[發明專利]交替卷積全變分正則化張量分解的紅外成像缺陷檢測方法

有效

• 申請號: 202011001986.6
• 申請日: 2020-09-22
• 公開（公告）號: CN112233068B
• 公開（公告）日: 2023-04-18
• 發明（設計）人: 高斌;朱南德;張旭冉;楊揚;虞永杰;尹松松
• 申請（專利權）人: 電子科技大學;成都飛機工業（集團）有限責任公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T5/00;G01N25/72
• 代理公司: 成都行之專利代理事務所(普通合伙) 51220
• 代理人: 溫利平

1.一種交替卷積全變分正則化張量分解的紅外成像缺陷檢測方法，其特征在于，包括以下步驟：

(1)、通過光激勵紅外熱成像無損檢測系統在含有缺陷的被測試件上獲取紅外熱圖序列，記為X∈R^m×n×f，其中，R表示實數域，m和n分別表示紅外熱圖像的高度和寬度，f表示紅外熱圖序列的總幀數；

(2)、將X中的每一幀紅外熱圖像分解為兩個張量之和，即X＝L+S，其中，L表示低秩矩陣，代表紅外熱圖像的背景分量，S表示稀疏矩陣，代表紅外熱圖像缺陷分量；

(3)、建立待優化的拉格朗日目標函數；

subject?to:X＝L+S

其中，||·||_*表示求核范數，||·||₁表示求1范數，||·||_F表示Frobenius范數，λ表示稀疏張量的正則化參數，ρ＞0是增廣拉格朗日懲罰參數，Y∈R^m×n×f是對偶變量，TV_Y∈R^m×n×f是通過對Y進行基于卷積的全變分正則化方法降噪后得到的結果；

(4)、設置迭代次數k，k＝1,2,…,K，K表示最大迭代次數，初始化參數L⁰＝0,S⁰＝0,Y⁰＝0,

(5)、在第k次迭代時，對進行張量奇異值分解；

其中，T-SVD(·)表示張量奇異值分解；U^k∈R^m×n×f為左奇異值張量；D^k∈R^m×n×f為奇異值張量；V^k∈R^m×n×f為右奇異值張量；

(6)、在第k次迭代時，對δ(D^k)進行奇異值閾值算法求解，δ(·)表示將張量重新排布成矩陣；

其中，表示奇異值閾值算法求解，λ₁是閾值參數；為奇異值張量；

(7)、在第k次迭代時，根據和V^k，求解張量Z^k∈R^m×n×f；

(8)、在第k次迭代時，通過對Z^k進行張量奇異值閾值算法求解出低秩張量L^k；

其中，T-SVT_(·)(·)表示張量奇異值閾值算法；

(9)、在第k次迭代時，通過軟閾值函數求解稀疏張量S^k；

其中，soft(·,·)表示軟閾值函數；

(10)、在第k次迭代時，求解出Y^k；

Y^k←Y^k-1+ρ(X-L^k-S^k)

(11)、在第k次迭代時，通過基于卷積的全變分正則化方法求解出Y^k被降噪后的張量

TV_Yk←TV(Y^k)

其中，TV(·)表示基于卷積的全變分正則化方法求解；

(12)、判斷當前迭代次數k是否到達最大迭代次數K，如果達到，則進入步驟(13)；否則，令k＝k+1,再轉到至步驟(5)，直至k＝K輪迭代結束后，再進入步驟(13)；

(13)、將和S^k作為最后的缺陷成分張量，即缺陷信息增強的熱圖像序列，用于實現紅外熱成像的缺陷檢測。

2.根據權利要求1所述的一種交替卷積全變分正則化張量分解的紅外成像缺陷檢測方法，其特征在于，所述正則化參數閾值參數