基于图像处理的x射线焊缝区域提取方法
【技术领域】
[0001] 本发明涉及工业自动检测领域，特别涉及一种基于图像处理的X射线焊缝区域提 取方法。
【背景技术】
[0002] 随着图像处理技术的发展，X射线焊缝缺陷自动检测方面的研究成果也越来越多， 其应用也越来越广泛。在X射线焊缝缺陷自动检测系统中，焊缝区域的提取是焊缝缺陷检 测与识别的基础，影响着缺陷检测与识别的正确与否。但由于X射线成像方式，钢材材质等 客观因素的影响，图像存在噪声多、对比度低、焊缝区域边缘模糊、焊缝区域与背景的灰度 分布重叠较多等问题，这使得对图像中焊缝区域的提取存在一定的困难，目前X射线焊缝 区域提取算法还不能满足工业应用的实际要求。
[0003] X射线焊缝区域提取本质是一个图像分割问题，目前已经有许多的分割算法应用 到焊缝区域提取中。Kuo和Wu使用了 Prewitt算子并结合了模糊理论，Kong等人利用了 Sobel算子和canny算子，Ma等人则通过搜索图像中每列梯度值最大的像素点来检测边缘。 这些基于边缘检测的方法在对比度明显，噪声较小的图像中能取得较好的结果，但在边缘 模糊的图像中会出现琐碎的边缘，不易形成完整的边界。
[0004] Haniza Yazid等人提出基于模糊C均值聚类的阀值分割方法，Li Minxia等人提 出基于遗传算法优化的多参数阈值分割方法。然而实际中焊缝区域和背景中的灰度分布存 在一定的重叠，导致阀值分割方法不能准确地分离出焊缝区域和背景。
[0005] Goumeidane, A. B.等人结合GVF和Snake模型来获得焊接缺陷的边界，YBoutiche 等人提出了基于二进制变分水平集的主动轮廓模型来检测边缘。由于这类模型的初始参数 对结果有一定的影响，使得这类模型的自动化程度和可靠性不高。
[0006] 此外，针对焊缝图像的特征，出现了一些基于知识的焊缝提取方法。Rafael Vilar 等人提出了一种基于知识的三层渐进式分割技术。Zhen Ye等人提出了基于知识判别的焊 缝边缘检测算法。对于这些方法而言，由于焊缝边缘知识的数学表达通常是不精确或者难 以表达的，因而难以有效利用。
【发明内容】
[0007] 本发明是针对工业应用中钢管焊缝缺陷自动检测系统中X射线焊缝区域提取准 确率低而提出了一种基于图像处理的X射线焊缝区域提取方法。
[0008] 为解决以上问题，本发明采用的技术方案如下：一种基于图像处理的X射线焊缝 区域提取方法，包括以下步骤：
[0009] 步骤A :图像预处理；
[0010] 步骤Al:图像去噪；
[0011] 步骤A2:灰度增强；
[0012] 步骤A3:模板匹配；
[0013] A31 :人工截取模板图像；
[0014] A32:计算模板参数；
[0015] A33 :计算子图像块与模板的距离，找出距离最小的子图像块；
[0016] 步骤B :基于最小二乘直线拟合的边缘检测；
[0017] 步骤Bl :将图像按行分为一系列的灰度曲线；
[0018] 步骤B2 :选取一个窗口，对灰度曲线上处于窗口内的w个像素点进行最小二乘直 线拟合，将拟合直线的斜率作为窗口中心像素点的响应；
[0019] 步骤B3 :将窗口在灰度曲线上从左到右滑动，得到整条灰度曲线的响应曲线；
[0020] 步骤C :计算尺度乘积，得到焊缝区域的边界；
[0021 ] 步骤Cl :计算尺度乘积；
[0022] 步骤C2 :对尺度响应乘积曲线进行非极大值抑制，并找出其中最大的波峰点；
[0023] 步骤C3 :对图像每一行的灰度曲线进行按同样的操作，得到焊缝区域的边界。作 为优选，步骤A32计算模板参数具体方法如下：
[0024] 通过对模板的训练，计算出Ψ、《、M三个参数，其计算步骤如下所示：
[0025] a计算平均模板
[0026]
[0027] 其中，向量X1为第i个模板图像的每一列向量串联而成的向量；
[0028] b计算每一张模板图像与平均模板的差值
[0029] (Ii= X ；-Ψ, (i = 1, 2, ···, η)；
[0030] c构建协方差矩阵
[0031]
[0032] d求协方差矩阵的特征值和特征向量，构造特征模板空间：
[0033] 设求得的AtA的特征值λ i所对应的特征向量为V i，选取前k个最大的特征值及 其对应的特征向量，k的值一般根据前k个最大的特征值之和占所有特征值之和的99%来 选取，则原协方差矩阵的特征向量为：
[0034]
[0035] 其特征模板空间为：
[0036] w = (U1, U2,…，uk);
[0037] e将每一幅模板图像与平均模板的差值矢量投影到特征模板空间，BP :
[0038] Ω J= X Tdi, (i = 1, 2, ···, η)；
[0039] f计算模板空间投影均值
[0040]
[0041] 作为优选，步骤A33模板匹配具体方法如下：
[0042] 模板匹配是通过寻找与模板之间距离最小的图像子块的过程，距离DIS计算步骤 如下：
[0043] a.将待匹配的图像字块Γ与平均模板的差值投影到特征空间，得到其特征向量 表不：
[0044] Ωγ=?γτ0--Ψ);
[0045] b.计算向量与向量M的欧氏距离，以此作为距离DIS值
[0046] DIS = wT Ω Γ 〇
[0047] 作为优选，步骤B基于最小二乘直线拟合的边缘检测具体如下；
[0048] 步骤Bl :将图像按行分为一系列的灰度曲线；
[0049] 在灰度图像G(x，y)中，选取其中一行即X = X。时，图像G(xQ，y)是一条二维的灰 度曲线，不同的行对应着不同的X值，将图像按行分为一系列的灰度曲线；其中，x，y分别是 像素点的行和列，G (X，y)是对应像素点的灰度值；
[0050] 步骤B2 :选取一个窗口，对灰度曲线上处于窗口内的w个像素点进行最小二乘直 线拟合，将拟合直线的斜率作为窗口中心像素点的响应；
[0051] 步骤B21:最小二乘直线拟合；
[0052] 拟合直线方程可表示为：Yi= kx Jb，（Xi= 1，2, 3,…，η);式中，（X ;，yj为测点坐 标，k，b为待估参数，分别表示拟合直线的斜率和截距；最小二乘直线拟合是根据一组观测 点确定k，b的值，使得下式：
[0053]
最小，对于固定的一组数据，上式是S (a, b)关于a、b 的二元函数，根据多元函数的极值条件求得S (a，b)取最小值的解为：
[0054]
[0055]
[0056] 步骤B22 :直线拟合检测边缘；
[0057] 在得到了灰度曲线后，选取一个合适的大小为w个像素的窗口，w的取值根据时间 检测的需要进行选取，对窗口内的w个像素点进行最小二乘直线拟合，将拟合直线的斜率 作为窗口中心像素点的响应，从而代替梯度算子；
[0058] 步骤B3 :将窗口在灰度曲线上从左到右滑动，得到整条灰度曲线的响应曲线。
[0059] 作为优选，步骤C具体方法如下：
[0060] 步骤Cl :计算尺度乘积；
[0061] 设两种不同的尺度分别为WjPw2，两种尺度下的响应分别为^和，定义A
和jy的尺度乘积P(X)为： ，此式中，α、β为正 …枚2. 整数，是不同尺度的尺度因子；
[0062] 步骤C2 :找出尺度响应乘积曲线中最大的波峰点；
[0063] 步骤C21 :确定初始波峰点；
[0064] 设尺度乘积曲线纵坐标值为Ρ(1，η)，则满足P(l，n-l)-P(2, n) < 0以及 P (3, η)-P (2, η-1) < 0的点为初始波峰点；
[0065] 步骤C22 :通过迭代，滤除小的波峰点，直到剩下波峰点；
[0066] 步骤C3:对图像每一行的灰度曲线进行按同样的操作，得到焊缝区域的边界，从 而提取出