焊接科学基础_焊接方法与过程控制基础_801-850.pdfVIP

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Sf（x，y）。j

2

jj

2）对Sf（x，y）先用行与h作卷积，再用列与h作卷积，求得j

200

Sf（x，y）。

2j+1

jy

j+1

3）用Sf（x，y）的每一行与h作卷积，求得Wf（x，y）。

212j+1

jy

j+1

4）用Sf（x，y）的每一列与h作卷积，求得Wf（x，y）。

212j+1

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