小波变换在X 射线探伤图像缺陷识别中的应用1011208041 冯梦楠.PDF

小波变换在X 射线探伤图像缺陷识别中的应用 1011208041 冯梦楠 材料学院 一．X 射线探伤简介 1.1 X 射线成像检测在焊接领域的应用 随着计算机技术、自动控制技术以及信息和软件技术迅速地进入焊接领域， 焊接生产自动化、智能化已成为 21 世纪焊接技术发展的重要方向。计算机视觉 以其信息量大、精度高、检测范围大等特点，在焊接领域得到了广泛的应用。在 焊缝质量检测方面，如果采用 X 射线无损探伤计算机辅助评判系统进行检测与 分析，不仅可以有效地克服人工评定中因为眼睛疲劳、经验差异而引起的漏判与 误判，从而使缺陷检测工作客观化、规范化与科学化、而且还可以使缺陷的检测 工作具有智能化和自动化，排除许多假象的干扰，使检测工作更加准确。与照相 探伤检测相比，在检测效率、降低成本等方面具有明显的优点，使检测结果和评 定过程客观化、科学化和规范化。 1.2 X 射线成像检测原理 X 射线数字化成像检测原理可以用两个“转换”来概述：首先 X 射线穿透 金属材料及探伤区域后被图像增强器所接收，图像增强器把不可见的 X 射线检 测信息转换为可视图像，并被 CCD 摄像机所摄取，这个过程称为“光电转换”； 就信息量的性质而言，可视图像是模拟量，它不能被计算机所识别，如果要输入 计算机进行处理，则需要将模拟量转换为数字量，进行“模/数转换”，即经过计 算机处理后将可视图像转换为数字图像。焊接领域中X 射线成像检测的工作原 理如图1 所示。 图1 X 射线数字成像检测的工作原理 其中最为关键的是X 射线探伤焊缝图像的评定过程，主要包括下面三个步 骤： 1．缺陷的检出：即对数字化的探伤图像进行一系列的图像处理，包括去噪、 增强、图像分割等，使缺陷形状变得醒目，并使缺陷与背景分离； 2．缺陷的识别：根据提取图像中的缺陷特征，对焊缝中的缺陷进行分类； 3．缺陷的评级：按照 GB 3323-87 《钢熔化焊对接接头射线照相和质量分 级》的相关标准对各类缺陷进行评级。 其中图像的预处理、边缘提取和特征参数的确定会直接关系到缺陷分类结果 的正确率，进而影响到评级的准确性。 二．X 射线探伤图像的预处理 X 射线探伤焊缝图像具有噪声多，对比度低、灰度不均匀、边缘模糊且不规 则等特点，因此给焊缝内部缺陷检测图像的直接判读与识别带来了一定的困难， 在进行缺陷识别之前，有必要对 X 射线探伤图像进行预处理。 2.1 X 射线图像的校正 探伤图像经 CCD 摄像机、图像采集卡存入计算机后，由于图像增强器与图 像获取装置本身固有的特点、X 射线成像系统具有一定的几何非线性、摄像时视 角不同以及周围环境等原因，使得获得的 X 射线探伤图像中各个像素点之间的 相对空间关系发生变化，所以图像中缺陷的大小和形状也会发生变形。因此必须 图形进行几何校正，几何校正过程主要包括图像的空间坐标校正和像素点的灰度 校正。实际应用中多采用多项式和双线性插值法对X 射线图像的空间坐标和像素 点灰度进行校正。大量实验结果表明这两种方法计算量和精度适中，能够准确的 消除X 射线探伤图像因几何误差而产生的畸变，为下一步的图像处理和缺陷识别 提供准确的数字图像。 2.2 基于小波变换的X 射线图像的增强 X 射线探伤图像是一类低对比度、高噪声的图像，为了清晰地辨认焊缝内部 的缺陷，需要进一步增强 X 射线图像来改善图像的质量。 小波变换是一种多尺度的图像分析手段。基于小波变换的图像去噪和增强算 法的基本思想是利用小波变换把图像信号分解到多尺度中，在每一尺度下把属于 噪声的小波系数去除，保留属于信号的小波系数。图像小波分解的实质是把图像 信号分解成不同频带范围内的图像分量，图像中的绝大部分边缘信息包含在高频 成分中。因此，采用增强小波分解的高频成分的方法可以突出不同尺度下的细节， 增强图像的层次感和视觉效果，从而达到增强缺陷特征信息的目的。然而，图像 的各种噪声也包含在高频成分中，在增强图像特征的同时，噪声也得到了同比例 的增强，导致增强效果不理想。在实际应用中，要有效抑制噪声，可以根据噪声 水平和感兴趣的细节所处的尺度来选用不同的增强系数，在增强小波分解高频成 分的同时，结合小波的软阈值去噪，使图像的增强效果更理想。 对探伤图像 f(x, y)进行基于小波变换的增强处理时，可按如下步骤进行： 1．选择小波基函数