[发明专利]基于多尺度滤波算子的X射线实时图像焊缝缺陷检出方法

摘要

基于多尺度滤波算子的X射线实时图像焊缝缺陷检出方法，属于图像缺陷检测领域。本发明在获取图像序列后，首先通过分析首帧图像得到优化参数，根据优化参数构造多尺度滤波算子，然后逐帧提取感兴趣区域进行卷积操作，并采用动态阈值方法对图像进行阈值分割，得到潜在缺陷区域。本发明能够实现图像处理参数的自适应优化，采用构造的滤波算子适应焊缝缺陷的局部灰度特征，有利于缺陷区域的自动检出，在参数自适应和分割准确性上较之现有的背景消除法等有明显优势，并能够在实时性上适应生产实际中的检测要求。

主权项

1.一种基于多尺度滤波算子的X射线图像焊缝缺陷检出方法，包括：步骤1）读入首帧图像：读入图像序列中的第一帧图像，记为I₀；步骤2）焊缝提取：对所述第一帧图像进行边缘提取和区域分割，提取焊缝边界，将焊缝作为感兴趣区域进行标识操作；步骤3）参数优化：对所述第一帧图像的感兴趣区域进行图像分析，对多尺度滤波算子构造参数σ与动态阈值参数Th进行优化，得到多尺度滤波算子构造参数优化值σ_op与动态阈值参数优化值Th_op；该步骤具体包括：步骤30）参数初始化：选择参数a,b使其满足其中size_x(I)表示图像沿x方向的尺寸，size_y(I)表示图像沿y方向的尺寸；设置多尺度滤波算子构造参数σ的初值σ₀；设置动态阈值参数Th的初值Th₀；步骤31）构造优化函数：按照下式构造滤波算子L_σ(x,y)，Lσ(x,y)=-(x-a/2)2+(y-b/2)2-2σ2σ4e-(x-a/2)2+(y-b/2)22σ2]]>用所述滤波算子L_σ(x,y)对所述图像I₀的感兴趣区域进行卷积运算得到卷积结果，将该卷积结果表达为关于σ的函数C(σ)，构造优化目标函数O(σ,Th)如下式：O(σ,Th)=ΣΔ∈{-0.5,0,0.5}(Σ(C(σ+Δ)>Th)-Num)2]]>其中参数Num满足0<Num<size_x(I₀)·size_y(I₀)；步骤32）函数优化：以σ₀、Th₀为参数初值，对目标函数O(σ,Th)进行优化：(σop,Thop)=argminσ,Th(O(σ,Th))]]>得到多尺度滤波算子构造参数优化值σ_op与动态阈值参数优化值Th_op；步骤4）读入下一帧图像：顺次读入图像序列中的下一帧图像，记为I_n；步骤5）焊缝提取：对所述图像I_n进行边缘提取和区域分割，提取焊缝边界，将焊缝作为感兴趣区域进行标识操作；步骤6）算子构造：构造多尺度滤波算子Lσi(x,y)=-(x-a/2)2+(y-b/2)2-2σi2σi4e-(x-a/2)2+(y-b/2)22σi2,i=1,2,3]]>其中σ₁=σ_op-0.5,σ₂=σ_op,σ₃=σ_op+0.5，其中size_x(I_n)表示图像I_n沿x方向的尺寸，size_y(I_n)表示图像I_n沿y方向的尺寸；步骤7）卷积运算：用所述多尺度滤波算子对所述图像I_n进行所述感兴趣区域的卷积操作，得到卷积结果步骤8）图像分割：对所述卷积结果进行动态阈值分割并进行连通域标记，得到潜在缺陷区域；该步骤具体包括：步骤80）动态阈值范围设定：将Th_op的邻域[Th_op-r,TH_op+r]设为动态阈值搜索范围，其中r≤30；步骤81）多尺度分别阈值分割：采用动态阈值法对所述卷积结果进行阈值分割，得到二值化图像BW₁、BW₂、BW₃；步骤82）标记连通域：按下式计算得到二值化图像BW：BW=BW₁·BW₂·BW₃标记二值化图像BW的连通域{r₁,r₂,...,r_n}，在二值化图像BW₁、BW₂、BW₃中搜索包含{r₁,r₂,...,r_n}的最大连通域，作为检出的潜在缺陷区域；步骤9（检查图像序列是否结束，如未结束，回到步骤4，重复步骤4至步骤8，直至图像序列处理完毕。