焊接科学基础_焊接方法与过程控制基础_801-850.docxVIP

第5篇焊接过程控制及自动化基础783

对应的关系，这就为设计多滤波器组提供了一种方法。在结合各种不同的实际应用时，人们通常希望小波具有以下3个性质：

1）对称性：从视觉的角度而言，人们对不对称的误差比对对称性的误差更为敏感。

2）正交性：正交性能更好地去除信号的相关性，在提高图像的压缩比和复原图像方面应用比较多。

3）紧支撑；在实际应用中，因为计算上的需要，希望获得有限长滤波器，这就要求小波是紧支撑的。

小波变换为图像的边缘分析提供了新的手段，它把图像信号分解成呈现在不同尺度上的多个分量。尺度S描绘出通过小波变换所提取的图像信号特征。在不同尺度下，离散信号的全面描述取决于在尺度2j时，对整数j研究下的小波变换的局部极大值。通过增加两个局部极大值点间“尺寸”，可以增加信号的信息分量。小波变换的局部极大值点刻画出了图像信号突变点的位置（图像边缘位置）。通过选择适当的小波函数，可以使小波分解的细节分量真实地反映出图像的局部灰度突变点。

边缘检测是图像处理中基础而又重要的课题。目前已有梯度算子、拉普拉斯算子、Robert算子、Sobel算子、Marr算子等众多方法。1992年，S.Mallat利用三阶中心B样条小波实现了多尺度边缘检测。从时频分析的角度对n阶B样条的性质进行了研究，认为三阶B样条在边缘提取中是渐近最优的。使用三阶中心B样条对图像进行平滑，然后用其一阶和二阶导数进行边缘检测。平滑的效果与所选取的B样条阶数，即与高斯函数的近似程度有关，但平滑函数的尺度不容易改变。Marr提出的边缘检测算子，首先使用高斯函数对原始图像作平滑，经拉普拉斯算子运算、再用提取零交叉点的方法作边缘检测。谢绍辉、吴立德在文献中研究了用作平滑作用的高斯函数中的σ对所提取的边缘及输出信噪比的影响。

计算机视觉通常采用“由粗到细”的搜索识别方法。为了实现快速搜索的目的，在不同的阶段，对所提取边缘细节程度的要求是不同的。为了实现观察距离“调焦”和所检测边缘细节程度选择，取高斯函数的一阶和二阶导数作为小波基，使用Mallat算法实现小波分解。小波分解的级数对应于观察距离“调焦”，改变高斯函数的标准差σ可选择所检测边缘的细节程度。由此实现了具有两个可变参数的多尺度边缘检测。

基于Mallat提出的小波模极大值边缘检测方法和多孔算法，采用B样条构造的小波基进行熔池边缘和焊缝位置检测的具体步骤如下：

1）先对图像f（x，y）进行预处理，得到S2f（x，y）。

2）对S2f（x，y）先用行与h作卷积，再用列与h作卷积，求得

S2j+1f（x，y）。

3）用S2f（x，y）的每一行与hj1作卷积，求得Wf（x，y）。

4）用S2f（x，y）的每一列与hj1作卷积，求得Wf（x，y）。

图5-3-24八邻域模板5）用八邻域模版扫描图像，求出局部模极大值点swf（x

图5-3-24八邻域模板

6）计算各点幅角，并规格化为图5-3-24所示的8个方向。

7）如果沿垂直于模极大值点幅角方向相邻两点的模小于该点，则认为该点是边缘点并标记。

8）设置阈值T=t%×max（swf（x，y）），滤除由于噪声和干扰生成的极值点。

9）对认定的边缘点重新设置灰度值。

10）对剩下的点用轮廓跟踪法连线，并对连线进行细化处理。

11）去除孤立点等。

12）在h和hj1系数间插入2j-1个零。

784焊接科学基础—焊接方法与过程控制基础

13）重复步骤（2）到（12），直到j=J。

关于阈值T的选取问题，由于自适应阈值不仅难于定义，而且计算麻烦，效率很低，所以采用了一种保留t%的像素作为候选边缘像素的方法。使用参数t而不是用一个绝对的阈值，在选择时可以比较灵活，尤其是在边缘强度变化范围未知时，更是如此。

针对MAG焊熔池进行了试验研究。工艺试验条件如下：采用IGBT式逆变电源，焊接电流为120A，电压22V，送丝速度5mm/s，试件为2mm厚的Q235A钢板，采用对接焊缝。图像采集系统配置：PIVCPU，512M内存，MatroxImagingAdapter，CCD摄像头。通过工艺试验，实时获得熔池图像，对