三维CT图像的缺陷分类方法.pdf

三维CT 图像的缺陷分类方法1 涂超，康克军，张丽 清华大学工程物理系，北京（100084 ） E-mail ：newtc@163.com 摘 要：本文介绍了两种缺陷分类方法：基于 K-L 变换的分类方法和基于直方图分析的分 类方法，它们分别利用了缺陷区域的形状信息和外观信息，并且提出了一种将二者相结合的 分类方法。该方法在对含有噪声缺陷模型数据的实验中，分类正确率很高，具有简单实用、 易于实现的优点，值得在实际应用中推广。 关键词：K-L 变换；直方图分析；裂缝；夹渣；气泡 1. 引 言 缺陷分类的目的是在已有分割结果的基础上，依据一定的先验知识，确定每个分割单元 的缺陷所属的类型。缺陷分类可以看作是模式分类针对实际问题的一个应用。主要的分类方 法包括有监督分类方法和无监督分类方法两种。有监督的分类方法包括Bayes 方法、Fisher 线性判别法、最近邻法、支持向量机、二叉树和人工神经网络等；无监督的分类方法包括C 均值方法、ISODATA 方法和分级聚类方法等。 缺陷分类方法的选取需要尽可能利用已有数据的信息。可供使用的数据信息大致可以分 为两类：第一类是缺陷区域的形状（shape ）信息，即缺陷区域所包含的像素点的空间分布； 第二类是缺陷区域的外观（appearance ）信息，即缺陷区域中像素值的取值情况。大型工业 CT 数据中主要存在的三种缺陷是：裂缝、夹渣和气泡。这三种缺陷基本上可以利用这两类 信息区分开来。具体的说，如果某个缺陷区域的尺度在各个方向相差很大，则该缺陷很可能 为裂缝；如果某缺陷区域的尺度各个方向相差不大且像素值为单峰高斯分布，则该缺陷很可 能为气泡；如果某缺陷区域的尺度各个方向相差不大且像素值不是单峰高斯分布，则该缺陷 很可能为夹渣。 基于这种思路，本文提出了一种缺陷分类的方法，分别针对不同的数据信息对缺陷进行 分类：K-L 变换利用形状信息，对缺陷类型进行判定；直方图分析利用外观信息，对缺陷类 型进行判定。 2. 分类方法 2.1 基于K-L 变换的分类方法 对缺陷区域中像素点的三维坐标向量采用 K-L 变换，可以得到一组相互正交且独立的 新的坐标轴，而相应坐标轴对应的特征值就代表了缺陷区域在该坐标对应方向上的尺度。实 际应用中，常把坐标数据的协方差矩阵 ∑ E[(x =−µ)(x −µ)T ] 公式1 作为K-L 坐标系的产生矩阵，这里µ是总体均值向量。对矩阵∑作特征值分解，并把 最大特征值和最小特征值进行比较，若比值接近1，则可以认为缺陷区域基本呈球形；反之， 若比值非常大，则认为该缺陷区域为线形（如裂缝）。 2.2 基于直方图分析的分类方法 1 本课题得到教育部博士点基金（编号：20030003074 ）资助。 - 1 - 每个缺陷都有一个它所包含的所有像素值的概率分布，这个概率分布很容易通过对直方 图归一化得到。如果缺陷内部仅含有一种物质，在假设噪声高斯分布的情况下，那么它的概 率分布就应该是一个单独的高斯函数，而它的高阶矩就应该基本符合公式 0, k is odd ⎧ mk ⎨ k 公式2 1 3 ( 1) , is even ⋅ L − σ ⎩ k k 反之，如果缺陷内部含有不止一种物质（比如夹渣），它的高斯矩就不会符合公式 2 。 在实际应用中，无法对所有阶矩都进行验证，只要对高斯随机变量的中的二阶矩和四阶矩进 行验证就足够了。 2.3 基于K-L 变换和直方图分析的分类方法 K-L 变换和直方图分析可以组合成一种缺陷分类方法，它的实现如图1 所示，可分为以 下步骤： （1）利用缺陷区域的坐标数据，构造协方差