一种数字射线图像缺陷预测方法及系统技术方案

本发明专利技术公开了一种数字射线图像缺陷预测方法及系统，以图像的二维熵值作为粒子群算法中的适应度函数；根据粒子群运动速度的加权因数确定迭代粒子群的运动速度；在粒子群迭代运动的过程中，根据粒子所在位置的适应度函数数值确定下一迭代中的运动速度；根据粒子群迭代结果中大于图像全局熵值的粒子坐标组成的二维矩阵作为缺陷预测的依据，根据二维矩阵中对应坐标落入目标像素区域中的个数评价该区域所在位置的缺陷概率；通过缺陷概率组成的二维概率分布图，得到目标射线图像中的缺陷位置及相对尺寸。实现针对数字射线检测图像缺陷的高效预测。效预测。效预测。

【技术实现步骤摘要】
一种数字射线图像缺陷预测方法及系统


[0001]本专利技术属于数字射线检测
，具体涉及一种数字射线图像缺陷预测方法及系统。

技术介绍

[0002]数字射线检测图像是由射线源透照被测工件，通过平板探测器将透照射线进行捕获成像，并输出的高分辨率高位深数字图像，该检测方法常用于深入揭示工件内部的微观结构和潜在缺陷。
[0003]在实际应用中，工件在装配和运行过程中，内部的潜在缺陷具有极大风险和隐患。然而由于被测工件缺陷的成因复杂、位置随机、类型多样且尺寸微小，因此，在数字射线图像处理和分析过程中，对这些潜在的、未知的缺陷的识别具有相当大的挑战性。同时，工件内部的探伤过程还受到许多实际检测问题的影响，比如图像质量的差异、伪影噪声的干扰以及材料不均匀性问题等。该类问题使得传统依赖人工经验和目视排查的方法效率显著降低，也增大了疏漏工件内部潜在缺陷的风险。尽管采用神经网络等基于模型的自动化缺陷识别方法虽在理论上可行，但该类方法需要大量的缺陷样本进行模型训练，并且在识别过程中需要消耗大量算力。
[0004]因此，这类方法在实际中难以直接应用于单一工件检测图像的缺陷识别。

技术实现思路

[0005]本专利技术所要解决的技术问题在于针对上述现有技术中的不足，提供一种数字射线图像缺陷预测方法及系统，用于解决小批量复杂结构工件数字射线图像自动化处理的技术问题，实现针对数字射线检测图像缺陷的高效预测。
[0006]本专利技术采用以下技术方案：
[0007]一种数字射线图像缺陷预测方法，包括以下步骤：
[0008]S1、根据目标数字射线图像的各像素灰度值在图像灰度级中的分布概率，以目标数字射线图像的二维熵值H(x,y)作为粒子群算法中的适应度函数f(x,y)；
[0009]S2、以粒子所在坐标像素(x,y)的灰度值I(x,y)、参考值I
r
以及最大运动速度V
max
作为粒子群运动速度的加权因数w
s
，确定迭代粒子群的运动速度V
p
；
[0010]S3、在粒子群迭代运动的过程中，当步骤S1得到的粒子所在位置的适应度函数f(x,y)数值小于图像全局熵值H
g
时，步骤S2得到的下一迭代中的运动速度V
p
计算方式不变；当粒子所在位置的适应度函数f(x,y)数值大于图像全局熵值H
g
时，下一迭代中的运动速度V
p
在原有计算的基础上加入10％概率的随机整数，取值范围介于[
‑
V
max
V
max
]之间；
[0011]S4、根据步骤S3得到的粒子群迭代结果中大于图像全局熵值H
g
的粒子坐标组成的二维矩阵S作为缺陷预测的依据，根据二维矩阵S中对应坐标落入目标像素区域中的个数N
p
，评价对应区域所在位置的缺陷概率P(x,y)；
[0012]S5、通过步骤S4得到的缺陷概率P(x,y)组成的二维概率分布图P，得到目标射线图
像中的缺陷位置及相对尺寸。
[0013]具体的，步骤S1具体为：
[0014]S101、根据数字射线图像的各像素与相邻像素的灰度值在图像灰度级中的分布概率，计算所有图像像素对应的二维熵值H(x,y)；
[0015]S102、根据图像中坐标(x,y)像素对应的二维熵值H(x,y)，构建二维空间离散函数f(x,y)作为粒子群算法中的适应度函数，H(x,y)＝f(x,y)，以数字射线图像中各像素与相邻像素对应灰度级数的丰富程度，来评价图像局部信息的波动程度。
[0016]进一步的，步骤S101中，所有图像像素对应的二维熵值H(x,y)具体为：
[0017][0018]其中，P
m
(x,y)表示数字射线图像中第m级灰度值在坐标(x,y)处像素与相邻像素灰度值中重复的概率，M为图像的最大灰度级。
[0019]具体的，步骤S2中，迭代粒子群的运动速度V
p
具体为：
[0020][0021]其中，V0表示上一迭代的粒子速度，C为介于[01]之间的常数。
[0022]具体的，步骤S3具体为：
[0023]S301、根据适应函数f(x,y)以及粒子群的运动速度V
p
，以指定数量的粒子群，分布于图像随机位置中开始迭代运动；
[0024]S302、根据粒子群中的粒子所在位置的适应函数数值，分别计算所有粒子在下一迭代中的运动速度V
p
；
[0025]S303、当粒子所在位置的适应度函数f(x,y)数值小于图像全局熵值H
g
时，下一迭代中的运动速度V
p
计算方式不变；
[0026]S304、当粒子所在位置的适应度函数f(x,y)数值大于图像全局熵值H
g
时，下一迭代中的运动速度V
p
在原有计算的基础上加入10％概率的随机整数，取值范围介于[
‑
V
max
V
max
]之间。
[0027]进一步的，步骤S303中，图像全局熵值H
g
计算如下：
[0028][0029]其中，P
m
表示数字射线图像中第m级灰度值在整个图像像素灰度值中重复的概率，M为图像的最大灰度级。
[0030]具体的，步骤S4具体为：
[0031]S401、在粒子群最后一次迭代运动结束后，以粒子群对应的坐标建立二维坐标矩阵S0；
[0032]S402、根据矩阵S0中坐标对应的适应度函数f(x,y)值，将大于图像全局熵值H
g
的粒子坐标筛出，建立二维坐标矩阵S；
[0033]S403、根据矩阵S中对应坐标落入目标像素区域中的个数N
p
，评价该区域所在位置
(,y)的缺陷概率P(x,y)。
[0034]进一步的，步骤S403中，缺陷概率P(i,j)计算如下：
[0035][0036]其中，i
×
j表示以i和j个像素组成的目标区域的像素数量总和，N
p
表示矩阵S中对应坐标落入目标区域的个数。
[0037]具体的，步骤S5具体为：
[0038]S501、根据计算图像中所有像素对应的缺陷概率P(i,j)，组成二维概率分布图P；
[0039]S502、以概率分布图P中缺陷概率P(i,j)的峰值确定缺陷的位置，根据缺陷概率P(i,j)数值的相对大小确定缺陷的相对尺寸。
[0040]第二方面，本专利技术实施例提供了一种数字射线图像缺陷预测系统，包括：
[0041]函数模块，根据目标数字射线图像的各像素灰度值在图像灰度级中的分布概率，以目标数字射线图像的二维熵值H(x,y)作为粒子群算法中的适应度函数f(x,y)；
[0042]加本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数字射线图像缺陷预测方法，其特征在于，包括以下步骤：S1、根据目标数字射线图像的各像素灰度值在图像灰度级中的分布概率，以目标数字射线图像的二维熵值H(x,y)作为粒子群算法中的适应度函数f(x,y)；S2、以粒子所在坐标像素(x,y)的灰度值I(x,y)、参考值I
r
以及最大运动速度V
max
作为粒子群运动速度的加权因数w
s
，确定迭代粒子群的运动速度V
p
；S3、在粒子群迭代运动的过程中，当步骤S1得到的粒子所在位置的适应度函数f(x,y)数值小于图像全局熵值H
g
时，步骤S2得到的下一迭代中的运动速度V
p
计算方式不变；当粒子所在位置的适应度函数f(x,y)数值大于图像全局熵值H
g
时，下一迭代中的运动速度V
p
在原有计算的基础上加入10％概率的随机整数，取值范围介于[
‑
V
max V
max
]之间；S4、根据步骤S3得到的粒子群迭代结果中大于图像全局熵值H
g
的粒子坐标组成的二维矩阵S作为缺陷预测的依据，根据二维矩阵S中对应坐标落入目标像素区域中的个数N
p
，评价对应区域所在位置的缺陷概率P(x,y)；S5、通过步骤S4得到的缺陷概率P(x,y)组成的二维概率分布图P，得到目标射线图像中的缺陷位置及相对尺寸。2.根据权利要求1所述的数字射线图像缺陷预测方法，其特征在于，步骤S1具体为：S101、根据数字射线图像的各像素与相邻像素的灰度值在图像灰度级中的分布概率，计算所有图像像素对应的二维熵值H(x,y)；S102、根据图像中坐标(x,y)像素对应的二维熵值H(x,y)，构建二维空间离散函数f(x,y)作为粒子群算法中的适应度函数，H(x,y)＝f(x,y)，以数字射线图像中各像素与相邻像素对应灰度级数的丰富程度，来评价图像局部信息的波动程度。3.根据权利要求2所述的数字射线图像缺陷预测方法，其特征在于，步骤S101中，所有图像像素对应的二维熵值H(x,y)具体为：其中，P
m
(x,y)表示数字射线图像中第m级灰度值在坐标(x,y)处像素与相邻像素灰度值中重复的概率，M为图像的最大灰度级。4.根据权利要求1所述的数字射线图像缺陷预测方法，其特征在于，步骤S2中，迭代粒子群的运动速度V
p
具体为：其中，V0表示上一迭代的粒子速度，C为介于[0 1]之间的常数。5.根据权利要求1所述的数字射线图像缺陷预测方法，其特征在于，步骤S3具体为：S301、根据适应函数f(x,y)以及粒子群的运动速度V
p
，以指定数量的粒子群，分布于图像随机位置中开始迭代运动；S302、根据粒子群中的粒子所在位置的适应函数数值，分别计算所有粒子在下一迭代中的运动速度V
p
；S303、当粒子所在位置的适应度函数f(x,y)数值小于图像全局熵值H
g
时，下一迭代中的运动速度V
p
计算方式不变；
S304、当粒子所在位置的适应度函数f(x,y)数值大于图像全局熵值H
...

【专利技术属性】
技术研发人员：李兵，尚中昱，陈磊，张磊，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：