【技术实现步骤摘要】
本专利技术属于无损检测、图像处理，尤其涉及一种基于图像聚类离散度计算的红外检测数据预融合处理方法。
技术介绍
1、目前无损检测技术被广泛应用在各类仪器设备加工以及在役装备的维护保障工作中。但有些被测材料性质特殊，可能无法采用超声、磁粉等接触式无损检测技术，而非接触式无损检测技术如红外热波、激光超声以及微波等均存在一定缺陷。因此产生了一种数据融合检测方案，旨在结合不同的非接触无损检测数据，实现检测精度的提高和对缺陷位置的智能表征。
2、将不同来源的检测数据结合时会产生如下问题：1.不同检测手段得到的检测图像数据格式有区别，图像中的缺陷区域的信号存在位于图像强度高位区与低位区两种情况；2.检测过程中往往会有光、声、热等不均匀干扰，在影响了图像缺陷表征的同时也会造成局部信号强度过高，严重干扰数据融合的结果；3.在处理检测原始数据过程中，经过各类检测数据处理算法计算后的检测图像背景往往受各种因素干扰，导致背景信号不均匀，对这类检测图像直接进行基本信度分配后，易产生背景/缺陷区域的误判问题。
3、在已有的研究中，西安深信科创信息技术有限公司的孙钦东等(专利号cn105741281b)提出了一种基于邻域离散度的图像边缘检测方法，公开了一种基于邻域离散度的图像边缘检测方法，步骤包括：1)将原始的彩色图像转换为单通道的八位灰度图像；2)求该八位灰度图像的离散度系数矩阵m；3)对离散度系数矩阵m执行水平方向细化操作，得到矩阵mh；4)对离散度系数矩阵m执行垂直方向细化操作，得到矩阵mv；5)合并矩阵mh与矩阵mv，将该两个
4、中山大学的苏勤亮等(专利号cn110795591b)公开了一种基于离散梯度反向传播的图像检索方法，该方法解决了深度特征学习和二进制哈希编码端到端框架中存在的病态梯度问题。针对深度网络非凸优化中存在的病态梯度问题，利用离散梯度反向传播对非光滑激活的深度网络进行梯度估计，将其转化为一个可以反向传播训练的深度神经网络。通过在训练过程中引入离散变量的梯度估计量，使优化过程中准确学习二进制哈希码成为可能。该方法对异常值的离散度做了有效估计，但该方法依赖于参照梯度，在应用于多源数据融合无损检测领域时无法实现无监督数据处理的目标。
5、清华大学深圳研究生院的马建设等(专利号cn201710283246.8)公开了一种图像显著区域检测方法，包括：p1:色彩空间转换：将待检测图像从rgb色彩空间转换为cielab色彩空间；p2:颜色分类：根据颜色的相似性将步骤p1处理后的待检测图像中的颜色划分为n类，并记录在所述待检测图像中每一类颜色覆盖的像素的数量；p3:计算离散度因子：分别计算n类颜色的离散度因子；p4:计算显著性值：根据步骤p3得到的离散度因子分别计算n类颜色的显著性值，其中显著性值与离散度因子呈负相关的关系；p5:归一化处理：对步骤p4计算得到的n类颜色的显著性值进行归一化处理后得到所述待检测图像的显著性值的灰度图像。该专利提出的图像显著区域检测方法，在降低计算量的同时，还保证了较高的精确度。该方法能够有效解决图像显著区域的突出表示，但对于不同平整度的背景信息没有实现平整化处理，在数据融合处理中会导致对背景信息的误判。
技术实现思路
1、本专利技术目的是为了解决不同来源的红外检测图像数据的标准化预融合处理问题、受噪声干扰条件下的红外检测图像缺陷对比度增强问题以及数据融合过程中背景信息归一化后背景特征值由于信号不均匀导致的背景归一化占比过高的问题，提出了一种基于图像聚类离散度计算的红外检测数据预融合处理方法。
2、本专利技术是通过以下技术方案实现的，本专利技术提出一种基于图像聚类离散度计算的红外检测数据预融合处理方法，该方法通过将检测图像中所有信号点进行聚类，计算每个像素点与其他像素点的距离确定自己的聚类；确定过滤阈值k，计算每个像素点第k距离范围内的所有点离散度均值；最后将该像素点第k范围内离散均值与该像素点第k范围内所有像素点的第k范围平均离散度的均值比较，最终得到该点的聚类离散值；具体处理方法如下：
3、步骤一、获取检测图像矩阵[p]；
4、步骤二、计算每个点p(i,j)与[p]的绝对差[d](i,j)并排序；
5、步骤三、将[d](i,j)内元素从小到大排序，并确定离散检测阈值k；
6、步骤四、计算p(i,j)在[d](i,j)内前k个最小距离的平均值mddk(i,j)；
7、步骤五、计算p(i,j)在[d](i,j)内k个最小距离范围内的所有点的平均离散度mddk(:,:)的平均值，计算该平均值与mddk(i,j)的比值。
8、进一步地，所述阈值k＝12000。
9、进一步地，所述阈值k设定在20000～22000区间。
10、本专利技术具有的有益效果是：
11、1.本专利技术所述方法可以有效解决不同来源的红外检测图像数据的标准化预融合处理问题；
12、2.本专利技术所述方法可以有效解决受噪声干扰条件下的红外检测原始数据处理与缺陷对比度增强问题；
13、3.本专利技术所述方法可以有效解决数据融合过程中背景信息归一化后背景特征值由于信号不均匀导致的背景归一化占比过高的问题。
本文档来自技高网...【技术保护点】
1.一种基于图像聚类离散度计算的红外检测数据预融合处理方法，其特征在于，该方法通过将检测图像中所有信号点进行聚类，计算每个像素点与其他像素点的距离确定自己的聚类；确定过滤阈值K，计算每个像素点第K距离范围内的所有点离散度均值；最后将该像素点第K范围内离散均值与该像素点第K范围内所有像素点的第K范围平均离散度的均值比较，最终得到该点的聚类离散值；具体处理方法如下：
2.根据权利要求1所述的方法，其特征在于：所述阈值K＝12000。
3.根据权利要求1所述的方法，其特征在于：所述阈值K设定在20000～22000区间。
【技术特征摘要】
1.一种基于图像聚类离散度计算的红外检测数据预融合处理方法，其特征在于，该方法通过将检测图像中所有信号点进行聚类，计算每个像素点与其他像素点的距离确定自己的聚类；确定过滤阈值k，计算每个像素点第k距离范围内的所有点离散度均值；最后将该像素点第k范围内离散均值与该像素点第k...
【专利技术属性】
技术研发人员：刘俊岩，尹鹏，王飞，宋鹏，白镕赫，彭宇升，高明宇，孟祥林，陈明君，岳洪浩，
申请(专利权)人：哈尔滨工业大学，
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。