為了保證焊接的質(zhì)量,常常需要對(duì)工件中的焊縫進(jìn)行X射線檢測(cè)并根據(jù)焊縫圖像進(jìn)行缺陷排查。針對(duì)焊縫圖像對(duì)比度低、缺陷模糊等問(wèn)題,本文提出了一種基于HSI顏色空間和Retinex理論的焊縫圖像偽彩色增強(qiáng)算法,該算法主要解決了以下幾個(gè)問(wèn)題:(1)針對(duì)焊縫的動(dòng)態(tài)圖像隨機(jī)噪聲較為嚴(yán)重的問(wèn)題,采用多幀疊加降噪法,根據(jù)不同幀數(shù)降噪后圖像的峰值信噪比情況,選擇合適的幀數(shù)有效地平滑了圖像中的隨機(jī)噪聲,有利于后期的偽彩色增強(qiáng)。(2)現(xiàn)有偽彩色增強(qiáng)算法為了與顯示設(shè)備契合,大多基于RGB顏色空間進(jìn)行處理,但該空間中三個(gè)通道具有強(qiáng)關(guān)聯(lián)性,無(wú)法根據(jù)顏色的某種屬性增強(qiáng)不同像素點(diǎn)的彩色對(duì)比度,因此本文選擇基于HSI顏色空間的像素自變換法對(duì)焊縫圖像進(jìn)行偽彩色增強(qiáng)。針對(duì)該算法面向的圖像灰度值為(0,255)而無(wú)法直接對(duì)高動(dòng)態(tài)范圍的原始焊縫數(shù)據(jù)進(jìn)行偽彩色增強(qiáng)的問(wèn)題,本文對(duì)原算法中的部分系數(shù)進(jìn)行調(diào)整,推導(dǎo)出能夠應(yīng)用于原始焊縫數(shù)據(jù)的偽彩色增強(qiáng)算法。(3)為了提高偽彩色處理后缺陷區(qū)域的對(duì)比度,本文結(jié)合Retinex理論和局部邊緣保持(Local Edge Preserving,LEP)濾波器對(duì)原算法作進(jìn)一步改進(jìn)。首先讓HSI顏色空間中的亮度通道圖像通過(guò)LEP濾波器得到代表原始圖像中局部均值和顯著邊緣的基礎(chǔ)層圖像,再讓原始圖像與基礎(chǔ)層圖像對(duì)應(yīng)像素點(diǎn)的灰度值作差得到細(xì)節(jié)層圖像,通過(guò)對(duì)LEP濾波器的不同參數(shù)進(jìn)行分析和比較,得到能夠使細(xì)節(jié)層在保留缺陷信息的同時(shí)濾除大部分噪聲的參數(shù),最后使用S型函數(shù)對(duì)細(xì)節(jié)層圖像進(jìn)行增強(qiáng)后與基礎(chǔ)層圖像疊加,將輸出的亮度通道圖像融合到HSI顏色空間并轉(zhuǎn)化到RGB顏色空間進(jìn)行顯示,有效改善了缺陷區(qū)域?qū)Ρ榷鹊偷膯?wèn)題。(4)為了提高焊縫中缺陷的判別效率,本文基于CUDA編程模型對(duì)提出的偽彩色增強(qiáng)算法進(jìn)行GPU并行加速,有效地壓縮了偽彩色算法的運(yùn)行時(shí)間。實(shí)驗(yàn)結(jié)果表明,本文算法處理后圖像熵和清晰度都得到了較大提升,在實(shí)現(xiàn)偽彩色增強(qiáng)的同時(shí)有效提高了圖像的對(duì)比度,使缺陷更加清晰,改善了人眼對(duì)焊縫圖像的視覺(jué)分辨率。
【學(xué)位單位】：中北大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2020
【中圖分類】：TG441.7;TP391.41
【部分圖文】：

中北大學(xué)學(xué)位論文52焊縫圖像的獲取和預(yù)處理2.1X射線成像系統(tǒng)工作原理為了保證焊縫圖像的質(zhì)量，X射線成像系統(tǒng)在焊縫檢測(cè)領(lǐng)域已成為眾多企業(yè)的選擇[24]。伴隨著成像原理的優(yōu)化和硬件的升級(jí)，DR系統(tǒng)的成像質(zhì)量逐漸提高，減少了圖像的噪聲和失真，極大地推動(dòng)了無(wú)損檢測(cè)的發(fā)展。在焊縫圖像的成像過(guò)程中，操作人員通過(guò)控制器選擇不同的輸入電壓，輸入電壓需要根據(jù)待測(cè)工件的結(jié)構(gòu)和厚度進(jìn)行調(diào)整，電壓越高穿透能力越強(qiáng)。電壓激發(fā)X射線管后，射線透射待測(cè)工件并在工件的不同位置發(fā)生不同程度的衰減，透過(guò)工件的射線被平板探測(cè)器接收。平板探測(cè)器對(duì)接收到的射線進(jìn)行光電轉(zhuǎn)換得到數(shù)字圖像，計(jì)算機(jī)再通過(guò)數(shù)據(jù)線對(duì)圖像進(jìn)行讀取，并借助圖像處理技術(shù)對(duì)圖像進(jìn)行增強(qiáng)和顯示。其基本原理示意圖如圖2-1所示。圖2-1X射線成像系統(tǒng)Figure2-1X-rayimagingsystem由DR系統(tǒng)的成像原理可知，焊縫圖像根據(jù)不同像素點(diǎn)的灰度值差異來(lái)反映射線能量的衰減程度，進(jìn)一步反映工件中不同位置的厚度信息，便于觀察者對(duì)缺陷的判別。缺陷區(qū)域越深，焊縫圖像中灰度值的區(qū)別就越明顯。X射線在工件中的衰減規(guī)律如式(2-1)所示：Tx）IeI(0（2-1）式中，I0為射線的初始能量值，I為穿透待測(cè)工件后被平板探測(cè)器接收到的射線能

中北大學(xué)學(xué)位論文9圖2-2中值濾波原理Figure2-2medianfiltering均值濾波是把圖像中的每一個(gè)像素的像素值用其鄰域內(nèi)像素點(diǎn)的灰度值之和的平均取代[37]。其公式如式(2-4)所示：sfyxfMyxg),(1),(（2-4）以大小為3*3的模板為例，將每個(gè)像素的灰度值取為鄰域窗口中各個(gè)像素的灰度平均值，經(jīng)均值濾波后，噪聲點(diǎn)的像素灰度值相對(duì)平滑，達(dá)到降噪的目的[38]。其原理如圖2-3所示。圖2-3均值濾波原理Figure2-3meanfiltering高斯濾波器是一個(gè)應(yīng)用最為廣泛的平滑濾波器，對(duì)于高斯噪聲去噪效果具有顯著的去噪效果。經(jīng)過(guò)高斯濾波后，窗口中心像素的灰度值為其本身值和鄰域內(nèi)的其他像素值的加權(quán)平均。這幾種濾波算法的優(yōu)缺點(diǎn)如表2-2所示，去噪結(jié)果如圖2-4所示。表2-2不同去噪算法的優(yōu)缺點(diǎn)Table2-2advantagesanddisadvantagesofdifferentdenoisingalgorithms去噪算法優(yōu)點(diǎn)缺點(diǎn)中值濾波能有效抑制脈沖噪聲對(duì)于其它噪聲效果不明顯均值濾波速度快，算法簡(jiǎn)單使圖像變得模糊高斯濾波對(duì)高斯噪聲平滑效果較好對(duì)缺陷也進(jìn)行了平滑

中北大學(xué)學(xué)位論文9圖2-2中值濾波原理Figure2-2medianfiltering均值濾波是把圖像中的每一個(gè)像素的像素值用其鄰域內(nèi)像素點(diǎn)的灰度值之和的平均取代[37]。其公式如式(2-4)所示：sfyxfMyxg),(1),(（2-4）以大小為3*3的模板為例，將每個(gè)像素的灰度值取為鄰域窗口中各個(gè)像素的灰度平均值，經(jīng)均值濾波后，噪聲點(diǎn)的像素灰度值相對(duì)平滑，達(dá)到降噪的目的[38]。其原理如圖2-3所示。圖2-3均值濾波原理Figure2-3meanfiltering高斯濾波器是一個(gè)應(yīng)用最為廣泛的平滑濾波器，對(duì)于高斯噪聲去噪效果具有顯著的去噪效果。經(jīng)過(guò)高斯濾波后，窗口中心像素的灰度值為其本身值和鄰域內(nèi)的其他像素值的加權(quán)平均。這幾種濾波算法的優(yōu)缺點(diǎn)如表2-2所示，去噪結(jié)果如圖2-4所示。表2-2不同去噪算法的優(yōu)缺點(diǎn)Table2-2advantagesanddisadvantagesofdifferentdenoisingalgorithms去噪算法優(yōu)點(diǎn)缺點(diǎn)中值濾波能有效抑制脈沖噪聲對(duì)于其它噪聲效果不明顯均值濾波速度快，算法簡(jiǎn)單使圖像變得模糊高斯濾波對(duì)高斯噪聲平滑效果較好對(duì)缺陷也進(jìn)行了平滑
【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 閔吉磊;危荃;敖波;曾亞斌;;非晶硅平板探測(cè)器DR成像校正方法[J];失效分析與預(yù)防;2015年03期

2 彭麗莎;王珅;劉歡;黃松嶺;趙偉;;漏磁圖像的改進(jìn)灰度級(jí)—彩色變換法[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年05期

3 楊晨;張智勇;王繼紅;黃寓洋;丁召;;紅外偽彩色圖像的去彩化研究[J];應(yīng)用光學(xué);2015年03期

4 趙通;王國(guó)胤;肖斌;;基于多峰高斯函數(shù)的直方圖規(guī)定化算法[J];計(jì)算機(jī)科學(xué);2014年12期

5 孝大宇;蔡鵬飛;李宏;康雁;;基于閾值的平板探測(cè)器增益校正方法[J];東北大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年02期

6 陳琛;張建州;;改進(jìn)的多尺度Retinex醫(yī)學(xué)X射線圖像增強(qiáng)算法[J];計(jì)算機(jī)工程與應(yīng)用;2015年09期

7 崔巍;戴光;龍飛飛;王學(xué)增;;鋼板對(duì)接焊縫漏磁檢測(cè)可視化方法[J];無(wú)損檢測(cè);2013年05期

8 劉健;朱丙坤;彭冀湘;;焊縫中夾雜物對(duì)針狀鐵素體形成的影響研究現(xiàn)狀[J];材料開(kāi)發(fā)與應(yīng)用;2013年01期

9 阮正旺;張建州;張亮;;清除椒鹽噪聲的局部L_1去噪保邊方法[J];中國(guó)圖象圖形學(xué)報(bào);2010年06期

10 胡韋偉;汪榮貴;方帥;胡瓊;;基于雙邊濾波的Retinex圖像增強(qiáng)算法[J];工程圖學(xué)學(xué)報(bào);2010年02期

相關(guān)碩士學(xué)位論文 前10條

1 陳浩;一種基于GPU加速的深度去霧算法[D];西安電子科技大學(xué);2019年

2 桂楷欽;焊縫缺陷射線數(shù)字成像參考圖像研究[D];南昌航空大學(xué);2019年

3 王家晨;X射線焊縫圖像缺陷自動(dòng)檢測(cè)算法研究[D];西安理工大學(xué);2018年

4 熊濤;X射線焊縫圖像的缺陷檢測(cè)與識(shí)別技術(shù)研究[D];西安電子科技大學(xué);2018年

5 杜陳宇;基于卷積神經(jīng)網(wǎng)絡(luò)的儲(chǔ)層識(shí)別方法研究[D];成都理工大學(xué);2018年

6 朱逸飛;基于CUDA的SAR圖像增強(qiáng)算法研究[D];南京理工大學(xué);2018年

7 張佳祥;鋼制管道缺陷X射線數(shù)字成像檢測(cè)技術(shù)研究[D];浙江工業(yè)大學(xué);2017年

8 張晨希;彩色圖像拼接關(guān)鍵技術(shù)研究與實(shí)現(xiàn)[D];北方工業(yè)大學(xué);2015年

9 曾亞斌;平板探測(cè)器數(shù)據(jù)采集及成像性能測(cè)試方法研究[D];南昌航空大學(xué);2015年

10 韓得水;基于X射線平板探測(cè)器的直焊縫檢測(cè)技術(shù)[D];中北大學(xué);2014年

本文編號(hào)：2863042