一种基于纹理的射线图像缺陷检测方法
【专利摘要】本发明公开了一种基于缺陷纹理特征的射线图像中缺陷检测方法，首先根据系统检测需求和检测目标特征建立标准的缺陷纹理图像数据库；其次对被测工件的射线图像进行融合增强；然后从增强的图像中计算子块图像的纹理特征值，依次比较该特征值与缺陷纹理库的特征值，从而判定该子块图像是否为缺陷；接着遍历整个图像即可检测出该图像包含缺陷的数量与类型。本发明避开了复杂的弱边缘提取问题，检测的过程不但可以判定工件是否包含缺陷以及缺陷的位置，更重要的是直接给出了缺陷的类型、等级，大大的减少了检测人员的劳动强度。
【专利说明】一种基于纹理的射线图像缺陷检测方法
【技术领域】
[0001]本发明涉及图像处理和无损检测领域，特别涉及一种基于缺陷纹理特征的被测工件射线图像缺陷检测方法。
【背景技术】
[0002]目前针对射线图像，人们开发了许多缺陷提取算法，此类算法大多是直接对图像进行边缘检测，由于射线图像本身的低对比度特性使得此类算法都较为复杂，而且比较耗时，更麻烦的是此类算法即使能够提取出缺陷但还是无法对缺陷的类型、等级给出结果，而这对产品合格与否的判定尤其重要。
[0003]图像纹理反映了图像基元的灰度分布规律，包含了图像的表面信息及其周围环境的关系，描述了图像局部无规则而宏观有规则的特征，能更好的兼顾图像的宏观结构与微观结构。图像纹理分析在医学图像处理、卫星遥感、工业监控和计算机视觉等许多领域都有着广泛的应用。遥感照片中的各种图像，大部分呈现纹理型，平原、低丘和山脉具有不同的形状和高度的起伏，反映在图像上则呈现不同粗糙度和方向的纹理；在地质构造方面，不同类型的岩层具有不同的层理、走向和颗粒度，在图像上则呈现不同的分布、方向、颗粒大小和粗细度的纹理；在土地利用方面，人工地物，如道路、居民地等具有较为规则的纹理，而自然地物则呈现不规则、随机分布的纹理；在文物复原系统中，不同个体的文物碎片具有不同的形状和纹理，通过形状匹配和纹理分析，有助于实现文物复原；在显微图像中，细胞图像的细胞核结构变化信息反映在图像上是纹理的变化；在材料科学的微结构定量分析中，材料的微观图像很多呈现纹理型；在病理诊断中，正常器官表面的纹理和发生病变的器官表面的纹理具有很大的不同，由此可实现病理诊断。
[0004]现有的对图像缺陷的检测能够检测出图像缺陷的大小、位置等信息，但是对于缺陷的类型等级还无法进行判断。
【发明内容】
[0005]鉴于此，本发明的目的是提供一种基于缺陷纹理特征的被测工件射线图像缺陷检测方法，该方法采用缺陷的纹理特征，避开复杂的弱边缘提取的缺陷检测方法，不但可以有效的检测出被测工件的缺陷、更可以直接获得缺陷的大小和等级。
[0006]本发明的目的是通过这样的技术方案实现的，一种基于纹理的射线图像缺陷检测方法，具体包括以下步骤:
[0007]S1:根据被检对象射线成像中的缺陷特征建立缺陷的纹理图像数据库；
[0008]S2:获取待测对象的现场射线图像；
[0009]S3:增强现场射线图像，获得增强后的增强射线图像；
[0010]S4:从增强射线图像中计算子块图像的纹理特征值，依次比较该特征值与缺陷纹理库的特征值，从而判定该子块图像是否为缺陷；
[0011]S5:遍历整个增强射线图像检测出该图像各个子块图像的纹理特征值，利用这些特征值与缺陷纹理库的特征值进行比较；
[0012]S6:采用判别标准确定增强射线图像的各个子块是否包含缺陷以及缺陷类型、等级；
[0013]S7:将缺陷检测结果记录到数据库中供检测人员参考，并形成缺陷检测报告。
[0014]进一步，所述SI中按如下方式执行:
[0015]缺陷纹理库的建立参照目前已有的产品检测标准和图谱，对待测的每种工件进行射线检测，从增强后的图像中选择缺陷区域加入到纹理库中。
[0016]进一步，所述S3具体包括以下子步骤:
[0017]S31:首先从使用线性拉伸方法被测工件射线图像中获取包含不同缺陷特征的多幅图像；
[0018]S32: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；
[0019]S33: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；
[0020]S34:最后对融合后所得多分辨率频率系数金字塔进行重构，得到重构图像即为增强射线图像。
[0021]进一步，所述S5还包括以下步骤:
[0022]设G为大小为MXN的待检测图像,Fi为大小为aXb为检测模板，i=l, 2，…，N，使用纹理分析方法检测图像缺陷的基本流程如下:
[0023]S41:图像分割，将待检测图像G分割为若干个Fi大小的子块；
[0024]S42:计算子块图像值，对分割后相应位置的各个子图像计算值；
[0025]S43:计算检测模板图像的值；
[0026]S44:依次计算模板图像与各个子图像Md2值之间的距离，若距离小于限定值则该块区域为缺陷；
[0027]S45:依次在待检测图像中标记区域位置。
[0028]进一步，在进行图像分割时，将图像划分为相互重叠的子块。
[0029]进一步，在进行图像分割时，将图像分割为
【权利要求】
1.一种基于纹理的射线图像缺陷检测方法，其特征在于:具体包括以下步骤: 51:根据被检对象射线成像中的缺陷特征建立缺陷的纹理图像数据库； 52:获取待测对象的现场射线图像； 53:增强现场射线图像，获得增强后的增强射线图像； S4:从增强射线图像中计算子块图像的纹理特征值，依次比较该特征值与缺陷纹理库的特征值，从而判定该子块图像是否为缺陷； 55:遍历整个增强射线图像检测出该图像各个子块图像的纹理特征值，利用这些特征值与缺陷纹理库的特征值进行比较；56:采用判别标准确定增强射线图像的各个子块是否包含缺陷以及缺陷类型、等级； 57:将缺陷检测结果记录到数据库中供检测人员参考，并形成缺陷检测报告。
2.根据权利要求1所述的基于纹理的射线图像缺陷检测方法，其特征在于:所述SI中按如下方式执行: 缺陷纹理库的建立参照目前已有的产品检测标准和图谱，对待测的每种工件进行射线检测，从增强后的图 像中选择缺陷区域加入到纹理库中。
3.根据权利要求1所述的基于纹理特征的射线图像缺陷检测方法，其特征在于:所述S3具体包括以下子步骤:531:首先从使用线性拉伸方法被测工件射线图像中获取包含不同缺陷特征的多幅图像； 532: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； 533: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； S34:最后对融合后所得多分辨率频率系数金字塔进行重构，得到重构图像即为增强射线图像。
4.根据权利要求1所述的基于纹理特征的射线图像缺陷检测方法，其特征在于:所述S5还包括以下步骤: 设G为大小为MXN的待检测图像,Fi为大小为aXb为检测模板，i=l, 2，…，N，使用纹理分析方法检测图像缺陷的基本流程如下: 541:图像分割，将待检测图像G分割为若干个Fi大小的子块； 542:计算子块图像值，对分割后相应位置的各个子图像计算Mi?!；2值； 543:计算检测模板图像的值；544:依次计算模板图像与各个子图像值之间的距离，若距离小于限定值则该块区域为缺陷； 545:依次在待检测图像中标记区域位置。
5.根据权利要求4所述的基于纹理的射线图像缺陷检测方法，其特征在于:在进行图像分割时，将图像划分为相互重叠的子块。
6.根据权利要求5所述的基于纹理的射线图像缺陷检测方法，其特征在于:在进行图像分割时，将图像分割为
【文档编号】G06T7/00GK103886602SQ201410123705
【公开日】2014年6月25日 申请日期:2014年3月28日 优先权日:2014年3月28日
【发明者】沈宽, 赵亚丁 申请人:重庆大学