CN113538405B - 基于图像融合的玻璃纤维复合材料无损检测方法及系统 - Google Patents
基于图像融合的玻璃纤维复合材料无损检测方法及系统 Download PDFInfo
- Publication number
- CN113538405B CN113538405B CN202110871147.8A CN202110871147A CN113538405B CN 113538405 B CN113538405 B CN 113538405B CN 202110871147 A CN202110871147 A CN 202110871147A CN 113538405 B CN113538405 B CN 113538405B
- Authority
- CN
- China
- Prior art keywords
- image
- terahertz
- band
- saliency map
- frequency sub
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 64
- 230000004927 fusion Effects 0.000 title claims abstract description 61
- 239000003365 glass fiber Substances 0.000 title claims abstract description 58
- 239000002131 composite material Substances 0.000 title claims abstract description 57
- 238000009659 non-destructive testing Methods 0.000 title claims abstract description 35
- 230000007547 defect Effects 0.000 claims abstract description 39
- 238000004458 analytical method Methods 0.000 claims abstract description 22
- 238000012545 processing Methods 0.000 claims abstract description 17
- 238000007499 fusion processing Methods 0.000 claims abstract description 10
- 238000010586 diagram Methods 0.000 claims description 28
- 238000000354 decomposition reaction Methods 0.000 claims description 13
- 230000015654 memory Effects 0.000 claims description 12
- 238000001228 spectrum Methods 0.000 claims description 12
- 230000009466 transformation Effects 0.000 claims description 7
- 238000012360 testing method Methods 0.000 claims 1
- 238000001514 detection method Methods 0.000 abstract description 12
- 230000032798 delamination Effects 0.000 abstract description 4
- 230000035945 sensitivity Effects 0.000 abstract description 2
- 238000002591 computed tomography Methods 0.000 description 10
- 238000001328 terahertz time-domain spectroscopy Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 7
- 238000013461 design Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000003384 imaging method Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 230000005855 radiation Effects 0.000 description 4
- 238000013519 translation Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 230000002950 deficient Effects 0.000 description 3
- 239000011152 fibreglass Substances 0.000 description 3
- 230000003595 spectral effect Effects 0.000 description 3
- 238000000701 chemical imaging Methods 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 239000003822 epoxy resin Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000003292 glue Substances 0.000 description 1
- 230000012447 hatching Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000010030 laminating Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 229920000647 polyepoxide Polymers 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- 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
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明公开了基于图像融合的玻璃纤维复合材料无损检测方法及系统，包括：获取待检测玻璃纤维复合材料的太赫兹图像和X射线图像；对太赫兹图像进行条纹去噪处理；对X射线图像进行条纹去噪处理；对条纹去噪后的太赫兹图像进行显著性分析，得到太赫兹图像的显著图；对条纹去噪后的X射线图像进行显著性分析，得到X射线图像的显著图；对太赫兹图像的显著图和X射线图像的显著图进行图像融合处理，得到太赫兹图像与X射线图像的融合结果；基于太赫兹图像与X射线图像的融合结果，得到待检测玻璃纤维复合材料缺陷的无损检测结果。提高夹杂缺陷的检测灵敏度；提高较深分层缺陷的检测对比度；提高薄分层缺陷的检测分辨率。
Description
技术领域
本发明涉及玻璃纤维复合材料无损检测技术领域，特别是涉及基于图像融合的玻璃纤维复合材料无损检测方法及系统。
背景技术
本部分的陈述仅仅是提到了与本发明相关的背景技术，并不必然构成现有技术。
玻璃纤维复合材料因其优越的性能被广泛应用于各个领域。然而，玻璃纤维复合材料内部存在的缺陷会导致结构断裂，并降低其强度。因此，采用合适的无损检测方法对玻璃纤维复合材料的隐藏缺陷进行探测势在必行。
目前，太赫兹和X射线技术是玻璃纤维复合材料常用的无损检测方法，其中太赫兹辐射(频率为0.1-10THz，波长为0.03-3mm)的光子能量低，穿透性强，X射线(频率为30PHz-30 EHz，波长为0.001-10nm)的空间分辨率强。在前期进行玻璃纤维复合材料无损检测研究中发现，太赫兹时域光谱技术在检测缺陷时对比度高，但分辨率较差，X射线计算机断层扫描技术在检测缺陷时分辨率高，但对比度较差。此外，太赫兹时域光谱技术能够检测出X射线计算机断层扫描技术中缺失的缺陷。
发明内容
为了解决现有技术的不足，本发明提供了基于图像融合的玻璃纤维复合材料无损检测方法及系统；将太赫兹时域光谱技术和X射线计算机断层扫描技术进行有效融合，可以进一步提高玻璃纤维复合材料缺陷检测的效果。利用基于显著性区域分析和多尺度变换相结合的图像融合算法，用于检测内含缺陷的玻璃纤维复合材料，可同时结合太赫兹无损检测高对比度和X射线无损检测高分辨率的优点。
第一方面，本发明提供了基于图像融合的玻璃纤维复合材料无损检测方法；
基于图像融合的玻璃纤维复合材料无损检测方法，包括：
获取待检测玻璃纤维复合材料的太赫兹图像和X射线图像；
对太赫兹图像进行条纹去噪处理；对X射线图像进行条纹去噪处理；
对条纹去噪后的太赫兹图像进行显著性分析，得到太赫兹图像的显著图；对条纹去噪后的X射线图像进行显著性分析，得到X射线图像的显著图；
对太赫兹图像的显著图和X射线图像的显著图进行图像融合处理，得到太赫兹图像与X射线图像的融合结果；
基于太赫兹图像与X射线图像的融合结果，得到待检测玻璃纤维复合材料缺陷的无损检测结果。
第二方面，本发明提供了基于图像融合的玻璃纤维复合材料无损检测系统；
基于图像融合的玻璃纤维复合材料无损检测系统，包括：
获取模块，其被配置为：获取待检测玻璃纤维复合材料的太赫兹图像和X射线图像；
去噪模块，其被配置为：对太赫兹图像进行条纹去噪处理；对X射线图像进行条纹去噪处理；
显著性分析模块，其被配置为：对条纹去噪后的太赫兹图像进行显著性分析，得到太赫兹图像的显著图；对条纹去噪后的X射线图像进行显著性分析，得到X射线图像的显著图；
图像融合模块，其被配置为：对太赫兹图像的显著图和X射线图像的显著图进行图像融合处理，得到太赫兹图像与X射线图像的融合结果；
输出模块，其被配置为：基于太赫兹图像与X射线图像的融合结果，得到待检测玻璃纤维复合材料缺陷的无损检测结果。
第三方面，本发明还提供了一种电子设备，包括：
存储器，用于非暂时性存储计算机可读指令；以及
处理器，用于运行所述计算机可读指令，
其中，所述计算机可读指令被所述处理器运行时，执行上述第一方面所述的方法。
第四方面，本发明还提供了一种存储介质，非暂时性地存储计算机可读指令，其中，当所述非暂时性计算机可读指令由计算机执行时，执行第一方面所述方法的指令。
与现有技术相比，本发明的有益效果是：
1)提高夹杂缺陷的检测灵敏度；
2)提高较深分层缺陷的检测对比度；
3)提高薄分层缺陷的检测分辨率。
本发明附加方面的优点将在下面的描述中部分给出，或通过本发明的实践了解到。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1为第一个实施例的方法流程图；
图2(a)为第一个实施例的太赫兹时域光谱系统实物图；
图2(b)为第一个实施例的太赫兹时域光谱系统原理图；
图2(c)为第一个实施例的X射线计算机断层扫描系统实物图；
图2(d)为第一个实施例的X射线计算机断层扫描系统原理图；
图3(a1)和图3(a2)为第一个实施例的样本1内含不同材质缺陷玻璃纤维复合材料板的三维设计图；
图3(b1)和图3(b2)为第一个实施例的样本2内含不同厚度缺陷玻璃纤维复合材料板的三维设计图；
图3(c1)和图3(c2)为第一个实施例的样本3内含不同深度缺陷玻璃纤维复合材料板的三维设计图；
图3(d1)和图3(d2)为第一个实施例的样本4内含不同形状缺陷玻璃纤维复合材料板的三维设计图；
图3(e1)、图3(e2)、图3(e3)和图3(e4)为第一个实施例的不同形状缺陷几何参数；
图4(a)～图4(e)为第一个实施例的不同样本太赫兹图像无损检测结果；
图4(f)～图4(j)为第一个实施例的不同样本X射线图像无损检测结果；
图5(a)～图5(e)为第一个实施例的不同样本太赫兹图像条纹去噪结果；
图5(f)～图5(j)为第一个实施例的不同样本X射线图像条纹去噪结果；
图6(a)～图6(e)为第一个实施例的不同样本太赫兹图像显著图；
图6(f)～图6(j)为第一个实施例的不同样本X射线图像显著图；
图7(a)～图7(e)为第一个实施例的不同样本太赫兹和X射线的图像融合结果；
图8(a)Lena图像，图8(b)添加横向条纹后的Lena图像，图8(c)添加纵向条纹后的Lena图像，图8(d)Lena图像频谱图，图8(e)添加横向条纹后的Lena图像频谱图，图8(f)添加纵向条纹后的Lena图像频谱图；
图9(a)、图9(b)、图9(c)分别是X射线光谱成像结果的频谱图；
图10(a)、图10(b)、图10(c)十字扇形滤波器原理图；
图11(a)、图11(b)、图11(c)滤波后X射线光谱成像结果的频谱图。
具体实施方式
应该指出，以下详细说明都是示例性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，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。
在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
本实施例所有数据的获取都在符合法律法规和用户同意的基础上，对数据的合法应用。
实施例一
本实施例提供了基于图像融合的玻璃纤维复合材料无损检测方法；
如图1所示，基于图像融合的玻璃纤维复合材料无损检测方法，包括：
S101：获取待检测玻璃纤维复合材料的太赫兹图像和X射线图像；
S102：对太赫兹图像进行条纹去噪处理；对X射线图像进行条纹去噪处理；
S103：对条纹去噪后的太赫兹图像进行显著性分析，得到太赫兹图像的显著图；对条纹去噪后的X射线图像进行显著性分析，得到X射线图像的显著图；
S104：对太赫兹图像的显著图和X射线图像的显著图进行图像融合处理，得到太赫兹图像与X射线图像的融合结果；
S105：基于太赫兹图像与X射线图像的融合结果，得到待检测玻璃纤维复合材料缺陷的无损检测结果。
进一步地，所述S101中，所述太赫兹图像，通过太赫兹时域光谱系统来获取；所述X射线图像，通过X射线计算机断层扫描系统来获取。
本发明所采用的太赫兹时域光谱系统是美国Zomega Terahertz公司生产的FICOREV 2.0。该系统时域范围为0～100ps，分辨率为0.05ps，有效频域范围为0～2THz，分辨率为11GHz。二维移动台的最大扫描范围为150mm×150mm，最小扫描步长为0.05mm。为了减少水蒸气对太赫兹波吸收的影响，整个系统被安置于封闭的玻璃盖中，填充干燥空气，使相对湿度保持在1％以下。
本发明所采用的X射线计算机断层扫描系统是由YXLON公司制造。该系统辐射源为FXE-225kV管，工作电压为80kV，工作电流为2mA。样品被放置在距离辐射源380mm处的旋转平台上，且旋转平台与辐射源的角度呈30deg，旋转步进为0.5deg，使用锥形扫描模式，切层厚度设为0.05mm。该系统扫描体积为100×100×3mm3的玻璃纤维层压板大约需要40min，成像横向分辨率能达到6μm。图2(a)～图2(d)为太赫兹时域光谱系统和X射线计算机断层扫描系统的实物图和原理示意图。
样本准备：由某玻璃钢研究院加工内含缺陷的玻璃纤维复合材料板，大小均为100mm(长)×100mm(宽)×3mm(高)，由单层玻璃纤维布按照0/90deg的方向交叉铺叠，经过环氧树脂胶粘合，并通过层压工艺制成。分别在玻璃纤维复合材料板内部预埋不同材质、厚度、深度和形状的薄膜，来模拟异物夹杂和分层缺陷。如图3(a1)和图3(a2)、图3(b1)和图3(b2)、图3(c1)和图3(c2)、图3(d1)和图3(d2)、图3(e1)、图3(e2)、图3(e3)和图3(e4)、表1所示。
表1样本信息
太赫兹和X射线检测成像：分别利用太赫兹时域光谱系统和X射线计算机断层扫描系统对内含缺陷的玻璃纤维复合材料板进行检测。太赫兹时域光谱系统使用缺陷处的反射脉冲进行成像。X射线计算机断层扫描系统通过二维能量衰减分布进行成像。如图4(a)～图4(j)所示，从图4(a)～图4(j)中可看出，玻璃纤维复合材料板的太赫兹和X射线成像结果存在横向和纵向分布的条纹，这是由于玻璃纤维布按照0/90deg的方向交叉铺叠导致的，条纹噪声的存在导致缺陷检测的对比度较低，影响缺陷检测效果。
进一步地，所述S102中，对太赫兹图像进行条纹去噪处理和对X射线图像进行条纹去噪处理，采用相同的方式进行条纹去噪处理；均采用基于十字扇形滤波器的频域条纹噪声去除方式。
进一步地，所述S102中，基于十字扇形滤波器的频域条纹噪声去除方式；具体包括：
S1021：对含有条纹噪声的图像进行傅里叶变换，将图像由空域转换为频域；
S1022：根据条纹噪声的频域分布情况，设计十字扇形滤波器；基于十字扇形滤波器，去除条纹噪声，得到去噪后的频谱图像；
S1023：对去噪后的频谱图像进行傅里叶反变换，得到去除条纹噪声的空域图像。
进一步地，所述S1022：根据条纹噪声的频域分布情况，设计十字扇形滤波器；基于十字扇形滤波器，去除条纹噪声，得到去噪后的频谱图像；具体包括：
S10221：设置频谱图的中心点为十字扇形滤波器的“十”字中心点；
S10222：以“十”字中心点为扇形的原点，分别设置四个扇形，四个扇形的对称轴分别设置在原点的上下左右四个方向，并设置四个扇形圆心角的度数；
S10223：将频谱图四个扇形内部区域的像素值设为0，去除条纹噪声，得到去噪后的频谱图像。
条纹噪声的频域特性：对图像进行傅里叶变换，可以获得图像在频域的分布情况。图8(a)～图8(f)是Lena原图以及添加横向和纵向条纹后Lena图像的频谱图，从图8(a)～图8(f)可以发现，对于含有水平条纹噪声的图像，其平移处理后的Fourier频谱图在正中间垂直方向通常表现为竖条亮斑。对于含有竖直条纹噪声的图像，其平移处理后的Fourier频谱图则在正中间水平方向表现为横条亮斑。
频谱图正中间垂直方向或水平方向出现亮斑的原因从物理意义上解释如下：
令f(x,y)表示一副像素大小为M×N的图像，它的二维离散Fourier变换如下式所示：
对上述的二维离散Fourier变换作简单变形后可得下式：
由变形后的公式可以看出，二维Fourier变换实际上是由两次一维Fourier变换得到的，先对行(水平)方向进行一维Fourier变换，再对列(垂直)方向进行一维Fourier变换。因此，对图像进行二维Fourier变换后，得到的频谱图分为水平分量和垂直分量，即u分量和v分量。
由于图像的频率是表征图像中灰度变换剧烈程度的指标，对于含有水平条纹噪声的图像，垂直方向的灰度跳变相对较为剧烈，所以其频谱图的垂直方向会出现亮斑。对频谱图进行平移处理后，亮斑会出现在频谱图的正中间位置。
平移处理的作用是让频谱图的正半轴部分和负半轴部分分别关于各自的中心对称。以图9(a)～图9(c)举例，图9(a)～图9(c)分别是内含不同材质、厚度和形状缺陷玻璃纤维复合材料板X射线成像结果(即图4(f)、图4(g)和图4(i))的频谱图，对于同时具有横向和纵向分布条纹噪声的图像，Fourier频谱图在正中间垂直方向和水平方向都有亮线。由于Lena图像是人为添加的条纹，条纹宽度和间隔均一致，所以条纹信息在频谱图中是以等间隔的亮斑出现。而玻璃纤维复合材料板X射线图像存在的横竖条纹宽度和间隔的规律性都更差，所以条纹信息在频谱图中不是以等间隔的亮斑出现，而是隐藏在正中间垂直方向和水平方向的亮线中。因此设计十字扇形滤波器来进行条纹噪声的去除。
其中，十字扇形滤波器的设计原理如下：
在频谱图中，图像自身有用信息基本位于频谱图原点及其周边一定范围内的区域，但此区域同样存在着噪声频率成分。如何在尽可能丢失较少图像有用信息的前提下去除噪声，是设计滤波器最为关键的地方。
本发明设计的十字扇形滤波器在中心点处存在一定张开角度，可以较好地解决这个问题。十字扇形滤波器需要设置的关键参数为圆心角度数。其中，圆心角度数指的是滤波器中心位置向两边张开的角度，决定对图像频谱信息的保留与去除程度。
图10(a)和图10(b)是十字扇形滤波器的原理图，在图10(a)中，坐标原点附近不规则阴影代表图像有用信息，直线代表条纹噪声信息，关于原点对称的四个扇形代表设计的十字扇形滤波器。经过十字扇形滤波器滤波后，条纹噪声信息被去除，同时图像的部分有用信息也被去除。图11(a)～图11(c)是内含不同材质、厚度和形状缺陷玻璃纤维复合材料板X射线图像经过十字扇形滤波器处理后的频谱图。表2是图11(a)～图11(c)的圆心角度数设置情况。
表2十字扇形滤波器圆心角度数设置
进一步地，所述S103对条纹去噪后的太赫兹图像进行显著性分析，得到太赫兹图像的显著图；与对条纹去噪后的X射线图像进行显著性分析，得到X射线图像的显著图；具体显著性分析步骤是一致的。
进一步地，所述S103对条纹去噪后的太赫兹图像进行显著性分析，得到太赫兹图像的显著图；具体包括：
S1031：基于条纹去噪后的太赫兹图像，获取太赫兹图像的对比度图；
S1032：基于条纹去噪后的太赫兹图像，获取太赫兹图像的特征图；
S1033：对太赫兹图像的对比度图和太赫兹图像的特征图，进行加权求和，得到太赫兹图像的显著图。
进一步地，所述S1031：基于条纹去噪后的太赫兹图像，获取太赫兹图像的对比度图；是通过将条纹去噪后的太赫兹图像划分为若干个图像区域；计算不同图像区域的欧几里得距离来获取太赫兹图像的对比度图。
示例性的，所述S1031：基于条纹去噪后的太赫兹图像，获取太赫兹图像的对比度图；具体包括：
以源图像I为例，其像素的数量是M×N，任一像素点由I(i,j)来表示。通过计算区域M1×N1和区域M2×N2的欧几里得距离来构造对比度图，区域之间的欧几里得距离计算如下：
进一步地，所述S1032：基于条纹去噪后的太赫兹图像，获取太赫兹图像的特征图；具体包括：
S10321：计算条纹去噪后的太赫兹图像区域的空间相关性；
S10322：计算条纹去噪后的太赫兹图像的纹理特征；
S10323：将纹理特征与图像区域的空间相关性相乘，得到太赫兹图像的特征图。
应理解的，通过结合空间相关性和纹理特征突出缺陷信息，构建特征图。在太赫兹和X射线图像中，空间相关性越低，成为显著缺陷区域的可能性越大。
示例性的，S10321：计算条纹去噪后的太赫兹图像区域的空间相关性；具体包括：
示例性的，S10322：计算条纹去噪后的太赫兹图像的纹理特征；具体包括：
纹理特征用标准的局部二值模式(LBP)描述为：
其中I’(i,j)与I(i,j)相邻。LBP图由以下方程构建：
示例性的，所述S10323：将纹理特征与图像区域的空间相关性相乘，得到太赫兹图像的特征图；具体包括：
特征图由以下公式获得：
F(i,j)＝X(i,j)×LBPcoeff(i,j)；(5)
示例性的，所述S1033：对太赫兹图像的对比度图和太赫兹图像的特征图，进行加权求和，得到太赫兹图像的显著图。具体包括：
基于能量对特征图和对比度图进行加权融合，得到显著图S，相关公式如下所示：
S(i,j)＝ω1×C(i,j)+ω2×F(i,j)；(7)
其中，ω1和ω2分别是对比图和特征图的相应权重。如图6(a)～图6(j)所示。
进一步地，所述S104：对太赫兹图像的显著图和X射线图像的显著图进行图像融合处理，得到太赫兹图像与X射线图像的融合结果；具体包括：
S1041：对太赫兹图像的显著图进行小波分解，得到太赫兹图像的低频子带和太赫兹图像的高频子带；
对X射线图像的显著图进行小波分解，得到X射线图像的低频子带和X射线图像的高频子带；
其中，低频子带表示图像的主轮廓；高频子带表示图像的纹理边缘；
S1042：计算太赫兹图像显著图的标准差，计算X射线图像显著图的标准差，基于太赫兹图像和X射线图像显著图的标准差，计算出太赫兹图像显著图低频子带的权重，计算出X射线图像显著图低频子带的权重；
计算太赫兹图像显著图的平均梯度，计算X射线图像显著图的平均梯度，基于太赫兹图像和X射线图像显著图的平均梯度，计算出太赫兹图像显著图高频子带的权重，计算出X射线图像显著图高频子带的权重；
S1043：将X射线图像显著图作为引导图像，将太赫兹图像显著图作为输入图像，基于线性变换，得到输出图像；
S1044：将输出图像进行小波分解，得到输出图像的低频子带和高频子带；
S1045：基于输出图像的高频子带，分别对太赫兹图像显著图高频子带的权重和X射线图像显著图高频子带的权重进行修正；
基于输出图像的低频子带，分别对太赫兹图像显著图低频子带的权重和X射线图像显著图低频子带的权重进行修正；
S1046：基于修正后的太赫兹图像显著图高频子带的权重，和修正后的X射线图像显著图高频子带的权重，对太赫兹图像显著图高频子带和X射线图像显著图高频子带进行加权求和，得到太赫兹图像显著图高频子带和X射线图像显著图高频子带的融合结果；
基于修正后的太赫兹图像显著图低频子带的权重，和修正后的X射线图像显著图低频子带的权重，对太赫兹图像显著图低频子带和X射线图像显著图低频子带进行加权求和，得到太赫兹图像显著图低频子带和X射线图像显著图低频子带的融合结果；
S1047：对太赫兹图像显著图高频子带和X射线图像显著图高频子带的融合结果，和太赫兹图像显著图低频子带和X射线图像显著图低频子带的融合结果；进行小波逆变换，得到太赫兹图像与X射线图像的融合结果。如图7(a)～图7(e)所示。
应理解的，对太赫兹和X射线图像的显著图进行小波分解。显著图被分解为低频子带和高频子带，低频子带决定图像的主轮廓，高频子带决定图像的纹理边缘信息。分别采用对比度策略和平均梯度策略融合相应的低频子带和高频子带，同时采用引导滤波器对权重因子进行修正。对比度策略可以将缺陷和背景之间的灰度差信息传递到最终的融合图像中，而平均梯度策略可以有效地将缺陷的纹理、边缘轮廓和梯度等细节传递到最终的融合图像中。
示例性的，S1042：计算太赫兹图像显著图的标准差，计算X射线图像显著图的标准差，基于太赫兹图像和X射线图像显著图的标准差，计算出太赫兹图像显著图低频子带的权重，计算出X射线图像显著图低频子带的权重；具体包括：
低频子带的对比度策略是通过计算显著图的标准差来实现的，公式如下：
权重由下式建立：
PXL＝1-PTL；(9-2)
其中，SDT和SDX分别为太赫兹和X射线显著图的标准差。PTL和PXL分别为太赫兹和X射线显著图低频子带的权重。
示例性的，计算太赫兹图像显著图的平均梯度，计算X射线图像显著图的平均梯度，基于太赫兹图像和X射线图像显著图的平均梯度，计算出太赫兹图像显著图高频子带的权重，计算出X射线图像显著图高频子带的权重；具体包括：
高频子带的平均梯度策略是通过计算显著图的平均梯度来实现的，公式如下：
权值由梯度值构建，如下所示：
PXH＝1-PTH；(11-2)
其中，AVGT和AVGX分别是太赫兹和X射线显著图的平均梯度。PTH和PXH分别为太赫兹和X射线显著图高频子带的权重。
示例性的，S1043：将X射线图像显著图作为引导图像，将太赫兹图像显著图作为输入图像，基于线性变换，得到输出图像；具体包括：
引导滤波器可以抑制太赫兹和X射线源图像缺乏空间一致性而产生的伪影，消除未配准图像对融合结果的影响。它可以充分利用相邻像素之间的相关性对图像进行处理，从而达到良好的空间一致性。引导滤波器是基于局部线性模型,利用X射线显著图SX作为引导图像，利用太赫兹显著图ST作为输入图像,所以最终输出图像G可以保留输入图像的主要信息，同时获得引导图像的变化趋势。假设输出图像G是引导图像SX在像素SX(i,j)为中心的局部窗口vk上的线性变换，则上述过程可以描述为：
其中ak和bk是大小为(2×k+1)×(2×k+1)的滤波窗vk的线性系数，可由如下均方误差估计：
其中η为正则化参数。线性系数ak和bk用最小二乘法求解：
示例性的，S1044：将输出图像进行小波分解，得到输出图像的低频子带和高频子带；具体包括：
将输出图像G分解为低频子带GL和高频子带GH，分解方法与太赫兹和X射线显著图相同。
示例性的，S1045：基于输出图像的高频子带，分别对太赫兹图像显著图高频子带的权重和X射线图像显著图高频子带的权重进行修正；基于输出图像的低频子带，分别对太赫兹图像显著图低频子带的权重和X射线图像显著图低频子带的权重进行修正；具体包括：
对太赫兹和X射线图像显著图高频子带的融合权重进行修正：
ωTH＝GH×PTH；(16-1)
ωXH＝GH×PXH；(16-2)
对太赫兹和X射线图像显著图低频子带的融合权值进行修正：
ωTL＝GL×PTL；(17-1)
ωXL＝GL×PXL；(17-2)
示例性的，S1046：基于修正后的太赫兹图像显著图高频子带的权重，和修正后的X射线图像显著图高频子带的权重，对太赫兹图像显著图高频子带和X射线图像显著图高频子带进行加权求和，得到太赫兹图像显著图高频子带和X射线图像显著图高频子带的融合结果；具体包括：
获得太赫兹和X射线显著图高频子带的融合结果：
FusionH＝ωTH×TH+ωXH×XH；(18)
其中，TH和XH分别为小波分解后太赫兹和X射线显著图的高频子带。
示例性的，S1046：基于修正后的太赫兹图像显著图低频子带的权重，和修正后的X射线图像显著图低频子带的权重，对太赫兹图像显著图低频子带和X射线图像显著图低频子带进行加权求和，得到太赫兹图像显著图低频子带和X射线图像显著图低频子带的融合结果；具体包括：
太赫兹和X射线图像低频子带的融合结果：
FusionL＝ωTL×TL+ωXL×XL；(19)
其中，TL和XL分别为小波分解后太赫兹和X射线显著图的低频子带。
进一步地，所述S105：基于太赫兹图像与X射线图像的融合结果，得到待检测玻璃纤维复合材料缺陷的无损检测结果；具体包括：
采用图像分割算法，将融合图像分成缺陷和背景两部分，提取出缺陷区域。图像分割算法采用最大类间方差法，通过统计整个图像的直方图特性来实现全局阈值的自动选取，根据选取的阈值将图像分为缺陷和背景两个部分。
实施例二
本实施例提供了基于图像融合的玻璃纤维复合材料无损检测系统；
基于图像融合的玻璃纤维复合材料无损检测系统，包括：
获取模块，其被配置为：获取待检测玻璃纤维复合材料的太赫兹图像和X射线图像；
去噪模块，其被配置为：对太赫兹图像进行条纹去噪处理；对X射线图像进行条纹去噪处理；
显著性分析模块，其被配置为：对条纹去噪后的太赫兹图像进行显著性分析，得到太赫兹图像的显著图；对条纹去噪后的X射线图像进行显著性分析，得到X射线图像的显著图；
图像融合模块，其被配置为：对太赫兹图像的显著图和X射线图像的显著图进行图像融合处理，得到太赫兹图像与X射线图像的融合结果；
输出模块，其被配置为：基于太赫兹图像与X射线图像的融合结果，得到待检测玻璃纤维复合材料缺陷的无损检测结果。
此处需要说明的是，上述获取模块、去噪模块、显著性分析模块、图像融合模块和输出模块对应于实施例一中的步骤S101至S105，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例一所公开的内容。需要说明的是，上述模块作为系统的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。
上述实施例中对各个实施例的描述各有侧重，某个实施例中没有详述的部分可以参见其他实施例的相关描述。
所提出的系统，可以通过其他的方式实现。例如以上所描述的系统实施例仅仅是示意性的，例如上述模块的划分，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，例如多个模块可以结合或者可以集成到另外一个系统，或一些特征可以忽略，或不执行。
实施例三
本实施例还提供了一种电子设备，包括：一个或多个处理器、一个或多个存储器、以及一个或多个计算机程序；其中，处理器与存储器连接，上述一个或多个计算机程序被存储在存储器中，当电子设备运行时，该处理器执行该存储器存储的一个或多个计算机程序，以使电子设备执行上述实施例一所述的方法。
应理解，本实施例中，处理器可以是中央处理单元CPU，处理器还可以是其他通用处理器、数字信号处理器DSP、专用集成电路ASIC，现成可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如，存储器还可以存储设备类型的信息。
在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。
实施例一中的方法可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。为避免重复，这里不再详细描述。
本领域普通技术人员可以意识到，结合本实施例描述的各示例的单元及算法步骤，能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
实施例四
本实施例还提供了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成实施例一所述的方法。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (9)
1.基于图像融合的玻璃纤维复合材料无损检测方法，其特征是，包括：
获取待检测玻璃纤维复合材料的太赫兹图像和X射线图像；
对太赫兹图像进行条纹去噪处理；对X射线图像进行条纹去噪处理；
对条纹去噪后的太赫兹图像进行显著性分析，得到太赫兹图像的显著图；
对条纹去噪后的X射线图像进行显著性分析，得到X射线图像的显著图；
对太赫兹图像的显著图和X射线图像的显著图进行图像融合处理，得到太赫兹图像与X射线图像的融合结果；
基于太赫兹图像与X射线图像的融合结果，得到待检测玻璃纤维复合材料缺陷的无损检测结果；
所述对太赫兹图像的显著图和X射线图像的显著图进行图像融合处理，得到太赫兹图像与X射线图像的融合结果，具体包括：
(1)：对太赫兹图像的显著图进行小波分解，得到太赫兹图像的低频子带和太赫兹图像的高频子带；
对X射线图像的显著图进行小波分解，得到X射线图像的低频子带和X射线图像的高频子带；
其中，低频子带表示图像的主轮廓；高频子带表示图像的纹理边缘；
(2)：计算太赫兹图像显著图的标准差，计算X射线图像显著图的标准差，基于太赫兹图像和X射线图像显著图的标准差，计算出太赫兹图像显著图低频子带的权重，计算出X射线图像显著图低频子带的权重；
计算太赫兹图像显著图的平均梯度，计算X射线图像显著图的平均梯度，基于太赫兹图像和X射线图像显著图的平均梯度，计算出太赫兹图像显著图高频子带的权重，计算出X射线图像显著图高频子带的权重；
(3)：将X射线图像显著图作为引导图像，将太赫兹图像显著图作为输入图像，基于线性变换，得到输出图像；
(4)：将输出图像进行小波分解，得到输出图像的低频子带和高频子带；
(5)：基于输出图像的高频子带，分别对太赫兹图像显著图高频子带的权重和X射线图像显著图高频子带的权重进行修正；
基于输出图像的低频子带，分别对太赫兹图像显著图低频子带的权重和X射线图像显著图低频子带的权重进行修正；
(6)：基于修正后的太赫兹图像显著图高频子带的权重，和修正后的X射线图像显著图高频子带的权重，对太赫兹图像显著图高频子带和X射线图像显著图高频子带进行加权求和，得到太赫兹图像显著图高频子带和X射线图像显著图高频子带的融合结果；
基于修正后的太赫兹图像显著图低频子带的权重，和修正后的X射线图像显著图低频子带的权重，对太赫兹图像显著图低频子带和X射线图像显著图低频子带进行加权求和，得到太赫兹图像显著图低频子带和X射线图像显著图低频子带的融合结果；
(7)：对太赫兹图像显著图高频子带和X射线图像显著图高频子带的融合结果，和太赫兹图像显著图低频子带和X射线图像显著图低频子带的融合结果；进行小波逆变换，得到太赫兹图像与X射线图像的融合结果。
2.如权利要求1所述的基于图像融合的玻璃纤维复合材料无损检测方法，其特征是，对太赫兹图像进行条纹去噪处理和对X射线图像进行条纹去噪处理，采用相同的方式进行条纹去噪处理；均采用基于十字扇形滤波器的频域条纹噪声去除方式。
3.如权利要求2所述的基于图像融合的玻璃纤维复合材料无损检测方法，其特征是，基于十字扇形滤波器的频域条纹噪声去除方式；具体包括：
对含有条纹噪声的图像进行傅里叶变换，将图像由空域转换为频域；
根据条纹噪声的频域分布情况，设计十字扇形滤波器；基于十字扇形滤波器，去除条纹噪声，得到去噪后的频谱图像；
对去噪后的频谱图像进行傅里叶反变换，得到去除条纹噪声的空域图像。
4.如权利要求3所述的基于图像融合的玻璃纤维复合材料无损检测方法，其特征是，根据条纹噪声的频域分布情况，设计十字扇形滤波器；基于十字扇形滤波器，去除条纹噪声，得到去噪后的频谱图像；具体包括：
设置频谱图的中心点为十字扇形滤波器的“十”字中心点；
以“十”字中心点为扇形的原点，分别设置四个扇形，四个扇形的对称轴分别设置在原点的上下左右四个方向，并设置四个扇形圆心角的度数；
将频谱图四个扇形内部区域的像素值设为0，去除条纹噪声，得到去噪后的频谱图像。
5.如权利要求1所述的基于图像融合的玻璃纤维复合材料无损检测方法，其特征是，对条纹去噪后的太赫兹图像进行显著性分析，得到太赫兹图像的显著图；具体包括：
基于条纹去噪后的太赫兹图像，获取太赫兹图像的对比度图；
基于条纹去噪后的太赫兹图像，获取太赫兹图像的特征图；
对太赫兹图像的对比度图和太赫兹图像的特征图，进行加权求和，得到太赫兹图像的显著图。
6.如权利要求5所述的基于图像融合的玻璃纤维复合材料无损检测方法，其特征是，基于条纹去噪后的太赫兹图像，获取太赫兹图像的对比度图；是通过将条纹去噪后的太赫兹图像划分为若干个图像区域；计算不同图像区域的欧几里得距离来获取太赫兹图像的对比度图；
或者，
基于条纹去噪后的太赫兹图像，获取太赫兹图像的特征图；具体包括：
计算条纹去噪后的太赫兹图像区域的空间相关性；
计算条纹去噪后的太赫兹图像的纹理特征；
将纹理特征与图像区域的空间相关性相乘，得到太赫兹图像的特征图。
7.基于图像融合的玻璃纤维复合材料无损检测系统，其特征是，包括：
获取模块，其被配置为：获取待检测玻璃纤维复合材料的太赫兹图像和X射线图像；
去噪模块，其被配置为：对太赫兹图像进行条纹去噪处理；对X射线图像进行条纹去噪处理；
显著性分析模块，其被配置为：对条纹去噪后的太赫兹图像进行显著性分析，得到太赫兹图像的显著图；对条纹去噪后的X射线图像进行显著性分析，得到X射线图像的显著图；
图像融合模块，其被配置为：对太赫兹图像的显著图和X射线图像的显著图进行图像融合处理，得到太赫兹图像与X射线图像的融合结果；
输出模块，其被配置为：基于太赫兹图像与X射线图像的融合结果，得到待检测玻璃纤维复合材料缺陷的无损检测结果；
所述对太赫兹图像的显著图和X射线图像的显著图进行图像融合处理，得到太赫兹图像与X射线图像的融合结果，具体包括：
(1)：对太赫兹图像的显著图进行小波分解，得到太赫兹图像的低频子带和太赫兹图像的高频子带；
对X射线图像的显著图进行小波分解，得到X射线图像的低频子带和X射线图像的高频子带；
其中，低频子带表示图像的主轮廓；高频子带表示图像的纹理边缘；
(2)：计算太赫兹图像显著图的标准差，计算X射线图像显著图的标准差，基于太赫兹图像和X射线图像显著图的标准差，计算出太赫兹图像显著图低频子带的权重，计算出X射线图像显著图低频子带的权重；
计算太赫兹图像显著图的平均梯度，计算X射线图像显著图的平均梯度，基于太赫兹图像和X射线图像显著图的平均梯度，计算出太赫兹图像显著图高频子带的权重，计算出X射线图像显著图高频子带的权重；
(3)：将X射线图像显著图作为引导图像，将太赫兹图像显著图作为输入图像，基于线性变换，得到输出图像；
(4)：将输出图像进行小波分解，得到输出图像的低频子带和高频子带；
(5)：基于输出图像的高频子带，分别对太赫兹图像显著图高频子带的权重和X射线图像显著图高频子带的权重进行修正；
基于输出图像的低频子带，分别对太赫兹图像显著图低频子带的权重和X射线图像显著图低频子带的权重进行修正；
(6)：基于修正后的太赫兹图像显著图高频子带的权重，和修正后的X射线图像显著图高频子带的权重，对太赫兹图像显著图高频子带和X射线图像显著图高频子带进行加权求和，得到太赫兹图像显著图高频子带和X射线图像显著图高频子带的融合结果；
基于修正后的太赫兹图像显著图低频子带的权重，和修正后的X射线图像显著图低频子带的权重，对太赫兹图像显著图低频子带和X射线图像显著图低频子带进行加权求和，得到太赫兹图像显著图低频子带和X射线图像显著图低频子带的融合结果；
(7)：对太赫兹图像显著图高频子带和X射线图像显著图高频子带的融合结果，和太赫兹图像显著图低频子带和X射线图像显著图低频子带的融合结果；进行小波逆变换，得到太赫兹图像与X射线图像的融合结果。
8.一种电子设备，其特征是，包括：
存储器，用于非暂时性存储计算机可读指令；以及
处理器，用于运行所述计算机可读指令，
其中，所述计算机可读指令被所述处理器运行时，执行上述权利要求1-6任一项所述的方法。
9.一种存储介质，其特征是，非暂时性地存储计算机可读指令，其中，当非暂时性计算机可读指令由计算机执行时，执行权利要求1-6任一项所述方法的指令。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110871147.8A CN113538405B (zh) | 2021-07-30 | 2021-07-30 | 基于图像融合的玻璃纤维复合材料无损检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110871147.8A CN113538405B (zh) | 2021-07-30 | 2021-07-30 | 基于图像融合的玻璃纤维复合材料无损检测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113538405A CN113538405A (zh) | 2021-10-22 |
| CN113538405B true CN113538405B (zh) | 2023-03-31 |
Family
ID=78121596
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110871147.8A Active CN113538405B (zh) | 2021-07-30 | 2021-07-30 | 基于图像融合的玻璃纤维复合材料无损检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113538405B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114881961A (zh) * | 2022-04-29 | 2022-08-09 | 江苏仙岳材料科技有限公司 | 一种玻璃纤维板裂纹检测方法及设备 |
| CN114663430A (zh) * | 2022-05-18 | 2022-06-24 | 爱科赛智能科技(浙江)有限公司 | 一种基于频域信息双确认的pcb表面缺陷检测方法 |
| CN117911417B (zh) * | 2024-03-20 | 2024-05-31 | 天津市凯瑞新材料科技有限公司 | 一种基于光电探测器的纺织布面缺陷检测方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103926199A (zh) * | 2014-04-16 | 2014-07-16 | 黄晓鹏 | 危险品检测装置和检测方法 |
| CN107356599A (zh) * | 2017-06-23 | 2017-11-17 | 厦门大学 | 一种陶瓷基复合材料的太赫兹无损检测方法 |
| CN108846823A (zh) * | 2018-06-22 | 2018-11-20 | 西安天和防务技术股份有限公司 | 一种太赫兹图像和可见光图像的融合方法 |
| CN109102455A (zh) * | 2018-08-27 | 2018-12-28 | 国网江苏省电力有限公司电力科学研究院 | 缺陷检测方法、检测图像生成方法、系统及存储设备 |
| CN113125455A (zh) * | 2019-12-30 | 2021-07-16 | 北京华航无线电测量研究所 | 一种太赫兹准光检测装置及非金属管道检测系统和方法 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110514678A (zh) * | 2012-09-04 | 2019-11-29 | 帝人芳纶有限公司 | 用于合成绳非破坏性试验的方法和适用于其中的绳 |
| US11125866B2 (en) * | 2015-06-04 | 2021-09-21 | Chikayoshi Sumi | Measurement and imaging instruments and beamforming method |
| US10568494B2 (en) * | 2016-04-16 | 2020-02-25 | Zhejiang University | Terahertz endoscope suitable for intestinal tract lesion inspection and inspection method thereof |
| CN107219161A (zh) * | 2017-06-05 | 2017-09-29 | 吉林大学 | 一种基于太赫兹光谱技术的玻璃纤维复合材料孔隙率的检测方法 |
| CN108197649A (zh) * | 2017-12-29 | 2018-06-22 | 厦门大学 | 一种太赫兹图像聚类分析方法及系统 |
| CN109492714B (zh) * | 2018-12-29 | 2023-09-15 | 同方威视技术股份有限公司 | 图像处理装置及其方法 |
| CN110674835B (zh) * | 2019-03-22 | 2021-03-16 | 集美大学 | 一种太赫兹成像方法及系统和一种无损检测方法及系统 |
| CN110940996A (zh) * | 2019-12-11 | 2020-03-31 | 西安交通大学 | 基于太赫兹和可见光的成像装置、监测系统及成像方法 |
-
2021
- 2021-07-30 CN CN202110871147.8A patent/CN113538405B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103926199A (zh) * | 2014-04-16 | 2014-07-16 | 黄晓鹏 | 危险品检测装置和检测方法 |
| CN107356599A (zh) * | 2017-06-23 | 2017-11-17 | 厦门大学 | 一种陶瓷基复合材料的太赫兹无损检测方法 |
| CN108846823A (zh) * | 2018-06-22 | 2018-11-20 | 西安天和防务技术股份有限公司 | 一种太赫兹图像和可见光图像的融合方法 |
| CN109102455A (zh) * | 2018-08-27 | 2018-12-28 | 国网江苏省电力有限公司电力科学研究院 | 缺陷检测方法、检测图像生成方法、系统及存储设备 |
| CN113125455A (zh) * | 2019-12-30 | 2021-07-16 | 北京华航无线电测量研究所 | 一种太赫兹准光检测装置及非金属管道检测系统和方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113538405A (zh) | 2021-10-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113538405B (zh) | 基于图像融合的玻璃纤维复合材料无损检测方法及系统 | |
| CN109191387B (zh) | 一种基于巴特沃斯滤波器的红外图像去噪方法 | |
| CN107356599B (zh) | 一种陶瓷基复合材料的太赫兹无损检测方法 | |
| CN104200442B (zh) | 基于改进的canny边缘检测的非局部均值MRI图像去噪方法 | |
| CN108133481A (zh) | 一种针对荧光免疫层析试条成像系统的图像处理算法 | |
| CN108550145B (zh) | 一种sar图像质量评估方法和装置 | |
| WO2020062843A1 (zh) | 药丸包衣图像处理方法、装置、计算机设备和存储介质 | |
| CN103077508A (zh) | 基于变换域非局部和最小均方误差的sar图像去噪方法 | |
| CN102750705A (zh) | 基于图像融合的光学遥感图像变化检测 | |
| JP2017500560A (ja) | 欠陥指標の検出方法 | |
| CN106056608A (zh) | 一种图像点线缺陷检测方法及装置 | |
| Karimi et al. | A sinogram denoising algorithm for low-dose computed tomography | |
| CN111489319A (zh) | 基于多尺度双边滤波和视觉显著性的红外图像增强方法 | |
| Bellens et al. | Evaluating conventional and deep learning segmentation for fast X-ray CT porosity measurements of polymer laser sintered AM parts | |
| CN116485787A (zh) | 一种数据线成型外模外观缺陷检测方法 | |
| CN117783051B (zh) | 一种基于多传感器数据融合的甲烷气体泄漏检测方法 | |
| CN104156930B (zh) | 基于双尺度空间的图像融合方法和装置 | |
| Mäkinen et al. | Ring artifact reduction via multiscale nonlocal collaborative filtering of spatially correlated noise | |
| Xie et al. | An improved approach based on Moment Matching to Destriping for Hyperion data | |
| CN103455986B (zh) | 基于分数阶微分梯度的随机噪声点检测方法 | |
| Quan | Quality evaluation method of agricultural product packaging image based on structural similarity and MTF | |
| Abd Halim et al. | Weld defect features extraction on digital radiographic image using Chan-Vese model | |
| Zhou et al. | FASART: An iterative reconstruction algorithm with inter-iteration adaptive NAD filter | |
| CN114004833B (zh) | 复合材料太赫兹成像分辨力增强方法、装置、设备和介质 | |
| JP2001183309A5 (zh) |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |