[发明专利]大尺寸航空航天复合材料构件全局缺陷定量识别方法

权利要求书

1.一种大尺寸航空航天复合材料构件全局缺陷定量识别方法，其特征在于，包括：

(1)、红外重构拼接图像重叠区域确定

1.1)、拼接局部特征重构图像并计算坐标转换的x轴、y轴坐标补充值；

将一幅局部特征重构图像作为基准图像I₁，将相邻的有一定重叠区域的另一幅局部特征重构图像作为配准图像I₂，将基准图像I₁、配准图像I₂置于世界坐标系下，然后利用仿射变换矩阵H进行拼接，得到的红外重构拼接图像I₁₂，其中，基准图像I₁、配准图像I₂的尺寸大小相同，宽度为m个像素点，高度为n个像素点；

所述仿射变换矩阵H为：

其中，o₁、o₂、o₃、o₄、o₅、o₆为系数；

根据仿射变换矩阵H，求其逆矩阵H^-1，并表示为：

其中，o′₁、o′₂、o′₃、o′₄、o′₅、o′₆为系数；

根据仿射变换矩阵H、配准图像I₂计算坐标转换的x轴、y轴坐标补充值X_add,Y_add：

X_add＝0|X_min＞0,X_add＝X_min|X_min≤0

Y_add＝0|Y_min＞0,Y_add＝Y_min|Y_min≤0

其中，(x_{2_1},y_{2_n})表示配准图像I₂第1列、第n行像素点坐标，(x_{2_1},y_{2_1})表示配准图像I₂第1列、第1行像素点的坐标，(x_{2_m},y_{2_1})表示配准图像I₂第m列、第1行像素点坐标，表示选取两个经仿射变换后的坐标中x轴坐标最小值，表示选取两个经仿射变换后的坐标中y轴坐标最小值；

1.2)、获取搜索矩形区域

根据仿射变换矩阵H、配准图像I₂计算x轴坐标最大值、y轴坐标最大值：

式中，(x_{2_m},y_{2_n})表示配准图像I₂第m列、第n行像素点的坐标，(x_{2_m},y_{2_1})表示配准图像I₂第m列、第1行像素点的坐标，(x_{2_1},y_{2_n})表示配准图像I₂第1列宽度1、第n行像素点坐标，m_xax表示选取两个仿射变换后的坐标中x轴坐标最大值，表示选取两个仿射变换后的坐标中y轴坐标最大值；

判断并确定世界坐标系顶点数值：当X_min＞0,则X_min＝1；当X_min≤0则X_min＝X_min；当Y_min＞0则Y_min＝1；当Y_min≤0则Y_min＝Y_min；当X_max＞m,则X_max＝X_max；当X_min≤m则X_max＝m；当Y_max＞n则Y_max＝Y_max；当Y_max≤n则Y_max＝n；

世界坐标系下的四个顶点(X_max,Y_max)、(X_max,Y_min)、(X_min,Y_max)、(X_min,Y_min)连接构成的区域为搜索矩形区域；

将红外重构拼接图像中像素坐标点构成的数组表示为：

I₁₂(x_{12_m′},y_{12_n′}),m′＝1,...,M′,n′＝1,...,N′

其中，红外重构拼接图像的长对应的像素点个数M′＝X_max-X_min，宽对应的像素点个数N′＝Y_max-Y_min；

1.3)、确定红外重构拼接图像的三个部分

①、将基准图像I₁、配准图像I₂变换至搜索矩形区域内：将基准图像像素值I₁(x_{1_i},y_{1_j}),i＝1,...,m,j＝1,...,n以左下角为原点变换至搜索矩形区域内，用0作为插值补充没有对应数值的位置，得到基准图像I₁置于世界坐标系后的像素值I′₁(x_{1_i},y_1-j)，i＝1,...,X_max-X_min,j＝1,...,Y_max-Y_min；将配准图像像素值I₂(x_{1_i},y_{2_j})，i＝1,...,m,j＝1,...,n经仿射变换H_mosaic·I₂(x_{1_i},y_{2_j})变换至搜索矩形区域内，用0作为插值补充没有对应数值的位置，得到配准图像I₂置于世界坐标系后的像素值I′₂(x_{2_i},y_{2_j})i＝1,...,X_max-X_min,j＝1,...,Y_max-Y_min；

②、初始化i＝1,j＝1，然后进行；

③、判断在当前像素点(i,j)下，像素值I′₁(x_{1_i},y_1-j)、I′₂(x_{2_i},y_{2_j})是否都为非零数值，若都为非零数值，则该像素点坐标值为交点坐标值，并作为重叠区域部分I_{12_overlap}的像素点坐标值，i＝i+1；

④、若i＞X_max-X_min，则j＝j+1，返回步骤③，否则直接返回步骤③，直至j＞Y_max-Y_min，重叠区域搜索完成，输出重叠区域I_{12_overlap}；

根据获得的重叠区域I_{12_overlap}，将红外重构图像I₁₂划分为以下三个部分：重叠区域部分I_{12_overlap}、基准图像I₁上非重叠区域部分为红外重构拼接图像I₁₂的基准图像部分I_{12_1}以及仿射图像I′₂上非重叠区域部分为红外重构拼接图像I₁₂的配准图像部分I_{12_2}，其中仿射图像I′₂与配准图像I₂的对应关系为：

其中，(x_{2_i},y_{2_j})为配准图像I₂第i列，第j行像素点的坐标，i＝1,2,…,m，j＝1,2,…n，(x′_{2_i′},y′_{2_j′})为仿射图像I′₂第i′列，第j′行像素点的坐标；

(2)、红外重构拼接图像缺陷特征区域提取

2.1)、将红外重构拼接图像I₁₂的像素值即温度特征值从RGB颜色空间转换到L*a*b*颜色空间；

2.2)、根据红外重构拼接图像I₁₂的“a*”和“b*”颜色信息转换值，利用聚类中心将其像素点聚类为K类，保留“L*”即亮度最高的一类的像素点，其余类丢弃；然后进行形态学开闭运算操作，来连接相邻的像素点，获得缺陷特征区域de₁,de₂,...,de_P，P为缺陷特征区域数量；

(3)、红外重构拼接图像缺陷特征区域定量识别

情形1：对于第p个缺陷特征区域，如果全部位于基准图像部分I_{12_1}、全部位于重叠区域部分I_{12_overlap}或同时位于基准图像部分I_{12_1}以及重叠区域部分I_{12_overlap}，将坐标补充值X_add,Y_add用于下式得到的像素点转换坐标：

其中，坐标(x_{12_p_i},y_{12_p_j})为红外重构拼接图像I₁₂上第p个缺陷特征区域第i行，第j列的坐标，坐标(x_{1_p_i″},y_{1_p_j″})为基准图像I₁上第p个缺陷特征区域对应区域的第i″行，第j″列的坐标；利用像素点转换坐标与重构基准图像I₁的对应图像序列获得第p个缺陷特征区域de_p位置的瞬态热响应曲线TTR_{p_1},TTR_{p_2},...,TTR_{p_Np}，N_p为第p个缺陷特征区域de_p位置的瞬态热响应曲线数量即第p个缺陷特征区域de_p的像素点数量；

情形2：对于第p个缺陷特征区域，如果全部位于配准图像部分I_{12_2}或同时位于基准图像部分I_{12_2}以及重叠区域部分I_{12_overlap}，则将第p个缺陷特征区域de_p中像素点的坐标进行转换，得到其在配准图像I₂上的像素点坐标即像素点转换坐标，然后，在重构配准图像I₂的对应图像序列，根据获得的像素点转换坐标，获得第p个缺陷特征区域de_p位置的瞬态热响应曲线TTR_{p_1},TTR_{p_2},...,TTR_{p_Np}，N_p为第p个缺陷特征区域de_p位置的瞬态热响应曲线数量即第p个缺陷特征区域de_p的像素点数据量，其中，所述像素点转换坐标根据以下公式得到：

其中，坐标(x_{12_p_i},y_{12_p_j})为红外重构拼接图像I₁₂上第p个缺陷特征区域第i行，第j列的坐标，坐标(x_{1_p_i″},y_{1_p_j″})为配准图像I₂上第p个缺陷特征区域对应区域的第i″行，第j″列的坐标；

对情形1、情形2获得的瞬态热响应曲线，找出位于几何中心的瞬态热响应曲线，然后，计算其他瞬态热响应曲线到质心瞬态热响应曲线的欧式距离，如果大于设定的距离阈值，则该瞬态热响应曲线对应的像素点为热扩散区域像素点，统计热扩散区域像素点，得到第p个缺陷特征区域的热扩散区域像素点数量NS_p，这样得到第p个缺陷特征区域大小NR_p，完成缺陷定量识别，其中：

NR_p＝N_p-NS_p；

情形3：对于第p个缺陷特征区域，如果同时位于基准图像部分I_{12_1}、重叠区域部分I_{12_overlap}以及配准图像部分I_{12_2}，则采用情形1的方式，获取第p个缺陷特征区域de_p在基准图像部分I_{12_1}、重叠区域部分I_{12_overlap}位置的瞬态热响应曲线，然后再获得该部分的热扩散区域像素点数量NS_{p_1}；同时，采用情形2的方式，获取第p个缺陷特征区域de_p在重叠区域部分I_{12_overlap}以及配准图像部分I_{12_2}位置的瞬态热响应曲线，然后再获得该部分的热扩散区域像素点数量NS_{p_2}；对重叠区域部分I_{12_overlap}分别采用情形1、2的方式获得瞬态热响应曲线，然后采用动态时间归整算法对同一位置的瞬态热响应曲线进行两两间的相似性度量，如果相似度大于设定的相似度阈值，则对应位置的像素点为正确一致的重叠点；对所有重叠区域部分I_{12_overlap}的像素点进行判断，统计正确一致的重叠点，得到重叠区域正确一致的像素点个数NR_{p_overlap}；这样得到第p个缺陷特征区域的热扩散区域像素点数量NS_p：

其中，_orgNR_{p_overlap}为重叠区域部分I_{12_overlap}的像素点个数；

这样得到第p个缺陷特征区域大小NR_p，完成缺陷定量识别，其中：

NR_p＝N_p-NS_p

其中，N_p为第p个缺陷特征区域de_p的像素点数量。