x射線自動(dòng)檢測和識別技術(shù)的研究

x射線自動(dòng)檢測和識別技術(shù)的研究

0x射線檢測中對檢測技術(shù)的要求更高近年來，盡管出現(xiàn)了幾種新的破壞檢測技術(shù)，但傳統(tǒng)的x射線檢測技術(shù)仍受到了重視。因?yàn)樗畔⒇S富、直觀、易于量化。現(xiàn)代生產(chǎn)技術(shù)的發(fā)展,無論是在檢測的數(shù)量上,還是在檢測的質(zhì)量上,都對這種檢測技術(shù)提出了更高的要求。傳統(tǒng)的依靠人工進(jìn)行缺陷檢測和評判的方法已很難適應(yīng)現(xiàn)代生產(chǎn)的需求,迫切需要人們進(jìn)行X射線的自動(dòng)化檢測和識別方面的研究和探索工作。但由于實(shí)際X射線檢測本身的一些特點(diǎn),使得產(chǎn)生的X射線檢測圖象具有對比度不高、缺陷邊緣模糊、圖象噪聲多、存在較大的背景起伏等特點(diǎn),這使得如何進(jìn)行缺陷信息的正確提取和分割成為這種技術(shù)中的一大難題。國內(nèi)外很多學(xué)者都在這方面進(jìn)行了有意義的探索和研究,并取得了一定的成果。1x射線檢測構(gòu)圖的提取從目前國內(nèi)外這方面的相關(guān)文獻(xiàn)來看,將缺陷信息從X射線檢測圖象中自動(dòng)提取和分割出來,大致有兩種方法。方法一是針對X射線檢測圖象中存在較大的背景起伏這一特點(diǎn),先進(jìn)行圖象中的背景去除,在其基礎(chǔ)上再選取合適的閾值進(jìn)行缺陷的分割;方法二則針對X射線檢測圖象對比度低的特點(diǎn),先對圖象進(jìn)行某些增強(qiáng)處理,而后運(yùn)用一些檢測方法提取并分割出缺陷信息。1.1基于閾值分割的方法實(shí)際X射線檢測圖象,尤其是焊縫的檢測圖象,都存在一定的背景,且圖象中缺陷的某些灰度值和背景的灰度值發(fā)生交叉,因而運(yùn)用簡單的閾值分割方法進(jìn)行缺陷的提取效果顯然不佳,這便促使人們嘗試著先去除背景而后進(jìn)行缺陷提取方面的研究工作。1.1.1對比次樣條曲線擬合的焊縫檢測表象日本的藤田勉等基于X射線圖象的線灰度分布特點(diǎn),提出可用最小二乘法首先對線灰度進(jìn)行曲線擬合,而后將原圖象與曲線擬合的圖象相減,從而達(dá)到去除背景、獲取缺陷信息的目的。從文中的結(jié)果來看,該文提出的方法效果較好,但處理速度較慢。W.Daum等針對X射線焊縫檢測圖象中存在的較大背景,提出用三次樣條曲線擬合進(jìn)行焊縫圖象的背景模擬,將所得到的背景模擬圖象與原圖象相減,從而得到背景較為均勻、信噪比較高的細(xì)節(jié)缺陷圖象,選用合適的閾值即可完成對缺陷的提取和分割,該方法不依賴于缺陷的具體形狀,但在保持缺陷的真實(shí)尺寸方面存在欠缺。相似的方法在文獻(xiàn)中也得到了很好的體現(xiàn),所不同的是該文用多項(xiàng)式擬合的方法去除背景中由系統(tǒng)引起的大的灰度變化,而將灰度變化相對較小的缺陷信息留下,從而達(dá)到校平灰度場、提取并分割缺陷的目的。但該方法很難實(shí)現(xiàn)硬件化。文獻(xiàn)則針對焊縫檢測圖象中存在的體積型和面型兩類缺陷,提出了不同的缺陷提取方法。對于體積型缺陷,直接用基于線灰度曲線擬合的背景去除方法來提取,而對于面型缺陷,針對線灰度曲線擬合背景后提取出的缺陷呈斷續(xù)狀,而先用梯度模板進(jìn)行焊縫灰度增強(qiáng),而后用灰度統(tǒng)計(jì)分析法提取的缺陷,又將本應(yīng)斷開的缺陷相連的特點(diǎn),提出將上述兩種方法分別運(yùn)用于原始的灰度圖象,然后對所提取的缺陷結(jié)果進(jìn)行綜合考慮,從而完成對面型缺陷的正確定位和提取。1.1.2拉氏表象的濾波EcheltB.等設(shè)計(jì)了一組不同的低通濾波器組去除圖象中的高頻分量,保留圖象中的低頻分量,從而達(dá)到模擬背景圖象,進(jìn)而提取并分割缺陷的目的。文獻(xiàn)在對點(diǎn)焊圖象的處理中也秉承了這種思想,提出首先運(yùn)用離散傅立葉變換(FFT)將原灰度圖象變換到頻域,而后在頻域設(shè)計(jì)的低通濾波器進(jìn)行濾波如圖1所示,使得圖象中的低頻分量盡量通過而將高頻分量盡可能進(jìn)行抑制,從而達(dá)到模擬點(diǎn)焊焊點(diǎn)檢測圖象背景、提取缺陷信息的目的,但從文中的算法來看,該方法在處理速度上存在不足。運(yùn)用基于“高斯金字塔”(GaussPyramid)和“拉普拉斯金字塔”(LaplacePyramid)的多尺度濾波方法(Multiscalefitering)也可進(jìn)行背景的去除,由于高尺度的拉氏圖象比低尺度的拉氏圖象含有更精細(xì)的細(xì)節(jié)信息,因而可運(yùn)用式(1)將低尺度拉氏圖象減去高尺度拉氏圖象,最終達(dá)到去除背景的目的,在其基礎(chǔ)上,運(yùn)用雙閾值法即可完成缺陷的提取和分割。L6=B5·G0-B6·G0(1)式中L6——6尺度上的拉氏圖象,即最終圖象G0——0尺度上的高斯圖象,即原始圖象Bn——經(jīng)多項(xiàng)式平滑濾波器B的n次濾波(n=5,6)。1.1.3基于添加相關(guān)碼的背景表象提取法周偉等則提出先用邊界增強(qiáng)算子對焊縫圖象中的缺陷輪廓和焊道邊界進(jìn)行增強(qiáng)處理,在其基礎(chǔ)上利用32×32的大窗口平滑算子進(jìn)行平滑濾波,模擬出背景圖象,而后將原圖象減去背景圖象得到減影圖象,再選用合適閾值完成對缺陷的二值化提取,但該方法很難應(yīng)用于對處理速度要求較高的X射線檢測圖象的處理中去。1.2缺乏象的中介的是不清除表象背景,一個(gè)針對X射線檢測圖象中對比度不高的特點(diǎn),很多學(xué)者也進(jìn)行了不去除圖象背景,而直接對圖象先進(jìn)行某些增強(qiáng)處理,而后便直接進(jìn)行缺陷提取和分割方面的研究。1.2.1基于特征模式矢量的學(xué)習(xí)設(shè)置KatsunoriINOUE等針對X射線圖象的灰度分布不均衡,無法用常規(guī)方法進(jìn)行缺陷的增強(qiáng)和分割,提出缺陷矢量模式相似性的概念,其定義可用公式(2)表示?；谶@個(gè)概念,采用二維缺陷模板匹配濾波的方法來進(jìn)行缺陷的提取和分割。為了獲得缺陷的特征模式矢量,文獻(xiàn)中創(chuàng)建了一個(gè)典型缺陷學(xué)習(xí)數(shù)據(jù)庫,訓(xùn)練出待檢測缺陷類型的特征模式矢量,并將其作為匹配模板用于匹配濾波,成功實(shí)現(xiàn)了孔坑狀缺陷的提取和分割。該方法缺陷提取準(zhǔn)確且能推廣至其他缺陷類型。1.2.2基于粒度梯度法的缺陷檢測T.WarrenLiao等針對實(shí)際焊縫缺陷檢測圖象中線灰度分布可能出現(xiàn)的三種異常如圖2所示,提出運(yùn)用緊樣條曲線擬合(Tight-Fitting)進(jìn)行噪聲去除,用松樣條曲線擬合(Loose-Fitting),并結(jié)合峰值搜索進(jìn)行線灰度斜凹型異常圖2d缺陷的提取,而對峰值異常圖2b和槽狀異常圖2c,則采用基于線灰度的峰值和谷底值搜索的直接提取方法。式中f——典型缺陷圖象按行堆疊成的缺陷模式矢量g——未知缺陷類型圖象按行堆疊成的待定模式矢量S(f,g)——矢量f和g間模式矢量相似性度量。GrayA.等提出了用于X射線實(shí)時(shí)焊縫圖象缺陷提取的兩步法,指出首先基于缺陷灰度的不規(guī)則性,通過快速搜索定出缺陷存在的大致區(qū)域,而后運(yùn)用序列相似形算法或閾值算法完成對缺陷的精確定位和提取。作為相似的方法,先進(jìn)行一維線灰度的二次曲線分段擬合,導(dǎo)出了用于焊縫缺陷檢測和提取的梯度模板,并將該模板作用于焊縫的X射線檢測圖象,將缺陷可能存在的區(qū)域分割出來,然后用基于視覺特性的輪廓邊緣跟蹤檢測算法實(shí)現(xiàn)對缺陷的有效分割。根據(jù)圖象的灰度特性,在對焊縫圖象信息先進(jìn)行壓縮的基礎(chǔ)上,也可以采用梯度模板尋求初始跟蹤點(diǎn),用跟蹤算法提取出缺陷區(qū)域。甘肅工業(yè)大學(xué)的孫忠誠等在對圖象進(jìn)行了一系列的去噪處理后,提出了一種能顯著提高檢測圖象對比度的S-T非線性灰度變換方法,其變化式見公式(3)。在其基礎(chǔ)上,將該變換用于圖象增強(qiáng),而后根據(jù)缺陷的灰度值較低,穿過缺陷的線灰度梯度會發(fā)生兩次或多次從正到負(fù)變化的特點(diǎn),運(yùn)用灰度梯度法成功地提取和分割出了焊縫中的缺陷。式中z——灰度變換后的灰度值x——灰度變換前的灰度值b——某列最低灰度值a——某列最高灰度值1.2.3u3000形態(tài)重建數(shù)學(xué)形態(tài)學(xué)理論也能運(yùn)用于X射線圖象的缺陷提取,公式(4)即為基于數(shù)學(xué)形態(tài)學(xué)理論的所謂M濾波算法,該法在消除正負(fù)脈沖噪聲的同時(shí)較好地保留了缺陷的輪廓信息。從其檢測結(jié)果來看,該方法能將缺陷的輪廓信息直接提取出來,但該方法在處理速度上存在不足。式中U(FM)——滾球?yàn)V波后的圖象灰度值U(F)——原灰度圖象的灰度值U(FB)——對U(F)的形態(tài)學(xué)開運(yùn)算U(FB)——對U(F)的形態(tài)學(xué)閉運(yùn)算。在鋁鑄錠的X射線檢測圖象的處理中,數(shù)學(xué)形態(tài)學(xué)理論也得到了運(yùn)用。該方法首先用形態(tài)學(xué)中的高帽變換(Top-HatTransition)提取缺陷區(qū)域,針對所提取出的圖象(文中稱為ReferenceImage)噪聲大的特點(diǎn),提出用中值濾波法或形態(tài)學(xué)中的腐蝕對其進(jìn)行去噪處理,而后用形態(tài)學(xué)中的膨脹(Dialation)運(yùn)算對處理完的圖象進(jìn)行形態(tài)學(xué)重建(MorphologicalReconstruction),從而獲得缺陷的分割圖象。文中指出,小的高帽變換能提取如裂紋等的缺陷,而大的高帽變換則能提取象孔洞和微縮孔等缺陷,故應(yīng)采用一個(gè)折中的高帽變換參數(shù)進(jìn)行缺陷的提取和分割。1.2.4模糊優(yōu)化方法在文中的應(yīng)用用3×3的平滑算子對X射線焊縫圖象去除噪聲,增強(qiáng)對比度后,采用4個(gè)不同方向的SOBEL邊緣檢測算子(0。,45。,90。,135。)進(jìn)行多方向的缺陷邊緣提取。這種方法用于X射線焊縫缺陷底片中的條狀缺陷的提取和識別獲得了較好的效果。文獻(xiàn)嘗試著將模糊理論運(yùn)用于圖象的增強(qiáng)上,提出可利用一類廣義模糊函數(shù),先將灰度圖象進(jìn)行模糊增強(qiáng)變換,而后再配合可靠的閾值劃分方法進(jìn)行缺陷的有效提取和分割,從文中結(jié)果來看,效果較好。日本的石井明等針對傳統(tǒng)的方法對檢測微小缺陷效果不佳的情況,提出了一種稱之為輻射狀投影檢測方法,該方法使用了輻射框架如圖3所示。在檢測微小缺陷時(shí),首先以一中心點(diǎn)向外輻射同心圓環(huán),并計(jì)算相鄰兩圓環(huán)夾在相鄰兩輻射直線間弧形領(lǐng)域的均值之差,當(dāng)均值之差滿足一定條件時(shí),即認(rèn)為該處存在缺陷,否則,繼續(xù)向外輻射同心圓,直至找到缺陷或滿足輻射停止條件。該方法所選用的輻射框架的大小和形狀均可隨著所檢測缺陷的大小和形狀發(fā)生變化,從而有效檢測出了各種類型和大小的微小缺陷。2現(xiàn)有的問題還只是存在于小缺陷從以上的文獻(xiàn)及其他相關(guān)資料來看,在X射線檢測圖象中缺陷的自動(dòng)提取和分割方法上,有些方法在效果上較好,但在處理速度上存在欠缺,而有些方法在速度和效果上均較好,但卻只針對某些特定的缺陷類型。因而,在今后的研