[发明专利]基于数据重构的红外热成像缺陷检测图像处理方法

说明书

基于数据重构的红外热成像缺陷检测图像处理方法，属于工业过程中缺陷检测技术领域。它包括以下步骤：1、获取红外热成像缺陷图像数据集；2、图像预处理；3、建立降噪自编码器网络；4、构建DPCT图像处理模型。本发明提出了一种基于数据重构的红外热成像缺陷检测图像处理方法，利用降噪自编码器对复合材料红外热成像图像进行重构，达到降低噪声、丰富原始图像数据信息的效果，然后使用PCA进行降维进一步提取缺陷特征。

技术领域

本发明属于工业过程中缺陷检测技术领域，具体涉及基于数据重构的红外热成像缺陷检测图像处理方法。

背景技术

碳纤维增强聚合物(Carbon Fiber Reinforced Polymer,CFRP)是以树脂为基体，碳纤维为增强体的复合材料。CFRP兼具碳材料和纤维材料的双重优良特性，具有韧性强、结构稳定、耐腐蚀和耐高温等特性，已经大量替代了传统金属在汽车和航空航天等领域的应用。

由于撞击、疲劳、腐蚀等物理化学因素的影响，复合材料在生产和服役的过程中，特别是服役的过程中很容易产生分层和断裂等缺陷。这些缺陷的存在会影响结构的可靠性和安全性，比如分层缺陷会对复合材料层压板的强度、刚度产生极大的影响，成为重大工程事故的隐患。因此，缺陷检测的应用与发展成为了研究重点。

当前有两类常用的内部缺陷检测方法，破坏性检测和无损检测(NDT)。破坏性检测只能进行抽检且容易造成产品的浪费。NDT是一种利用声、光、磁和电等特性来检测被测对象中是否存在缺陷的方法。与破坏性检测相比，它可以在不破坏材料的前提下识别异常和缺陷，这些优势使其越来越受欢迎，例如在复合材料的亚表面缺陷检测中。在众多无损检测方法中脉冲热成像 (PT)因其设置简单、成本低、扫描速度快而得到了广泛的应用与研究。

尽管PT检测技术具备众多优势，但是由于加热不均匀和周围环境的影响，导致获得的热图像通常存在大量的噪声和不均匀背景。因此，通过信号和图像处理方法来降低图像的不均匀背景和噪声对红外热成像无损检测技术来说十分必要。

近年来，随着计算机技术和信息技术的发展，深度学习算法得到了广泛的应用，包括目标识别、语音识别、图像分类等。在深度学习方法中自编码器因其强大的特征提取和降维能力而被广泛应用，而利用自编码器进行热图像重构来降低噪声的研究较少。

发明内容

针对现有技术中存在的上述问题，本发明的目的在于提供一种基于数据重构的红外热成像缺陷检测图像处理方法，能够有效地去除图像的噪声，达到凸显缺陷的效果。

本发明提供如下技术方案：基于数据重构的红外热成像缺陷检测图像处理方法，包括以下步骤：

1)获取红外热成像缺陷图像数据集：

利用脉冲热成像PT系统对数据进行采集，具体过程如下：首先通过闪光灯对试样进行瞬态加热，然后在冷却阶段用红外摄像机记录表面温度变化过程，最后将记录的热图像存储在计算机中；

2)图像预处理：

在进一步分析之前需要对给定的热图像进行预处理，由数据展开与标准化两部分组成；

3)建立降噪自编码器网络：

利用降噪自编码器对原始数据进行重构，达到降低噪声、丰富原始图像数据信息的效果；

4)构建降噪主成分热成像(Denoising Principal Component Thermography,DPCT)图像处理模型：

在数据重构的基础上进一步利用主成分分析PCA进行降维，在减少图像数量的同时提高缺陷特征提取能力；

如权利要求1所述的基于数据重构的红外热成像缺陷检测图像处理方法，其特征在于，所述步骤2)的具体过程如下：

步骤2.1：将通过PT系统采集的热图像数据由三维矩阵展开为二维矩阵；