x射线自动检测和识别技术的研究.docxVIP

x射线自动检测和识别技术的研究 0 x射线检测中对检测技术的要求更高 近年来，尽管出现了几种新的破坏检测技术，但传统的x射线检测技术仍受到了重视。因为它信息丰富、直观、易于量化。现代生产技术的发展,无论是在检测的数量上,还是在检测的质量上,都对这种检测技术提出了更高的要求。传统的依靠人工进行缺陷检测和评判的方法已很难适应现代生产的需求,迫切需要人们进行X射线的自动化检测和识别方面的研究和探索工作。但由于实际X射线检测本身的一些特点,使得产生的X射线检测图象具有对比度不高、缺陷边缘模糊、图象噪声多、存在较大的背景起伏等特点,这使得如何进行缺陷信息的正确提取和分割成为这种技术中的一大难题。国内外很多学者都在这方面进行了有意义的探索和研究,并取得了一定的成果。 1 x射线检测构图的提取 从目前国内外这方面的相关文献来看,将缺陷信息从X射线检测图象中自动提取和分割出来,大致有两种方法。方法一是针对X射线检测图象中存在较大的背景起伏这一特点,先进行图象中的背景去除,在其基础上再选取合适的阈值进行缺陷的分割;方法二则针对X射线检测图象对比度低的特点,先对图象进行某些增强处理,而后运用一些检测方法提取并分割出缺陷信息。 1.1 基于阈值分割的方法 实际X射线检测图象,尤其是焊缝的检测图象,都存在一定的背景,且图象中缺陷的某些灰度值和背景的灰度值发生交叉,因而运用简单的阈值分割方法进行缺陷的提取效果显然不佳,这便促使人们尝试着先去除背景而后进行缺陷提取方面的研究工作。 1.1.1 对比次样条曲线拟合的焊缝检测表象 日本的藤田勉等基于X射线图象的线灰度分布特点,提出可用最小二乘法首先对线灰度进行曲线拟合,而后将原图象与曲线拟合的图象相减,从而达到去除背景、获取缺陷信息的目的。从文中的结果来看,该文提出的方法效果较好,但处理速度较慢。W.Daum等针对X射线焊缝检测图象中存在的较大背景,提出用三次样条曲线拟合进行焊缝图象的背景模拟,将所得到的背景模拟图象与原图象相减,从而得到背景较为均匀、信噪比较高的细节缺陷图象,选用合适的阈值即可完成对缺陷的提取和分割,该方法不依赖于缺陷的具体形状,但在保持缺陷的真实尺寸方面存在欠缺。相似的方法在文献中也得到了很好的体现,所不同的是该文用多项式拟合的方法去除背景中由系统引起的大的灰度变化,而将灰度变化相对较小的缺陷信息留下,从而达到校平灰度场、提取并分割缺陷的目的。但该方法很难实现硬件化。 文献则针对焊缝检测图象中存在的体积型和面型两类缺陷,提出了不同的缺陷提取方法。对于体积型缺陷,直接用基于线灰度曲线拟合的背景去除方法来提取,而对于面型缺陷,针对线灰度曲线拟合背景后提取出的缺陷呈断续状,而先用梯度模板进行焊缝灰度增强,而后用灰度统计分析法提取的缺陷,又将本应断开的缺陷相连的特点,提出将上述两种方法分别运用于原始的灰度图象,然后对所提取的缺陷结果进行综合考虑,从而完成对面型缺陷的正确定位和提取。 1.1.2 拉氏表象的滤波 Echelt B.等设计了一组不同的低通滤波器组去除图象中的高频分量,保留图象中的低频分量,从而达到模拟背景图象,进而提取并分割缺陷的目的。文献在对点焊图象的处理中也秉承了这种思想,提出首先运用离散傅立叶变换(FFT)将原灰度图象变换到频域,而后在频域设计的低通滤波器进行滤波如图1所示,使得图象中的低频分量尽量通过而将高频分量尽可能进行抑制,从而达到模拟点焊焊点检测图象背景、提取缺陷信息的目的,但从文中的算法来看,该方法在处理速度上存在不足。 运用基于“高斯金字塔”(Gauss Pyramid)和“拉普拉斯金字塔”(Laplace Pyramid)的多尺度滤波方法(Multiscale fitering)也可进行背景的去除,由于高尺度的拉氏图象比低尺度的拉氏图象含有更精细的细节信息,因而可运用式(1)将低尺度拉氏图象减去高尺度拉氏图象,最终达到去除背景的目的,在其基础上,运用双阈值法即可完成缺陷的提取和分割。 L6=B5·G0-B6·G0(1) 式中L6——6尺度上的拉氏图象,即最终图象 G0——0尺度上的高斯图象,即原始图象 Bn——经多项式平滑滤波器B的n次滤波(n=5,6)。 1.1.3 基于添加相关码的背景表象提取法 周伟等则提出先用边界增强算子对焊缝图象中的缺陷轮廓和焊道边界进行增强处理,在其基础上利用32×32的大窗口平滑算子进行平滑滤波,模拟出背景图象,而后将原图象减去背景图象得到减影图象,再选用合适阈值完成对缺陷的二值化提取,但该方法很难应用于对处理速度要求较高的X射线检测图象的处理中去。 1.2 缺乏象的中介的是不清除表象背景,一个 针对X射线检测图象中对比度不高的特点,很多学者也进行了不去除图象背景,而直接对图象先进行某些增强处理,而后便直接进行缺陷提取和分割方面的研究