脉冲涡流红外热图像的特征提取方法
【技术领域】
[0001] 本发明属于材料缺陷检测技术领域，更为具体地讲，设及一种脉冲满流红外热图 像的特征提取方法。
【背景技术】
[0002] 脉冲满流红外热图像缺陷检测技术是一种电磁无损检测技术，对保证设备生产安 全有着重大意义。载有高频交流电的加热线圈靠近待测导体材料时，会在材料表面附近感 应出满流。在材料有缺陷的情况下，满流分布会被影响产生高密度区和低密度区。根据焦耳 定律，满流转化为焦耳热后会在在材料内部产生高溫区和低溫区，并通过热传导引起材料 表面的溫度变化。运种溫度变化由高速高分辨率红外热像仪记录存储后，通过热图像序列 保存下来。通过处理运些热图像序列来实现材料缺陷信息的提取。
[0003] 为了提高缺陷检测的准确性和效率，很多数据处理算法被用于图像信息的提取。 其中，独立成分分析（Independent component analysis, ICA)作为一种特征提取算法，被 广泛应用于热图像序列处理领域，并取得了较好效果。但是运种特征提取方法的计算效率 不高，且数据量越大计算时间越长，亟待改善。
【发明内容】
[0004] 本发明的目的在于克服现有技术的不足，提供一种脉冲满流红外热图像的特征提 取方法，更加准确高效地从热图像中提取得到待测件的特征。
[0005] 为实现上述发明目的，本发明脉冲满流红外热图像的特征提取方法包括W下步 骤：
[0006] S1:采用脉冲满流对待测件加热，红外热像仪采集时长为A的待测件红外热图像序 列，记每帖红外热图像大小为MXN，红外热图像序列中图像数量记为T，WS(m，n，p)表示第P 帖红外热图像中坐标为(m，η)的像素点对应的热响应值，其中m的取值范围为m = 1，2，…，Μ， η的取值范围为n=l，2,…，Ν，ρ的取值范围为p=l，2，···，Τ，WS(m，n,:)表示坐标为(m，n)的 像素点在T帖红外热图像序列的各个热响应值组成的热响应数据；
[0007] S2:设置列捜索步长化；
[000引 S3:在(0，A)范围内设置K个时间阔值，将红外热图像序列的时长划分为K+1个时间 段;对于每个热响应数据S(m，n，：），捜索其所有热响应值S(m，n，p)中最大热响应值对应的 时刻，如果该时刻属于第k个时间段，则将该热响应数据S(m，n，：）划入第k个数据块，Wsk (m，n，：）表示第k个数据块里坐标为(m，n)的像素点的热响应数据;然后对每个数据块中第 r/列的热响应数据设置行捜索步长说I,.，r/ = 1 +λ X化<N，λ = 0,1,2 · · ·;
[0009] S4:对于每个数据块的所有热响应数据，根据设置的列捜索步长和行捜索步长捜 索具有区域代表性的热响应数据，具体步骤包括：
[0010] S4.1:初始化数据，即令m= 1 ,η^ = 1，q = l，k = 1，首个代表热响应数据X(l) = S (?ρΕΑΚ, JpEAK,:)；
[00"] S4.2:计算Sk(m，n，：）与X(q)的相关度fCC的減g, *如果fCC飾大于预 设阔值C，C的取值范围为0<C<0.9，令/? = Μ +巧峰，否则令q = q+1，X(q) = Sk(m，η，：）， m= m + RL'\ ；
[0012] S4.3:如果 m>M，令 m=m-M，n' =n'+CL，否则返回步骤 S4.2;
[001引 S4.4:如果η' >N，令k = k+l，进入步骤S4.5，否贝帳回步骤S4.2;
[0014] S4.5:如果k>K+l，捜索结束，保存捜索得到的代表热响应数据X(q)，记其数量为 G，否则返回步骤S4.2;
[001引S5:对步骤S4捜索得到的G个代表热响应数据进行聚类，将聚类得到的类别数量记 为レ
[0016] 56:记第口类中的第￥个热响应数据为巧，其中@=1去..，五，"=：1，2，...，|巧|,|取 表示第类中的热响应数据数量，记第类的聚类中屯、为Cp;对于每个热响应数据X、％计 算其与其他类的聚类中屯、的距离之和在每一类代表热响应数据中，筛选出Μ巧'最 大的热响应数据，然后将筛选出的L个热响应数据构建得到二维矩阵Υ，二维矩阵Υ中的每一 列表示一个热响应数据；
[0017] S7:计算得到红外热图像序列的L个特征图像：盈其中，是矩阵Υ的伪逆 矩阵，矩阵0中每一行表示一幅红外热图像，矩阵R中每一行代表一幅特征图像。
[0018] 本发明脉冲满流红外热图像的特征提取方法，采集待测件的红外热图像序列，将 每个像素点在所有帖红外热图像中的每个热响应值组成热响应数据;设置列捜索步长，然 后设置K个时间阔值，将红外热图像序列的时长划分为K+1个时间段，根据每个热响应数据 中最大热响应值对应的时刻对热响应数据进行数据块划分，对每个数据块的捜索列设置行 捜索步长，然后对于每个数据块的所有热响应数据，根据设置的列捜索步长和行捜索步长 捜索具有区域代表性的热响应数据，将捜索得到的代表热响应数据聚类，从每个聚类中筛 选与其他聚类中屯、距离和最大的热响应数据构建二维矩阵Y，将二维矩阵Y的伪逆矩阵与所 有红外热图像的二维矩阵0相乘得到特征图像。
[0019] 本发明通过捜索代表热响应数据，利用热响应数据对红外热图像序列进行线性变 换，得到可代表热图像序列的若干特征图像。经过实验验证可知，本发明可W准确提取红外 热图像序列的特征图像，并且处理时间较传统的独立成分分析方法更短，从而提高特征提 取效率，进一步提高缺陷检测效率。
【附图说明】
[0020] 图1是本发明脉冲满流红外热图像的特征提取方法的流程图；
[0021 ]图2是热分布数据示意图；
[0022] 图3是捜索代表热响应数据的流程图；
[0023] 图4是本实施例中模糊C均值算法的流程图；
[0024] 图5是本实施例检测的不诱钢样本
[0025] 图6是脉冲满流热成像检测系统中使用的加热线圈；
[0026] 图7是图5所示样本的红外热图像序列；
[0027] 图8是本发明与独立成分分析提取的特征图像对比；
[0028] 图9是本发明特征图像的热响应数据与独立成分分析特征图像的归一化混叠向量 的相似性；
[0029] 图10是本发明与独立成分分析的处理时间对比图。
【具体实施方式】
[0030] 下面结合附图对本发明的【具体实施方式】进行描述，W便本领域的技术人员更好地 理解本发明。需要特别提醒注意的是，在W下的描述中，当已知功能和设计的详细描述也许 会淡化本发明的主要内容时，运些描述在运里将被忽略。
[0031] 图1是本发明脉冲满流红外热图像的特征提取方法的流程图。如图1所示，本发明 脉冲满流红外热图像的特征提取方法包括W下步骤：
[0032] S101:获取待测件的红外热图像序列：
[0033] 采用脉冲满流对待测件加热，红外热像仪采集时长为A的待测件的红外热图像序 列。待测件的红外热图像展示了待测件表面的热分布数据。图2是热分布数据示意图。如图2 所示，X轴和y轴分别表示一幅热图像的垂直轴和水平轴，图中的每一个小方格表示一个像 素点，每一个像素点都记录了一个瞬时热响应值，t轴表示时间轴。实际缺陷检测中，待测件 位置固定，所W每一个像素点在不同时刻记录的瞬时热响应值表示待测件表面对应区域的 热响应数据，每一个热响应数据都是一个向量，运就是热响应数据的具体含义。记每帖红外 热图像大小为MXN，红外热图像序列中图像数量记为1'，^5(111，11，9)表示第9帖红外热图像 中坐标为(m，n)的像素点对应的热响应值，其中m的取值范围为m=l，2,…，M，n的取值范围 为n=l，2,…，N，p的取值范围为p = l，2，···，Τ，WS(m，n,:)表示坐标为(m，n)的像素点在T帖 红外热图像序列的各个热响应值组成的热响应数据。
[0034] S102:设置列捜索步长：
[0035] 为了提取特征图像，本发明需要在所有的热响应数据中捜索出具有代表性的代表 热响应数量，因此需要设置列捜索步长和行捜索步长。列捜索步长化可W由测试人员根据 经验设置，但是由于待测件不同、测量环境不同等原因，人为设置列捜索步长准确度较低。 因此此处给出一种确定列捜索步长的确定方法，其具体方法为：
[0036] 首先在红外热图像序列的所有图像中，捜索得到热响应值S(m，n，p)的最大值 阳AK，即
[0037]
[003引记PEAK所在的X轴、y轴、t轴的坐标值分别为I PEAK、JPEAK、ΤρεAK，即PEAK = S (IPEAK， JPEAK,TPEAK)。
[0039]计算热响应数据S(IPEAK,JPEAK,:)与所在行其他热响应数据S(IPEAK, j,:)的相关度， j的取值范围为1幻·如J辛JpEAK。本实施例中采用皮尔森相关度(Pearson correlation coeff icient)，其计算公式为：
[0040]
[0041 ] 其中，Χ、Υ分别表示两个热响应数据，C0V(X，Y)表示X和Υ的协方差，Var( ·)表示求 方差。
[0042] 在N-1个相关度值中，捜索和S(Ipeak，Jpeak，：）相连通的区域，也就是捜索得到包括 JPEAK在内的 y 坐柄区域[ymin , ymax ],当 j E [ ymin , ymax ]时，所有S ( I PEAK , j ,:)与 S ( ΙρΕΑΚ , J阳ΑΚ，：）的相关度值都大于预设阔值I?CL，将运个区域的热响应数据S(W，j'，：）的数量