（测试计量技术及仪器专业论文）x射线底片焊缝缺陷智能识别的研究.pdf

x 射线底片焊缝缺陷智能识剐的研究 摘要 随着机械工业的发展，自动焊接技术的出现，焊缝x 射线检测面临着越来越 多的机遇与挑战。传统的射线底片质量评级方法是由人工进行评片，对底片上的 焊缝缺陷进行分析，以确定底片所反映的焊接质量等级。这种方法存在人为客观 因素影响大、效率低、对底片损伤大等缺点，难以满足生产不断发展的需要。因 此出现了许多替代人工评片的技术，其中利用计算机技术的智能评片是一个非常 活跃的研究领域。 在解决了x 射线底片的数字化问题之后，图像处理技术就成为智能评片的一 个重点。本文对扫描后得到的数字底片进行了图像的预处理、图像的分析、缺陷 的特征参数提取以及缺陷类型的识别分类等研究工作。 图像的预处理是后续图像处理的基础。本文在分析图像的噪声模型后给出了 有效的自适应中值滤除方法。针对x 射线底片对比度低、边缘模糊等特点，采用 高频加强滤波方法对x 射线底片数字图像进行边缘锐化增强，这种方法在一定程 度上还拉开了图像的灰度分布。图像的边缘提取是解决缺陷标记的有效方法，文 章分析了几种边缘提取方法的原理，提出了一种基于形态学梯度的x 射线底片数 字图像边缘检测方法，通过实验对比，证明这种方法运用在x 射线底片数字图像 中具有很好的效果。缺陷特征参数的选择和提取是缺陷分类的前提，直接影响着 分类结果，通过对缺陷特点的分析，选择了一组能够准确反映缺陷本质特征的特 征参数，并给出了各自的计算方法。在缺陷分类的解决方案上，采用具有自组织、 自适应的b p 神经网络算法对x 射线底片反映的焊缝缺陷进行智能识别。 本文所提出的x 射线底片焊缝缺陷智能识别解决方案经过了仿真和部分实 验，获得了比较理想的效果。 关键词：x 射线底片；图像处理；边缘提取；特征提取；模式识别： i i a b s t r a c t w i t ht h ed e v e l o p m e n to fm a c h i n ei n d u s t r ya n dt h ea p p e a r a n c eo fa u t o m a t i c w e l d e r ，x r a yd e t e c t i o no fw e l d i n gl i n eh a sb e i n gf a c e dw i t hm o r eo p p o r t u n i t ya n d c h a l l e n g e j u d g i n gx - r a yf i l m sq u a l i t yi s a ni m p o r t a n tp a r ti nx r a yd e t e c t i o n t r a d i t i o n a l l y , t h ej u d g i n gw o r ki sd o n eb yj u d g i n gw o r k e r , t h em a na n a l y s e sm a n y d e f e c t so fw e l d i n gl i n eo nx r a yf i l ma n di d e n t i f i e st h eq u a l i t yg r a d eo ff i l m t h e t r a d i t i o n a lm e t h o dh a sm a n yd i s a d v a n t a g e s ，f o re x a m p l e ，b a de f f e c tf r o mm a d s q u a l i t y ，l o we f f i c i e n c y , f r a y i n gf i l ma n ds oo n i td o e s n o tm e e tr e q u i r e m e n to f p r o d u c t i v i t yg r a d u a l l y s om a n yn e wj u d g i n gt e c h n o l o g i e so ff i l m h a v eb e e n p r e s e n t e d i n t e l l i g e n tj u d g i n gt e c h n o l o g yi sah o tr e s e a r c hf i e l d s o l v e dt h ed i g i t i z a t i o no fx - r a yf i l m ，d i g i t a li m a g ep r o c e s s i n gb e c o m ea n i m p o r t a n tp a r ti nt h ei n t e l l i g e n tf i l mj u d g i n g m u c hr e s e a r c ha b o u tt h ed i g i t i z e df i l m h a sb e e n d o n ei nt h i sp a p e r , t h e s er e s e a r c ha r ep r e p r o c e s so fi m a g e ，a n a l y s i so fi m a g e ， e x t r a c t i n gd e f e c t sc h a r a c t e r i s t i ci n f o r m a t i o na n dc l a s s i f i e dd e f e c t p r e p r o c e s so fi m a g ei st h eb a s eo ff o l l o w i n gi m a g ep r o c e s s i n g a f t e ra n a l y z i n g i m a g e sn o i s em o d e l ，s e l f - a d a p t i v em e d i a nf i l t e r i n gi sp r e s e n t e di nt h i st h e s i s h i g h f r e q u e n c yi n t e n s i f i c a t i o nf i l t e r i n ga i m sa tx - r a yf i l m sc h a r a c t e ro fl o wg r a yc o n t r a s t a n df a i n te d g e ，i ti n t e n s i f i e do b j e c t se d g ei ni m a g e ，t oac e r t a i ne x t e n ti tw i d e ng r a y d i s t r i b u t i n g e d g ed e t e c t o ri s a ne f f e c t i v em e t h o dt ol i n eo u td e f e c t t h ep a p e r a n a l y z e dt h et h e o r yo fs o m ee d g ed e t e c t i n ga l g o r i t h m s ，a n dp r e s e n t e dan e we d g e d e t e c t i n gm e t h o dt h a ti sb a s e do nm o r p h o l o g i c a lg r a d i e n t e m u l a t i o nr e s u l t si n d i c a t e d t h a tt h ee d g ed e t e c t i o no nx r a yd i g i t a li m a g ei so n ee f f e c t i v em e t h o d s e l e c t i o na n d e x t r a c t i o no fd e f e c t sc h a r a c t e r i s t i c p a r a m e t e r a r e p r e c o n d i t i o n f o rd e f e c t c l a s s i f i c a t i o n ，i td i r e c t l ya f f e c tt h er e s u l t s t u d i e dc h a r a c t e ro fd e f e c t ，a u t h o r p r e s e n t e da ne i g e n v e c t o rt h a tf a c t u a l l yr e f l e c t e dd e f e c t se s s e n t i a lp r o p e r t i e sa n dt h e i r r e s p e c t i v ec o m p u t a t i o n o ns o l u t i o no fd e f e c t sc l a s s i f i c a t i o n ，t h es e l f - o r g a n i z e da n d s e l f - a d a p t i v eb a c kp r o p a g a t i o n ( b p ) n e u r a ln e t w o r ka l g o r i t h mi su s e dt oi n t e l l i g e n t l y r e c o g n i z et h ed e f e c to fw e l d i n gl i n eo nx r a yf i l m t h ea b o v e m e n t i o n e ds o l u t i o nt oi n t e l l i g e n td e f e c tr e c o g n i t i o no fw e l d i n gl i n e o nx r a yf i l mp a s s e de m u l a t i o na n dh a sap e r f e c te f f e c t k e yw o r d s ：x - r a yf i l m ；i m a g ep r o c e s s i n g ；e d g ed e t e c t i n g ；c h a r t e re x - t r a c t i n g ；p a t t e r nr e c o g n i t i o n ； l i i 湖南大学 学位论文原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取 得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其 他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个 人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果 由本人承担。 作者签名：各，雇， 日期：矽z 年弘月乡口日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学 校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查 阅和借阅。本人授权湖南大学可以将本学位论文的全部或部分内容编入有关 数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位 论文。 本学位论文属于 1 、保密口，在年解密后适用本授权书。 2 、不保密团。 ( 请在以上相应方框内打“”) 作者签名：屈，唐， 导师签名： 到江吼 i 日期：州年弘月岁口日 日期：砷年中月如日 1 1x 射线检测概述 第1 章绪论 x 射线检测瘸玉损梭溅范薅，楚众多 射线( x 射线，射线和中子射线) 检测 孛魄较豢照夔一秘。广泛寂瘸于浚金、瓤 械、石油、化工、航空、航天、医疗各个 领域。逶妻鑫冬王她羧测对象是各静熔毯撵 接方法( 电弧焊、气体保护焊、电渣焊、 气爆等) 弱瓣接接头，也逡宣捡溅铸 孛， 特殊情况下也可用于检测角焊缝或其他 特殊缝麴试传。 其基本原理是利用x 射线去照射被检 臻嚣豹被梭邦整。x 射线柱穿透被捡物钵 过程中，会与物质发生相艇作用，因吸收 x 射 线 源 被检物体 感 光 蔽 片 墨1 。1x 射线袋像暴薰霭 和数射西使其强度减弱。王韭虚用的x 射线是宽窳、多怨射线，设是为襁始射线 束的强度，物体内部没有缺陷，则它穿过物体后强度将糍减为： t * j o e 一剪( 1 + 拜) ( 1 ，1 ) 式中，为透射射线的强度；万为平均衰减系数；t 为穿遁物质的厚度；i l 为散射 比。可见强度减弱蠼度取决于匏获懿衰减系数秘射线在携震中穿越约浮发。热莱 被梭部位存在缺陷，且此缺陷在迸射方向上的尺寸为a r ，线衰减系数为t ，所 形戏的散射魄为拜。用1 表示透过缺隆部位的黩线强度，剡： i = i o e + f ( “7 ) ” ( 1 + 棚 ( 1 2 ) 这样同样强度翁x 射线透过党好部缀鄹缺陵郯位爱，将会趱瑷不隧匏衰减， 透射射线的强度出现差异，用表示透射后射线强度的潍，则： a i * z 一i l o e 一加f e ( i - t o ”( 1 + 对) 一1 拜1 ( 1 3 ) 由此可知，只鼗构成缺陷物质的衰减系数不问于被梭物体其他部分，该局部 区域豹透过射线强波裁会与周围产生差舅。缺陷尺寸越大，差舅越骧曼。把胶片 放柱适当的位置，使其在遴过射线的作用下感光，经过暗室处理后就得到x 射线 底片。底片上各点豹黑色程度取决予射线强度和照射时阏毂乘积，由予缺陷部经 和完好部位的透过射线的强度不同，底片上相应部位就会出现黑度差异。把底片 放程观片灯上，借助透过光线鼹察，可以嚣到由黑度差异构成的不同形状的影像， x 射线底片焊鹱缺陌智h 识别的矾咒 评片人员据此判断缺陷情况并做出评价。这样就完成了对被稔对象的无损检测。 l 。2x 射线纛簧戚豫特赢分耩 底片上的影像是由谗多微小蛉黑色金属锻颗粒鼹缀成，影像磬嚣使黑发大小 与该部位含银量多少有关，含银量多的部位比含银量少的部位难予遮光，底片黑 殿d 是照射光强与穿过底片的遴袈光强之比的嚣用对数值，靼： 。= l g i l o ( 1 4 ) 式中厶为照射光强；三为透射光强；厶肛称为阻光率。当d = 0 3 时，照射光脊1 2 透过，d = 3 0 时，照射光只有1 1 0 0 0 透：过。g b 3 3 2 3 8 7 标准辩x 射线底片的漂度 范围进 亍了规定，a 级和a b 级质量豹底片黑度要求1 2 3 5 ，b 级质艇的底片黑 度要求为1 5 3 5 。因此从底片的黑度看，底冀具有隈光率大，亮嶷低的特点。 x 射线检测主要是用来发现物体内部的缺陷，缺陷的尺寸通常情况下较小。 从x 射线的照射方向( 爨直或一定的镁建) 来溪，缺照的尺寸均明曼小于物体厚 度尺寸。最终获得的底片就会其有亮度差别不大、对比度低和在底片上寻找酾标 困难的特点。 用一束垂壹予物体袭面的射线透照一个金属台阶试块，理论上理想的射线底 片将由两部分黑发区域缀成，厚的部分形成的离黑度均匀区，和薄的部分形成的 低黑度均匀区，诵部分交界处的黑度是突变的，不是谶续的。但实际上，底片上 的黑度变化并不是突变的。试坎的“阶边”影像是模糊的，原本应该突变的界线 交成了具有一定宽度豹辩度过渡区，这个区域越大，影像的轮廓就越模糊。这种 现象主要是由两方面的原因引起“1 ：射线源有一定的尺寸而引起的几键不清躜度； 电子在验片乳莉巾散射黼引起酌固有不清晰度。虽然邋过照相工艺可以改善，但 是无法消除。这就造成了底片具胄黑度变化缓慢，起伏较小，边缘模糊的特点。 感光胶片的感光乳潮层上分布这一层均匀的卤化锻颗粒，底片每吸收一个x 射线的光摄子，就会使飘剂中个以上的卤化锻晶体感光，这始吸收现象是随机 静，帮使在均匀的x 射线束中，胶片土一个微小区域的光子吸收数也不会和翁一 个区域完全相同“1 。因此被曝光的颗粒怒随机分布的，具有一定的颞粒噪声。 底片涟行数字亿处毽之前必须将萁转换为数字图像，转换设备中的图像传感 器、电子放大器、传输机构等都会添加一定的噪声，这对本不十分清晰的图像又 增加了模糊函子。 观察数字化臌的x 射线底片图像，可以看出其具裙与底片类似的特点： ( 1 ) 亮度，j 、，入限观察院较费劲，必须通过灰度变换后才能进杼分析： ( 2 ) 图像灰度集中，对比度低，在图像中寻找目标比较困难； ( 3 ) 灰度交优缓浸，起铰较小，边缘模糊； ( 4 ) 噪声干扰较大 1 3 问题的引出 x 射线检测最主要的目的是检查出被检物体上被检部位的缺陷位置、类型、 尺寸和数目。而这些信息均可在成像的底片上获得。传统的方法是由评片工作人 员在观片室中借助于观片灯、放大镜、量尺、记录表格来手工完成。首先要判断 底片上是否有缺陷，然后判断缺陷的类型，接着对缺陷数据进行测定，最后根据 质量验收标准判定底片质量的级别。 这种方法易受设备、环境、底片质量及人的生理条件等因素的影响。人眼长 时间观察，会使眼睛疲劳，分辨能力下降，容易造成缺陷的漏检、误判等后果。 有争议的评片结果会造成评判人员反复的拿放、摩擦甚至刮坏底片，影响评片结 果的最后定论。手工测量带来的误差会因人而异，况且现代机械制造对精度的要 求越来越高，手工测量渐渐不能满足要求。另外人工操作具有速度慢、删改不便 的缺点，大大影响了射线检测的工作效率。人工评片越来越不能满足生产发展的 需要。 计算机辅助评片近年来得到了很快的发展，一些具有应用价值的底片分析处 理系统已崭露头角。这些系统的嚣的旨在将射线底片进行数字化处理，利用计算 机完成对底片信息的管理，通过数字图像处理来实现图像的增强、锐化、缺陷检 出、缺陷标记以及缺陷的动态显示。其评片的工作大多需要人工干预，人机交互 进行。完全智能的评片系统是目前射线检测的一个主要研究分支。 在“x 射线数字图像处理系统”。1 的研究开发中，实现了底片到数字图像的 转换、图像的增强显示、图像的压缩编码、焊缝编号识别、底片信息的数据库管 理等功能。本文在“x 射线数字图像处理系统”的基础上，从缺陷类型的智能识 别这一角度对x 射线底片数字图像进行更深入的研究，缺陷类型的智能识别是“x 射线底片自动评片系统”实现的重要前提条件。 1 4x 射线底片数字化处理现状 目前x 射线底片的数字化主要分为离线数字化和在线数字化。而离线数字化 主要有c c d 对底片进行局部的摄像、专用底片扫描仪对底片进行扫描、荧光板 扫描数字成像；而在线数字化是采用数字射线摄像系统，即在照相完毕即形成了 数字图像，中间不需要底片介质。 在国内，沈阳工业大学李德元和徐鲁宁等人对焊缝x 射线底片的自动评判进 行了一些深入的研究，实现了图像的输入和输出、图像的预处理、缺陷边界的提 取以及伪彩色处理等基本功能，并为典型条形缺陷的区分与识别建立了判据“1 。 x 射线底片焊缝缺陷智能识别的研究 南京气象学院的傅德胜和郑关胜等人也对焊缝x 射线底片圈像的计算机处理与 识别进行了研究，通过选择缺陷蛇若干模式参数，建立了焊缝缺陷计冀机识别模 式的基本方法，能比较准确的识别出圆形缺陷、裂纹缺陷、长形夹渣和未焊透缺 陷等”1 。上海理点大学何怡、杨永才和王海鹏铸人运用数字翻像处理技术，在对 x 射线底片数字阔像进行预处理的基础上，提取出焊缝缺陷的若干参数，采用统 计模式识别的方法对缺蜗进行分类，实现了焊缝x 射线底片的计算机辅助评判“1 。 晗尔滨工业大学的戴弱等人利阁x 射线底片扫描成像法得到稻合金烨缝图像，经 过图像处理获得焊缝的二值图像，针对铝合金焊接缺陷的特点设计出焊接缺隧分 类器的分类规蒯，运用藏于势韵数法酌训练机制，实现了对缺陷的准确分类”3 。 在国外，德国汉堡的t j u s t 和w t h a l e 等人运用数字图像处理技术，实现了 对焊缝x 射线底片的自动分析和缺陷识别穑1 德国柏林b a m 公司c j a c o b s e n 等 人利用图像处理和神经网络技术实现了x 射线底片中焊缝裂纹缺陷的自动识别 ”1 ；阿尔投利亚瀚n a c e r e d d i n e n a f a 和d r a i r e d o u a n e 等人利用前馈神经网络分 割出焊缝的边缘，然后根据边缘的几何不变矩，利用b p 神缀网络技术实现了焊 缝缺陷静分类“；自俄罗斯飞行器焊接及表面涂层技术研究所的a e 。k a p u s t i n 和 i i b a r d u s o v a 等人也研究了焊缝底片的计算机辅助识别技术“”。日本网上科技大 学v l a s h k i a 裁掰模颧推理酶方法实现了焊缝x 射线滕片的计箅机自动分析籁焊 接缺陷的计算机识别，其识别效果达到了专业评片人员的水平“”；另步 ，法国、 乌克兰秘莱雷等都在诧领域进行了辜寄成效的研究工律，并程1 9 9 9 年柏林稻开 的“c t 农工业中的应用及x 射线照相中的图像处理”会议上发表了相关的研究 埝文汹、霸 1 5 本文鳇研究裁提 本文所涉及的底片如无特别说明均为合格射线底片。在射线透照过程中，总 会产生不合格的底片，如铅字聪缝、影像被腐蚀、黑发不符合标准、灵敏度不符 合标准、清晰度以及灰雾度不符合标准等。 焊缝根据透照方式的不同，可以形成不同种类的影像，如图1 2 所示。这些 透照方式适于不阍的场合，其中单壁透照是最常用的遴照方法；双璧逡照一般用 在射线源减胶片涎法进入内部的小直径容器和管道的辫缝照相；双鐾双影一般只 用于直径在8 9 m m 以下的管子的环焊缝照相；双璧双影直透法则多用予直径小于 2 0 m m 的管子的环焊缝照相。 每一种透照方式所形成的底片，其分析方法都略肖不同，但是环缝或直缝的 攀影底片憝最常辩豹，基分析方法上具有广泛的代表性。因此本文阻单影底片为 研究对象，即图1 2 中的( a ) 、( c ) 、( d ) 、( e ) 、( f ) 。 文 孛椿式均为b m p ，扫播分辨率为3 0 0 d p i ( d o tp e ri n c h ) 。顾名思义，d p i 4 硕士学位论文 就是指在每英寸长度内的点数。通常，我们都使用d p i 作为扫描仪和打印机的解 析度单位，数值越高表示解析度越高。相应所需要的存储空间也就越大。每点的 灰度值由8 位二进制数表示，0 代表黑色，“2 5 5 ”代表白色。 图1 2 透照方式 囝 ( e ) 1 6 内容安排 本文的写作将按照缺陷分析的先后顺序来安排，重点对缺陷边缘的提取和缺 陷类型的识别进行论述。图1 3 体现了缺陷分析的基本步骤： x 射线底片数字图像的预处理 _ _ _ 。 上上 目 标缺缺 噪图灰 边陷陷 声 像度 缘检分 滤 增拉 提出类 除强伸 取 _ _ 。_ _ _ - 。_ 一1 一l _ 一 图3x 射线底片焊缱缺陷智能识别流程 其中，图像的预处理和特征参数的提取将直接决定着分类的正确性。 第一章绪论部分，首先对x 射线成像做了简单的概述，接着分析了x 射线 底片的成像的特点，引入本文要研究的内容以及研究的价值，对目前工业x 射线 底片的图像处理现状作了分析，并给出了课题研究的前提条件。 第二章x 射线底片数字图像的预处理。分析了噪声来源，确定底片的噪声 模型，对噪声进行了空间域的滤波，滤除高频噪声，提升了图像的质量。 第三章对x 射线底片数字图像进一步预处理。通过频率域的高通加强滤波， 突显图像中的边缘细节；通过灰度变换拉开图像的对比度，为后续的图像处理做 好准备。 x 射线底片焊缝缺陷智能识别的研究 第豳章通过提取图像中目标的边缘，分离背景和目标。对目标进行分析， 梭出缺陷。 第五章缺陷特征参数提取。给出了焊缝缺陷的种类以及在图像上的表现形 式，确定了缺陷的特征参数，研究了缺赂特征参数的提取方法。 第六章缺陷的类型识剐。通过获取的缺陷的特征参数，利用b p 神经网络对 缺陷的类型进行识别分类。 最后，总结论文的工作成聚及存在的问题，提出对课题谶一步研究的看法。 - 第2 章x 射线底片数字图像噪声滤除 工件的焊缝经过x 射线透照，在胶片上感光形成潜影，胶片通过显影、停影、 定影、水洗、干燥形成x 射线底片。通过专用扫描仪将x 射线底片转换为2 5 6 级灰度的b m p 格式数字图像文件。强计算机屏幕上观察这样的数字图像将会发 现灰度集中、灰度值普遍偏小、对比魔低、模糊、很难发现网像中弱标等特点。 在这样的图像中直接提取哥标，将会导致捷取的蟊称不正确，函此赫须先对图像 谶行噪声滤除的预处理。 2 1 噪声来源分析 所谓噪声，就是妨碍入的视觉器官或系统传感器对所接收图像源信息进行理 鳃或分柝的冬神因素。一般噪声是不可预测的随枫信号，它只能用檄率统计的方 法去认识。噪声对图像处理十分重要，它影响图像处理的输入、采集、处理的各 个环节以及输出结果。特别是图像输入、采集的噪声是个十分关键的问题，若输 入伴有较大的嗓声，必然影响处理全过程及输出结果。去噪识经成为图像处理中 极其重要的步骤。要去除图像生成过穰中引入的噪声，就必须分析噪声的来源， 确定噪声的基本模型，选择具有针对能的噪声滤除方法。 x 射线底片数字圈像的噪声来源生要包撼以下三个方面0 1 。首先，记录在感 光底片上的图像会受到感光颗粒噪声的影晌；其次，图像从光学到嘏子形式的转 换是一个统计过程( 因为每个图像元索接受到光子的数目是有限的) ，会产生隧 机噪声；处理信号的电予放大器会引入热噪声。 2 。1 1 瞧子臻声 在阻性器件中由于电子琏极热运动露造成的电予噪声的数学模型是簸簿单 的。这类噪声很早就被电路设计人员成功地研究和建模。一般常用零均值高斯自 噪声作为其模型，它具穰一个嶷瓶函数形状的囊方图分布以及平坦蛉功率谱。它 可用其标准差( r o o tm e a ns q u a r e ，r m s ) 来完全表征。有时，电子器件也会产生 一种所谓的l l f 噪声，这是一釉强度与频率成反比的随机噪声，然藤，图像处理 问题很少需要辩这种l f f 嗓声分量迸彳亍建模。 2 1 2 毙电子臻声 光电子噪声是由光瓣统计本质帮圈像传感爨中光瞧予转换过程簪l 起的。在弱 x 射线底片焊缝缺陷智能识别的研究 光照的情况下，其影响鞭为严重。此玎寸，常用鼹有泊松密度分布的随机变量作为 光电子噪声的模裂。这釉分布的r m s 等于其均值的平方根。 在光照较强时，泊松型分布趋向曼翁描述的高斯分布，而r m s 仍等乎均值 的平方根。这意味着噪声的幅度是与信号有关的。 2 1 3 胶片颗粒噪声 感光片的感光乳剂由悬浮在胶片中的卤化银颗粒组成。曝光是一个= 值过 稷，每个颗粒要么完全曝光，要么完全未曝光。在显影时，曝光鬏粒还原成的不 遗明纯银颗粒被傈留，丽未曝光的颗粒则被冲洗掉。邈样，底片的密度变化就有 缝银颗粒的密度攫度变化所决定。在显微镜下检查可发现，照片上光潆细致蛇阴 影在微双上其实辍现一个随机的颗粒性质。此外颗粒本身大小的不同以及每一颗 糠曝光所需光子数目的不同，都会引入隧机性，这些因素蛇外耀表现称为颗粒性。 对于多数应用，颗粒噪声w 用高斯过程( 臼噪声) 作为有效模型。与光电噪 声类似，其内在的分布为泊松分布，由予制造商会公搬其生产的各秘胶片的警均 颓粒赢径，因此，只需确定颡粮噪声的r m s 。 1 9 1 3 年，p e r l e yn u t t i n g 用“三文治”模溅来攫述感光巍荆，其中每层厚度 约为一个颗粒直径，他指出，测得光密度o d 等于： o d ：0 4 3 n a( 2 1 ) a 其中，搿为单个颗粒的横截面积，4 为用于测爨光密度的光嫩截面积，丽片为此 光随区域内的颗粒总数。对于瀚定的搿和a ，盯为一璺二项分布的随枫变量。对 于式( 2 i ) 求期望，有： 占 o d ：0 4 3 c l n l a ( 2 2 ) 。 a 由于式( 2 2 ) 为线性的，故方黢为：拶：0 4 3 掣 直 如栗秘稻a 稻比很小，刚可用泊松分布来近似n 的二项分布，从而方差就等 于均值，作此替换后得到： 】_ _ _ - _ - u h _ _ 一 萨j 3 三k 舻 ( 2 3 ) 忿方程表鞠，严纛的噪声将出现在大颗粒( 商速) 的懑光乳剂、小静手j 描( 采样) 孔径和图像的高密度区。因此，颗粒噪声也是与信号相关的。 前面豹分析假设颗粒静大小一致，e f h o u g h 酶研究表明，如采颗粒大小是 散布的，则式( 2 1 3 ) 中的指数会略小于1 2 。这样，底片的颗粒噪声就可以用具 有与弱部平均灰发立方校成正魄的r m s 的零均谴高新自嗓声作模登。 由以上分帮千可知，在这三种常觅瀚噪声源中，脊两种蔻与信号辐关的。 2 2 瞧声摸墼的确定 设图像信号是按二维亮度，y ) 分蠢鲍，则噪声可看作是慰亮度斡干扰，可 用n ( x ， 来表示。噪声的随机性确定了必须用随机过程来描述它，即要求知道其 分布函数和密度嫡数。在许多1 瞵况下，噪声的隧枫矬函数缀滩测出或援述，甚至 不可能得到，所以常用统计特征来描述噪声，如均值、方麓( 交流功率) 、总功 零等。 按噪声对图像的影响可分为加性噪声模激和乘性噪声模缀两大类。设嗓声干 摅后实际输爨图像为g c x ，如。 对予加性噪声而言，其特点是n ( x ，力和翻像光强大小无燕。即有 g ( x ，y ) = f ( 冀，y ) + n ( x ，y ) ( 2 4 ) 对予乘性噪声而言，其特点是n ( x ，y ) 和图像光强大小相关，随亮度的大小变 化丽变化，即有 g ( x ，力= f ( x ，+ ，y ) n ( x ，力 ( 2 5 ) 光电子噪声和感光冀颗粒嗓声就是乘性噪声，医此x 射线数字熙像的噪声大 部分是乘性噪声。乘性噪声模激和它的分析计辣都比较复杂。对于乘性噪声，通 紫总是假定信号和噪声是互相独立的，通过对数变换质可采用加性噪声的模型来 处理。因此在本文中假定信号和噪声怒相互独立的。 从遴照到x 射线数字底片的过程中，有些噪声模型是可以确定螅，有些可以 扶传感嚣的技术参数中得到，假有些磉声的随机性函数是不w 能得到的。茵此在 分析图像的噪声模型时，有两科l 方法：第一种是分析图像，找出影嫡图像质量最 严重韵一个或几个嗓声模型，商忽略冀他嗓声；第二种是对被噪声干扰的圈像直 接进行噪声建模，找出个具露综合效果的近似噪声模型“”。 对予第二种方法，可忽略图像生成的具体过程，赢接从蹋像中获取一缀“平 熄”环境的图像。也可以对一个理想的目标进行多次成像，如；对一个厚度均匀 图2 。l 无噪声厚度均匀的钢板匿2 2 图2 1 的灰度直方囝 x 射线底片焊缝缺陷智能识别的研究 图2 3 噪声污染的厚度均匀的钢板图2 4 围2 3 的灰度直方图 的钢板。如果没有噪声的干扰，这些图像应该具有单一的恒定灰度值，见图2 1 。 但是由于噪声的引入，图像的灰度将会按一定的规律分布，如图2 3 所示。这一 点可以从它们各自对应的灰度直方图中直接观察到。通过在这些图像上截取一幅 子图，计算灰度直方图，观察形状看是否和噪声模型图相似。如果和某种噪声模 型图相似，则可利用子图来计算灰度值的均值和方差。 数字图像中常见噪声有高斯噪声、瑞利噪声、伽玛噪声、指数分布噪声、均 匀分布噪声、脉冲( 椒盐) 噪声、周期性噪声。 高斯噪声的产生源于电子电路噪声和由低照明度或高温带来的传感器噪声。 高斯随机变量z 的概率密度函数( p r o b a b l ed e n s i t y f u n c t i o n ，p d f ) 由下式给出： p 0 ) = i 1 一p 一”) 2 2 4 2 ( 2 6 ) 、上冠。 其中，z 表示灰度值，口表示z 的平均值或期望值，o - 表示= 的标准差。标准差的 平方o - 2 称为z 得方差。高斯函数的曲线见图2 5 所示。当z 服从式( 2 6 ) 的分布 时，其值有7 0 落在 ( 一盯) ，( + 盯) 】范围内，且有9 5 落在【- 2 0 - ) ， + 2 盯) 】范 围内。 均匀分布噪声的概率密度，由下式给出： r1 ) ： 矗“6 ( 2 _ 7 ) 1 0其他 概率密度函数的期望值和方差由式( 2 8 ) 和式( 2 9 ) 给出： “：竺竺( 2 8 ) o - 2 ；( b - a ) 2 ( 2 9 ) 1 2 均匀分布噪声的密度益线见图2 6 。 硕士学位论文 警 l 6 * d l i l2 5 焉斯函数的衄线 圈2 6 均匀分布噪声的密度曲线 椒簸嗓声又称为脉冲噪声，其p d f 由下忒给出： 1 只 # = 口 p ( z ) 己z = b 口，灰度值b 雀图像中将显示为一个亮点，复乏，a 的值将显示一个暗点。 如果只绒只为零，则噪声成为单极性脉冲。 嗓声参数的估计，w 戳幂j 搿予图采计算获度值的均值和方差。设s 为予阁像， 可以从基本统计摄出发剩用下蕊的样本近似： = 曩p o ，) ( 2 1 1 ) ：，e s 拶2 = ( 毛一声) 2 p ( z ，) ( 2 1 2 ) s 葜中z i 德是s 中像素静荻度氇，且p ( z ，) 表示稳应静麴一纯壹方图酌德。 直方图的形状指出了最接i 匠的p d f 。比较噪声曲线图和均匀钢板的灰度赢方 黧可敬发现，x 射线底片数字瀚像含鸯高薪嗓声、均匀噪声和墩盐噪声，在滤波 时要针对这三种噪声进行滤除。通过式( 2 1 1 ) 和式( 2 1 2 ) ，可以由直方图确定 均毽巍方差，对予高赣嗓声均俊帮方羞i i 三是搿需要豹。西为鬻斯p d f 可以通过两 个参数完全确定下来。对于均匀噪声则可以用均值和方差来解出参数a 和b 。 2 3 空间域低通滤波方法 当确定了x 射线底片数字图像的噪声模黧后，就可以根据噪声模型来选择具 有针对性的噪声滤除算法。频率和变化率是喜接相关的，在躅像上，高频对应灰 淡豹侠交纯分量，低频辩应慢变化分蠹。噪声、物体的边缘对应予高频分鬃，而 物体的内部、背景则属于低频分量。单一的低通滤波能够滤除部分糍频噪声，但 窕弱纯了物体静边缘，给后续鹃西标爨取带来困难。而单一使用高通滤波则更不 x 射线底片焊缝缺陷智能识别的研究 能满足需要，它保留了噪声，遗背了使用滤波器的初衷。于怒，可以想到一种折 中方案，即滤除噪声，又保留边缘。根据噪声具有分散性、物体边缘具有集中分 布的特点，先通过小尺寸的空间域低邋滤波器滤除磉声，然聪采用频率域的高通 加强滤波算法凸最低通滤波时骣化了的边缘。这样不仅滤除了噪声且增强了边 缘。 空间域滤波是图像处理中常用的方法之一，它是通过一个称为模板的予图像 在待处理的图像中逐点她移动，在每一点处，滤波器在该点的响应邋过事先定义 的关系来计算。在滤波器子图像中的值是系数德，而不是像豢值。 2 3 1 普通中值滤波算法 中值滤波是众多空间域滤波方法中的一种，它基于排序统计理论，是一种能 够有效抑制噪声肫非线性信号处理技术。其优点是运算简单两且速度较快，摆滤 除叠加自嗓声、椒盐噪声方面显示了极好的性能。中值滤波器在滤除噪声的阐时 熊够较好的保护信号的细节信息，如图像的边缘、锐角1 。 圈像原点 x 一 8 l8 59 0 9 49 08 6 势 9 7耱 ， 豳2 7 中馕滤波豢意翻 中值滤波般采用一个含有奇数个点的模板，对在该滑动模板内的诸像索按 获度谴避行排穿，角其中值筏警窗口串心像素原来静获度值。其体来说，就怒假 设有一个维奇数的离散序列d 1 ：。，其中值为，那么这个中德会大予、 硕士学位