CN110211091A - 一种高分辨图像重构方法、装置及隐裂无损检测系统 - Google Patents
一种高分辨图像重构方法、装置及隐裂无损检测系统 Download PDFInfo
- Publication number
- CN110211091A CN110211091A CN201910336458.7A CN201910336458A CN110211091A CN 110211091 A CN110211091 A CN 110211091A CN 201910336458 A CN201910336458 A CN 201910336458A CN 110211091 A CN110211091 A CN 110211091A
- Authority
- CN
- China
- Prior art keywords
- resolution
- pixel
- filled
- fine
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 87
- 238000001514 detection method Methods 0.000 title claims abstract description 27
- 238000013507 mapping Methods 0.000 claims abstract description 69
- 238000013519 translation Methods 0.000 claims description 17
- 239000000523 sample Substances 0.000 claims description 16
- 230000009466 transformation Effects 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 10
- 230000003321 amplification Effects 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 8
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 8
- 238000005070 sampling Methods 0.000 claims description 7
- 230000008030 elimination Effects 0.000 claims description 5
- 238000003379 elimination reaction Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 5
- 230000008901 benefit Effects 0.000 claims description 4
- 241000208340 Araliaceae Species 0.000 claims description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 2
- 235000008434 ginseng Nutrition 0.000 claims description 2
- 238000003384 imaging method Methods 0.000 description 6
- 238000012790 confirmation Methods 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 238000006073 displacement reaction Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000000333 X-ray scattering Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000009659 non-destructive testing Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
- G01N23/04—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/20—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by using diffraction of the radiation by the materials, e.g. for investigating crystal structure; by using scattering of the radiation by the materials, e.g. for investigating non-crystalline materials; by using reflection of the radiation by the materials
- G01N23/203—Measuring back scattering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/207—Analysis of motion for motion estimation over a hierarchy of resolutions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10116—X-ray image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Chemical & Material Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Health & Medical Sciences (AREA)
- Crystallography & Structural Chemistry (AREA)
- Quality & Reliability (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明提供了一种高分辨图像重构方法、装置以及隐裂无损检测系统,通过尺度不变特征变换SIFT方法进行特征点匹配、运动估计、亚像素级像素点映射等实现采集图像的高分辨重构,提高成像质量,检测精微结构,使得本发明适用范围广,可推广性和可迁移性强,可广泛应用于工业检测场合。
Description
技术领域
本发明涉及工业检测领域,特别涉及一种高分辨图像重构方法、装置及隐裂无损检测系统。
背景技术
隐裂是存在于工件特别是冲压件加工中的一种常见缺陷,由于其隐藏于工件表面下且结构微细,不能用常规的探测方法检测。如果出现工件隐裂缺陷,势必会延展为更为严重的缺陷,对工件质量造成严重影响。
康普顿背散射成像是一种可确定缺陷位置、大小和深度的X射线成像技术,其主要优点是X光源和探测器位于被检工件的同一侧,受被检工件大小及厚度影响小;对表面及近表面缺陷的检测具有较大的优势。但传统的X射线背散射图像不能达到很高的分辨率,不能满足精微结构检测的需求。实验室中可运用高精度的运动平台移动样品获得多张已知位移量的低分辨率原始图像,通过位移量与像素间的联系实现高分辨重构,但该方法对采集设备及采集过程要求十分严格,无法应用于工业检测中。
由于X射线的能量大部分以透射形式穿过物体导致其背散射能量占比很小,以及X光源尺寸较大和探测器分辨率较低等硬件设备的限制,康普顿背散射技术所获得的图像不能达到很高的分辨率,不能满足精微结构检测的需求,提高X射线散射成像分辨率是射线工业检测中亟待解决的问题。
实现X射线成像的高分辨重构需要对样品进行多帧低分辨率原始图像的采集,这就需要采集设备的灵活性,传统的X射线设备多为固定式,也不能满足要求。
发明内容
本发明实施例提供了一种高分辨图像重构方法、装置及隐裂无损检测系统,通过尺度不变特征变换方法进行特征点匹配、运动估计、亚像素级像素点映射等实现采集图像的高分辨重构,提高成像质量,检测精微结构。
第一方面,本发明提供一种高分辨图像重构方法,所述方法包括:
获取多角度对被检物体的拍照图片作为原始图像;
选择一张原始图像作为参考图像,将所述参考图像进行插值处理得到具有未填充像素的高分辨率网格;
利用SIFT算法使所述高分辨率网格分别与至少二张所述原始图像的匹配特征点形成匹配对;
将所述匹配对中的正确匹配对进行最小二乘法拟合,得到所述高分辨率网格的映射参数,所述映射参数包括图像旋转尺度变化参数以及图像平移运动参数;
利用所述映射参数和预设变换模型将所述原始图像的像素点映射到所述高分辨率网格中;
对完成映射的所述高分辨率网格中的未填充像素进行填充,实现高分辨率图像重建,其中所述高分辨率图像的分辨率高于所述原始图像。
作为一种可选的方案,所述将所述参考图像进行插值处理得到具有未填充像素的高分辨率网格,包括:
对所述参考图像进行N倍插值放大得到具有未填充像素的高分辨率网格,其中N为正数。
作为一种可选的方案,所述将所述匹配对中的正确匹配对进行最小二乘法拟合得到所述高分辨率网格的映射参数,所述映射参数包括图像旋转尺度变化信息以及图像平移运动信息之前,所述方法还包括:
采用随机抽样一致性方法对所述匹配对中的错误匹配进行筛选消除。
作为一种可选的方案,所述预设变换模型为:
其中,X和Y分别对应为具有原始图像的横坐标和纵坐标,X’和Y’分别对应为高分辨率图像的横坐标和纵坐标,b1和b2是图像平移运动映射参数,a1、a2、a3、a4是图像旋转尺寸变化映射参数。
作为一种可选的方案,所述对完成映射的所述高分辨率网格中的未填充像素进行填充,实现高分辨率图像重建之前,所述方法还包括:
将落入所述高分辨率网格中任一网格点的一个像素宽度正方形邻域内所有像素点灰度值的算术均值作为该网格点的网格点灰度值。
作为一种可选的方案,所述对完成映射的所述高分辨率网格中的未填充像素进行填充,实现高分辨率图像重建之前,所述方法还包括:
在给定半径的圆形邻域内的所有像素点,以该像素点到圆形邻域边界的距离作为权值进行加权平均计算,得到中心像素点灰度值。
作为一种可选的方案,所述对完成映射的所述高分辨率网格中的未填充像素进行填充,实现高分辨率图像重建,包括:
获取完成映射的所述高分辨率网格中的未填充像素,利用未填充像素的邻域像素点信息的加权平均进行填充,得到高分辨率图像。
第二方面,本发明提供一种高分辨图像重构装置,用于执行上述的高分辨图像重构方法,所述装置包括:
图像获取单元,用于获取多角度对被检物体的拍照图片作为原始图像;
插值处理单元,用于选择一张原始图像作为参考图像,将所述参考图像进行插值处理得到具有未填充像素的高分辨率网格;
匹配单元,用于利用SIFT算法使所述高分辨率网格分别与至少二张所述原始图像的匹配特征点形成匹配对;
拟合单元,用于将所述匹配对中的正确匹配对进行最小二乘法拟合得到所述高分辨率网格的映射参数,所述映射参数包括图像旋转尺度变化参数以及图像平移运动参数;
映射单元,用于利用所述映射参数和预设变换模型将所述原始图像的所有像素点映射到所述高分辨率网格中;
重建单元,用于对完成映射的所述高分辨率网格中的未填充像素进行填充,实现高分辨率图像重建,其中所述高分辨率图像的分辨率高于所述原始图像。
作为一种可选的方案,所述插值处理单元具体用于:
对所述参考图像进行N倍插值放大得到具有未填充像素的高分辨率网格,其中N为正数。
作为一种可选的方案,所述装置还包括:
消除单元,用于用随机抽样一致性方法对所述匹配对中错误匹配进行筛选消除。
作为一种可选的方案,所述预设变换模型为:
其中,X和Y分别对应为原始图像的横坐标和纵坐标,X’和Y’分别对应为高分辨率图像的横坐标和纵坐标,b1和b2是图像平移运动映射参数,a1、a2、a3、a4是图像旋转尺寸变化映射参数。
作为一种可选的方案,所述装置还包括:
网格点灰度值确认单元,用于将落入所述高分辨率网格中任一网格点的一个像素宽度正方形邻域内所有像素点灰度值的算术均值作为该网格点的网格点灰度值。
作为一种可选的方案,所述装置还包括:
中心像素点灰度值确认单元,用于在给定半径的圆形邻域内的所有像素点,以该像素点到圆形邻域边界的距离作为权值进行加权平均计算,得到中心像素点灰度值。
作为一种可选的方案,所述重建单元具体用于:
获取完成映射的所述高分辨率网格中的未填充像素,利用未填充像素的邻域像素点信息的加权平均进行填充,得到具有第二分辨率的高分辨率图像。
第三方面,本发明提供一种隐裂无损检测系统,所述系统包括多自由度机械手、安装在所述多自由度机械手上的探测组件、与所述探测组件电连接的上位机,所述上位机具有执行如上述的高分辨图像重构装置。
作为一种可选的方案,所述探测组件包括X光源以及一对探测器,所述一对探测器位于所述X光源的两侧。
从以上技术方案可以看出,本发明实施例具有以下优点:
本发明实施例提供了一种高分辨图像重构方法、装置以及隐裂无损检测系统,通过尺度不变特征变换方法进行特征点匹配、运动估计、亚像素级像素点映射等实现采集图像的高分辨重构,提高成像质量,检测精微结构,使得本发明适用范围广,可推广性和可迁移性强,可广泛应用于工业检测场合。
附图说明
图1是本发明实施例中高分辨图像重构方法的一种实施例的流程图;
图2是本发明实施例中高分辨图像重构方法的另一种实施例的流程图;
图3是本发明实施例中高分辨图像重构方法的另一种实施例的原理示意图;
图4是本发明实施例中高分辨图像重构方法的再一种实施例的流程图;
图5是本发明实施例中高分辨图像重构方法的再一种实施例的原理示意图;
图6是本发明实施例中高分辨图像重构装置的一种实施例的结构图;
图7是本发明实施例中隐裂无损检测系统的一种实施例的结构图;
图8是本发明实施例中隐裂无损检测系统中探测组件的一种实施例的结构图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
结合图1所示,本发明提供一种高分辨图像重构方法的一种实施例,所述方法包括:
S101、获取多角度对被检物体的拍照图片作为原始图像。
被检物体放置在检测台上,利用多自由度机械手携带探测组件对被检物体进行拍摄,探测组件可以采用X光源和探测器,将目标检测区域作为感兴趣区域,通过操作多自由度机械手对感兴趣区域进行多角度照射得到多张具有第一分辨率的原始图像,通常具有第一分辨率的原始图像的数量较大,但清晰度较低,需要对具有第一分辨率的原始图像进行重构。
S102、选择一张原始图像作为参考图像,将所述参考图像进行插值处理得到具有未填充像素的高分辨率网格。
从多张所述原始图像中确定一张作为基准使用的参考图像,对所述参考图像进行N倍插值放大得到具有未填充像素的高分辨率网格,其中N为正数,插值放大可以采用最接近原则插值法,最接近原则插值法的本质是放大像素。新图像的像素颜色是原图像中与创造的像素位置最接近像素的颜色。如果把原图像放大200%,1个像素就会被放大成2×2即4个与原像素颜色相同的像素。多数的图像浏览和编辑软件都会使用这种插值方法放大数码图像,因为这不会改变原图像的颜色信息,并且不会产生防锯齿效果。
S103、利用SIFT算法使所述高分辨率网格分别与至少二张所述原始图像的匹配特征点形成匹配对。
将所有原始图像中除去作为基准的参考图像的剩余原始图像建立和高分辨率网格的匹配对,每一张原始图像的匹配特征点与高分辨率网格形成匹配对。
尺度不变特征变换包括特征检测和特征匹配,具体地,SIFT特征检测主要包括以下4个基本步骤:1、尺度空间极值检测:搜索所有尺度上的图像位置,通过高斯微分函数来识别潜在的对于尺度和旋转不变的兴趣点。2、关键点定位:在每个候选的位置上,通过一个拟合精细的模型来确定位置和尺度。关键点的选择依据于它们的稳定程度。3、方向确定:基于图像局部的梯度方向,分配给每个关键点位置一个或多个方向。所有后面的对图像数据的操作都相对于关键点的方向、尺度和位置进行变换,从而提供对于这些变换的不变性。4、关键点描述:在每个关键点周围的邻域内,在选定的尺度上测量图像局部的梯度。这些梯度被变换成一种表示,这种表示允许比较大的局部形状的变形和光照变化。特征匹配包括:1、构建尺度空间,检测极值点,获得尺度不变性。2、特征点过滤并进行精确定位。3、为特征点分配方向值。4、生成特征描述子,对于尺度不变特征变换本领域普通技术人员应当了解,具体不做赘述。
S104、将所述匹配对中的正确匹配对进行最小二乘法拟合得到所述高分辨率网格的映射参数,所述映射参数包括图像旋转尺度变化参数以及图像平移运动参数。
将所述匹配对中所有的正确匹配对进行最小二乘法拟合得到所述高分辨率网格的映射参数,该映射参数可以得到两张图像对应像素点之间的映射关系。
S105、利用所述映射参数和预设变换模型将所述原始图像的所有像素点映射到所述高分辨率网格中。
将每组映射参数输入预设变换模型中,完成余下的原始图像的像素点到高分辨率网格的映射,预设变换模型为:
其中,X和Y分别对应为原始图像的横坐标和纵坐标,X’和Y’分别对应为高分辨率图像的横坐标和纵坐标,b1和b2是图像平移运动映射参数,a1、a2、a3、a4是图像旋转尺寸变化映射参数。
S106、对完成映射的所述高分辨率网格中的未填充像素进行填充,实现高分辨率图像重建,其中所述高分辨率图像的分辨率高于所述原始图像。
经过映射后高分辨率网格可能会存在未填充像素,对未填充像素进行填充后完成具有第二分辨率的高分辨率图像重建,填充的方法可以利用未填充像素的邻域像素点信息的加权平均进行填充,得到高分辨率图像,对此不做限定。
本发明实施例提供了一种高分辨图像重构方法,通过尺度不变特征变换SIFT方法进行特征点匹配、运动估计、亚像素级像素点映射等实现采集图像的高分辨重构,提高成像质量,检测精微结构。
结合图2和3所示,本发明还提供一种高分辨图像重构方法的另一种实施例,所述方法包括:
S201、获取多角度对被检物体的拍照图片作为原始图像。
S201和前面实施例S101中相类似,此处不做赘述。
S202、选择一张原始图像作为参考图像,将所述参考图像进行插值处理得到具有未填充像素的高分辨率网格。
这里将多张原始图像中的L1作为基准使用的参考图片,S202和前面实施例S102中相类似,此处不做赘述。
S203、利用SIFT算法使所述高分辨率网格分别与至少二张所述原始图像的匹配特征点形成匹配对。
利用SIFT(尺度不变特征变换,Scale-invariant feature transform)方法将高分辨率网格分别与余下的原始图像L2,…,Lk匹配特征点形成匹配对,S203和前面实施例S103中相类似,此处不做赘述。
S204、采用随机抽样一致性方法对所述匹配对中错误匹配进行筛选消除。
随机抽样一致性方法(RANSAC,RANdom SAmple Consensus)可以从一组包含“局外点”的观测数据集中,通过迭代方式估计数学模型的参数,有一定的概率得出一个合理的结果,为了提高概率可以提高迭代次数,通过消除错误匹配,可以提高图像处理的准确性。
S205、将所述匹配对中的正确匹配对进行最小二乘法拟合得到所述高分辨率网格的映射参数,所述映射参数包括图像旋转尺度变化参数以及图像平移运动参数。
找出所有正确匹配对后,用最小二乘法拟合计算图像旋转尺寸变化参数ak1~ak4和图像平移运动参数bk1、bk2,进而得到两张图像对应像素点之间的映射关系。
S206、利用所述映射参数和预设变换模型将原始图像的所有像素点映射到所述高分辨率网格中。
所述预设变换模型为:
其中,X和Y分别对应为原始图像的横坐标和纵坐标,X’和Y’分别对应为高分辨率图像的横坐标和纵坐标,b1和b2是图像平移运动映射参数,a1、a2、a3、a4是图像旋转尺寸变化映射参数。
S207、对完成映射的所述高分辨率网格中的未填充像素进行填充,实现高分辨率图像重建,其中所述高分辨率图像的分辨率高于所述原始图像。
获取完成映射的所述高分辨率网格中的未填充像素,利用未填充像素的邻域像素点信息的加权平均值进行填充,得到高分辨率图像。
结合图4和5所示,本发明还提供一种高分辨图像重构方法的再一种实施例,所述方法包括:
S301、获取多角度对被检物体的拍照图片作为原始图像。
S302、选择一张原始图像作为参考图像,将所述参考图像进行插值处理得到具有未填充像素的高分辨率网格。
S303、利用SIFT算法使所述高分辨率网格分别与至少二张所述原始图像的匹配特征点形成匹配对。
S304、采用随机抽样一致性方法对所述匹配对中错误匹配进行筛选消除。
S305、将所述匹配对中的正确匹配对进行最小二乘法拟合得到所述高分辨率网格的映射参数,所述映射参数包括图像旋转尺度变化参数以及图像平移运动参数。
S306、利用所述映射参数和预设变换模型将原始图像的所有像素点映射到所述高分辨率网格中。
S307、将落入所述高分辨率网格中任一网格点的一个像素宽度正方形邻域内所有像素点灰度值的算术均值作为该网格点的网格点灰度值。
将落入所述高分辨率网格中任一网格点的一个像素宽度正方形邻域内所有像素点灰度值的算术均值作为该网格点的网格点灰度值,算术均值公式采用:保证每个像素点参加一次计算,不会重复和遗漏,且误差在高分辨率图像中的一个像素以内,误差低于一个高分辨率像素,不会影响网格点灰度值,满足高分辨率图像重建要求。
需要说明的是,对于网格点灰度值的处理方法,还可以采用圆形区域内求加权平均值的算法,该算法包括:在给定半径的圆形邻域内的所有像素点,以该像素点到圆形邻域边界的距离作为权值进行加权平均计算,得到中心像素点灰度值,该方法误差更小,但依赖于圆形边界的选取,且计算量较大。
S308、对完成映射的所述高分辨率网格中的未填充像素进行填充,实现高分辨率图像重建,其中所述高分辨率图像的分辨率高于所述原始图像。
获取完成映射的所述高分辨率网格中的未填充像素,利用未填充像素的邻域像素点信息的加权平均进行填充,得到高分辨率图像。
结合图6所示,本发明提供一种高分辨图像重构装置,用于执行上述的高分辨图像重构方法,所述装置包括:
图像获取单元601,用于获取多角度对被检物体的拍照图片作为原始图像;
插值处理单元602,用于选择一张原始图像作为参考图像,将所述参考图像进行插值处理得到具有未填充像素的高分辨率网格;
匹配单元603,用于利用SIFT算法使所述高分辨率网格分别与至少二张所述原始图像的匹配特征点形成匹配对;
拟合单元604,用于将所述匹配对中的正确匹配对进行最小二乘法拟合得到所述高分辨率网格的映射参数,所述映射参数包括图像旋转尺度变化参数以及图像平移运动参数;
映射单元605,用于利用所述映射参数和预设变换模型将原始图像的所有像素点映射到所述高分辨率网格中;
重建单元606,用于对完成映射的所述高分辨率网格中的未填充像素进行填充,实现高分辨率图像重建,其中所述高分辨率图像的分辨率高于所述原始图像。
作为一种可选的方案,所述插值处理单元602具体用于:
对所述参考图像进行N倍插值放大得到具有未填充像素的高分辨率网格,其中N为正数。
作为一种可选的方案,所述装置还包括:
消除单元607,用于用随机抽样一致性方法对所述匹配对中的错误匹配进行筛选消除。
作为一种可选的方案,所述预设变换模型为:
其中,X和Y分别对应为原始图像的横坐标和纵坐标,X’和Y’分别对应为高分辨率图像的横坐标和纵坐标,b1和b2是图像平移运动映射参数,a1、a2、a3、a4是图像旋转尺寸变化映射参数。
作为一种可选的方案,所述装置还包括:
网格点灰度值确认单元608,用于将落入所述高分辨率网格中任一网格点的一个像素宽度正方形邻域内所有像素点灰度值的算术均值作为该网格点的网格点灰度值。
作为一种可选的方案,所述装置还包括:
中心像素点灰度值确认单元609,用于在给定半径的圆形邻域内的所有像素点,以该像素点到圆形邻域边界的距离作为权值进行加权平均计算,得到中心像素点灰度值。
作为一种可选的方案,所述重建单元606具体用于:
获取完成映射的所述高分辨率网格中的未填充像素,利用未填充像素的邻域像素点信息的加权平均进行填充,得到高分辨率图像。
本发明实施例提供了一种高分辨图像重构装置,通过尺度不变特征变换SIFT方法进行特征点匹配、运动估计、亚像素级像素点映射等实现采集图像的高分辨重构,提高成像质量,检测精微结构。
结合图7所示,本发明提供一种隐裂无损检测系统,所述系统包括多自由度机械手701、安装在所述多自由度机械手701上的探测组件702、与所述探测组件702电连接的上位机703,多自由度机械手可以采用三自由度机械手,上位机可以采用计算机,所述上位机具有执行如权利要求8中所述的高分辨图像重构装置,通过多自由度机械手搭载探测组件,可灵活的从多角度采集具有第一分辨率的原始图像,通过特征点匹配的方法对具有第一分辨率的原始图像进行高分辨重构。
具体地,所述探测组件包括X光源7021以及一对探测器7022,所述一对探测器7022位于所述X光源7021的两侧,探测组件还可以选用康普顿散射系统,通过多自由度机械手搭载的康普顿散射系统采集被检区域的具有第一分辨率的原始图像序列,通过SIFT方法进行特征点匹配、运动估计、亚像素级像素点映射等实现采集图像的高分辨重构,提高成像质量,检测精微结构。
X光源7021与探测器7022位于同一侧,配合多自由度机械手701,体型小且移动灵活,可以高效准确的对大型的、大厚度的工件进行无损检测;具有第一分辨率的原始图像采集要求低,没有精细的位移要求;X射线高分辨重构图像质量高,可用于检测精微结构,使得本发明适用范围广,可推广性和可迁移性强,可广泛应用于工业检测场合。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、磁盘或光盘等。
以上对本发明所提供的一种高分辨图像重构方法、装置及隐裂无损检测系统进行了详细介绍,对于本领域的一般技术人员,依据本发明实施例的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种高分辨图像重构方法,其特征在于,所述方法包括:
获取多角度对被检物体的拍照图片作为原始图像;
选择一张原始图像作为参考图像,将所述参考图像进行插值处理得到具有未填充像素的高分辨率网格;
利用SIFT算法使所述高分辨率网格分别与至少二张所述原始图像的匹配特征点形成匹配对;
将所述匹配对中的正确匹配对进行最小二乘法拟合,得到所述高分辨率网格的映射参数,所述映射参数包括图像旋转尺度变化参数以及图像平移运动参数;
利用所述映射参数和预设变换模型将所述原始图像的像素点映射到所述高分辨率网格中;
对完成映射的所述高分辨率网格中的未填充像素进行填充,实现高分辨率图像重建,其中所述高分辨率图像的分辨率高于所述原始图像。
2.根据权利要求1所述的高分辨图像重构方法,其特征在于,所述将所述参考图像进行插值处理得到具有未填充像素的高分辨率网格,包括:
对所述参考图像进行N倍插值放大得到具有未填充像素的高分辨率网格,其中N为正数。
3.根据权利要求1或2所述的高分辨图像重构方法,其特征在于,所述将所述匹配对中的正确匹配对进行最小二乘法拟合得到所述高分辨率网格的映射参数,所述映射参数包括图像旋转尺度变化信息以及图像平移运动信息之前,所述方法还包括:
基于随机抽样一致性方法对所述匹配对中的错误匹配进行筛选消除。
4.根据权利要求1所述的高分辨图像重构方法,其特征在于,所述预设变换模型为:
其中,X和Y分别对应为原始图像的横坐标和纵坐标,X’和Y’分别对应为高分辨率图像的横坐标和纵坐标,b1和b2是图像平移运动映射参数,a1、a2、a3、a4是图像旋转尺寸变化映射参数。
5.根据权利要求1所述的高分辨图像重构方法,其特征在于,所述对完成映射的所述高分辨率网格中的未填充像素进行填充,实现高分辨率图像重建之前,所述方法还包括:
将落入所述高分辨率网格中任一网格点的一个像素宽度正方形邻域内所有像素点灰度值的算术均值作为该网格点的网格点灰度值。
6.根据权利要求1所述的高分辨图像重构方法,其特征在于,所述对完成映射的所述高分辨率网格中的未填充像素进行填充,实现高分辨率图像重建之前,所述方法还包括:
在给定半径的圆形邻域内的所有像素点,以该像素点到圆形邻域边界的距离作为权值进行加权平均计算,得到中心像素点灰度值。
7.根据权利要求1或6所述的高分辨图像重构方法,其特征在于,所述对完成映射的所述高分辨率网格中的未填充像素进行填充,实现高分辨率图像重建,包括:
获取完成映射的所述高分辨率网格中的未填充像素,利用所述未填充像素的邻域像素点信息的加权平均值进行填充,得到高分辨率图像。
8.一种高分辨图像重构装置,其特征在于,用于执行如权利要求1至7中任一项所述的高分辨图像重构方法,所述装置包括:
图像获取单元,用于获取多角度对被检物体的拍照图片作为原始图像;
插值处理单元,用于选择一张原始图像作为参考图像,将所述参考图像进行插值处理得到具有未填充像素的高分辨率网格;
匹配单元,用于利用SIFT算法使所述高分辨率网格分别与至少二张所述原始图像的匹配特征点形成匹配对;
拟合单元,用于将所述匹配对中的正确匹配对进行最小二乘法拟合得到所述高分辨率网格的映射参数,所述映射参数包括图像旋转尺度变化参数以及图像平移运动参数;
映射单元,用于利用所述映射参数和预设变换模型将所述原始图像的所有像素点映射到所述高分辨率网格中;
重建单元,用于对完成映射的所述高分辨率网格中的未填充像素进行填充,实现高分辨率图像重建,其中所述高分辨率图像的分辨率高于所述原始图像。
9.一种隐裂无损检测系统,其特征在于,所述系统包括多自由度机械手、安装在所述多自由度机械手上的探测组件、与所述探测组件电连接的上位机,所述上位机具有执行如权利要求8中所述的高分辨图像重构装置。
10.根据权利要求9所述的隐裂无损检测系统,其特征在于,所述探测组件包括X光源以及一对探测器,所述一对探测器位于所述X光源的两侧。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910336458.7A CN110211091A (zh) | 2019-04-25 | 2019-04-25 | 一种高分辨图像重构方法、装置及隐裂无损检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910336458.7A CN110211091A (zh) | 2019-04-25 | 2019-04-25 | 一种高分辨图像重构方法、装置及隐裂无损检测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110211091A true CN110211091A (zh) | 2019-09-06 |
Family
ID=67786285
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910336458.7A Pending CN110211091A (zh) | 2019-04-25 | 2019-04-25 | 一种高分辨图像重构方法、装置及隐裂无损检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110211091A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110827224A (zh) * | 2019-11-12 | 2020-02-21 | 南京工程学院 | 一种高分辨率高温锻件形状检测方法 |
CN111144489A (zh) * | 2019-12-25 | 2020-05-12 | 视辰信息科技(上海)有限公司 | 匹配对滤除方法、装置、电子设备与存储介质 |
CN116758087A (zh) * | 2023-08-22 | 2023-09-15 | 邦世科技(南京)有限公司 | 一种腰椎ct骨窗侧隐窝间隙检测方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100067822A1 (en) * | 2005-01-19 | 2010-03-18 | U.S. Government As Represented By The Secretary Of The Army | System and method of super-resolution imaging from a sequence of translated and rotated low-resolution images |
JP2011122930A (ja) * | 2009-12-10 | 2011-06-23 | Hitachi Ltd | 産業用x線ct装置および撮像方法 |
CN102651127A (zh) * | 2012-04-01 | 2012-08-29 | 深圳市万兴软件有限公司 | 一种超分辨率重建的图像处理方法及系统 |
CN103543168A (zh) * | 2013-10-12 | 2014-01-29 | 华南理工大学 | 一种多层封装基板缺陷的x射线检测方法及系统 |
CN104700359A (zh) * | 2015-03-20 | 2015-06-10 | 南京大学 | 像平面不同极轴方向图像序列进行超分辨率重建的方法 |
CN104936526A (zh) * | 2013-01-28 | 2015-09-23 | 株式会社日立医疗器械 | X射线ct装置以及图像重构方法 |
CN105911077A (zh) * | 2016-04-12 | 2016-08-31 | 东南大学 | Xct无损检测混凝土材料硫酸盐侵蚀损伤的试验方法 |
-
2019
- 2019-04-25 CN CN201910336458.7A patent/CN110211091A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100067822A1 (en) * | 2005-01-19 | 2010-03-18 | U.S. Government As Represented By The Secretary Of The Army | System and method of super-resolution imaging from a sequence of translated and rotated low-resolution images |
JP2011122930A (ja) * | 2009-12-10 | 2011-06-23 | Hitachi Ltd | 産業用x線ct装置および撮像方法 |
CN102651127A (zh) * | 2012-04-01 | 2012-08-29 | 深圳市万兴软件有限公司 | 一种超分辨率重建的图像处理方法及系统 |
CN104936526A (zh) * | 2013-01-28 | 2015-09-23 | 株式会社日立医疗器械 | X射线ct装置以及图像重构方法 |
CN103543168A (zh) * | 2013-10-12 | 2014-01-29 | 华南理工大学 | 一种多层封装基板缺陷的x射线检测方法及系统 |
CN104700359A (zh) * | 2015-03-20 | 2015-06-10 | 南京大学 | 像平面不同极轴方向图像序列进行超分辨率重建的方法 |
CN105911077A (zh) * | 2016-04-12 | 2016-08-31 | 东南大学 | Xct无损检测混凝土材料硫酸盐侵蚀损伤的试验方法 |
Non-Patent Citations (1)
Title |
---|
程磊等: "基于无损探伤的高精度电路板缺陷检测系统", 《江西师范大学学报(自然科学版)》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110827224A (zh) * | 2019-11-12 | 2020-02-21 | 南京工程学院 | 一种高分辨率高温锻件形状检测方法 |
CN111144489A (zh) * | 2019-12-25 | 2020-05-12 | 视辰信息科技(上海)有限公司 | 匹配对滤除方法、装置、电子设备与存储介质 |
CN111144489B (zh) * | 2019-12-25 | 2021-01-19 | 视辰信息科技(上海)有限公司 | 匹配对滤除方法、装置、电子设备与存储介质 |
CN116758087A (zh) * | 2023-08-22 | 2023-09-15 | 邦世科技(南京)有限公司 | 一种腰椎ct骨窗侧隐窝间隙检测方法及装置 |
CN116758087B (zh) * | 2023-08-22 | 2023-10-31 | 邦世科技(南京)有限公司 | 一种腰椎ct骨窗侧隐窝间隙检测方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100496402C (zh) | 图像处理方法、图像处理系统以及x-射线ct系统 | |
CN110211091A (zh) | 一种高分辨图像重构方法、装置及隐裂无损检测系统 | |
US8781064B2 (en) | Apparatus and method for non-rotational computer tomography | |
CN109580630A (zh) | 一种机械零部件缺陷的视觉检测方法 | |
JP2017049974A (ja) | 識別器生成装置、良否判定方法、およびプログラム | |
US7840367B2 (en) | Multi-modality inspection system | |
CN108535097A (zh) | 一种三轴试验试样柱面变形全场测量的方法 | |
CN111383285A (zh) | 一种基于毫米波雷达与摄像机传感器融合标定方法及系统 | |
CN110133014B (zh) | 一种芯片内部缺陷检测方法及系统 | |
WO2015066458A1 (en) | Method for measuring the interior three-dimensional movement, stress and strain of an object | |
US20210350115A1 (en) | Methods and apparatus for identifying surface features in three-dimensional images | |
CN102809494A (zh) | 数字x射线成像系统调制传递函数的刀口法测量方法 | |
CN110057847A (zh) | Tr层析扫描投影重排方法及装置 | |
CN109410139A (zh) | 一种文物内部和表面病害数字化分析评估方法 | |
CN108335310B (zh) | 一种便携式粒形粒度检测方法及系统 | |
Xie et al. | Morphological measurement for carrot based on three-dimensional reconstruction with a ToF sensor | |
CN110873723A (zh) | 一种岩心ct扫描图像的处理方法 | |
Chopin et al. | A new method for accurate, high-throughput volume estimation from three 2D projective images | |
CN108507476B (zh) | 用于材料表面的位移场测量方法、装置、设备及存储介质 | |
CN107941241A (zh) | 一种用于航空摄影测量质量评价的分辨率板及其使用方法 | |
CN115754007A (zh) | 一种基于声发射技术和层析成像技术的损伤检测方法 | |
Guldur et al. | Damage detection on structures using texture mapped laser point clouds | |
Han et al. | Three-dimensional visualization of soil pore structure using computed tomography | |
CN113129275A (zh) | 一种基于岩土体材料数字图像三维结构表征方法 | |
Fayek et al. | Point density for soil specimen volume measurements in image-based methods during triaxial testing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190906 |
|
WD01 | Invention patent application deemed withdrawn after publication |