专利名称：一种多分辨率融合的射线图像增强方法
技术领域：
本发明涉及图像处理和无损检测领域，特别涉及一种多分辨率融合的射线图像增强方法。
背景技术：
用X射线进行铸件检测时，不可避免地对图像存在着外部干扰和内部干扰，如由于X光光源的二次散射及X光光源的不稳定，使得X射线检测图像中存在着大量的随机噪声以及光电转换过程中敏感元件灵敏度的不均匀性、数字化过程的量化噪声、传输过程中的误差及人为因素等，均会给图像带来一定程度的噪声干扰。因此一般在缺陷识别前都必须进行图像预处理或是图像增强。目前大多数的数字射线成像系统有效采集信号都在12 18bits之间，而计算机只能同时显示出256级灰度数据，因此如果直接将信号变换到O 255区间必然造成部分细节的损失。射线成像系统通常采用两种方法来增强图像:硬件增强法和软件增强法。一般而言射线成像系统的图像硬件增强方法是根据系统的参数和特点(例如射线源类型、准直器尺寸等)在系统中设置某种的反馈电路或是滤波器等，硬件系统一旦设计完成后，图像的硬件增强法就已经确定，很难更改。因此在射线图像增强中普遍采用的是软件处理的方法。目前使用比较广泛的射线图像增强方法有:灰度拉伸、直方图均衡、直方图修正、自适应增强、同态滤波和小波增强等方法。试验证明，传统的图像增强方法对射线图像的弱特征图像会不可避免地带来噪声过增强而严重降低处理质量的问题。因而目前各大厂商普遍采用的方法是针对不同的检测区域，做相应的全局或局部灰度线性或幂次变换，以提高ROI的分辨能力。灰度变换法的实质是将较小的灰度空间按线性关系扩展到较大的灰度空间。因此，灰度变换法可以使图像的动态范围加大，图像对比度扩展、图像清晰、特征明显，是图像增强的重要手段。灰度变换法可以有效的提高工件的检测能力，但多次全局变换会给同一个工件产生多张射线图像，将图像的灰度变换的范围限定在高密度物质所对应灰度的左右，这时低密度物质则混为一体无法区分，反之亦然。也就是说如果对图像做全局灰度变换则无法同时分辨低密度物质的缺陷和高密度物质的缺陷。因此目前各个厂商都提供了局部增强功能，即增强高密度物质所在区域的图像时，低密度物质的图像不受影响；在增强低密度物质的图像时，高密度物质的图像不受影响，以达到在一副图像中同时显示不同缺陷的目的。例如，假设某个被测工件既含有高密度物质(铁、铜等)又含有低密度物质(橡胶等)，当我们在分析其射线图像时，如果要考察其高密度物质是否有裂纹等，则会选取包含高密度物质区域，然后对区域进行图像增强；如果要考察其低密度物质是否有缺陷时，则选取包含低密度物质区域，然后对区域进行图像增强。此法可以将一副图像的各种缺陷都显示出来，而且可以避免由于对图像进行整体增强带来的“过度拉伸”现象，但是这样做会造成图像上各个区域之间灰度剧烈变换，人为的给图像带来了很多虚假边缘，对后续的缺陷识别非常不利，甚至使进一步处理变为不可能。因此如何在一幅图像上同时显示所有的缺陷而又不引入额外的误差，是当前急需解决的问题。
发明内容
有鉴于此，本发明所要解决的技术问题是提供一种多分辨率融合的射线图像增强方法，该方法针对当前射线成像的特点和目前普遍使用的增强方法的不足，依照多分辨率分析的思想，提出了采用图像融合方法作为射线图像增强的方案，获得的结果与人的视觉特性更为接近。本方法可以在一幅图像中同时显示不同景深的缺陷又不会给图像带来虚假边缘，为后续的缺陷识别打下良好的基础。本发明的目的是这样实现的:
本发明提供的一种多分辨率融合的射线图像增强方法，包括以下步骤:
S1:根据检测目的或缺陷显示需要，获取包含被检工件不同缺陷特征的多幅射线图
像；
52:对步骤SI中获得的各个射线图像分别采用多分辨率方法进行多层分解，将射线图像分解为不同层上的频率系数；
53:对各分解层上的频率系数分别进行融合处理，得到融合后的多分辨率频率系数金字塔；
S4:对融合后所得多分辨率频率系数金字塔进行重构，得到重构图像即为融合增强图像。进一步，所述步骤SI中的是根据检测目的或缺陷显示需要，对被测工件的射线图像进行分段拉伸处理或给予射线图像不同的窗宽/窗位以获得包含不同缺陷特征的多幅射线图像。进一步，所述步骤S3中的对各分解层频率系数分别进行融合处理时，各分解层上的不同频率分量采用不同的融合算子进行融合处理，从而得到融合后的多分辨率频率系数金字塔。进一步，所述各分解层上的不同频率分量所采用的不同的融合算子，具体采用以下方法:
S31:对低频系数采用先滤波后平均的方法进行融合；
S32:对高频系数采用带有一致性检查的邻域梯度最大化法进行融合。进一步，所述射线图像采用的多分辨率方法进行多层分解多分辨率和融合处理采用小波变换增强法，具体步骤如下:
531:对每一原射线图像分别进行小波变换，建立射线图像的小波塔型分解；
532:对各分解层分别进行融合处理，各分解层上的不同频率分量可采用不同的融合算子进行融合处理，最终得到融合后的小波金字塔；即对低频系数采用先滤波后平均的方法进行融合；对高频系数采用带有一致性检查的邻域梯度最大化法进行融合。S33:对融合后所得小波金字塔进行小波重构，所得到的重构图像即为融合图像。进一步，所述射线图像采用的多分辨率方法进行多层分解多分辨率和融合处理采用有限脊波变换方法，具体步骤如下:
S34:对原射线图像进行分割，将原射线图像划分为相互重叠的子块图像，得到若干对应位置的子图像；
S35:对分割后相应位置的各个子图像进行多级有限脊波变换，得到各个子块不同频率域的有限脊波变换系数矩阵；
S36:根据有限脊波变换系数矩阵进行系数融合，在不同的频率域选用不同的融合规贝U，即对低频系数采用先滤波后平均的方法进行融合；对高频系数采用带有一致性检查的邻域梯度最大化法进行融合；
S37:根据各子块系数融合后的有限脊波变换系数矩阵进行图像重构，按分割时采取的规则对各子块融合图像进行组合，重叠部分的像素点采用加权平均的方法获得，所得到的重构图像即为融合图像。本发明的优点在于:本发明提供不同速度、不同精度的射线图像融合增强方法。改变融合增强方法中的多分辨率分解、合成方法即可改变融合增强的速度和精度。本发明中采用小波变换作为多分辨率函数实现快速的射线图像融合增强；采用有限脊波变换作为多分辨率函数实现高精度的射线图像融合增强方法。本发明具有操作方便、处理效率高、增强效果好等优点。
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步的详细描述，其中:
图1为图像融合增强的流程 图2为基于小波变换的图像融合流程图。
具体实施例方式以下将结合附图，对本发明的优选实施例进行详细的描述；应当理解，优选实施例仅为了说明本发明，而不是为了限制本发明的保护范围。图1为图像融合增强的流程图，图2为基于小波变换的图像融合流程图，如图所示:本发明提供的一种多分辨率融合的射线图像增强方法，
由于射线图像在不同的信号段显示出不同的特征，如果将这些特征合成在一起则可以大大加强对射线图像的理解。因此可以提取这些特征，然后使用某种技术将这些特征合并起来，从而方便后续的处理。而图像融合是将两个或两个以上的传感器在同一时间(或不同时间)获取的关于某个具体场景的图像或者图像序列信息加以综合，把那些在空间或时间上冗余或互补的多源数据按照一定的规则进行运算处理，生成一个新的有关此场景的解释，而这个解释是比任何单一数据更精确、更丰富的信息。包括以下步骤:
S1:根据检测目的或缺陷显示需要，获取包含工件不同缺陷特征的多幅射线图像；所述步骤SI中的是根据检测目的或缺陷显示需要，对射线图像进行分段拉伸处理或给予射线图像不同的窗宽/窗位以获得包含被检工件不同缺陷特征的多幅射线图像。本发明实施例中针对射线成像的特点，根据被测工件的类型和其检测信号分布的灰度直方图，对其射线图像信号进行多次灰度变换。在射线检测系统中普遍存在着由射线剂量不稳和探测器起伏造成的灰度不一致(即同种工件在不同的检测时间对应的信号段不同)，但其信号分布的直方图形状基本保持不变，只是存在着部分的轴向位移，因此通过按直方图分布形状的灰度拉伸可以达到校正图像灰度一致性的目的。在发明中使用了灰度变换方法，灰度变换公式如下所示:
权利要求
1.一种多分辨率融合的射线图像增强方法，其特征在于:包括以下步骤: S1:根据检测目的或缺陷显示需要，对被测工件的射线图像进行分段拉伸处理或是给予射线图像不同的窗宽/窗位以获得包含不同缺陷特征的多幅射线图像； S2:对步骤SI中获得的各个射线图像采用多分辨率方法进行多层分解，将多幅射线图像分别分解为不同层上的频率系数； S3:对各分解层上的频率系数分别进行融合处理，得到融合后的多分辨率频率系数金字塔； S4:对融合后所得多分辨率频率系数金字塔进行重构，得到重构图像即为融合增强图像。
2.根据权利要求1所述的多分辨率融合的射线图像增强方法，其特征在于:所述步骤S3中的对各分解层频率系数分别进行融合处理时，各分解层上的不同频率分量采用不同的融合算子进行融合处理，从而得到融合后的多分辨率频率系数金字塔。
3.根据权利要求1所述的多分辨率融合的射线图像增强方法，其特征在于:所述各分解层上的不同频率分量所采用的不同的融合算子，具体采用以下方法: 531:对低频系数采用先滤波后平均的方法进行融合； 532:对高频系数采用带有一致性检查的邻域梯度最大化法进行融合。
4.根据权利要求1所述的多分辨率融合的射线图像增强方法，其特征在于:所述射线图像采用的多分辨率方法进行多层分解多分辨率和融合处理采用小波变换增强法，具体步骤如下: S31:对每一原射线图像分别进行小波变换，建立射线图像的小波塔型分解； S32:对各分解层分别进行融合处理，各分解层上的不同频率分量可采用不同的融合算子进行融合处理，最终得到融合后的小波金字塔；即对低频系数采用先滤波后平均的方法进行融合；对高频系数采用带有一致性检查的邻域梯度最大化法进行融合； 533:对融合后所得小波金字塔进行小波重构，所得到的重构图像即为融合图像。
5.根据权利要求1所述的多分辨率融合的射线图像增强方法，其特征在于:所述射线图像采用的多分辨率方法进行多层分解多分辨率和融合处理采用有限脊波变换方法，具体步骤如下: S34:对原射线图像进行分割，将原射线图像划分为相互重叠的子块图像，得到若干对应位置的子图像； S35:对分割后相应位置的各个子图像进行多级有限脊波变换，得到各个子块不同频率域的有限脊波变换系数矩阵； S36:根据有限脊波变换系数矩阵进行系数融合，在不同的频率域选用不同的融合规贝U，即对低频系数采用先滤波后平均的方法进行融合；对高频系数采用带有一致性检查的邻域梯度最大化法进行融合； S37:根据各子块系数融合后的有限脊波变换系数矩阵进行图像重构，按分割时采取的规则对各子块融合图像进行组合，重叠部分的像素点采用加权平均的方法获得，所得到的重构图像即为融合图像。
全文摘要
本发明公开了一种多分辨率融合的射线图像增强方法，首先从被测工件射线图像中获取包含不同缺陷特征的多幅图像；然后对多幅图像分别采用多分辨率方法进行多层分解，将图像分解为不同层上的频率系数；对频率系数进行融合处理，得到融合后的多分辨率频率系数金字塔；最后对融合后所得多分辨率频率系数金字塔进行重构，得到重构图像即为融合增强图像。本发明提供不同速度、不同精度的射线图像融合增强方法。改变融合增强方法中的多分辨率分解、合成方法即可改变融合增强的速度和精度。本发明具有操作方便、处理效率高、增强效果好等优点。
文档编号G06T5/50GK103093449SQ20131006360
公开日2013年5月8日 申请日期2013年2月28日 优先权日2013年2月28日
发明者沈宽 申请人:重庆大学