（材料加工工程专业论文）x射线检测焊缝图像中缺陷的分割与识别.pdf

x 射线检测焊缝图像中缺陷的分割与识别 摘要 对焊缝进行x 射线检测是保证焊接件质量的重要方法。因目前国内x 射线 检测仍以传统的射线照相法为主，劳动强度大，效率低，且容易误判和漏判， 使得对在线实时检测系统和计算机辅助评片系统的研究成为热门。而图像处理 时，由于在采集和传输过程中不可避免地引入的大量噪声和焊缝本身复杂的纹 理结构影响，导致整个焊缝图像存在着对比度差、缺陷边缘模糊等问题，从而 给缺陷的分割、提取和识别带来了很大的困难。此外，目前已有算法对缺陷的 分割效果差、检出率低、识别错误率高等不足，也限制了计算机辅助评片系统 的应用和推广。 本文研究的基本思路为，首先对采集到的图像进行预处理，之后分割出焊 缝缺陷，最后利用提取的缺陷特征参数进行模式识别，并在整个研究过程中借 助m a t l a b 仿真软件对文中算法进行了仿真实现。预处理部分主要包括对图像降 噪、对比度增强和焊缝分割，以改善焊缝图像的质量，同时减少数据运算量， 为较好地分割出焊缝缺陷做准备。缺陷分割部分研究了阈值分割、边缘检测两 类常见的缺陷分割算法，并在此基础上提出了基于边缘检测进行区域生长的缺 陷分割算法，因为同时考虑到了缺陷的局部区域特征和边缘信息，该方法不仅 能分割出几乎所有的缺陷，而且缺陷形状保留较为完整，为后续缺陷特征参数 的提取和识别分类夯实基础。利用边缘跟踪和缺陷标记对缺陷进行区分标记和 边缘信息统计，提取并计算缺陷的特征参数。缺陷识别部分，分析讨论了二叉 决策树和b p 神经网络这两种常见分类算法，提出了一种基于二叉树和改进b p 网络的混合分类识别方法，将二者结合以实现优势互补，不但减少了单一b p 算法的输入和输出节点数，简化了网络结构，还提高了算法的训练速度，保持 了较高的分类准确度。 本文的研究成果表明不仅改善了焊缝缺陷的分割效果，还提高了缺陷的识 别率和效率，为焊缝缺陷检测的自动化和缺陷识别的智能化发展起到了一定的 促进作用。 关键词：数字化图像；图像预处理；图像分割；识别分类；b p 神经网络 s e g m e n t a t i o na n di d e n t i f i c a t i o no ft h ed e f e c t si nt h ew e l d i m a g eo ft h ex - r a yd e t e c t i o n a b s t r a c t x - r a yd e f e c td e t e c t i o ni s t h ep r i m a r ym e t h o dt oe n s u r et h eq u a l i t yo ft h e w e l d m e n t s a tp r e s e n t ，w e l dd e t e c t i o ni ss t i l lt h et r a d i t i o n a lx r a d i o g r a p h ym e t h o d i n c h i n a h o w e v e r ，b e c a u s eo f i t s h i g h l a b o ri n t e n s i t y ，l o we f f i c i e n c y ，t h e m i s t a k e n e s t i m a t ea n df o r g o t t e n - e s t i m a t e ，t h i sm a k e st h eo n l i n er e a l - t i m ed e t e c t i o n s y s t e ma n dc o m p u t e r a i d e df i l mv i e w i n gs y s t e mt ob e c o m et h eh o tr e s e a r c h f o r i m a g ep r o c e s s i n g ，b e c a u s et h ei m a g ei si n e v i t a b l yi n t r o d u c e dal o to fn o i s ei nt h e p r o c e s so fc o l l e c t i o na n dt r a n s m i s s i o n ，a n da l s o ，b e c a u s et h ew e l d i t s e l fh a sa c o m p l e xt e x t u r es t r u c t u r e ，t h i sr e s u l t si nt h a tt h ei m a g eh a sp o o rc o n t r a s t ，a n dt h e d e f e c te d g e sa r eb l u r r e d a st h er e s u l t ，i tb r i n g sg r e a td i f f i c u l t i e sf o rs e g m e n t a t i o n ， e x t r a c t i o na n di d e n t i f i c a t i o no ft h ed e f e c t i na d d i t i o n ，t h ec u r r e n t e x i s t i n g a l g o r i t h m s ，w h i c hh a v ep o o rs e g m e n t a t i o nr e s u l t s ，l o wd e t e c t i o n r a t ea n dh i g h r e c o g n i t i o n e r r o rr a t e ，a l s ol i m i t st h e a p p l i c a t i o n a n d p r o m o t i o n o ft h e c o m p u t e r - a i d e df i l mv i e w i n gs y s t e m i nt h i sp a p e r ，t h eb a s i cr e s e a r c hi d e ai st h a t ，f i r s t l yp r e p r o c e s st h ec o l l e c t e d i m a g e ，t h e ns p l i tt h e d e f e c t so ft h ew e l d ，a n dl a s t ，a p p l yt h ee x t r a c t e dd e f e c t s c h a r a c t e r i s t i cp a r a m e t e r st oi d e n t i f yd e f e c t s m e a n w h i l e ，t h r o u g h o u tt h ec o u r s eo f t h er e s e a r c h ，t h ep r o p o s e da l g o r i t h m sa r ea r c h i v e db yu s i n gm a t l a bs o f t w a r e f o r i m a g ep r e - p r o c e s s i n g ，i ti n c l u d e sd e n o i s i n g ，i n c r e a s i n gc o n t r a s ta n ds p l i t t i n gw e l d ， i no r d e rt oi m p r o v et h ei m a g eq u a l i t y ，w h i l ei n d u c et h ed a t ac o m p u t a t i o n ，s ot h e d e f e c t ss e g m e n t a t i o nc a ng e tb e t t e rp r e p a r e d i nt h ed e f e c ts e g m e n t a t i o nf i e l d ， p e o p l eu s u a l l yh a v et w om e t h o d st ob eu s e d ，w h i c ha r et h r e s h o l ds e g m e n t a t i o na n d e d g es e g m e n t a t i o n t h e n o nt h eb a s i so fe d g ed e t e c t i o nd e f e c ts e g m e n t a t i o n a l g o r i t h mf o rr e g i o n a lg r o w t hi sp u tf o r w a r d c o n s i d e r i n gt h ed e f e c t si nt h el o c a l a r e aa n de d g ei n f o r m a t i o n ，t h em e t h o dn o to n l yc a nd i v i d ea l lt h ed e f e c t s ，b u ta l s o c a nr e t a i nd e f e c t s s h a p ec o m p l e t e l y ，w h i c ha r et h ed e f e c tf e a t u r ee x t r a c t i o na n d c l a s s i f i c a t i o n f o u n d a t i o n b yu s i n gt h ee d g et r a c k i n g a n dd e f e c tm a r k e r ，t h e d e f e c t sa r er e c o g n i z e da n dl a b e l e d ；e d g ei n f o r m a t i o ni sc o l l e c t e d ；t h ef e a t u r e p a r a m e t e r so fd e f e c t sa r ee x t r a c t e da n dc a l c u l a t e d t ot h ed e f e c tr e c o g n i t i o np a r t ， t w oc o m m o nm e t h o d 。t h eb i n a r yd e c i s i o nt r e ea n db pn e u r a ln e t w o r k ，a r ed i s c u s s e d ， b a s e do nt h eb i n a r yt r e ea n dt h ei m p r o v e db pn e t w o r kh y b r i dc l a s s i f i c a t i o nm e t h o d ， o n er e c o g n i z e dm e t h o di sp r o p o s e d ，w h i c hh a st h e i ra d v a n t a g e s ，n o to n l yr e d u c e s t h eu n i t a r yb pa l g o r i t h mi n p u ta n do u t p u tn o d e s ，s i m p l i f yt h en e t w o r ks t r u c t u r e j b u ta l s o i m p r o v e t h e t r a i n i n gs p e e d o ft h e a l g o r i t h m ，m a i n t a i n a h i g h e r c l a s s i f i c a t i o na c c u r a c y t h er e s u l t so ft h i ss t u d yn o to n l yi m p r o v e st h ew e l dd e f e c ts e g m e n t a t i o nr e s u l t s ， b u ta l s oe n h a n c et h ed e f e c tr e c o g n i t i o nr a t ea n de f f i c i e n c y ，w h i c hh a sp l a y e da c e r t a i nr o l et ow e l dd e f e c t sa u t o m a t i cd e t e c t i o na n d r e c o g n i t i o no fi n t e l l i g e n t d e v e l o p m e n t k e y w o r d s ：d i g i t a li m a g e ；i m a g ep r o c e s s i n g ；i m a g es e g m e n t a t i o n ；c l a s s i f i c a t i o n a n di d e n t i n c a t i o n ：b pn e u r a ln e t w o r k v 致谢 值此论文完成之际，衷心感谢培育我的导师胡小建教授，向他表示崇高的 敬意和深深谢意。三年来，在我整个课题的开展和研究过程、论文的写作到最 终完稿，胡老师都倾注了大量的心血与汗水，对我进行精心指导和无私帮助， 特别是他渊博的知识、开阔的视野、敏锐的思维和一丝不苟的工作作风使我终 生受益。在生活上，胡老师也经常对我们嘘寒问暖，给予了无微不至的关怀， 使我能更加认真地投入到课题之中。 在此，我还要感谢李萌盛、徐道荣、王国平、李先芬等焊接教研组老师对 我的关心、鼓励和帮助，您们无私的知识传授与教导，使我能够顺利完成论文。 感谢李雷阵和王求师兄，你们的热心指导让我在研究中少走了很多弯路； 感谢同实验室的徐飞、任志凤和魏安立同学，在学习和生活上给予了我很大的 帮助，衷心地祝福你们，前程似锦、平步青云! 感谢各位评审专家，感谢您们百忙之中抽出时间对本文进行仔细审阅，感 谢您们提出的宝贵意见和建议。 最后，感谢我的家人多年来对我的全力支持和爱护，使我能够顺利完成学 业，更上一层楼! 祝福亲人身体健康、平安快乐! v i 作者：孙太生 2 0 12 年4 月 插图清单 图1 1 总体结构框架5 图2 1 图像预处理流程6 图2 2 射线照相法示意图7 图2 3a r r a y2 9 0 5 h d 激光扫描仪7 图2 4 实时成像系统7 图2 5 邻域图9 图2 - 6 不同算法去噪结果1 2 图2 7 原始图像及其不同算法增强图像1 4 图2 8 夹渣图像1 5 图2 - 9 第2 0 0 列灰度分布曲线1 5 图2 1 0 原始焊缝图像及其焊缝分割图1 6 图3 1 点灰度一区域均值直方图：1 8 图3 2 原始焊缝图像及其阈值法缺陷分割2 0 图3 3 两类边缘及其导数曲线2 1 图3 4r o b e r t s 卷积模板一2 1 图3 5s o b e l 模板算子一2 2 图3 6p r e w i t t 模板算子2 2 图3 7 原始焊缝图像及其微分算子边缘检测图2 4 图3 8 焊缝缺陷图像及其局部区域三维图2 5 图3 - 9 四邻域法2 6 图3 1 0 原始焊缝图像及其缺陷分割2 7 图4 1 气孔图像2 9 图4 2 裂纹图像2 9 图4 3 球状夹渣图像3 0 图4 4 条状夹渣图像3 0 图4 5 未熔合图像3 1 图4 6 未焊透图像31 图4 7 特征参数( 亮度) 示意图3 2 图4 8 特征参数( 边缘平滑度) 示意图3 3 图4 9 特征参数( 端部尖锐度) 示意图3 3 图4 10 特征参数( 重。t l , 位置) 示意图3 4 图4 1 1 特征参数( 缺陷走向角) 示意图3 4 图4 1 2 方向链码3 5 图5 1 典型神经元模型3 9 图5 2 神经元变换函数4 0 图5 3 前馈层次型神经网络4 1 图5 4 网络结构4 3 图5 5 神经网络工具箱d a t am a n a g e r 界面一4 6 图5 6 网络模型创建界面4 6 图5 7b p 网络模型结构图一4 7 图5 8 隐层及输出层初始权值4 7 图5 - 9b p 网络误差曲线一4 7 图5 10 二叉决策树4 8 图5 1 1 基于二叉树和b p 网的识别器结构图5 0 x 表格清单 表5 1 焊缝缺陷的部分特征参数值4 4 表5 2 识别结果5 0 x i 第一章绪论 1 1 研究背景 焊接是实现构件永久性连接的一种最主要工艺方法，在钢结构生产中有着举 足轻重的地位，已被广泛应用于车辆、建筑、桥梁、造船、锅炉、铁路、电子、 航空航天、石油化工、机械及国防等几乎所有工业领域【1 ，2 j 。对于焊接结构件而 言，焊接质量在很大程度上决定了产品的使用寿命。然而，由于焊接工艺与环 境条件的影响，在焊接过程中往往难以避免地会产生如气孔、夹杂、裂纹、未 熔合等缺陷，严重危害焊接件的质量，如若直接投产使用，不仅可能引起整个 产品的报废，还将对人的生命财产安全构成严重威胁，如桥梁的坍塌、锅炉容 器的爆炸等等1 3 ，4 j 。因此，为保证焊接结构件的产品质量，在使用前，对其进行 无损检测显得极为重要。 射线检测是最常用的一种无损检测方法，而且相对于超声检测，它具有直观 性、便于定量和定性判定的优点。目前，企业中仍旧广泛采用的是x 射线照相 法。这种传统的射线检测技术，通过采用特殊胶片作为介质，经射线照射获得 焊缝胶片影像，然后由人工判定缺陷的种类与位置，故该方法具有检测成本高、 周期长、效率低、难以实时成像、判定质量对人的经验和能力依赖性强等缺点， 因此，越来越无法满足现代化生产发展的需要。进入2 1 世纪以来，随着计算机 技术和电子信息技术的飞速发展，实现焊接生产的自动化、智能化和高效化成 为了当前焊接技术发展前进的重要方向。于是，图像增强器x 射线实时成像系 统成为大势所趋，它以其高效率、低成本、易存储等特点，迅速替代了传统的 x 射线照相检测，成为目前焊缝检测的主流方法，尤其是与之伴随而生的计算 机辅助识别系统的研究应用，在很大程度上提高了整个焊接检测工作的效率， 减轻了评片人员的工作量，使评片过程更加客观、科学和规范。 尽管计算机辅助自动评片技术早已受到了广泛关注和追捧，也取得了一定成 果，但是，对焊接结果检测评定时的三个主要问题仍严重制约着其发展，即如 何获得高分辨率的数字化图像、改善分割算法对焊缝缺陷的分割效果以及提高 缺陷识别准确率( 计算机辅助自动评片技术亟待解决的问题) 。国内外很多学者 对此已进行了长时间的大量研究，提出了许多新的图像处理和缺陷识别方法， 如小波变换、形态学分割和支持向量机分类( s v m ) 等，但是，由于图像采集 和传输过程中诸多因素的影响，数字化图像中往往包含着大量噪声，又由于焊 缝本身的纹理特征，导致整个焊缝图像广泛存在对比度差、缺陷边缘模糊等问 题，给缺陷的分割、提取和识别都带来了很大的困难，再加上目前已有图像分 割算法的复杂性和局限性，从而缺陷分割效果差、检出率低，使得计算机辅助 评片系统难以得到有效应用与推广。 图像分割与识别分类是计算机辅助评片技术中的两个主要环节，也是医学、 遥感和焊接领域的重要研究课题。关于图像分割，能否分割出图像中全部的缺 陷以及缺陷的形状特征是否保持完整决定了整个评片系统的好坏。而传统的图 像分割算法，如阈值法、边缘检测法等，仅仅考虑了图像中的部分信息，忽略 了整个焊缝图像是由不同缺陷类型的各自特点、噪声和纹理等复杂因素构成的 统一表现体，因此，分割效果差强人意。模式识别方法种类较少，主要有二叉 决策树、神经网络和支持向量机，其明显缺点表现为识别率低或速度慢等。本 课题正是依据这两点，分析研究了传统的图像分割与识别分类方法，分别提出 了改进的图像分割算法和识别分类算法，均取得了较好的效果，为模式识别、 焊缝缺陷检测结果判定的自动化、智能化发展起到了一定的促进作用。 1 2 研究现状 计算机辅助自动评片技术概念自从被提出以来，一直是众多图像学专家学 者致力研究的热门课题，而随着硬件射线检测技术和软件图像处理技术的发展 进步，目前对该自动评片系统的研究重点主要集中在两个方面：其一是焊缝图 像的数字化研究，包括在线实时检测焊缝图像的数字化和射线照相法胶片图像 的数字化两类。这是从硬件设备方面而言的，如平板探测器、线阵扫描成像器、 数字化仪和图像扫描仪等。重点解决如何提高设备的分辨率和降低图像数字化 过程中噪声的影响以获得更高清晰度的焊缝图像，保证能准确获得包括微小气 孔、细裂纹等在内的完整的焊缝图像信息；其二是焊缝缺陷的分割和缺陷的识 别分类研究，即各种图像分析处理技术。这是从计算机软件方面而言的，如阈 值分割算法、形态学分割算法和神经网络分类算法等。其中，焊缝缺陷的分割 是整个自动评片系统的中间环节，也是关键环节，是研究者的工作重点、难点。 因为只有分割出了形状完整的全部缺陷，才能提取出更准确的缺陷特征参数， 从而更好地进行分类识别。而分类识别是最终的目的，代表着焊缝射线检测的 智能化要求。 对于焊缝图像的多种数字化方法，a o k i 、l i a o 、j a c o b s e n 和广东某热电厂的 郭平等人均做了相关研究【5 8 j ，详细地讨论了几种常见数字化方法的具体应用， 并对比分析了各自的优缺点。将数字化方法根据获得对象的不同分成两大类， 其中胶片图像数字化只需利用图像扫描仪扫描胶片即可实现，而在线实时成像 设备较为复杂，它是利用图像采集器接收穿透被检测件的x 射线，将焊缝图像 的模拟信号转换成数字信号，然后经摄像机将焊缝数字图像传输到计算机上实 现的。随着电子计算机等各种软硬件技术的快速发展，越来越多的国内外各领 域专家学者通过合作，共同致力于从焊缝图像获取到缺陷自动识别分类的整个 系统的研究，以跟上新世纪工业自动化、精密化的步调，获得了较大的成功。 上个世纪8 0 年代，焊缝射线检测缺陷的自动识别研究才在我国起步，如来 自哈尔滨工业大学的陈定华等人，提出了一个计算机图像处理系统，在图像的 输入处理和硬件设备方面进行了有益的探索。而沈阳工业大学的徐鲁宁等人对 x 射线照相底片的自动评判做了一些深层次的研究1 9 】，实现了图像的输入、预 处理以及缺陷边界的提取等基本功能，并为典型条状缺陷的识别与分类建立了 判据。南京气象学院的傅德胜等人也对射线照相底片图像的计算机辅助识别进 行了研究，并开发了焊接缺陷的自动识别系统【l0 1 ，通过对焊缝胶片图像扫描， 数字化为灰度图像，再依次进行去噪、边缘检测和识别分类，该系统能较准确 的分类出裂纹、未焊透和圆形缺陷。 2 0 0 0 年，清华大学的任大海利用模糊集理论来进行图像的增强j ，提出先 通过一种广义模糊函数将焊缝灰度图进行模糊变换，再配合闭值划分方法来分 割焊缝缺陷，其不足之处就是模糊增强容易导致对比度较低的缺陷丢失，因此 难以提取分割焊缝中对比度低的缺陷。该文最后提出用多层感知器神经网络的 方法进行缺陷的分类识别。 2 0 0 5 年，大连理工大学的孙怡等人，提出了利用图像的空间特性来进行模 糊识别的算法引，用于螺旋焊管实时成像中焊缝缺陷的分割。北京理工大学的 薛雪和刘泽平等人提出了基于区域生长来获得特征量的方法【l3 | ，该方法不仅可 搜索定位出图像中的全部单连通域，还能准确地提取缺陷的各个特征量，然后 依此进行分类识别，取得了较好的效果。 2 0 0 7 年，四川大学的罗爱民利用多尺度的数学形态学滤波器对焊缝图像预 处理，然后依据一种自适应相对匹配特征度算法分割缺陷，再采用基于二叉树 的支持向量机方法进行缺陷的分类识别，最后根据实际需求开发出了一套焊缝 缺陷的自动识别软件【1 4 1 。同年，武汉理工大学的宋庆国等人，研究了基于机器 视觉的焊缝缺陷识别i l5 | 。 2 0 0 9 年，武汉理工大学的赵永珠等人应用特征不变矩提取技术进行缺陷识 别，研究了船舶焊缝图像缺陷识别系统6 | ，取得了理想的效果。 早在2 0 世纪6 0 年代，国外就已经开始了射线检测自动化方面的研究。如 在日本，东京大学的ys h l r a l 最先研究提出了焊缝x 射线检测的自动化方法【1 7j 。 之后藤田勉等人提出了用最小二乘法拟合焊缝图像的线灰度分布以获得拟合图 像，然后与原图像相减【l 引，从而达到去除图像背景、分割出缺陷的目的。 8 0 年代后，美国航空航天局( n a s a ) 和国防技术情报中心联合作了一些研究 报告，对无损检测技术未来的发展趋势进行了分析讨论，指出了“射线检测成 像以及微型缺陷的检测等新技术新方法”将成为重点研究的课题【l 引。 19 9 2 年，纽约大学的s m a l l a t 等人针对图像边缘检测小波信号的奇异性，通 过采用多尺度小波变换模极大值方法，并选择适当的阈值，在去除图像噪声的 基础上很好地提取出了目标边缘1 2 0 。 19 9 8 年，德国的t j u s t 等人也进行了数字图像处理方面的研究，并实现了焊 缝x 射线照相底片缺陷的自动识别 2 1j 。 2 0 0 0 年，阿尔及利亚的n a c e r e d d i n en a f a 等人通过研究对焊缝边界实现了 轮廓跟踪，并利用b p 神经网络对焊缝缺陷进行了识别分类【22 1 。法国i u t 实验 室的c g u e u d r 6 等人通过将边缘检测和区域分割两种方法结合，很好地识别出 了射线实时检测图像中的焊接区域，并对焊接过程实现了自动化控制【2 3 1 。 2 0 0 6 年，第31 届国际无损检测会议在德国柏林召开，会上讨论了传统的x 射线照相法检测技术，认为传统胶片成像技术并不能被完全替代，尤其对于微 型缺陷的检测，其胶片成像的质量要远优于在线实时检测焊缝图像的质量，于 是，以提高缺陷检测效率和检出率为目的的胶片数字化图像处理系统也是一项 重要的研究课题【24 i 。 此外，与国内相比，国外实时成像检测技术以及计算机辅助识别系统已得 到了广泛应用。 日本学者v l a s h k i a 将模糊推理方法应用于模式识别中1 25 | ，实现了x 射线 照相胶片图像的计算机辅助分析和焊缝缺陷的自动分类，其分类效果赶上了专 业评片人员的评判水平，从而减轻了劳动强度，提高了检测效率。德国的飞利 浦工业x 射线公司( p h i l i p si n d u s t r i a lxr a y ) 为俄罗斯o j s c 设计开发了m u 8 0 f 半自动x 射线检测系统，以对核燃料装置生产线上的焊缝缺陷尺寸和数量进行 检测【26 1 。 以上众多研究表明，目前x 射线检测焊缝图像计算机辅助识别判定系统的基本流 程包括首先对获得的数字化焊缝图像进行预处理，以消除噪声、减少数据运算量和增 强图像的质量；然后进行缺陷区域的分割，提取并计算出最能体现缺陷特征的相关特 征参数，最后以此进行模式识别与判定，分类出各类型缺陷，并确定缺陷的尺寸与数 量。总的来说，己研究出了不少焊缝缺陷分割与识别分类算法，但仍旧存在着很多问 题，如因图像的数据量较大，在通用计算机上实现速度太慢，无法满足焊缝图像检验 的实时性要求；又如常规的缺陷分割算法，或者无法分割出包括微小缺陷在内的全部 缺陷，或者难以保持缺陷原始形状的完整性，从而降低了缺陷特征参数的准确性，使 得难以通过模式识别进行有效的分类等。我国目前正从最初的试验性理论研究转向深 入，故而进一步的理论研究和实用推广意义深刻。 1 3 主要研究内容及其结构框架 本文通过对x 射线检测焊缝图像处理的国内外研究现状进行分析和总结， 深入研究并设计了焊缝缺陷的分割算法和分类识别算法，并采用m a t l a b 仿真软 件分别对图像预处理算法、缺陷分割算法、特征参数提取计算以及识别算法进 行了仿真实现。本课题研究内容的总体结构框架如图1 1 所示。 图1 1 总体结构框架 课题的主要研究内容及章节安排如下： 第一章绪论。主要说明了课题的研究目的和意义，总结了国内外研究现状， 最后陈述了本文的主要内容及章节安排。 第二章x 射线检测焊缝图像预处理。研究了多种图像降噪、对比度增强和 焊缝分割算法，考虑预处理效率和效果的前提下分析选出了较佳的 降噪和增强算法，最后粗分割出焊缝，并都给出了仿真结果。 第三章焊缝图像缺陷分割。研究了阈值法和边缘检测法两类常见的图像分 割算法，通过对比分析提出了基于边缘检测的区域生长图像分割算 法，并展示了分割效果。 第四章焊缝缺陷分类与特征参数提取。将缺陷类型分为6 种，并对其特点 分别加以介绍；重点分析了缺陷特征参数的选取和计算。 第五章缺陷分类识别。参考相关文献分析讨论了基于二叉决策树的模式识 别算法和基于b p 神经网络的模式识别算法，最后研究提出了基于 二叉树和b p 网的混合识别算法，经实验验证，识别效果良好。 第六章总结与展望。 第二章x 射线检测焊缝图像预处理 2 1 引言 x 射线检测焊缝图像在采集和传输过程中因设备条件等诸多因素的影响， 会造成获得的数字化图像中含有大量的随机噪声，又因焊缝本身存在着复杂的 纹理特征，从而导致整个原始焊缝图像具有噪声多、灰度区间比较窄、对比度 差、缺陷边缘模糊、部分缺陷特征被淹没等特点【27 1 ，给缺陷的分割、提取和识 别分类带来了很大的困难，所以，利用计算机首先对其进行预处理是非常必要 的。图像预处理的目的就是减少或去除噪声、增强图像对比度；此外，由于有 用的缺陷信息都存在于焊缝区域，复杂背景部分大量的数据会严重影响算法的 速度，故而把焊缝从焊缝图像中分割出来，将会大大减少整个评片系统的运算 时间，提高了效率。 本章中，首先介绍了x 射线检测焊缝数字化图像的获取方法，然后对常用 的图像预处理算法进行分析讨论，并以实际的带有缺陷的压力容器焊缝x 射线 检测图像为研究对象，对其进行了去噪、对比度增强、焊缝区域分割。经反复 实验对比，确定了最终选用的图像预处理各种算法。图像预处理流程图如图2 1 所示，其中附带了本章介绍的主要算法。 图2 1 图像预处理流程 2 2 数字图像获取 要实现x 射线检测焊缝图像的处理以及缺陷的自动识别，必须首先获取数 字化的图像。数字图像的获取方法主要分为两类：一类是通过扫描仪对照相法 成像的胶片图像扫描数字化；另一类则是通过实时成像系统中的图像增强器和 c c d 图像传感器等直接实现数字化。本节将对两种图像成像、数字化方法分别 加以介绍。 2 2 1 照相法成像 射线照相法是以射线在工件中不同的衰减规律和胶片的感光特性为基础的 无损检测方法。 如图2 2 所示，设一束强度为，。的平行射线垂直透射焊件，由于不同材质、 厚度的焊件对射线的吸收( 衰减) 程度不同，于是，透过后的射线强度在不同 位置处将变为如、乃和尼，厚度减小或含有缺陷都会降低射线的衰减。之后照射 到胶片上使胶片曝光。射线强度越高，胶片感光量越大，底片黑度值也越大。 所以，通过暗室处理观察胶片图像即可确定出缺陷的种类及位置。 x 射线，。 图2 - 2 射线照相法示意图 焊接接头 底片 实际上，人工观片来判定缺陷工作量大、效率低、对经验依赖性强等，难 以满足企业发展的需要。目前，对胶片图像的数字化主要是通过扫描仪扫描实 现。因胶片图像是静态的，选用扫描精度3 0 0 d p i 以上的扫描仪即可满足评片的 像质计要求。如a r r a y2 9 0 5 h d 工业级激光底片扫描仪，如图2 3 所示，其扫描 精度高达5 0 0 0 0 d p i ，且可数字化全黑度值范围( d = 0 5 4 5 ) 的射线底片。 图2 - 3a r r a y2 9 0 5 h d 激光扫描仪 2 2 2 数字实时成像系统 数字实时成像系统一般由x 射线管、射线接收及转换装置、c c d 图像采 集器和p c 机组成。目前常用的射线接收转换装置主要为图像增强器和阵列探 测器。以阵列探测器实时成像系统为例，如图2 4 所示，其成像原理是，x 射 线管发出的x 射线穿透焊件后，由阵列探测器接收并转化为可见光，再经c c d 传感器进行光电转换增强变为数字信号直接传输到计算机上显示。 x 射线卜_ 叫焊件卜_ 一阵列探测器 图像处理系统卜一计算机 图2 4 实时成像系统 c c d 传感器 2 3 图像去噪 2 3 1 图像噪声及其降噪方法 图像噪声是指图像中除目标边缘等有用信息之外的所有信息，是一种无法 预测的随机信号，它可能产生于x 射线检测系统的每一个环节。常见的噪声主 要有射线源引起的噪声、底片上颗粒分布不均产生的颗粒噪声、图像解码处理 时的椒盐噪声、光电子运动产生的光电子噪声和热噪声、图像数字化时的量化 噪声以及射线散射引入的噪声等等【2 8 , 2 9 】。这些噪声的来源可归纳为四种：外部 电磁信号的干扰、电路中光电子的运动、设备的机械运动以及元器件材料本身。 分析与实验表明，虽然噪声表现出了很大的随机性，但仍有一部分是存在 规律的，且这一部分有时在整个噪声中还占有很大的比重1 3 。人们通过研究这 一规律，在实际进行图像处理时，常以高斯白噪声为模型来模拟颗粒噪声，用 零均值的高斯白噪声来模拟热电子噪声；对于光电噪声，在弱光照时，可用具 有泊松分布的随机变量为模型，而在强光照时，泊松分布将趋向高斯分布，二 者标准差都取均值的平方根。 噪声不仅会降低焊缝图像的对比度，还会模糊图像缺陷的细节，从而给缺 陷的检测( 尤其是微小缺陷) 和分类识别带来了很大的困难，所以，很有必要对 图像进行预处理，以改善原始焊缝图像的质量，提高目标区域的清晰度。改善 其质量的方法有很多，主要是对图像进行去噪和增强，二者均可在空域和频域 上进行处理。空域滤波是在图像空间域上借助模板算子进行邻域操作来实现的， 它主要包括高斯平滑、邻域平均、帧叠加法等线性滤波方法，和中值滤波、形 态滤波、小波降噪等非线性滤波方法；而频域滤波则是通过先对图像进行傅式 变换，将其从空域变换到频域，然后选择性地处理高低频率信息，最后再经过 傅式反变换以达到去除噪声的目的，常用的频域处理滤波器有指数低通滤波器、 理想低通滤波器和b u t t e r w o r t h 低通滤波器等。图像对比增强就是为了突出图像 中感兴趣的目标，通过灰度拉伸变换以扩大灰度区间范围来实现的，包括灰度 变换、直方图修正和模糊增强等。 本章主要介绍均值滤波、中值滤波和小波降噪三种去噪方法，以及线性拉 伸、c t 变换和模糊增强三种图像增强算法【3 1 , 3 2 j ，最后进行了图像焊缝的粗分 割。 2 3 2 均值滤波 均值滤波就是选择一个掩膜模板，该模板由待处理当前像素近邻的若干像 素构成，然后用模板中所有像素的平均值来替代模板中心原像素点灰度值的一 种滤波方法。设一幅n x n 阵列的原始图像f ( i ，j ) ，平滑后图像为g ( i ，j ) ，此时图 像上每个像素点的灰度值是由( f ，) 点邻域中的几个像素原始灰度值的平均值决 定的，即用下式确定： 栅) 2 万1 。，萎) ( 2 ) 式中：f ，j = 0 ，1 ，人l 1 ，s 是中心点( f ，j ) 邻域坐标的集合，m 是s 内坐标点 的个数。下图2 5 分别显示出了四邻域和八邻域掩膜模块结构。 幻四邻域 口三 b ) 八邻域 图2 - 5 邻域图 邻域平均滤波是一种简单的空间线性滤波算法，对高斯白噪声有很强的平 滑能力，但是在降低噪声的同时会使图像产生过度的模糊，特别是在缺陷边缘 和细节处，而且，邻域模块越大，模糊就越厉害。该算法对脉冲噪声也十分敏 感，这是因为脉冲噪声在滤波窗内表现为一奇异点，而均值运算中每个像素的 权值都一样，于是很大程度上削弱了奇异点处灰度值的影响，从而除去了脉冲 噪声。为了在滤除图像中混合噪声的同时能更好地保留图像中的细节，文献 3 3 对均值滤波结构做了改进，取得了很好的效果。 2 3 3 中值滤波 线性滤波器由于理论成熟、易于实现，在图像处理早期研究中成为抑制噪 声的主要手段，但它在处理非线性问题时效果不太理想。而非线性滤波器【3 4 】 因其不仅能滤除图像中的噪声，还能最大限度地保留图像细节，故而在信号处 理领域中拥有着十分重要地位，得到了广泛研究。如文献 3 5 探讨了在非线性 滤波降噪基础上的图像边缘检测，文献 3 6 】对线性滤波和非线性滤波的降噪效 果进行了对比，这些都体现了专家学者对非线性滤波算法的重视。 中值滤波就是一种常用的空间非线性滤波算法，于19 71 年由j w 如妇y 在时 间序列一维信号处理时首次提出，它是指从选定像素点的对称邻域中选取中间 像素值来代替该点像素的值，即将与目标像素点相邻的模板内的像素排序，然 后将排序后的中值来替代该目标点的像素值。基本思想为：假设图像中某点( i ，) 处的像素灰度值为f ( i ，j ) ，采用( 2 k + 1 ) x ( 2 1 + 1 ) 的矩形邻域窗口，中值滤波后该点 的像素灰度值记为g ( i ，) ，则有二维滤波公式： k， g ( i ，j ) = m e dxm e dvf ( i + x ，j + y ) ( 2 2 ) x = - 一k 、- 一， 式中：m e d 。一水平方向取中值；m e d 、一垂直方向取中值。 现举例对本文采用的中值滤波算法进行说明。假设3 3 滤波窗口原始像素 灰度分布为： 1 2 3 f = l1 2 4 1 2 4 1 2 51 2 4 18 2 1 2 5 1 2 51 2 4 展开后数组变为： f = ( 1 2 3 ，1 2 5 ，1 2 4 ，1 2 4 ，1 8 2 ，1 2 5 ，1 2 4 ，1 2 5 ，1 2 4 ) 按从小到大排序： f = ( 1 2 3 ，1 2 4 ，1 2 4 ，1 2 4 ，1 2 4 ，1 2 5 ，1 2 5 ，1 2 5 ，1 8 2 ) 于是按照中值滤波的思想，f 中的像素灰度值18 2 将由f f f 中的中值12 4 替换掉， 从而实现孤立噪声点的滤除。 中值滤波有一个很重的特性，就是对离散阶跃信号、斜升信号无影响，于 是很容易平滑滤除连续个数小于滤波窗口长度一半的脉冲噪声，尤其是在滤除 椒盐噪声方面更为有效，而对斜坡型和屋顶型的边缘信号不产生任何影响，所 以，中值滤波可以克服线性滤波所带来的图像模糊37 1 ，更好地保留图像边缘细 节。此外，中值滤波去噪效果的好坏还与滤波窗口的大小有关，采用大的滤波 窗口来抑制图像噪声效果更好，但会减少图像细节，而小的滤波窗口则与之相 反。窗口大小可以进行自适应控制3 引，以便应用于含有多种不同特征的图像区 域。 2 3 4 小波降噪 小波分析是在2 0 世纪8 0 年代才开始兴起的一个数学分支，于1 9 8 9 年 s m a l l a t 提出多分辨率概念后得到了迅速发展。与傅里叶( f o u r i e r ) 变换仅仅实现 信号时、频域间的整体转换相比，小波变换是对空间域( 时间) 和频率域的局部化 分析，即通过平移、伸缩运算来对图像信号( 函数) 逐步进行多尺度细化，最终达 到高频处空( 时) 间细分，低频处频率细分，所以，小波变换可聚焦到图像信号的 任意细节，有着“数学显微镜”之称，而且基于此，小波变换还具有对时频信 号的白适应性【3 。 小波降噪【4o j 就是利用小波变换把图像信号分解到多个尺度中，然后在每一 尺度下分别去掉属于噪声的小波系数，从而达到降噪的目的。实际应用中常使 用小波变换软阈值法去噪，这是因为硬阈值法仅进行除去所有比固定阈值小的 系数，缺乏灵活性，而软阈值法在其基础上还用大于固定阈值的小波系数与其 差值来替换原先