[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 |
| 地址: | 611731 四川省成*** | 國省代碼: | 四川;51 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 交替 卷積 全變分 正則 張量 分解 紅外 成像 缺陷 檢測 方法 | ||
本發明公開了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,先采集熱圖像序列,再將每一幀熱圖像看作一個三階張量,并分解為低秩張量和稀疏張量之和;然后建立待優化的拉格朗日目標函數,通過使用張量奇異值閾值和張量奇異值分解方法求得低秩張量,通過使用軟閾值函數求得稀疏張量,對對偶變量進行基于交替卷積的全變分正則化方法求得對偶變量降噪后的結果,采用交替迭代的方法更新,直到收斂,停止迭代,從而求解出缺陷增強后的熱圖像序列,從而實現紅外熱成像的缺陷檢測。
技術領域
本發明屬于無損檢測技術領域,更為具體地講,涉及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。
背景技術
隨著現代工業的發展,當今社會對產品質量及安全的要求越來越高,無損檢測技術作為一種不損害被測對象的檢測技術,對保障設備結構的安全服役、提高產品質量等具有重要的作用。作為新發展起來的材料缺陷和應力檢查的無損檢測技術,紅外熱成像檢測技術通過對物體進行溫度測量,從而判斷獲得物體的物理特征信息。光激勵紅外熱成像通過有源光源對物體進行加熱,利用物體的溫度信息檢測其內部與表面的各種缺陷,可以進行大范圍不同深度缺陷的快速檢測,成為復合材料的缺陷檢測和結構完整性評估的重要依據。
但是,由于熱擴散和噪聲的干擾,光激勵紅外熱成像系統采集到的熱圖像具有加熱不均勻,分辨率低、噪聲大和缺陷信息不明顯等缺點,從而導致缺陷檢測準確率低。為了提高準確率,目前已有針對缺陷提取的處理方法,如傳統的熱成像無損檢測算法熱信號重構和脈沖相位法以及矩陣分解相關的主成分分析、獨立成分分析、變分貝葉斯張量分解方法和稀疏集成矩陣分解方法。但是,這些方法可能存在缺陷對比度和缺陷檢出率低以及時間消耗過長等缺點。
發明內容
本發明的目的在于克服現有技術的不足,提供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,利用低秩張量分解和交替卷積的全變分正則化的算法對復合材料進行缺陷檢測,這樣在無需人為選擇熱圖和調節大量參數情況下直接對熱圖序列進行處理,且能明顯增強缺陷的顯示、提高缺陷檢測效率、準確率以及圖像信噪比。
為實現上述發明目的,本發明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∈Rm×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∈Rm×n×f是對偶變量,TVY∈Rm×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;
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于電子科技大學;成都飛機工業(集團)有限責任公司,未經電子科技大學;成都飛機工業(集團)有限責任公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202011001986.6/2.html,轉載請聲明來源鉆瓜專利網。
- 上一篇:可離線雙陣列光盤數據存儲設備
- 下一篇:一種交流電機故障偵測電路





