[发明专利]红外无损检测的热图像缺陷特征增强处理方法

摘要

本发明公开了一种红外无损检测的热图像缺陷特征增强处理方法，在本发明中，一种用于红外无损检测的热图像增强处理技术被应用到特燃承压设备表面无损检测中。为了更完善，更有效率的提取缺陷特征，一种新的算法在发明中对试件进行处理分析。新的算法包括了复杂的数值分析计算，模糊运算，利用了峰态系数对数据进行处理，从而提高了缺陷检测的多样性，以及检测方法的有效性。

主权项

1.一种红外无损检测的热图像缺陷特征增强处理方法，其特征在于，包括以下步骤：步骤1、采用脉冲涡流对待测件加热，通过红外热像仪采集原始数据；以三维形式存储是到M×N×P维矩阵O(t)，代表热图像的视频流数据；步骤2、将第k(k＝1,2,…,P)帧的图像行向量首尾相接，构成新的矩阵的行向量，行向量按时间排序组成新的矩阵为P×MN维，X(t)＝{x(t)1，x(t)2，...，x(t)mn}；构成新的观测向量矩阵X(t)；步骤3、白化过程：首先分别对每一个列向量即每个像素点的瞬态热响应求均值：然后对其进行中心化处理然后再对中心化后的方差进行归一化处理从而构成新的观测数据X'(t)＝(x'(t)₁,x'(t)₂,...,x'(t)_n)^T；然后计算X'(t)的协方差矩阵：CX'(t)的特征值记为λh，h＝1,2,…mn，特征值λh对应的特征向量为eh，要求||eh||＝1；根据CX'(t)的特征值矩阵Λ和特征向量矩阵U计算得到白化矩阵Q，Q＝Λ‑1/2U；对观测数据左乘白化矩阵Q，Z(t)＝QX'(t)，得到的Z为白化向量；步骤4、计算独立成分：4‑1、选择需要估计的分量的个数e，设迭代次数p←1；选择一个初始权矢量wp＝(rand(e))T；4‑2、令且对单位化后可以得到4‑3、此时如果Wp不收敛的话，返回4‑2；4‑4、令p＝p+1；如果p≤e，返回4‑1；4‑5、由循环结束后的方向向量构成解混矩阵，将观测向量经解混矩阵的线性变换S(t)＝W'Z(t)，得到三个由不同对比函数G处理后的独立成分S(t)，分别记作S₁(t)，S₂(t)以及S₃(t)，而所得数据对应的混叠向量为反应红外热响应随时间变换规律；对比函数G分别为以及其中，非线性函数g是对比函数的导函数处理后的独立成分；步骤5、三组独立成分S1(t)，S2(t)以及S3(t)分别由3个分量组成，用来表示源信号的不同特征，记作Sk1(t)＝{s11(t),s21(t),s31(t)}，Sk2(t)＝{s12(t),s22(t),s32(t)}以及Sk3(t)＝{s13(t),s23(t),s33(t)}，其中k＝1,2,3，把所有分量都恢复成M×N的二维矩阵，记作独立成分ICgh，其中，h＝1,2,3，代表不同的对比函数，g＝1,2,3，代表同一对比函数下的不同独立成分的分量；步骤6、参数初始化过程：初始化αL，VL，β，αθ，Vθ，Wijab的值；像素点坐标和迭代次数的初始化；初始化输入输出：Yij＝0,Lij(0)＝0,Uij＝0；初始化动态阈值θij：θij(0)＝θij(1)＝0；步骤7、进行循环迭代，得到融合后的图像：7‑1、判断像素点的横坐标i是否满足i≤row，如果是进行下一步，反之退出循环，给出最后的融合结果；7‑2、判断像素点的纵坐标j是否满足j≤col，如果是进行下一步，反之使i＝i+1,j＝1，并返回7‑1再次进行判断；7‑3、在确定某一像素点的坐标值后，导入该像素点的像素值，即将用两种不同的对比函数得到的隶属于表征同一区域的独立成分IC1_1,ij和IC1_2,ij分别作为两个馈送通道F_ij的输入值，得到和即7‑4、判断当前迭代次数n是否满足n≤iter，如果是进行下一步，反之退出当前关于迭代次数的循环，并使j＝j+1,n＝1，然后返回7‑2再次进行判断；7‑5、计算神经网络的链接项7‑6、分别计算两个通道的神经元内部激励，并通过比较器得到最大值，即7‑7、计算当前的动态阈值θij(n)＝exp(‑αθ)θij(n‑1)+VθYij；7‑8、判断前两步中得到的内部激励和阈值见的关系，若Uij＞θij，则对神经网络的输出值Yij赋值为1，并使j＝j+1,n＝1，然后返回7‑2再次进行判断，若Uij＜θij，则保持Yij＝0，并使n＝n+1，然后返回7‑4再次进行判断；其中，1表示触发态，也称为“点火”，0表示非触发态；步骤8、将所有的Uij按照原来的像素顺序排列，构成最终的融合图像IUICg，并将图像基于高斯对比函数处理后的峰态系数kurIC1k作为目标峰态系数。