[发明专利]一种基于X射线图像的复合轨枕孔隙缺陷检测方法

权利要求书

1.一种基于X射线图像的复合轨枕孔隙缺陷检测方法，其特征在于，包括以下步骤：

(1)原始投影图像的获取

在复合轨枕横断面周向上布置多组射线源与探测器，通过同时照射采样获得轨枕多个角度下的原始投影图像；

(2)基于自适应全变分模型的图像去噪处理及图像模糊增强处理

根据原始投影图像中噪声特性，构建自适应全变分模型对原始图像进行降噪，并对降噪后图像进行模糊增强；

(3)轨枕断面图像的快速重建

以多幅不同角度的降噪增强处理后投影图像为输入，利用离散化FDK锥束重建算法，优选参数进行轨枕断面图像快速重建，得到轨枕断面图像；

(4)基于行列EMD的缺陷特征提取

对重建后的轨枕断面图像，采用行列EMD方法对其中的孔隙缺陷特征进行增强提取，得到缺陷特征图像；

(5)基于改进CV模型的缺陷分割识别

根据缺陷特征图像，利用改进CV模型进行缺陷区域分割，进而计算缺陷尺寸参数，实现复合轨枕孔隙缺陷的定量检测。

2.根据权利要求1所述的一种基于X射线图像的复合轨枕孔隙缺陷检测方法，其特征在于，步骤(2)具体为：

首先，针对复合轨枕特有背景条纹噪声特点，构造自适应全变分模型为：

其中，TV表示全变分模型，p(x,y)为自适应参数，f为去噪后所得图像，f₀为原始投影图像，Ω表示图像空间，x,y为像素点空间坐标，且x,y∈Ω，λ为保真项系数，▽表示梯度运算；

然后，引入四个边缘检测算子t_θ，确定各点处的自适应参数p(x,y)值：

其中，t_θ为边缘检测算子，共四个方向，Θ＝{0°,45°,90°,135°}，*为卷积运算，当θ＝0°时，O₁＝[00]，其他边缘检测算子t_θ由t₀旋转45°，90°和135°得到；

将求取的各点自适应参数p(x,y)值代入所构建模型，求取minTV_p(x,y)(f)实现原始图像中耦合背景噪声的去除；

最后，利用经典模糊增强方法对降噪后图像进行对比度增强。

3.根据权利要求1所述的一种基于X射线图像的复合轨枕孔隙缺陷检测方法，其特征在于，步骤(3)具体为：

首先，对经去噪增强后的不同角度照射所得投影数据进行修正,得到修正后投影结果其中，(u,v)表示以探测器中心原点O为基准，图像像素点的行标和列标，表示照射扫描角度；

然后，构造滤波器h_new(u)，对修正后的投影数据进行逐行滤波，得到滤波后数据

最后，对所有各个角度的滤波后数据进行加权反投影，得到重建体数据f(x,y,z)；其中，(x,y,z)表示重建体数据的空间坐标。

4.根据权利要求3所述的一种基于X射线图像的复合轨枕孔隙缺陷检测方法，其特征在于，步骤(4)具体为：

首先，确定重建后体数据f(x,y,z)中的坐标z值，选取对应截面图像f(x,y,z₀)；然后，将该对应断面图像矩阵f(x,y)按行拆分为多个一维信号，依次提取各行数据进行五层EMD分解，筛选低频IMF分量重组得到图像I_r；接着，将矩阵f(x,y)按列拆分为多个一维信号，依次提取各列数据进行五层EMD分解，筛选低频IMF分量重组得到图像I_c；最后，将I_r与I_c进行加权融合得到缺陷特征图像I₀。

5.根据权利要求4所述的一种基于X射线图像的复合轨枕孔隙缺陷检测方法，其特征在于，步骤(5)具体为：

首先，构造改进CV模型如下：

其中，C是活动轮廓曲线，L(C),A(C)为约束项，μ,ν,λ₁,λ₂是权重系数，G_σ,k(x,y)表示标准差为σ、窗口大小为(2k+1)×(2k+1)的高斯核函数，f₁(x,y)和f₂(x,y)分别表示轮廓内外的局部邻域的拟合函数，I₀为上一步所得缺陷特征图像；

然后，利用模型求取minE(C)，实现缺陷区域的准确分割；最后，对分割后图像进行二值化转换并计算缺陷相关尺寸参数，实现缺陷的定量识别。