焊缝图像伪彩色增强算法研究

发布时间：2020-10-30 21:49

　　 为了保证焊接的质量,常常需要对工件中的焊缝进行X射线检测并根据焊缝图像进行缺陷排查。针对焊缝图像对比度低、缺陷模糊等问题,本文提出了一种基于HSI颜色空间和Retinex理论的焊缝图像伪彩色增强算法,该算法主要解决了以下几个问题:(1)针对焊缝的动态图像随机噪声较为严重的问题,采用多帧叠加降噪法,根据不同帧数降噪后图像的峰值信噪比情况,选择合适的帧数有效地平滑了图像中的随机噪声,有利于后期的伪彩色增强。(2)现有伪彩色增强算法为了与显示设备契合,大多基于RGB颜色空间进行处理,但该空间中三个通道具有强关联性,无法根据颜色的某种属性增强不同像素点的彩色对比度,因此本文选择基于HSI颜色空间的像素自变换法对焊缝图像进行伪彩色增强。针对该算法面向的图像灰度值为(0,255)而无法直接对高动态范围的原始焊缝数据进行伪彩色增强的问题,本文对原算法中的部分系数进行调整,推导出能够应用于原始焊缝数据的伪彩色增强算法。(3)为了提高伪彩色处理后缺陷区域的对比度,本文结合Retinex理论和局部边缘保持(Local Edge Preserving,LEP)滤波器对原算法作进一步改进。首先让HSI颜色空间中的亮度通道图像通过LEP滤波器得到代表原始图像中局部均值和显著边缘的基础层图像,再让原始图像与基础层图像对应像素点的灰度值作差得到细节层图像,通过对LEP滤波器的不同参数进行分析和比较,得到能够使细节层在保留缺陷信息的同时滤除大部分噪声的参数,最后使用S型函数对细节层图像进行增强后与基础层图像叠加,将输出的亮度通道图像融合到HSI颜色空间并转化到RGB颜色空间进行显示,有效改善了缺陷区域对比度低的问题。(4)为了提高焊缝中缺陷的判别效率,本文基于CUDA编程模型对提出的伪彩色增强算法进行GPU并行加速,有效地压缩了伪彩色算法的运行时间。实验结果表明,本文算法处理后图像熵和清晰度都得到了较大提升,在实现伪彩色增强的同时有效提高了图像的对比度,使缺陷更加清晰,改善了人眼对焊缝图像的视觉分辨率。
【学位单位】：中北大学
【学位级别】：硕士
【学位年份】：2020
【中图分类】：TG441.7;TP391.41
【部分图文】：

中北大学学位论文52焊缝图像的获取和预处理2.1X射线成像系统工作原理为了保证焊缝图像的质量，X射线成像系统在焊缝检测领域已成为众多企业的选择[24]。伴随着成像原理的优化和硬件的升级，DR系统的成像质量逐渐提高，减少了图像的噪声和失真，极大地推动了无损检测的发展。在焊缝图像的成像过程中，操作人员通过控制器选择不同的输入电压，输入电压需要根据待测工件的结构和厚度进行调整，电压越高穿透能力越强。电压激发X射线管后，射线透射待测工件并在工件的不同位置发生不同程度的衰减，透过工件的射线被平板探测器接收。平板探测器对接收到的射线进行光电转换得到数字图像，计算机再通过数据线对图像进行读取，并借助图像处理技术对图像进行增强和显示。其基本原理示意图如图2-1所示。图2-1X射线成像系统Figure2-1X-rayimagingsystem由DR系统的成像原理可知，焊缝图像根据不同像素点的灰度值差异来反映射线能量的衰减程度，进一步反映工件中不同位置的厚度信息，便于观察者对缺陷的判别。缺陷区域越深，焊缝图像中灰度值的区别就越明显。X射线在工件中的衰减规律如式(2-1)所示：Tx）IeI(0（2-1）式中，I0为射线的初始能量值，I为穿透待测工件后被平板探测器接收到的射线能

中北大学学位论文9图2-2中值滤波原理Figure2-2medianfiltering均值滤波是把图像中的每一个像素的像素值用其邻域内像素点的灰度值之和的平均取代[37]。其公式如式(2-4)所示：sfyxfMyxg),(1),(（2-4）以大小为3*3的模板为例，将每个像素的灰度值取为邻域窗口中各个像素的灰度平均值，经均值滤波后，噪声点的像素灰度值相对平滑，达到降噪的目的[38]。其原理如图2-3所示。图2-3均值滤波原理Figure2-3meanfiltering高斯滤波器是一个应用最为广泛的平滑滤波器，对于高斯噪声去噪效果具有显著的去噪效果。经过高斯滤波后，窗口中心像素的灰度值为其本身值和邻域内的其他像素值的加权平均。这几种滤波算法的优缺点如表2-2所示，去噪结果如图2-4所示。表2-2不同去噪算法的优缺点Table2-2advantagesanddisadvantagesofdifferentdenoisingalgorithms去噪算法优点缺点中值滤波能有效抑制脉冲噪声对于其它噪声效果不明显均值滤波速度快，算法简单使图像变得模糊高斯滤波对高斯噪声平滑效果较好对缺陷也进行了平滑

中北大学学位论文9图2-2中值滤波原理Figure2-2medianfiltering均值滤波是把图像中的每一个像素的像素值用其邻域内像素点的灰度值之和的平均取代[37]。其公式如式(2-4)所示：sfyxfMyxg),(1),(（2-4）以大小为3*3的模板为例，将每个像素的灰度值取为邻域窗口中各个像素的灰度平均值，经均值滤波后，噪声点的像素灰度值相对平滑，达到降噪的目的[38]。其原理如图2-3所示。图2-3均值滤波原理Figure2-3meanfiltering高斯滤波器是一个应用最为广泛的平滑滤波器，对于高斯噪声去噪效果具有显著的去噪效果。经过高斯滤波后，窗口中心像素的灰度值为其本身值和邻域内的其他像素值的加权平均。这几种滤波算法的优缺点如表2-2所示，去噪结果如图2-4所示。表2-2不同去噪算法的优缺点Table2-2advantagesanddisadvantagesofdifferentdenoisingalgorithms去噪算法优点缺点中值滤波能有效抑制脉冲噪声对于其它噪声效果不明显均值滤波速度快，算法简单使图像变得模糊高斯滤波对高斯噪声平滑效果较好对缺陷也进行了平滑
【参考文献】

相关期刊论文 前10条

1 闵吉磊;危荃;敖波;曾亚斌;;非晶硅平板探测器DR成像校正方法[J];失效分析与预防;2015年03期

2 彭丽莎;王珅;刘欢;黄松岭;赵伟;;漏磁图像的改进灰度级—彩色变换法[J];清华大学学报(自然科学版);2015年05期

3 杨晨;张智勇;王继红;黄寓洋;丁召;;红外伪彩色图像的去彩化研究[J];应用光学;2015年03期

4 赵通;王国胤;肖斌;;基于多峰高斯函数的直方图规定化算法[J];计算机科学;2014年12期

5 孝大宇;蔡鹏飞;李宏;康雁;;基于阈值的平板探测器增益校正方法[J];东北大学学报(自然科学版);2014年02期

6 陈琛;张建州;;改进的多尺度Retinex医学X射线图像增强算法[J];计算机工程与应用;2015年09期

7 崔巍;戴光;龙飞飞;王学增;;钢板对接焊缝漏磁检测可视化方法[J];无损检测;2013年05期

8 刘健;朱丙坤;彭冀湘;;焊缝中夹杂物对针状铁素体形成的影响研究现状[J];材料开发与应用;2013年01期

9 阮正旺;张建州;张亮;;清除椒盐噪声的局部L_1去噪保边方法[J];中国图象图形学报;2010年06期

10 胡韦伟;汪荣贵;方帅;胡琼;;基于双边滤波的Retinex图像增强算法[J];工程图学学报;2010年02期

相关硕士学位论文 前10条

1 陈浩;一种基于GPU加速的深度去雾算法[D];西安电子科技大学;2019年

2 桂楷欽;焊缝缺陷射线数字成像参考图像研究[D];南昌航空大学;2019年

3 王家晨;X射线焊缝图像缺陷自动检测算法研究[D];西安理工大学;2018年

4 熊涛;X射线焊缝图像的缺陷检测与识别技术研究[D];西安电子科技大学;2018年

5 杜陈宇;基于卷积神经网络的储层识别方法研究[D];成都理工大学;2018年

6 朱逸飞;基于CUDA的SAR图像增强算法研究[D];南京理工大学;2018年

7 张佳祥;钢制管道缺陷X射线数字成像检测技术研究[D];浙江工业大学;2017年

8 张晨希;彩色图像拼接关键技术研究与实现[D];北方工业大学;2015年

9 曾亚斌;平板探测器数据采集及成像性能测试方法研究[D];南昌航空大学;2015年

10 韩得水;基于X射线平板探测器的直焊缝检测技术[D];中北大学;2014年

本文编号：2863042