System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及图像处理领域,特别涉及一种数字射线退化图像复原方法。
技术介绍
1、数字x射线照相(digital radiography,dr)技术在工业领域得到了广泛的应用,主要由射线源和平板探测器组成。其中平板探测器一般由非晶硅、cmos、非晶硒等材料构成,其工作原理是将射线强度转换成电信号,由电信号生成数字化的图像,在这个转换过程中由于光子噪声、探测器结构噪声以及被测工件本身结构噪声的影响,造成最终图像对比度不强、模糊等退化现象,对检测结果评判有较大的影响。
2、图像复原就是通过软件处理方法,将退化图像进行还原的过程,主要增强图像清晰度,使得原本模糊的退化图像变得更加清楚,容易识别缺陷。由于得不到原始清晰的图像,通过对原始的、退化的图像进行分析计算,得到相对清晰图像的过程也称为图像非盲复原。常见的方法主要包括逆滤波,维纳滤波,richardson-lucy滤波等,新涌现的算法有基于超拉普拉斯先验反卷积法等。非盲复原可以看作在估计出模糊核的前提下,利用模糊图像和模糊核进行反卷积运算得到清晰图像的过程。
3、对dr图像来说,退化过程即是图像噪声特性和图像边缘梯度特性发生了变化。因此,正确估算模糊核是图像复原的关键问题,原图像的噪声主要由离散像素点组成,属于加性噪声,退化图像仍然具有完整结构和边缘,因此高斯噪声可以建模为稀疏分量,与保留原始清晰特征的底层图像分离开来。tv正则化模型可以有效地去除异常值噪声信号,较为经典的模型是tv/l2模型,基于该模型可以有效的恢复退化图像。
1、本专利技术的目的在于提供一种数字射线退化图像复原方法,采用求解l0、tv混合正则化数学模型结合麻雀优化算法实现图像盲复原。
2、实现本专利技术的技术解决方案为:一种数字射线退化图像复原方法,包括以下步骤:
3、1)通过射线平板探测器采集数字射线图像;
4、2)由于平板探测器老化或者检测工艺不足等原因,造成模糊等图像退化现象。而复原模糊图像的关键在于建立合适的图像模糊退化模型,通过对模糊退化模型进行逆向研究,恢复出清晰图像。针对dr图像的梯度与噪声特性,本专利技术采用l0正则项约束图像梯度,tv/l2正则项约束图像高斯噪声,建立复原目标模型;
5、3)采用图像金字塔多尺度估计策略,对模型进行求解,得到模糊核和潜在的清晰图像;
6、4)针对混合正则化算法中,模糊核尺寸(k(n))、tv正则项权重(β)参数影响复原图像质量的问题,采用麻雀寻优智能算法,融合图像梯度、频域和熵函数为客观评指标,设计适应度目标函数,通过迭代比较适应度函数值求得最佳k(n)、β参数参数;
7、5)在求解得到模糊核的基础上,采用超拉普拉斯先验算法,将退化图像与估算模糊核进行反卷积运算,得到复原后的清晰图像;
8、具体的,所述步骤(1)具体为基于以高压发生器和平板探测器为核心的射线数字系统,按特定生产标准获取的数字射线图像,例如小直径管焊缝数字射线检测图像。
9、具体的,步骤(2)所述的复原目标模型具体为:
10、
11、等式左边的分别为待求解的潜在清晰图像与模糊核,等式右边、、为权重参数,第一项为数据保真项,其作用主要为约束估计清晰图像与模糊图像的一致性,第二、三项为清晰图像约束项,第四项为运动模糊核约束项;
12、式中,表示计算模糊核的l2范数,这项可以惩罚估计模糊核中较大的梯度,从而使模糊核每个像素点与其周围8领域内的像素值大致相同。同时,估计模糊核的像素点也需要满足k≥0,∑ki=1的约束,i表示像素索引。
13、表示图像梯度,计算图像x梯度非零值个数。表示梯度,为水平梯度算子[-11;00],为垂直梯度算子[-10;10]。||x||tv表示使用tv正则化方法对图像的噪声进行约束。
14、具体的,步骤(4)所述的麻雀寻优自适应盲复原算法,其步骤为:
15、1)设置算法参数,包括最大迭代次数,种群规模,发现者、加入者、警戒者数量、预估模糊核尺寸k(n)上下限hkn、lkn、tv正则化权重参数β上下限htv、ltv,其具体参数设置范围如下表1所示;
16、表1
17、
18、
19、2)输入模糊图像y,初始化k(n)、β,使用更新种群位置,计算各个麻雀的适应度函数值fitness并比较取最优值,然后判断是否满足迭代结束条件,迭代结束条件为适应度函数值迭代10次不变后即结束迭代,未达到则更新位置继续迭代直到迭代结束;
20、3)输出最佳的k(n)和β;
21、具体的,步骤(4)所述的图像梯度、频域和熵函数三种评价函数为:
22、能量梯度评价函数:
23、将图像x方向和y方向相邻像素灰度值之差的平方和作为每个像素点的梯度值,将所有像素梯度值累加作为清晰度评价函数值,表达式如下所示:
24、
25、式中,feog表示图像的能量梯度值,f(x,y)表示计算的当前像素,f(x+1,y)表示当前像素的右邻像素,f(x,y+1)表示当前像素的下方相邻像素。
26、二维离散余弦变换图像清晰度评价函数(dct):
27、基于dft的评价函数灵敏度高,但傅里叶变换系数是复数,计算量较大。使用离散余弦变换dct对此进行改进,变换系数为实数,计算量减少且同样可以表示图像频率分布信息。dct清晰度评价函数定义如下:
28、
29、式中,c(μ,v)代表余弦变换dct的变换系数矩阵;
30、二维熵评价函数:
31、将邻域灰度均值用作灰度分布的空间特征量,突出反映图像中像素位置的灰度信息和像素邻域内灰度分布的综合特征。其表达式为:
32、
33、
34、式中,m×n计算图像像素总数,f(i,j)表示像素与领域均值的特征二元组,i表示像素值,j表示i的8领域均值,pij表示像素出空间分布比例现的频率,b一般取值为2,d表示图像像素最大值。
35、具体的,步骤(4)所述的适应度目标函数具体为:
36、将三种评价函数融合时,应注意各评价结果应当在同一数量级。梯度类评价和频域类评价指标结果往往比信息熵一类评价指标高了数个量级,导致在联合评价指标当中二维熵值比重缩减到忽略不计的程度,因此有必要将三种评价指标规范到统一范围之内。先利用原始模糊图像与复原后的图像评价结果经过下式计算后进行归一化:
37、
38、式中,fa表示原始模糊图像评价结果,fb表示复原图像评价结果,frate表示归一化能量梯度评价函数feog、归一化离散余弦变换评价函数fdct、归一化二维熵评价函数fentry2。
39、设置三类评价函数权重为1/3,适应度函数为:
40、fitness=-(1/3feog+1/3fdct+1/3fentry2) 本文档来自技高网...
【技术保护点】
1.一种数字射线退化图像复原方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种数字射线退化图像复原方法,其特征在于:所述步骤(1)具体为:基于以高压发生器和平板探测器为核心的射线数字系统,按设定生产标准获取的数字射线图像。
3.根据权利要求1所述的一种数字射线退化图像复原方法,其特征在于,所述步骤(2)建立的复原目标模型为:
4.根据权利要求1所述的一种数字射线退化图像复原方法,其特征在于,所述步骤(3)具体为:采用图像金字塔降多尺度估计策略,通过迭代估计模糊核以提升估计精度,对模糊图像采用金字塔分层、逐层估计模糊核的策略有助于提高模糊核估计的准确性;
5.根据权利要求1所述的一种数字射线退化图像复原方法,其特征在于,步骤(4)所述的适应度目标函数具体为:
【技术特征摘要】
1.一种数字射线退化图像复原方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种数字射线退化图像复原方法,其特征在于:所述步骤(1)具体为:基于以高压发生器和平板探测器为核心的射线数字系统,按设定生产标准获取的数字射线图像。
3.根据权利要求1所述的一种数字射线退化图像复原方法,其特征在于,所述步骤(2)建立的复原目标模型为:...
【专利技术属性】
技术研发人员:程宇,陈俊囡,隋岩,雷文清,刘明萱,黄敏钰,梁志辉,吴伟,
申请(专利权)人:南昌航空大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。