[發明專利]一種基于紋理的射線圖像缺陷檢測方法

在審

• 申請號: 201410123705.2
• 申請日: 2014-03-28
• 公開（公告）號: CN103886602A
• 公開（公告）日: 2014-06-25
• 發明（設計）人: 沈寬;趙亞丁
• 申請（專利權）人: 重慶大學
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 北京同恒源知識產權代理有限公司 11275
• 代理人: 趙榮之

技術領域

本發明涉及圖像處理和無損檢測領域，特別涉及一種基于缺陷紋理特征的被測工件射線圖像缺陷檢測方法。

背景技術

目前針對射線圖像，人們開發了許多缺陷提取算法，此類算法大多是直接對圖像進行邊緣檢測，由于射線圖像本身的低對比度特性使得此類算法都較為復雜，而且比較耗時，更麻煩的是此類算法即使能夠提取出缺陷但還是無法對缺陷的類型、等級給出結果，而這對產品合格與否的判定尤其重要。

圖像紋理反映了圖像基元的灰度分布規律，包含了圖像的表面信息及其周圍環境的關系，描述了圖像局部無規則而宏觀有規則的特征，能更好的兼顧圖像的宏觀結構與微觀結構。圖像紋理分析在醫學圖像處理、衛星遙感、工業監控和計算機視覺等許多領域都有著廣泛的應用。遙感照片中的各種圖像，大部分呈現紋理型，平原、低丘和山脈具有不同的形狀和高度的起伏，反映在圖像上則呈現不同粗糙度和方向的紋理；在地質構造方面，不同類型的巖層具有不同的層理、走向和顆粒度，在圖像上則呈現不同的分布、方向、顆粒大小和粗細度的紋理；在土地利用方面，人工地物，如道路、居民地等具有較為規則的紋理，而自然地物則呈現不規則、隨機分布的紋理；在文物復原系統中，不同個體的文物碎片具有不同的形狀和紋理，通過形狀匹配和紋理分析，有助于實現文物復原；在顯微圖像中，細胞圖像的細胞核結構變化信息反映在圖像上是紋理的變化；在材料科學的微結構定量分析中，材料的微觀圖像很多呈現紋理型；在病理診斷中，正常器官表面的紋理和發生病變的器官表面的紋理具有很大的不同，由此可實現病理診斷。

現有的對圖像缺陷的檢測能夠檢測出圖像缺陷的大小、位置等信息，但是對于缺陷的類型等級還無法進行判斷。

發明內容

鑒于此，本發明的目的是提供一種基于缺陷紋理特征的被測工件射線圖像缺陷檢測方法，該方法采用缺陷的紋理特征，避開復雜的弱邊緣提取的缺陷檢測方法，不但可以有效的檢測出被測工件的缺陷、更可以直接獲得缺陷的大小和等級。

本發明的目的是通過這樣的技術方案實現的，一種基于紋理的射線圖像缺陷檢測方法，具體包括以下步驟：

S1：根據被檢對象射線成像中的缺陷特征建立缺陷的紋理圖像數據庫；

S2：獲取待測對象的現場射線圖像；

S3：增強現場射線圖像，獲得增強后的增強射線圖像；

S4：從增強射線圖像中計算子塊圖像的紋理特征值，依次比較該特征值與缺陷紋理庫的特征值，從而判定該子塊圖像是否為缺陷；

S5：遍歷整個增強射線圖像檢測出該圖像各個子塊圖像的紋理特征值，利用這些特征值與缺陷紋理庫的特征值進行比較；

S6：采用判別標準確定增強射線圖像的各個子塊是否包含缺陷以及缺陷類型、等級；

S7：將缺陷檢測結果記錄到數據庫中供檢測人員參考，并形成缺陷檢測報告。

進一步，所述S1中按如下方式執行：

缺陷紋理庫的建立參照目前已有的產品檢測標準和圖譜，對待測的每種工件進行射線檢測，從增強后的圖像中選擇缺陷區域加入到紋理庫中。

進一步，所述S3具體包括以下子步驟：

S31：首先從使用線性拉伸方法被測工件射線圖像中獲取包含不同缺陷特征的多幅圖像；

S32：然后對多幅圖像分別采用多分辨率方法進行多層分解，將圖像分解為不同層上的頻率系數；

S33：對頻率系數進行融合處理，得到融合后的多分辨率頻率系數金字塔；

S34：最后對融合后所得多分辨率頻率系數金字塔進行重構，得到重構圖像即為增強射線圖像。

進一步，所述S5還包括以下步驟：

設G為大小為M×N的待檢測圖像，F_i為大小為a×b為檢測模板，i=1,2,…,N，使用紋理分析方法檢測圖像缺陷的基本流程如下：

S41：圖像分割，將待檢測圖像G分割為若干個F_i大小的子塊；

S42：計算子塊圖像值，對分割后相應位置的各個子圖像計算值；

S43：計算檢測模板圖像的值；

S44：依次計算模板圖像與各個子圖像值之間的距離，若距離小于限定值則該塊區域為缺陷；

S45：依次在待檢測圖像中標記區域位置。

進一步，在進行圖像分割時，將圖像劃分為相互重疊的子塊。

進一步，在進行圖像分割時，將圖像分割為塊。

由于采用了上述技術方案，本發明具有如下的優點: