專利名稱：基于射線衰減能量場的無損檢測缺陷提取、識別方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種數(shù)字圖像處理中基于射線衰減能量場的無損檢測缺陷提 取、識別方法。
背景技術(shù)：
利用工業(yè)射線底片圖像判定缺陷主要包括缺陷邊界提取和缺陷類型識別 兩個方面。由于零部件內(nèi)部缺陷的多樣性與復(fù)雜性，目前，大部分缺陷類型 識別主要是以缺陷所形成的影像底片作為判別依據(jù)，依靠專業(yè)人員的實際經(jīng) 驗進行判定，造成無損檢測技術(shù)人員工作量大，工作強度高，錯判漏判現(xiàn)象 時有發(fā)生。此外，無損射線檢測行業(yè)涉及到探傷工藝、鑄造工藝、材料成形 工藝、焊接工藝以及表面處理工藝，培養(yǎng)一名合格的評片人員大約需要三年 時間。因此，利用專業(yè)裝置和計算機進行輔助缺陷識別，減輕工作人員勞動 強度，提高缺陷識別率成為必須。目前利用射線底片圖像進行零部件缺陷識 別主要存在以下問題
缺陷提取方面，目前主要有邊界方法、區(qū)域方法和聚類方法三種，邊界 方法主要利用圖像相鄰像素間的灰度突變進行微分運算，從而檢測出不同區(qū) 域的邊界，這種方法對噪聲非常敏感且無法識別微小缺陷。區(qū)域方法主要是 根據(jù)像素之間的相似度，把像素組合成不同的區(qū)域，這類方法容易產(chǎn)生過分 割，需要進一步消除。聚類方法主要是在特征空間上，把相似的點聚類在一 起，然后在圖像中用不同的類號來標注出不同的區(qū)域，這類方法的主要缺點是聚類所需的類總數(shù)一般都不可知，而且往往會忽視相鄰像素之間的空間和 視覺上的相互關(guān)系。
缺陷類型識別方面，目前主要采用神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)，利用神經(jīng)網(wǎng)絡(luò) 識別缺陷首先需要提取表征缺陷類型的特征，如缺陷形狀、大小、位置等， 然后利用樣本對神經(jīng)網(wǎng)絡(luò)進行訓練，用訓練好的神經(jīng)網(wǎng)絡(luò)對未知缺陷進行識 另lj。這種方法需要大量的缺陷樣本，訓練時間也比較長，識別的準確度與樣 本的數(shù)量以及特征的選取有很大關(guān)系，目前，國外資料顯示神經(jīng)網(wǎng)絡(luò)對氣孔
的識別率為92.39%，對于其他缺陷的識別率相對較低。在利用專家系統(tǒng)識別 方面，由于知識是決定一個專家系統(tǒng)性能是否優(yōu)越的關(guān)鍵因素，專家系統(tǒng)要 達到領(lǐng)域?qū)＜业乃?，就必須掌握領(lǐng)域?qū)＜姨幚韱栴}時所使用的大量專門知 識，特別是經(jīng)驗知識，從專家對大量實例的分析中獲取專家解決問題的思路、 知識、經(jīng)驗及規(guī)則。因此，獲取知識并把知識表達成專家系統(tǒng)可用的形式， 是專家系統(tǒng)開發(fā)中的主要瓶頸之一。建立一個實用的專家系統(tǒng)需要一個相當 長的時間。更為重要的是，目前采取的所方法，無論是人工識別還是計算機 判別(神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng))，其共同點都是通過分析缺陷的邊界形狀特征 來識別缺陷類型，很少考慮缺陷內(nèi)部區(qū)域灰度分布，包含在缺陷區(qū)域內(nèi)部與 缺陷類型密切相關(guān)的大量寶貴信息被浪費。
在缺陷測量方面，二維測量如缺陷長度和面積測量已經(jīng)十分成熟，但利 用圖像灰度實現(xiàn)缺陷三維體積測量基本是一個空白。

發(fā)明內(nèi)容
本發(fā)明的目的是為了克服上述現(xiàn)有技術(shù)僅僅利用與缺陷類型部分相關(guān)的 缺陷邊界特征而忽略了包含在缺陷內(nèi)部的與缺陷類型更為密切的灰度信息的
缺點，提出了一種基于射線衰減能量場的無損檢測缺陷提取、識別方法，該 方法利用衰減能量場與圖像灰度分布之間的對應(yīng)關(guān)系，利用計算機充分挖掘 包含在缺陷內(nèi)部的與缺陷類型更為密切的灰度特征信息，實現(xiàn)缺陷自動提取、 識別以及三維體積測量。
為達到上述目的，本發(fā)明采用技術(shù)方案是-
1) 依據(jù)射線穿過不同物質(zhì)的能量衰減規(guī)律，建立射線檢測底片數(shù)字化圖 像灰度與射線衰減能量場的關(guān)系，確定射線底片圖像中的缺陷邊界；
2) 基于射線能量場的衰減特征對所確定的缺陷進行類型識別；
3) 根據(jù)射線能量衰減的強度以及與圖像灰度的對應(yīng)關(guān)系，對缺陷體積進 行測量。
所述第一步驟包括
1) 缺陷種子列搜索步驟利用種子列判別條件識別定位缺陷，即通過底 片圖像列灰度曲線即由某列像素灰度值構(gòu)成的曲線波谷的寬度、深度以及與 波谷相鄰兩波峰的高度差，確定缺陷波谷，從而識別定位缺陷；
2) 缺陷概略分割步驟據(jù)缺陷邊緣的連續(xù)性，限定每列的搜索范圍，分 別向種子列兩側(cè)搜索缺陷；
3) 缺陷細節(jié)提取步驟通過概略分割結(jié)果重組，將分布于相鄰幾個不同 區(qū)域的同一缺陷的幾個不同部分合并成一個區(qū)域，利用直方圖統(tǒng)計，對所述 區(qū)域逐層進行直方圖統(tǒng)計，將各層出現(xiàn)頻率最高的灰度值繪成灰度曲線，根 據(jù)所述灰度曲線確定缺陷分割閾值，依據(jù)閾值對所述區(qū)域進行二次分割，通 過邊緣完整性檢驗，確定缺陷邊界是否存在缺口，如果存在，依據(jù)所述閾值， 沿缺口連線法線方向逐層搜索邊界，從而獲取完整的缺陷邊界；
所述第二步驟包括
1) 缺陷材質(zhì)類型判別步驟通過實驗建立三類不同材質(zhì)金屬、氧化物、 氣體在不同射線強度下的灰度——材質(zhì)庫，找出相同射線強度下缺陷平均灰 度值V對應(yīng)的T八、TB、 Te，通過缺陷比較當量尺寸T和i;、 TB、 Tc，確定缺 陷材質(zhì)類型；
2) 缺陷特征提取步驟對所述缺陷細節(jié)提取獲取缺陷區(qū)域灰度曲面進行 三維形貌特征和二維形狀位置特征提取，三維形貌特征包括單位長度交叉 點數(shù)、深度寬度比、曲面凸凹程度、內(nèi)部區(qū)域小波谷數(shù)量、小波谷位置、小 波谷長度，二維形狀位置特征包括缺陷長寬比、缺陷重心坐標；
3) 缺陷形貌特征庫提煉步驟通過對樣本缺陷灰度曲面的三維形貌特征 和二維形狀位置特征進行提取，分析、建立缺陷形貌特征庫；
4) 缺陷類型識別步驟對缺陷區(qū)域灰度曲面的三維形貌特征和二維形狀 位置特征進行提取，結(jié)合缺陷材質(zhì)類型，依據(jù)缺陷形貌特征庫對提取特征進 行分析，實現(xiàn)缺陷類型自動識別；
所述第三步驟包括
缺陷體積測量步驟利用缺陷內(nèi)部各點與缺陷邊界的灰度差以及由缺陷 材質(zhì)和透照條件決定的射線衰減系數(shù)，根據(jù)公式么丁=^^/^-//)得出缺陷內(nèi) 部各點在射線透照方向上的尺寸，從而得到缺陷的體積。
利用射線能量穿透不同材質(zhì)所表現(xiàn)的衰減特征，建立射線能量衰減特征 與底片圖像灰度的對應(yīng)規(guī)律，利用計算機對灰度圖像的解析度遠遠超過人眼 的優(yōu)勢，對產(chǎn)品零部件射線無損檢測缺陷進行自動提取、識別以及三維體積 領(lǐng)懂。


圖l是射線檢測基本原理；
圖2(a)是實驗圖像，其中x為圖像的行坐標，y為圖像的列坐標； 圖2(b)是圖2(a)的灰度曲面圖，其中x為圖2(a)的行坐標，y為圖2(a)
的列坐標，v代表像素點灰度值；
圖3是缺陷種子列示意圖，其中i表示種子的位置，xf,;c^,x^分別
表示種子列(圖像的第i歹U)上第j個缺陷的波谷及左、右兩相鄰波峰的位
置坐標，vf,l^,V^表示圖像上xf,X^;C^對應(yīng)點像素的灰度值；
圖4是相鄰列缺陷邊界點位置示意圖，其中X為行坐標，y為列坐標；
圖5是概略分割流程圖6是缺陷概略分割實驗結(jié)果；
圖7(a)是對缺陷區(qū)域逐層進行灰度直方圖統(tǒng)計示意圖7(b)是由圖7(a)各層出現(xiàn)頻率最高的灰度值構(gòu)成的灰度曲線圖8是缺陷細節(jié)提取流程圖9(a)是本發(fā)明對圖2 (a)的缺陷提取結(jié)果；
圖9 (b)是Canny方法對圖2 (a)的缺陷提取結(jié)果；
圖9 (c)是分水嶺方法對圖2 (a)的缺陷提取結(jié)果；
圖9 (d)是水平集方法對圖2 (a)的缺陷提取結(jié)果；
圖10(a)是單位長度交叉點示意圖。
圖10(b)是深寬比示意圖。
圖10(c)曲面凸凹程度示意圖。
圖10(d)是小波谷示意圖。
圖11是缺陷形貌特征庫創(chuàng)建流程圖。 圖12是缺陷灰度——材質(zhì)曲線示意圖。
圖13是缺陷類型識別流程圖。
圖14是缺陷像素點示意圖。
具體實施例方式
下面結(jié)合附圖對本發(fā)明作進一步詳細說明。
圖1是射線檢測基本原理圖，圖中T、 AT分別表示工件基體和缺陷在射 線透過方向上的尺寸，/。表示入射射線強度，力、A分別表示穿透工件基體和 缺陷部位的射線強度，a、 //分別表示工件基體和缺陷對射線的衰減系數(shù)。 射線穿過工件后經(jīng)過衰減的能量場(射線衰減能量場)分布如下
<formula>formula see original document page 9</formula>,e為自然對數(shù)的底數(shù) (1)
在正常曝光情況下底片黑度值隨射線照射量對數(shù)的增加而呈線性增長，底片 經(jīng)CCD數(shù)字化處理后，得到的數(shù)字化圖像灰度值與原底片灰度值呈線性關(guān)系。
由此得出底片圖像灰度與衰減能量場關(guān)系如下<formula>formula see original document page 9</formula>
(2)
其中h附為常數(shù)且K0，可以看出圖像的灰度值隨射線衰減能量強度對數(shù) 的增加而呈線性減小。
圖2(a)是實驗圖像，以焊縫y射線底片局部數(shù)字圖像(85像素x58像素)為 例對本發(fā)明方法進行驗證。
圖2(b)是圖2(a)對應(yīng)的灰度曲面，灰度曲面由圖像像素點坐標x， y及對 應(yīng)灰度值v三個坐標構(gòu)成，由式(2)可知圖像各像素點的灰度值與對應(yīng)的衰減
能量場射線強度具有精確的映射關(guān)系，基于此，灰度曲面的表面狀況可以直 觀的反映射線衰減能量場的分布。在同等射線強度下除了 "夾鎢"缺陷(鉤的 射線衰減系數(shù)比基體射線衰減系數(shù)要高的多，夾鎢缺陷對應(yīng)的灰度曲面為凸 臺)外缺陷材質(zhì)的射線衰減系數(shù)比基體的射線衰減系數(shù)要小，對應(yīng)灰度曲面上 為凹坑，且凹坑的表面形貌特征反映了缺陷的類型，根據(jù)這些特征對進行缺 陷提取、類型識別以及體積測量。
圖3是缺陷種子列示意圖，xf,x^,x^分別表示種子列(圖像的第i列) 上第j個缺陷的波谷及左、右兩相鄰波峰的位置，vf，v^，v^表示圖像上
《,《P^2對應(yīng)像素點的灰度值V，缺陷種子列(圖像中可以用來判斷缺陷 的列)需同時滿足以下4個判別條件
1) 缺陷波谷具有一定的深度
其中<formula>formula see original document page 10</formula> /l :波谷與相鄰兩波峰灰度差閾值。
2) 缺陷波谷具有一定的寬度
其中<formula>formula see original document page 10</formula>:波谷與相鄰兩波峰的距離閾值。
3) 波谷到左右兩相鄰波峰的距離差不能超過波谷寬度的l/":
其中<formula>formula see original document page 10</formula>。
4) 波谷左右兩相鄰波峰的灰度差不能超過兩個波峰平均灰度的l/^: 其中<formula>formula see original document page 10</formula>。
圖4是相鄰列缺陷邊界點位置示意圖，圖中第i列第j個缺陷的上下邊 界點坐標分別為x-;c^，根據(jù)缺陷邊界的連線性，i-1、 i+l列上缺陷的上 下邊界點坐標應(yīng)在區(qū)間[x^-1，《2+1]內(nèi)，考慮到噪聲等因素的影響，缺陷在
i-i、 i+i列上的邊界點坐標v—W+'y'應(yīng)滿足如下條件
一1;乂+1 [;^—&x-2+。 (3) 其中；3是偏移量，取值在3 5之間。 圖5是概略分割流程圖，具體描述如下 步驟S1，讀入一幅圖像。 步驟S2，對圖像進行低通濾波。
步驟S3，依據(jù)缺陷種子列判別條件，從圖像第一列開始向后逐列搜索缺 陷種子列。
步驟S4，判斷是否找到缺陷種子列。
上述步驟S4的判定為"是"，即找到一個缺陷種子列，進行步驟S5，記錄 種子列位置i，缺陷個數(shù)nDef，每個缺陷的波谷位置xf 、相鄰左波峰的位置 x-。相鄰右波峰的位置《2,以及xf，;c^,x^對應(yīng)像素點的灰度值 vf,^P《'2，其中乂=厶…，/7化/。
上述步驟S4的判定為"否"，即沒有找到缺陷種子列，進行步驟S17，搜 索結(jié)束。
步驟S6，定位到第j個缺陷，即準備對第j個缺陷進行概略分割。 步驟S7，將i的值賦值給k，即k的值為缺陷列的位置。 步驟S8，向前搜索k-l列上滿足條件(3)區(qū)間內(nèi)的缺陷內(nèi)部最小灰度值點 和上下邊界點即灰度曲線的波谷以及相鄰兩波峰的坐標《—1;,x^;，x^u。
步驟S9，判斷以下兩個條件1)搜索沒有到達圖像左邊界(k-l〉0)， 2)k-l 列的兩波峰值大于k列的波谷值(《<《，and<<《/0，是否同時滿足。
上述步驟S9判定為"否"，進行布驟SIO，繼續(xù)向前搜索下一列(l^k-l)。
上述步驟S9判斷為"是"，進行步驟Sll，即種子列左側(cè)缺陷部分搜索完 畢，從種子列開始(k=i)，搜索種子列右側(cè)缺陷部分。
步驟S12，向后搜索k+l列上滿足條件(3)區(qū)間內(nèi)的缺陷內(nèi)部最小灰度值點 和上下邊界點即灰度曲線的波谷以及相鄰兩波峰的坐標《+",^，,《f 。
步驟S13，判斷以下兩個條件1)搜索沒有到達圖像右邊界(k〈N)， 2)k+l 列的兩波峰值大于k列的波谷值(v，〈v，andv,、v，)，是否同時滿足。
上述步驟S13判定為"否"，進行布驟S14，繼續(xù)向后搜索下一列(bk+l)。 上述步驟S13判斷為"是"，進行步驟S15，即第j個缺陷搜索完畢，準備
搜索j+l個缺陷(j=j+l)。
步驟S16，判斷種子列上的nDef個缺陷是否都已搜索完畢(j〈nDef+l)。 上述步驟S16判定為"是"，即第j各缺陷未進行搜索缺陷，進行步驟S6，
開始搜索第j個缺陷。
上述步驟S16判定為"否"，即種子列i上的nDef個缺陷都已搜索完畢，進
行步驟S3，從第i列開始向后搜索種子列，搜索區(qū)域不包括已進行缺陷搜索的區(qū)域。
圖6是圖2(a)概略分割結(jié)果，由上下兩條邊界構(gòu)成的一個區(qū)域。
圖7(a)是對缺陷區(qū)域逐層進行灰度直方圖統(tǒng)計示意圖，
k,， k2，…，kj，…，k￡, (j=l，…，￡ )為缺陷的層數(shù)。
圖7(b)是由圖7(a) k,， k"…，kj，，匕各層出現(xiàn)頻率最高的灰度值構(gòu)成的灰度曲線，根據(jù)該灰度曲線確定缺陷的分割閾值。
圖8是缺陷細節(jié)提取流程圖，參照流程圖對缺陷細節(jié)提取過程說明如下: 步驟S1，讀入一幅圖像的概略分割結(jié)果。
步驟S2，對概略分割結(jié)果進行重組，即將分布于相鄰幾個區(qū)域內(nèi)的同一 缺陷的不同部分合成一個區(qū)域。
步驟S3讀取一個缺陷區(qū)域。
步驟S4，對該區(qū)域逐層進行直方圖統(tǒng)計(圖7a)，將各層出現(xiàn)頻率最高 的灰度值繪制成灰度曲線(圖7b)。
步驟S5，根據(jù)灰度曲線找出最佳分割閾值(圖7b)。.
步驟S6，依據(jù)上述步驟S5得到的閾值對步驟S3讀取的區(qū)域進行二次分 割，然后對分割獲取邊界進行完整性檢驗，如果存在缺口，按照所述閾值沿 缺口連線法線方向逐層搜索缺陷邊界，從而獲得完整的缺陷邊界。
步驟S7，判斷是否圖像上的所有區(qū)域都已進行了細節(jié)提取。
上述步驟S7判斷為"否"，進行步驟S3，即對下一個缺陷進行細節(jié)提取。
上述步驟S7判斷為"是"，細節(jié)提取結(jié)束。
圖9 (a)是本發(fā)明對圖2(a)的缺陷提取結(jié)果。
圖9(b)是Canny方法對圖2(a)的缺陷提取結(jié)果。
圖9 (c)是分水嶺方法對圖2(a)的缺陷提取結(jié)果。
圖9 (d)是水平集方法對圖2(a)的缺陷提取結(jié)果。
由圖9 (a)、 (b)、 (c)、 (d)的對比結(jié)果可以看出，本發(fā)明的提取效果 明顯好于Canny方法和分水嶺方法，與水平集方法相比本發(fā)明方法的提取結(jié) 果保留了更多的細節(jié)信息，且具有明顯的時間優(yōu)勢。
圖IO是缺陷灰度曲面三維形貌特征示意圖，三維形貌特征包括單位長 度交叉點數(shù)、深度寬度比、曲面凸凹程度、內(nèi)部區(qū)域小波谷數(shù)量、小波谷位 置、小波谷長度。
圖10(a)是單位長度交叉點示意圖，圖中左側(cè)為缺陷某一列的灰度曲線 (列灰度曲線)，右側(cè)為構(gòu)成缺陷灰度曲面的所有列灰度曲線的波谷谷底連
線，將該曲線與首尾兩點連線的交叉點數(shù)N除以首尾兩點間的距離L，得到長 度交叉點個數(shù)n二N/L。
圖10(b)是深寬比示意圖，圖中左側(cè)為缺陷某一列的灰度曲線(列灰度曲 線)，右側(cè)為構(gòu)成缺陷灰度曲面的所有列灰度曲線的波谷深度H與波谷寬度W 的比值繪成一條曲線，直線蕓=1將曲線分成三個區(qū)域，寬度分別為D、D2、 D3， a、 D2、 D3三者之間的比例反映了灰度曲面的深寬比。
圖10(c)曲面凸凹程度示意圖。圖中的dl、 d2分別為左右兩段灰度曲線距 連線的最遠距離，將所有列灰度曲線的d/D (cKd,+d2)/2， D:(Di+D》/2)求平 均值，該平均值反映了灰度曲面的凸凹程度。
圖10(d)是小波谷示意圖。圖中顯示了缺陷內(nèi)部區(qū)域灰度曲面的所有小波 谷數(shù)量、位置，長度。
圖ll是缺陷形貌特征庫創(chuàng)建流程圖，參照流程圖對缺陷形貌特征庫創(chuàng)建 過程說明如下
步驟S1，讀取缺陷樣本。
步驟S2，提取所述步驟S1讀入缺陷的三維形貌特征。 步驟S3，提取所述步驟S1讀入缺陷的形狀位置特征。 步驟S4，分析歸納三維形貌特征和形狀位置特征。
步驟S5，根據(jù)所述步驟S4的分析歸納結(jié)果，建立缺陷形貌特征庫。
圖12是缺陷——灰度材質(zhì)曲線示意圖，圖中V代表灰度，T代表射線透過 方向材質(zhì)的尺寸。通過實驗建立三種不同材質(zhì)金屬、氧化物、氣體在不同 射線強度下的灰度——材質(zhì)庫，將缺陷材質(zhì)的當量尺寸T與相同射線強度下 的平均灰度V對應(yīng)的T八、TB、 Te進行比較，確定缺陷的材質(zhì)類型。
圖13是缺陷類型識別流程圖，參照流程圖對缺陷類型識別過程說明如下
步驟S1，讀入一幅圖像的細節(jié)提取結(jié)果。
步驟S2，讀取一個缺陷。
步驟S3，對上述步驟S2讀取缺陷的灰度曲面進行三維形貌特征提取。
步驟S4，對上述步驟S2讀取缺陷進行形狀位置特征提取。
步驟S5，計算缺陷區(qū)域的平均灰度和當量尺寸(表征射線透過方向上缺
陷尺寸的當量值)。
步驟S6，依據(jù)灰度——材質(zhì)庫，得出缺陷材質(zhì)類型。
步驟S7，模擬專家識別缺陷的機理，利用缺陷形貌特征庫并結(jié)合缺陷材
質(zhì)類型對缺陷特征進行分析，實現(xiàn)缺陷自動識別。
步驟S8，判斷是否圖像中的所有缺陷都已進行了識別。 上述步驟S8判定為"否"，進行步驟S2，即識別下一個缺陷。 上述歩驟S8判定為"是"，識別過程結(jié)束。
圖14是缺陷像素點示意圖，圖中每個方格代表一個像素點。通過底片灰 度與射線衰減能量場之間的關(guān)系(式2)以及射線透過方向上缺陷尺寸與衰減 能量場射線強度之間的關(guān)系(式l)得出射線透過方向上缺陷尺寸與缺陷灰度 差(缺陷內(nèi)部對各點與缺陷邊界的灰度差)之間的關(guān)系如下-
<formula>formula see original document page 16</formula>(4)
式中，k是常數(shù)，^是基體材質(zhì)的射線衰減系數(shù)，p'是缺陷材質(zhì)的射線衰減 系數(shù)，根據(jù)式(4)計算得出缺陷內(nèi)部各點射線透過方向上尺寸AT進而得到缺 陷體積。
本發(fā)明設(shè)計了一種專門針對射線檢測圖像的缺陷提取、缺陷類型識別以 及缺陷體積測量方法。缺陷提取方法比目前用于缺陷提取的分水嶺方法、水 平集方法，camiy方法效果要好，圖5(a) (b) (c) (d)以焊縫缺陷射線圖像為例 對上述算法的提取效果進行了比較。表1給出了該焊縫缺陷圖像采用不同方 法進行缺陷提取的平均處理時間(各個算法對圖2a的25次運算耗時平均值)， 可以看出本發(fā)明方法的平均處理時間與Carmy方法、分水嶺方差不多，但水平 集方法相比，具有明顯的優(yōu)勢。為了評估本發(fā)明的提取精度，采用平均相似 性準則進行評估<formula>formula see original document page 16</formula>(5)
式中"g和^分別表示理想提取和算法提取得到的像素點集合；N是圖像的 個數(shù)。4個有經(jīng)驗的研究人員分別對10幅缺陷圖像進行手動分割，將每幅圖像 的4個不同的分割結(jié)果進行平均，將平均結(jié)果作為每幅圖像的理想缺陷提取， 根據(jù)式(5)計算平均相似性，表2給出了比較結(jié)果。總體來看，本發(fā)明方法在 平均處理時間和提取精度上均優(yōu)于三種與之比較的方法。缺陷識別方法突破 了傳統(tǒng)缺陷識別過程中主要依靠影像或圖像邊界信息進行缺陷識別的局限 性，利用計算機對圖像的高解析度優(yōu)勢充分挖掘隱藏在缺陷內(nèi)部灰度區(qū)域中 與缺陷類型具有密切關(guān)系的灰度特征，依據(jù)缺陷形貌特征并結(jié)合缺陷材質(zhì)類
型對缺陷進行分行，實現(xiàn)缺陷類型自動識別。缺陷體積測量方法充分利用射 線能量衰減原理，通過灰度差與能量差以及能量差與射線透過方向上缺陷尺 寸之間的關(guān)系，得出缺陷體積。
實驗的硬件環(huán)境為Celeron處理器，主頻為2.80GHz，軟件環(huán)境為 windows XP操作系統(tǒng)，Visual C++. NET2003編程語言。實驗圖像(圖2a)為 國內(nèi)某大型汽輪^L廠高壓閥焊縫Y射線底片局部數(shù)字圖像(58像素x85像素)。
表l平均處理時間
算法t/ms
Ca呵方法6
分水嶺方法10
水平集方法1670
本文方法5
表2提取精度算法S
Canny方法0. 7462
分水嶺方法0.9160
水平集方法0. 9965
本文方法0. 998權(quán)利要求
1、基于射線衰減能量場的無損檢測缺陷提取、識別方法，其特征在于1)依據(jù)射線穿過不同物質(zhì)的能量衰減規(guī)律，建立射線檢測底片數(shù)字化圖像灰度與射線衰減能量場的關(guān)系，確定射線底片圖像中的缺陷邊界；2)基于射線能量場的衰減特征對所確定的缺陷進行類型識別；3)根據(jù)射線能量衰減的強度以及與圖像灰度的對應(yīng)關(guān)系，對缺陷體積進行測量。
2、 根據(jù)權(quán)利要求1所述的基于射線衰減能量場的無損檢測缺陷提取、識 別方法，其特征在于-所述第一步驟包括1) 缺陷種子列搜索步驟利用種子列判別條件識別定位缺陷，即通過底 片圖像列灰度曲線即由某列像素灰度值構(gòu)成的曲線波谷的寬度、深度以及與 波谷相鄰兩波峰的高度差，確定缺陷波谷，從而識別定位缺陷；2) 缺陷概略分割步驟據(jù)缺陷邊緣的連續(xù)性，限定每列的搜索范圍，分 別向種子列兩側(cè)搜索缺陷；3) 缺陷細節(jié)提取步驟通過概略分割結(jié)果重組，將分布于相鄰幾個不同 區(qū)域的同一缺陷的幾個不同部分合并成一個區(qū)域，利用直方圖統(tǒng)計，對所述 區(qū)域逐層進行直方圖統(tǒng)計，將各層出現(xiàn)頻率最高的灰度值繪成灰度曲線，根 據(jù)所述灰度曲線確定缺陷分割閾值，依據(jù)閾值對所述區(qū)域進行二次分割，通 過邊緣完整性檢驗，確定缺陷邊界是否存在缺口，如果存在，依據(jù)所述閾值， 沿缺口連線法線方向逐層搜索邊界，從而獲取完整的缺陷邊界；所述第二步驟包括1) 缺陷材質(zhì)類型判別步驟通過實驗建立三類不同材質(zhì)金屬、氧化物、 氣體在不同射線強度下的灰度——材質(zhì)庫，找出相同射線強度下缺陷平均灰度值V對應(yīng)的；、TB、 Te，通過缺陷比較當量尺寸T和T;、 TB、 Te，確定缺 陷材質(zhì)類型；2) 缺陷特征提取步驟對所述缺陷細節(jié)提取獲取缺陷區(qū)域灰度曲面進行 三維形貌特征和二維形狀位置特征提取，三維形貌特征包括單位長度交叉 點數(shù)、深度寬度比、曲面凸凹程度、內(nèi)部區(qū)域小波谷數(shù)量、小波谷位置、小 波谷長度，二維形狀位置特征包括缺陷長寬比、缺陷重心坐標；3) 缺陷形貌特征庫提煉步驟通過對樣本缺陷灰度曲面的三維形貌特征 和二維形狀位置特征進行提取，分析、建立缺陷形貌特征庫；4) 缺陷類型識別步驟對缺陷區(qū)域灰度曲面的三維形貌特征和二維形狀 位置特征進行提取，結(jié)合缺陷材質(zhì)類型，依據(jù)缺陷形貌特征庫對提取特征進 行分析，實現(xiàn)缺陷類型自動識別；所述第三步驟包括缺陷體積測量步驟利用缺陷內(nèi)部各點與缺陷邊界的灰度差以及由缺陷 材質(zhì)和透照條件決定的射線衰減系數(shù)，根據(jù)公式么丁=1^^/(//-/0得出缺陷內(nèi) 部各點在射線透照方向上的尺寸，從而得到缺陷的體積。
全文摘要
基于射線衰減能量場的無損檢測缺陷提取、識別方法，首先，根據(jù)射線檢測以及數(shù)字成像建立底片圖像灰度與衰減能量場分布之間的關(guān)系，從射線底片圖像中獲取缺陷邊界；然后，基于射線衰減能量場對所述缺陷提取方法得到的缺陷進行類型識別；最后，根據(jù)能量衰減原理，對所述缺陷類型識別方法得到的缺陷進行體積測量。由于本發(fā)明利用射線能量穿透不同材質(zhì)所表現(xiàn)的衰減特征，建立射線能量衰減特征與底片圖像灰度的對應(yīng)規(guī)律，利用計算機對灰度圖像的解析度遠遠超過人眼的優(yōu)勢，從而實現(xiàn)產(chǎn)品零部件缺陷的自動提取、識別以及三維體積測量。
文檔編號G01N23/18GK101201329SQ20071001888
公開日2008年6月18日 申請日期2007年10月16日 優(yōu)先權(quán)日2007年10月16日
發(fā)明者劉軍強, 成 李, 申清明, 陳富民, 高建民 申請人:西安交通大學