[发明专利]基于射线衰减能量场的无损检测缺陷提取、识别方法

说明书

技术领域

本发明涉及一种数字图像处理中基于射线衰减能量场的无损检测缺陷提取、识别方法。

背景技术

利用工业射线底片图像判定缺陷主要包括缺陷边界提取和缺陷类型识别两个方面。由于零部件内部缺陷的多样性与复杂性，目前，大部分缺陷类型识别主要是以缺陷所形成的影像底片作为判别依据，依靠专业人员的实际经验进行判定，造成无损检测技术人员工作量大，工作强度高，错判漏判现象时有发生。此外，无损射线检测行业涉及到探伤工艺、铸造工艺、材料成形工艺、焊接工艺以及表面处理工艺，培养一名合格的评片人员大约需要三年时间。因此，利用专业装置和计算机进行辅助缺陷识别，减轻工作人员劳动强度，提高缺陷识别率成为必须。目前利用射线底片图像进行零部件缺陷识别主要存在以下问题：

缺陷提取方面，目前主要有边界方法、区域方法和聚类方法三种，边界方法主要利用图像相邻像素间的灰度突变进行微分运算，从而检测出不同区域的边界，这种方法对噪声非常敏感且无法识别微小缺陷。区域方法主要是根据像素之间的相似度，把像素组合成不同的区域，这类方法容易产生过分割，需要进一步消除。聚类方法主要是在特征空间上，把相似的点聚类在一起，然后在图像中用不同的类号来标注出不同的区域，这类方法的主要缺点是聚类所需的类总数一般都不可知，而且往往会忽视相邻像素之间的空间和视觉上的相互关系。

缺陷类型识别方面，目前主要采用神经网络和专家系统，利用神经网络识别缺陷首先需要提取表征缺陷类型的特征，如缺陷形状、大小、位置等，然后利用样本对神经网络进行训练，用训练好的神经网络对未知缺陷进行识别。这种方法需要大量的缺陷样本，训练时间也比较长，识别的准确度与样本的数量以及特征的选取有很大关系，目前，国外资料显示神经网络对气孔的识别率为92.39％，对于其他缺陷的识别率相对较低。在利用专家系统识别方面，由于知识是决定一个专家系统性能是否优越的关键因素，专家系统要达到领域专家的水平，就必须掌握领域专家处理问题时所使用的大量专门知识，特别是经验知识，从专家对大量实例的分析中获取专家解决问题的思路、知识、经验及规则。因此，获取知识并把知识表达成专家系统可用的形式，是专家系统开发中的主要瓶颈之一。建立一个实用的专家系统需要一个相当长的时间。更为重要的是，目前采取的所方法，无论是人工识别还是计算机判别(神经网络、专家系统)，其共同点都是通过分析缺陷的边界形状特征来识别缺陷类型，很少考虑缺陷内部区域灰度分布，包含在缺陷区域内部与缺陷类型密切相关的大量宝贵信息被浪费。

在缺陷测量方面，二维测量如缺陷长度和面积测量已经十分成熟，但利用图像灰度实现缺陷三维体积测量基本是一个空白。

发明内容

本发明的目的是为了克服上述现有技术仅仅利用与缺陷类型部分相关的缺陷边界特征而忽略了包含在缺陷内部的与缺陷类型更为密切的灰度信息的缺点，提出了一种基于射线衰减能量场的无损检测缺陷提取、识别方法，该方法利用衰减能量场与图像灰度分布之间的对应关系，利用计算机充分挖掘包含在缺陷内部的与缺陷类型更为密切的灰度特征信息，实现缺陷自动提取、识别以及三维体积测量。

为达到上述目的，本发明采用技术方案是：

1)依据射线穿过不同物质的能量衰减规律，建立射线检测底片数字化图像灰度与射线衰减能量场的关系，确定射线底片图像中的缺陷边界；

2)基于射线能量场的衰减特征对所确定的缺陷进行类型识别；

3)根据射线能量衰减的强度以及与图像灰度的对应关系，对缺陷体积进行测量。

所述第一步骤包括：

1)缺陷种子列搜索步骤：利用种子列判别条件识别定位缺陷，即通过底片图像列灰度曲线即由某列像素灰度值构成的曲线波谷的宽度、深度以及与波谷相邻两波峰的高度差，确定缺陷波谷，从而识别定位缺陷；

2)缺陷概略分割步骤：据缺陷边缘的连续性，限定每列的搜索范围，分别向种子列两侧搜索缺陷；

3)缺陷细节提取步骤：通过概略分割结果重组，将分布于相邻几个不同区域的同一缺陷的几个不同部分合并成一个区域，利用直方图统计，对所述区域逐层进行直方图统计，将各层出现频率最高的灰度值绘成灰度曲线，根据所述灰度曲线确定缺陷分割阈值，依据阈值对所述区域进行二次分割，通过边缘完整性检验，确定缺陷边界是否存在缺口，如果存在，依据所述阈值，沿缺口连线法线方向逐层搜索边界，从而获取完整的缺陷边界；

所述第二步骤包括：