3圖像預(yù)處理
原始射線(xiàn)圖像非常模糊，產(chǎn)品內(nèi)部構(gòu)件基本上無(wú)法辨認(rèn)，因此必須對(duì)原始圖像進(jìn)行預(yù)處理。圖像預(yù)處理的目的是去除噪聲，突出產(chǎn)品構(gòu)件結(jié)構(gòu)信息。下面介紹所采用的幾種主要的預(yù)處理方法。3.1濾波降噪
采集的X射線(xiàn)圖像中除了存在量子起伏噪聲外，還有許多椒鹽噪聲，需要采用合適的方法進(jìn)行濾波降噪。
通常使用的線(xiàn)性濾波器包括均值濾波和高斯濾波，這兩種濾波器的問(wèn)題是有可能模糊圖像中的尖銳不連續(xù)部分，而這會(huì)造成細(xì)小元件特征的丟失。考慮到機(jī)械產(chǎn)品的特殊性，選擇了非線(xiàn)性的中值濾波器。中值濾波器的基本思想是用像素點(diǎn)鄰域灰度值的中值來(lái)代替該像素點(diǎn)的灰度值，該方法在去除脈沖噪聲、椒鹽噪聲的同時(shí)又能保留圖像邊緣細(xì)節(jié)，這是因?yàn)樗灰蕾?lài)于鄰域內(nèi)那些與典型值差別很大的值。中值濾波在一定條件下，可以克服線(xiàn)性濾波器所帶來(lái)的圖像細(xì)節(jié)模糊，而且對(duì)于去除脈沖噪聲最為有效。并且在運(yùn)算過(guò)程中不需要圖像的統(tǒng)計(jì)特征，因此計(jì)算方便［6］。3.2目標(biāo)背景分割
在射線(xiàn)圖像中，檢測(cè)目標(biāo)只占整個(gè)圖像的一小部分。由于射線(xiàn)圖像不均勻以及噪聲的影響，背景因素常常會(huì)降低特征提取的準(zhǔn)確性，因此有必要對(duì)目標(biāo)與背景進(jìn)行分割，排除背景對(duì)目標(biāo)特征提取的不利影響。
根據(jù)統(tǒng)計(jì)學(xué)理論，工程應(yīng)用中許多模型具有近似于高斯函數(shù)的分布，因此文中假設(shè)目標(biāo)和背景的灰度近似為高斯分布，采用閾值法分割目標(biāo)與背景。設(shè)目標(biāo)像素和背景像素分布密度函數(shù)分別是p(z)和q(z)
其中，μ0和σ0分別為目標(biāo)像素灰度分布的均值和方差；μb和σb分別為背景像素灰度分布的均值和方差；
設(shè)目標(biāo)像素s的概率為θ，背景像素b的概率則為1-θ，整幅圖像的混合概率密度分布為：
3.3直方圖修正
受成像工藝條件限制，所獲取射線(xiàn)圖像的動(dòng)態(tài)范圍常常較小，圖像對(duì)比度低。該文通過(guò)直方圖修正的方法，突出了圖像的特征信息。映射函數(shù)為：
式中fmin＝μ0-ασ0；α為調(diào)節(jié)因子，T為目標(biāo)—背景分割閾值。
所有的預(yù)處理操作完成之后，圖像質(zhì)量有明顯改善，細(xì)小的元器件特征得到突出，利于下一步的檢測(cè)。圖3—1為原始圖像與預(yù)處理后的圖像的對(duì)比。
4故障模式識(shí)別
4.1特征提取
對(duì)標(biāo)準(zhǔn)樣本圖像預(yù)處理完成之后，提取關(guān)鍵零部件的特征，建立特征庫(kù)。由于射線(xiàn)圖像噪聲大，產(chǎn)品結(jié)構(gòu)復(fù)雜，內(nèi)部構(gòu)件重疊、交錯(cuò)，如果僅僅依據(jù)圖像結(jié)構(gòu)進(jìn)行識(shí)別，由于成像后的構(gòu)件位置至少在一維方向上是不確定的，因此，特征提取和識(shí)別比較困難［7］。提取的特征要求可能地反映元件位置，同時(shí)必須容易提取并便于處理。圖4—1為實(shí)驗(yàn)中某產(chǎn)品的特征提取界面。圖中較亮線(xiàn)段包含了該機(jī)械產(chǎn)品幾個(gè)重要零件的信息。提取的特征為兩條水平方向線(xiàn)段上的共175個(gè)像點(diǎn)的灰度值。4.2圖像匹配對(duì)拍攝的檢測(cè)圖像做預(yù)處理之后，要與標(biāo)準(zhǔn)樣本預(yù)處理后圖像進(jìn)行逐幅比較，即做圖像匹配，找到與之拍攝方位最接近的那一幅標(biāo)準(zhǔn)圖像。這是因?yàn)楫a(chǎn)品的標(biāo)準(zhǔn)樣本，是產(chǎn)品從某一隨機(jī)的位置開(kāi)始旋轉(zhuǎn)一周的射線(xiàn)圖像。實(shí)際檢測(cè)時(shí)圖像的位置也是隨機(jī)的。匹配算法如下。
首先對(duì)圖像調(diào)整亮度，對(duì)準(zhǔn)外輪廓線(xiàn)。因?yàn)楫a(chǎn)品軸對(duì)稱(chēng)，只要外輪廓對(duì)準(zhǔn)，圖像就對(duì)準(zhǔn)了。其次，采用最小均方差準(zhǔn)則進(jìn)行匹配。即定義
式中，F(xiàn)k(i，j)———第i幅標(biāo)準(zhǔn)圖像在像素點(diǎn)(i，j)處的灰度值；I(i，j)———檢測(cè)圖像在像素點(diǎn)(i，j)處的灰度值；Ek———檢測(cè)圖像與標(biāo)準(zhǔn)圖像的灰度差值平方和。4.3特征比較
提取預(yù)處理后的檢測(cè)圖像中的相應(yīng)關(guān)鍵零部件位置處的像素灰度值，與匹配好的標(biāo)準(zhǔn)樣本圖像的特征值比較，根據(jù)是否超出設(shè)置的誤差范圍判斷零件的有無(wú)或嚴(yán)重的錯(cuò)位。5檢測(cè)實(shí)例及結(jié)論
按照文中所述的檢測(cè)方法，對(duì)某種要求高可靠性并具有危險(xiǎn)性的機(jī)械產(chǎn)品做了無(wú)損檢測(cè)試驗(yàn)。試驗(yàn)時(shí)共拍攝了正常產(chǎn)品的19幅(每隔10°拍一幅)標(biāo)準(zhǔn)圖像，從任意的方位開(kāi)始拍攝一幅已知故障類(lèi)型的產(chǎn)品圖像，然后旋轉(zhuǎn)90°再拍攝一幅。系統(tǒng)準(zhǔn)確無(wú)誤地預(yù)報(bào)出存在的故障。
原始射線(xiàn)圖像非常模糊，產(chǎn)品內(nèi)部構(gòu)件基本上無(wú)法辨認(rèn)，因此必須對(duì)原始圖像進(jìn)行預(yù)處理。圖像預(yù)處理的目的是去除噪聲，突出產(chǎn)品構(gòu)件結(jié)構(gòu)信息。下面介紹所采用的幾種主要的預(yù)處理方法。3.1濾波降噪
采集的X射線(xiàn)圖像中除了存在量子起伏噪聲外，還有許多椒鹽噪聲，需要采用合適的方法進(jìn)行濾波降噪。
通常使用的線(xiàn)性濾波器包括均值濾波和高斯濾波，這兩種濾波器的問(wèn)題是有可能模糊圖像中的尖銳不連續(xù)部分，而這會(huì)造成細(xì)小元件特征的丟失。考慮到機(jī)械產(chǎn)品的特殊性，選擇了非線(xiàn)性的中值濾波器。中值濾波器的基本思想是用像素點(diǎn)鄰域灰度值的中值來(lái)代替該像素點(diǎn)的灰度值，該方法在去除脈沖噪聲、椒鹽噪聲的同時(shí)又能保留圖像邊緣細(xì)節(jié)，這是因?yàn)樗灰蕾?lài)于鄰域內(nèi)那些與典型值差別很大的值。中值濾波在一定條件下，可以克服線(xiàn)性濾波器所帶來(lái)的圖像細(xì)節(jié)模糊，而且對(duì)于去除脈沖噪聲最為有效。并且在運(yùn)算過(guò)程中不需要圖像的統(tǒng)計(jì)特征，因此計(jì)算方便［6］。3.2目標(biāo)背景分割
在射線(xiàn)圖像中，檢測(cè)目標(biāo)只占整個(gè)圖像的一小部分。由于射線(xiàn)圖像不均勻以及噪聲的影響，背景因素常常會(huì)降低特征提取的準(zhǔn)確性，因此有必要對(duì)目標(biāo)與背景進(jìn)行分割，排除背景對(duì)目標(biāo)特征提取的不利影響。
根據(jù)統(tǒng)計(jì)學(xué)理論，工程應(yīng)用中許多模型具有近似于高斯函數(shù)的分布，因此文中假設(shè)目標(biāo)和背景的灰度近似為高斯分布，采用閾值法分割目標(biāo)與背景。設(shè)目標(biāo)像素和背景像素分布密度函數(shù)分別是p(z)和q(z)
其中，μ0和σ0分別為目標(biāo)像素灰度分布的均值和方差；μb和σb分別為背景像素灰度分布的均值和方差；
設(shè)目標(biāo)像素s的概率為θ，背景像素b的概率則為1-θ，整幅圖像的混合概率密度分布為：
3.3直方圖修正
受成像工藝條件限制，所獲取射線(xiàn)圖像的動(dòng)態(tài)范圍常常較小，圖像對(duì)比度低。該文通過(guò)直方圖修正的方法，突出了圖像的特征信息。映射函數(shù)為：
式中fmin＝μ0-ασ0；α為調(diào)節(jié)因子，T為目標(biāo)—背景分割閾值。
所有的預(yù)處理操作完成之后，圖像質(zhì)量有明顯改善，細(xì)小的元器件特征得到突出，利于下一步的檢測(cè)。圖3—1為原始圖像與預(yù)處理后的圖像的對(duì)比。
4故障模式識(shí)別
4.1特征提取
對(duì)標(biāo)準(zhǔn)樣本圖像預(yù)處理完成之后，提取關(guān)鍵零部件的特征，建立特征庫(kù)。由于射線(xiàn)圖像噪聲大，產(chǎn)品結(jié)構(gòu)復(fù)雜，內(nèi)部構(gòu)件重疊、交錯(cuò)，如果僅僅依據(jù)圖像結(jié)構(gòu)進(jìn)行識(shí)別，由于成像后的構(gòu)件位置至少在一維方向上是不確定的，因此，特征提取和識(shí)別比較困難［7］。提取的特征要求可能地反映元件位置，同時(shí)必須容易提取并便于處理。圖4—1為實(shí)驗(yàn)中某產(chǎn)品的特征提取界面。圖中較亮線(xiàn)段包含了該機(jī)械產(chǎn)品幾個(gè)重要零件的信息。提取的特征為兩條水平方向線(xiàn)段上的共175個(gè)像點(diǎn)的灰度值。4.2圖像匹配對(duì)拍攝的檢測(cè)圖像做預(yù)處理之后，要與標(biāo)準(zhǔn)樣本預(yù)處理后圖像進(jìn)行逐幅比較，即做圖像匹配，找到與之拍攝方位最接近的那一幅標(biāo)準(zhǔn)圖像。這是因?yàn)楫a(chǎn)品的標(biāo)準(zhǔn)樣本，是產(chǎn)品從某一隨機(jī)的位置開(kāi)始旋轉(zhuǎn)一周的射線(xiàn)圖像。實(shí)際檢測(cè)時(shí)圖像的位置也是隨機(jī)的。匹配算法如下。
首先對(duì)圖像調(diào)整亮度，對(duì)準(zhǔn)外輪廓線(xiàn)。因?yàn)楫a(chǎn)品軸對(duì)稱(chēng)，只要外輪廓對(duì)準(zhǔn)，圖像就對(duì)準(zhǔn)了。其次，采用最小均方差準(zhǔn)則進(jìn)行匹配。即定義
式中，F(xiàn)k(i，j)———第i幅標(biāo)準(zhǔn)圖像在像素點(diǎn)(i，j)處的灰度值；I(i，j)———檢測(cè)圖像在像素點(diǎn)(i，j)處的灰度值；Ek———檢測(cè)圖像與標(biāo)準(zhǔn)圖像的灰度差值平方和。4.3特征比較
提取預(yù)處理后的檢測(cè)圖像中的相應(yīng)關(guān)鍵零部件位置處的像素灰度值，與匹配好的標(biāo)準(zhǔn)樣本圖像的特征值比較，根據(jù)是否超出設(shè)置的誤差范圍判斷零件的有無(wú)或嚴(yán)重的錯(cuò)位。5檢測(cè)實(shí)例及結(jié)論
按照文中所述的檢測(cè)方法，對(duì)某種要求高可靠性并具有危險(xiǎn)性的機(jī)械產(chǎn)品做了無(wú)損檢測(cè)試驗(yàn)。試驗(yàn)時(shí)共拍攝了正常產(chǎn)品的19幅(每隔10°拍一幅)標(biāo)準(zhǔn)圖像，從任意的方位開(kāi)始拍攝一幅已知故障類(lèi)型的產(chǎn)品圖像，然后旋轉(zhuǎn)90°再拍攝一幅。系統(tǒng)準(zhǔn)確無(wú)誤地預(yù)報(bào)出存在的故障。