CN103308521A

CN103308521A - 一种增强红外热波检测图像缺陷对比度的方法

Info

Publication number: CN103308521A
Application number: CN2012103273209A
Authority: CN
Inventors: 张炜; 杨正伟; 张金玉; 张世英; 张玉祥; 华明军; 田干; 金国锋; 王冬冬; 武翠琴; 朱杰堂
Original assignee: No 2 Artillery Engineering University Of Chinese Pla
Current assignee: No 2 Artillery Engineering University Of Chinese Pla
Priority date: 2012-08-29
Filing date: 2012-08-29
Publication date: 2013-09-18

Abstract

本发明涉及一种基于微分和差分相结合的增强热波检测序列图像缺陷对比度方法，尤其适用于图像序列中噪声干扰较大时的缺陷对比度增强方法，包括：对待检测对象进行加热，由红外热像仪采集反应被测试件表面温度场信息的原始热波图像序列；热波图像经电脑处理分析后得到每个像素点的温度信息，利用加热后图像序列中的温度信息减去加热前图像的温度信息得到温差序列信息；对提取到得温差信息进行微分处理；利用原始热波图像减去微分处理后灰度翻转的图像，增强热波图像的对比度；将进行差分处理后的热波图像显示出来等步骤。同现有技术相比，经过微分处理后，缺陷与非缺陷区域的对比度得到了增强，并且对于一些加法性噪声，微分处理能够有效的去除。

Description

一种增强红外热波检测图像缺陷对比度的方法

技术领域

本发明属于红外热波无损检测技术领域，涉及一种基于微分和差分相结合的增强热波检测序列图像缺陷对比度方法，尤其适用于图像序列中噪声干扰较大时的缺陷对比度增强方法。

背景技术

红外热波检测过程中获取的红外热图序列含有丰富的缺陷信息，热图中的温度异常区域与缺陷大小有着直接的关系，而温度序列的时间特征与缺陷深度密切相关。然而，由于试验过程中材料表面的温度分布容易受到各种因素，如红外热像仪、其他热激励源等试验设备本身的系统误差的存在，以及环境因素、材料的表面状况等的干扰，导致采集到的红外图像存在“非均匀、高噪声、大数据量、低对比度”等问题，使得难以直接提取缺陷的特征信息。因此，需要采用有效的数据分析和图像处理方法对原始热图序列进行处理和分析，以实现缺陷的定量识别。

在本发明以前的现有技术中，对热波图像序列进行对比度增强的方法多有报道，如发表在《激光与红外》第36卷第1期的对比技术《玻璃钢平底洞缺陷试件红外热波检测方法》一文中，提供了一种通过对热图序列和温度时间关系曲线的分析检验的热波单向测厚方法，该方法尽管消除了图像中一部分的时域噪声，增强了图像的信噪比，但是图像中仍然存在强烈的背景信息，空间噪声较大，如果缺陷信号较弱，往往被噪声所淹没，难以提取出缺陷信息，难于对缺陷进行定量识别。如图1为某含5个平底洞缺陷的钢壳体/绝热层脱粘试件的经拟合重建后的检测结果，从图中只能比较清楚地看到2个热斑，其余3个缺陷由于信号较弱完全被淹没在噪声中(见图2)。

发明内容

针对上述现有技术状况，本发明的目的在于，提供一种基于微分和差分相结合的图像序列处理方法，提高缺陷的检测能力。

现将本发明基本构思及技术解决方案叙述如下：

由图1所知，图中的灰度信息代表的是各个像素点的温度对比度，即温差信息，由一维理想情况下缺陷与无缺陷区域对应的表面温差变化：

ΔT = \frac{q_{0}}{\sqrt{πρcλt}} e^{- \frac{h^{2}}{αt}} - - - (1)

式中：q₀——热流密度；c——材料的比热；ρ——材料的密度；λ——材料的热传导系数；t——时间；h——缺陷的深度；α＝λ/ρc——材料的热扩散率。根据该式，缺陷的表面温差先上升到一个最大温差，然后又开始下降，直到温差变为0，因此，表面的热图序列的灰度也将经过一个先上升后下降的过程，即缺陷区域的对比度先开始上升，然后又下降，直到和正常区域平衡。如果温差过小，热像仪就难以分辨，无法检测到缺陷。因此，需要进行进一步的处理，以提高缺陷的对比度。

根据温差过小热像仪难以分辨，无法检测到缺陷的现实，本发明通过对原始图像的研究和分析，提供一种对图像进行微分和差分相结合处理的增强红外热波检测图像缺陷对比度的方法，具体步骤为：

步骤1：在红外热波检测过程中，对待检测对象进行加热，由红外热像仪采集反应被测试件表面温度场信息的原始热波图像序列；

步骤2：热波图像经电脑处理分析后得到每个像素点的温度信息，利用加热后图像序列中的温度信息减去加热前图像的温度信息得到温差序列信息；

步骤2.1：对式(1)求导可得：

\frac{d (ΔT)}{dt} = \frac{q_{0}}{\sqrt{πρcλ}} (- \frac{1}{2} t^{- \frac{3}{2}} e^{- \frac{h^{2}}{αt}} + \frac{h^{2}}{a} t^{- \frac{5}{2}} e^{- \frac{h^{2}}{αt}}) - - - (2)

步骤2.2：二次求导可得：

\frac{d^{2} (ΔT)}{{dt}^{2}} = \frac{q_{0}}{\sqrt{πρcλ}} (\frac{3}{4} t^{- \frac{5}{2}} e^{- \frac{h^{2}}{αt}} - \frac{3 h^{2}}{a} t^{- \frac{7}{2}} e^{- \frac{h^{2}}{αt}} + \frac{h 4}{a^{2}} t^{- \frac{9}{2}} e^{- \frac{h^{2}}{αt}}) - - - (3)

步骤3：根据式(2)、式(3)对提取到得温差信息进行微分处理；

步骤4：利用原始热波图像减去微分处理后灰度翻转的图像，增强热波图像的对比度；

步骤5：将进行差分处理后的热波图像显示出来。

这样，就可以得到有缺陷区域对应的温差、一阶微分和二阶微分曲线如图3、4、5所示。可以看出，经过微分处理后，缺陷与非缺陷区域的对比度得到了一定程度的增强，并且对于一些加法性噪声，微分处理能够有效的去除。

附图说明

图1：对比技术的检测热图

图2：对比技术的检测热图缺陷中心线灰度曲线

图3：有缺陷区域对应的表面温差曲线图

图4：经本方法一阶微分处理后的曲线图

图5：经本方法二阶微分处理后的曲线图

图6：经过一阶微分处理后不同时间的序列热图

图7：微分处理后灰度翻转前后相减缺陷增强效果图

图8：微分处理后灰度翻转前后相减滤波增强效果图

图9：本方法实施流程图

具体实施方式

实施例

按照上述本发明方法，对每一个像素点的温度曲线进行微分处理，然后形成了微分序列热图如图6所示。可以看出，缺陷对应表面的灰度与正常区域相比经历了一个翻转的过程，首先灰度逐渐变大到一定程度后又开始减小，一直减小到小于正常区域的灰度，然后又继续增大，最终整个表面的灰度又趋于一致。经过微分处理后，缺陷对应表面的灰度进行了翻转，利用翻转前后的图像相减即可提高缺陷的对比度(见图7)。可见，经过相减处理后，较大三个缺陷周围的噪声大大降低，第4个缺陷对比度也得到了进一步的增强，根据上述处理的结果，利用常规的滤波方法(如高通滤波、低通滤波、同态滤波等)进行进一步的处理，增强缺陷的显示效果(见图8)。

图像进行微分差分增强处理的具体实施过程为(见图9)：

步骤3：利用公式(2)、公式(3)对提取到得温差信息进行微分处理；

步骤5：将进行差分处理后的热波图像显示出来。

注：本发明未详细说明的内容均为现有公开技术。

Claims

1.一种增强红外热波检测图像缺陷对比度的方法，其特征在于：包括以下步骤：

步骤2.1：根据一维理想情况下缺陷与无缺陷区域对应的表面温差变化：

ΔT = \frac{q_{0}}{\sqrt{πρcλt}} e^{- \frac{h^{2}}{αt}} - - - (1)

式中：q₀——热流密度；c——材料的比热；ρ——材料的密度；λ——材料的热传导系数；t——时间；h——缺陷的深度；α＝λ/ρc——材料的热扩散率；对式(1)求导可得：

\frac{d (ΔT)}{dt} = \frac{q_{0}}{\sqrt{πρcλ}} (- \frac{1}{2} t^{- \frac{3}{2}} e^{- \frac{h^{2}}{αt}} + \frac{h^{2}}{a} t^{- \frac{5}{2}} e^{- \frac{h^{2}}{αt}}) - - - (2)

步骤2.2：对式(1)二次求导可得：

\frac{d^{2} (ΔT)}{{dt}^{2}} = \frac{q_{0}}{\sqrt{πρcλ}} (\frac{3}{4} t^{- \frac{5}{2}} e^{- \frac{h^{2}}{αt}} - \frac{3 h^{2}}{a} t^{- \frac{7}{2}} e^{- \frac{h^{2}}{αt}} + \frac{h 4}{a^{2}} t^{- \frac{9}{2}} e^{- \frac{h^{2}}{αt}}) - - - (3)

步骤3：根据式(2)、式(3)对提取到得温差信息进行微分处理；

步骤5：将进行差分处理后的热波图像显示出来。