[发明专利]一种基于迭代生成稀疏主成分模型的红外无损检测方法

权利要求书

1.一种基于迭代生成稀疏主成分模型的红外热成像无损检测方法，其特征在于，包括：

(1)采集待测对象的若干张红外热图像，组成初始红外热图像数据集；

(2)对初始红外热图像数据集进行预处理，得到预处理后的红外热图像数据集；

(3)利用稀疏主成分热成像方法对预处理后的红外热图像数据集进行去噪、降维、特征提取，得到可视化的缺陷特征加载图像；

(4)提取缺陷特征加载图像的R、G、B分量加载图像，并计算分量加载图像的信噪比：

当信噪比满足要求时，输出缺陷特征加载图像或/和R、G、B分量加载图像；

当信噪比不满足要求时，根据原始热图像中缺陷与背景的明暗关系，选择对应的分量加载图像，并将该分量加载图像与预处理后的红外热图像进行融合，得到融合之后的红外热图像；

(5)利用融合之后的红外热图像对生成式对抗神经网络进行训练，选取若干张生成的假热图像与初始红外热图像拼接成增广红外热图像数据集，并作为初始红外热图像数据集返回步骤(2)。

2.根据权利要求1所述的基于迭代生成稀疏主成分模型的红外热成像无损检测方法，其特征在于，步骤(1)中，首先采集待测对象的若干原始红外热图像，然后进行统一尺寸裁剪处理，去除一部分不必要的背景区域，只保留包含所有缺陷的感兴趣区域的初始红外热图像，并组成初始红外热图像数据集。

3.根据权利要求1所述的基于迭代生成稀疏主成分模型的红外热成像无损检测方法，其特征在于，步骤(2)中，进行预处理时：

首先，将初始红外热图像数据集转化为与初始红外热图像尺寸和数量对应的三维热图像数据矩阵，并将该三维热图像数矩阵转换为一个n行的二维热图像数据矩阵，其中n为初始红外热图像的数量；

然后，对得到的二维热图像数据矩阵进行z-score标准化处理，得到预处理后的红外热图像数据集。

4.根据权利要求1所述的基于迭代生成稀疏主成分模型的红外热成像无损检测方法，其特征在于，步骤(3)中，利用稀疏主成分热成像方法对所述红外热图像数据集进行去噪、降维、特征提取时，可表示为：

subject to P^TP＝I

其中，表示当目标函数取最小值时变量Ρ，Q的值；||·||_F表示F范数，||·||₂表示L₂范数，||·||₁表示L₁范数，δ和λ是调优参数。Ρ＝[p₁p₂......p_k]表示加载矩阵，其包含k个加载向量，p_k表示第k个加载向量，Q是Ρ的稀疏近似，Q＝[q₁q₂......q_k]，其包含k个加载向量，q_j就是组成Q的第j个加载向量，X为步骤(2)得到的预处理后的红外热图像数据集；I为单位矩阵。

5.根据权利要求1所述的基于迭代生成稀疏主成分模型的红外热成像无损检测方法，其特征在于，步骤(4)中，选择拥有最明显的缺陷特征的缺陷特征加载图像的分量加载图像与预处理后的红外热图像进行融合。

6.根据权利要求5所述的基于迭代生成稀疏主成分模型的红外热成像无损检测方法，其特征在于，当不存在包含所有缺陷特征的单张缺陷特征加载图像时，可以选择两张或者多张缺陷特征加载图像与预处理后的红外热图像进行融合。

7.根据权利要求1所述的基于迭代生成稀疏主成分模型的红外热成像无损检测方法，其特征在于，步骤(4)中，选取的假热图像数量与初始数据集中热图像数量相当分量加载图像。