根據(jù)超聲紅外熱像檢測圖像的特點,為實現(xiàn)圖像中缺陷的識別,提出了一種結(jié)合改進的自適應(yīng)遺傳算法和二維最大熵的分割方法,以實現(xiàn)準確、快速地分割出目標缺陷區(qū)域。該方法首先對超聲紅外圖像進行預(yù)處理,得到了去噪后的圖像,然后通過二維最大熵算法選取閾值將圖像分為目標區(qū)域和背景區(qū)域,并結(jié)合改進的自適應(yīng)遺傳算法,提高分割速度。實驗結(jié)果表明,該方法可以有效地濾除圖像噪聲,相比于窮舉法和基于簡單遺傳算法的二維最大熵分割,本算法具有較好的分割速度和分割精度。 

【文章來源】：紅外技術(shù). 2020,42(08)北大核心CSCD

【文章頁數(shù)】：8 頁

【部分圖文】：

二維直方圖投影圖

本研究選取在超聲波激勵幅值A(chǔ)=32?m、激勵頻率f=20 kHz、激勵時間t=2 s實驗條件下的熱波序列圖為例進行圖像處理。該實驗的紅外熱波序列圖如圖4所示。由于奧氏體不銹鋼試件反射率高、采集設(shè)備、操作等原因，導(dǎo)致采集到的實驗圖像具有一定背景噪聲。本文首先利用多圖像平均法對序列圖處理得到平均圖像，再將平均圖像減去初始圖像去背景噪聲。在差分運算后得到的圖像中，一些比較明顯的、具有干擾性的背景噪聲被較好地抑制，但是仍然存在著一些由試件高頻振動引起的細微干擾信號，為此，本文采用形態(tài)學(xué)開運算去除細微的干擾信號。圖像預(yù)處理過程如圖5所示。

滲透檢測結(jié)果圖

【參考文獻】：
期刊論文
[1]紅外熱波無損檢測技術(shù)的研究現(xiàn)狀與進展[J]. 鄭凱,江海軍,陳力.  紅外技術(shù). 2018(05)
[2]超聲紅外鎖相熱像技術(shù)用于金屬平板疲勞裂紋的檢測[J]. 閔慶旭,馮輔周,徐超,孫吉偉.  紅外技術(shù). 2018(01)
[3]超聲紅外鎖相熱像技術(shù)檢測金屬板材表面裂紋[J]. 秦雷,劉俊巖,龔金龍,姜斌,王揚.  紅外與激光工程. 2013(05)
[4]超聲紅外熱像技術(shù)中缺陷的自動識別[J]. 馮輔周,張超省,江鵬程,閔慶旭.  激光與紅外. 2012(10)
[5]超聲激發(fā)下缺陷紅外信號的識別[J]. 鄭凱,張淑儀,蔡士杰.  無損檢測. 2008(10)
[6]基于二維最大熵原理和改進遺傳算法的圖像閾值分割[J]. 李宏言,盛利元,陳良款,李更強.  計算機與現(xiàn)代化. 2007(02)
[7]基于二維OTSU和遺傳算法的紅外圖像分割方法[J]. 杜曉晨,劉建平.  紅外技術(shù). 2005(01)

博士論文
[1]超聲紅外鎖相熱像無損檢測技術(shù)的研究[D]. 劉慧.哈爾濱工業(yè)大學(xué) 2010



本文編號：3144320