骤三的具体步骤包括：设置缺陷提取完整性评价指标，在评价缺陷特征识别图像Igc提取的缺陷区域的完整性时，既要考虑到提取的缺陷区域的准确率的同时，还需要考虑背景区域是否存在未被提取出来的属于缺陷区域的像素点；引入Dice系数指标和Jaccard系数指标来评价缺陷提取完整性；Dice系数是一种集合相似度度量函数，通过Dice系数，基于缺陷特征识别图像Igc提取的缺陷区域对缺陷特征识别结果的查准率和查全率进行评价；评价缺陷提取完整性的Dice系数指标s2(x)计算公式为：其中，x是缺陷特征识别图像Igc的数据矩阵；Ir是缺陷特征识别图像Igc的参考图像；|Igc(x)∩Ir(x)、|Igc(x)|和|Ir(x)|表示图像对应的数据矩阵中，各位置的像素值之和；∩表示图像数据矩阵之间的点乘；Dice系数指标计算结果越大，说明缺陷特征提取的完整性越好；
Jaccard系数主要用于计算对象间距离，用于数据聚类；缺陷特征识别图像Igc是一个提取出了缺陷特征的二值图像，从本质上来说，提取缺陷特征的过程与数据聚类的原理是相似的；所有，利用Jaccard系数，从损伤区域面积来度量缺陷特征识别结果的完整性；评价缺陷提取完整性的Jaccard系数指标s3(x)计算为：其中，x是缺陷特征识别图像Igc的数据矩阵；Ir是缺陷特征识别图像Igc的参考图像；∩表示图像数据矩阵之间的点乘；Jaccard系数指标计算结果越大，说明缺陷特征提取的完整性越好。4.如权利要求1所述的航天器可视化损伤检测效果评价方法，其特征在于，所述步骤四设置缺陷轮廓提取准确性评价指标的具体方法包括：在对缺陷特征识别图像Igc进行评价时，不仅要考虑损伤区域的划分，还需要考虑缺陷边缘轮廓的提取准确度；通过豪斯多夫距离来评价缺陷特征识别图像Igc中缺陷边缘轮廓的提情况；考虑到噪声在红外重构图像处理中非常常见，直接使用豪斯多夫距离表征缺陷轮廓提取情况误差比较大，这里选择了平均豪斯多夫距离来表征缺陷特征识别图像Igc中缺陷边缘轮廓特征提取情况；评价缺陷轮廓提取准确性的平均豪斯多夫距离指标s3(x)计算公式为：s4(x)＝max{d[Igc(x),Ir(x)],d[Ir(x),Igc(x)]}其中，x是缺陷特征识别图像Igc的数据矩阵；Ir是缺陷特征识别图像Igc的参考图像；表示缺陷特征识别图像Igc的边缘轮廓集合到参考图像Ir的边缘轮廓集合的平均豪斯多夫距离；x
i
是Igc缺陷边缘轮廓集合中的像素点；x
j
是Ir边缘轮廓集合中的像素点；ns是缺陷特征识别图像Ig中缺陷边缘轮廓集合中像素点数目；表示参考图像Ir的边缘轮廓集合到缺陷特征识别图像Igc的边缘轮廓集合的平均豪斯多夫距离；ng是参考图像Ir的边缘轮廓集合中数据点数目；平均豪斯多夫距离越大，说明缺陷轮廓特征提取结果越差。5.如权利要求1所述的航天器可视化损伤检测效果评价方法，其特征在于，所述步骤五的具体方法包括：设置缺陷特征识别图像Igc的综合评价质量分数为：T＝ω1×
s1(x)+ω2×
s2(x)+ω3×
s3(x)
‑
ω4×
s4(x)其中，为各项评价指标的权重系数；s1(x)为评价缺陷特征提取准确率的精确度指标；s2(x)为评价缺陷特征提取完整性的Dice系数指标；s3(x)为评价缺陷特征提取完整性的Jaccard系数指标；s4(x)为评价缺陷轮廓提取准确性指标的平均豪斯多夫距离指标；由于不同评价指标的侧重点不同，为了综合评价缺陷特征识别图像Igc在缺陷提取完整性、缺陷提取准确率和缺陷轮廓提取准确性三个方面的性能，引入了多目标优化算法；利用多目标优化算法结合权重向量调整的方法来权衡各个指标的性能，自动设置各指标的加权系数，具体步骤包括：步骤S51、设置多目标优化问题：min S(x)＝[s1(x),s2(x),s3(x),s4(x)]
T
其中，x为缺陷特征识别图像Igc的数据矩阵；步骤S52、基于切比雪夫分解的多目标进化算法结合权重向量调整，根据步骤S51设置的多目标优化问题求取各目标函数的权重系数ω1、ω2、ω3和ω4设置最大迭代次数H，从h＝1开始迭代，设置h＝H时迭代终止：步骤S521、初始化多目标进化优化算法参数，具体包括：步骤S5211、生成N个初始权重向量λ1,λ2,
…
,λ
N
在目前生成均匀权重向量的方案中，种群规模nPop大小由目标问题数量m和H为外部输入的正整数H确定：权重向量数目N由种群规模nPop决定，即N＝nPop；由步骤S51设置的多目标优化问题可知，综合评价缺陷特征识别图像Igc的目标问题数量m为4，采用统一随机方案生成权重向量W：步骤A、均匀生成5000个权重向量，构成集合W
d
步骤B、初始化权重向量W：W＝[(1,0,0,0),(0,1,0,0),(0,0,1,0),(0,0,0,1)]步骤C、找到W
d
与W距离最大的权重向量，将其加入W中，并从W
d
中删除，直到W中的权重向量个数达到N为止；步骤D、将权重向量W,W＝(w1,w2,w3,w4)映射到解权重向量λ,λ＝(λ1,λ2,λ3,λ4)：步骤S5212、初始化参考点z
*
＝(0,0,0,0)
T
；步骤S5213、利用切比雪夫分解算法将四个图像质量评价指标构成的多目标问题...

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