基于改进自适应遗传算法和二维最大熵的超声红外热像缺陷识别

发布时间：2021-04-17 23:17

　　根据超声红外热像检测图像的特点,为实现图像中缺陷的识别,提出了一种结合改进的自适应遗传算法和二维最大熵的分割方法,以实现准确、快速地分割出目标缺陷区域。该方法首先对超声红外图像进行预处理,得到了去噪后的图像,然后通过二维最大熵算法选取阈值将图像分为目标区域和背景区域,并结合改进的自适应遗传算法,提高分割速度。实验结果表明,该方法可以有效地滤除图像噪声,相比于穷举法和基于简单遗传算法的二维最大熵分割,本算法具有较好的分割速度和分割精度。 

【文章来源】：红外技术. 2020,42(08)北大核心CSCD

【文章页数】：8 页

【部分图文】：

二维直方图投影图

本研究选取在超声波激励幅值A=32?m、激励频率f=20 kHz、激励时间t=2 s实验条件下的热波序列图为例进行图像处理。该实验的红外热波序列图如图4所示。由于奥氏体不锈钢试件反射率高、采集设备、操作等原因，导致采集到的实验图像具有一定背景噪声。本文首先利用多图像平均法对序列图处理得到平均图像，再将平均图像减去初始图像去背景噪声。在差分运算后得到的图像中，一些比较明显的、具有干扰性的背景噪声被较好地抑制，但是仍然存在着一些由试件高频振动引起的细微干扰信号，为此，本文采用形态学开运算去除细微的干扰信号。图像预处理过程如图5所示。

渗透检测结果图

【参考文献】：
期刊论文
[1]红外热波无损检测技术的研究现状与进展[J]. 郑凯,江海军,陈力.  红外技术. 2018(05)
[2]超声红外锁相热像技术用于金属平板疲劳裂纹的检测[J]. 闵庆旭,冯辅周,徐超,孙吉伟.  红外技术. 2018(01)
[3]超声红外锁相热像技术检测金属板材表面裂纹[J]. 秦雷,刘俊岩,龚金龙,姜斌,王扬.  红外与激光工程. 2013(05)
[4]超声红外热像技术中缺陷的自动识别[J]. 冯辅周,张超省,江鹏程,闵庆旭.  激光与红外. 2012(10)
[5]超声激发下缺陷红外信号的识别[J]. 郑凯,张淑仪,蔡士杰.  无损检测. 2008(10)
[6]基于二维最大熵原理和改进遗传算法的图像阈值分割[J]. 李宏言,盛利元,陈良款,李更强.  计算机与现代化. 2007(02)
[7]基于二维OTSU和遗传算法的红外图像分割方法[J]. 杜晓晨,刘建平.  红外技术. 2005(01)

博士论文
[1]超声红外锁相热像无损检测技术的研究[D]. 刘慧.哈尔滨工业大学 2010



本文编号：3144320