面向多视场红外检测的损伤全景构建与边界修正量化方法
本发明属于红外无损检测,更为具体地讲,涉及一种面向多视场红外检测的损伤全景构建与边界修正量化方法。
背景技术:
1、红外热波无损检测通过对被测构件施加外部热激励,并利用红外热像仪连续采集构件表面的瞬态温度场,可根据损伤区域与正常区域之间的热传导差异,实现对脱粘、分层、冲击损伤及孔型缺陷等异常的非接触检测。该方法具有检测效率高、覆盖范围大和无需接触构件表面等优点,已应用于复合材料构件及其他大型结构的损伤检测。
2、受红外热像仪瞬时视场和空间分辨率限制,对于大尺寸构件,单次成像通常难以同时覆盖完整检测区域并保留局部损伤细节。因此,实际检测通常采用多个相邻且部分重叠的局部视场进行分区采集,并将各局部视场的红外损伤重构图像进行配准和拼接。
3、在红外图像拼接方面,chulkov等人在《method and equipment for infraredand ultrasonic thermographic testing of large-sized complex-shaped compositeproducts》中通过机器人对大型复合材料构件进行分区检测,并依据构件表面的标记点对不同区域的热图像进行空间匹配,但该方法依赖专用检测平台和预设标记,难以适用于无标记条件下的自动配准。现有专利号为“cn201910971944.6”的发明专利“一种应用于大型压力容器红外无损检测的sift图像拼接方法”采用pca-sift、ransac和仿射变换完成局部损伤重构图像的配准与融合;徐承军等人在《基于rift特征检测的红外图像拼接技术研究》中针对红外图像对比度较低、细节信息不足以及不同图像之间存在辐射差异的问题,采用rift特征、快速样本共识和加权融合,提高了红外图像在辐射差异及旋转、尺度变化条件下的拼接稳定性;凌霄等人在专利号为“cn202511006689.3”的发明专利《一种基于superpoint与全局邻接优化的无人机红外图像拼接方法》中公开了一种公开了一种采用自监督superpoint网络提取红外图像特征点,并通过flann匹配、双向一致性检验、带权邻接矩阵和全局约束矩阵实现多幅红外图像全局对齐的方法。
4、总体而言,现有红外图像拼接方法通常依赖局部特征匹配、误匹配剔除及单一几何变换模型估计。但是,红外损伤重构图像与普通可见光图像不同,其背景纹理通常较弱,稳定特征主要集中于损伤区域及其邻域,且相邻视场重叠区域中的有效结构信息较少。在此情况下,相似边界、重复结构、局部噪声以及特征点分布局部集中等因素容易造成误匹配和匹配点空间分布不均,进而导致几何变换参数估计不稳定。采用单一变换模型还难以同时适应相邻视场之间存在的平移、轻微旋转、尺度扰动及局部投影差异,容易使拼接后的损伤主体发生错位、边界轮廓不连续或局部区域产生拉伸变形。
5、另一方面,拼接后的全景图反映的是多个局部损伤重构结果在统一坐标系中的表观热响应分布,并不直接等同于损伤的实际边界。受热扩散、响应衰减、重构差异和阈值分割影响,初始损伤区域可能出现边界外扩、弱响应边界缺失或局部偏移,直接依据全景图进行分割和面积统计,容易将热扩散区域误计为损伤,或者遗漏弱响应边界像素。
6、在专利号为“cn202110686316.0”的发明专利“用于航天器损伤红外检测的热扩散效应缺陷定量识别方法”中,公开了一种利用红外损伤重构图像及原始瞬态热响应曲线修正缺陷面积的方法,该方法能够减小热扩散外延对面积统计的影响,但主要依据单一中心响应判断边缘像素,当损伤内部响应不均匀、损伤形状不规则或局部边界存在弱响应缺失时,中心像素的热响应难以充分代表整个损伤区域;同时,该方法主要适用于单视场损伤定量,未涉及多视场重叠区域内两侧观测结果的协调处理。
7、在专利号为“cn202110686339.1”的发明专利“大尺寸航空航天复合材料构件全局缺陷定量识别方法”中,公开了一种基于红外拼接图像进行全局缺陷定量识别的方法。该方法根据基准图像与配准图像之间的仿射变换关系确定重叠区域,并进一步利用仿射变换及其逆变换,将全景缺陷像素回溯至局部原始热波序列,并采用欧氏距离或动态时间规整方法识别热扩散区域,为跨视场缺陷定量提供了基础。但是,该方法以预先确定的仿射拼接结果为前提,未对变换矩阵能否保持损伤区域结构进行评价;其边界处理主要用于扣除热扩散像素,缺少对边界外侧弱响应漏分像素和边界内侧误分像素的双向修正。
8、此外,在多视场重叠区域内,同一物理位置对应两侧局部视场的不同观测。受热激励分布、成像角度、响应强度及配准插值影响,两侧损伤判定可能不一致,并产生边界重影、单侧热扩散和重复区域。若简单合并两侧结果,容易重复统计;若仅保留单侧结果,又可能遗漏另一侧仍具有有效损伤响应的边界像素。
技术实现思路
1、本发明的目的在于克服现有技术的不足,提供一种面向多视场红外检测的损伤全景构建和边界修正量化方法,对多视角的局部图像进行递推合并,每次合并时自适应地选择最优的候选全景变换矩阵,从而提升损伤全景图像的稳定性和损伤轮廓一致性,并且进一步基于原始热响应和来源约束进行边界修正,提升损伤定位的准确性。
2、为了实现上述发明目的,本发明面向多视场红外检测的损伤全景构建方法包括以下步骤:
3、s1.1:按照空间相邻关系获取个局部视场对应的原始红外热波,按照重叠关系排序得到原始红外热波序列,并通过图像重构技术生成各个局部图像;
4、s1.2:初始化损伤全景图像,待合并局部图像;
5、s1.3:将损伤全景图像作为参考图像,将局部图像作为待配准图像,然后进行特征点匹配得到匹配点集;
6、s1.4:基于匹配点集构建具有不同几何约束的个候选全景变换矩阵,;
7、s1.5:从个候选全景变换矩阵中筛选得到最优的全景变换矩阵,具体方法如下:
8、s1.5.1:采用分割一切模型分别对参考图像和待配准图像进行图像分割以获取损伤的候选区域以及每个候选区域的预测质量分数、稳定性分数,记得到的候选区域集合、分别为:
9、,
10、其中,和分别表示参考图像和待配准图像中的第个候选区域,和分别表示参考图像和待配准图像得到的候选区域数量;
11、s1.5.2:对于候选区域集合、中任意一个候选区域,记其有效视场掩膜为,然后采用如下公式计算有效区域比例和区域显著性支撑度:
12、,
13、,
14、其中,表示求取集合中个体数量,表示极小正常数,表示缺陷增强色差特征算子,计算公式如下:
15、,
16、其中,、和分别表示像素处的红、绿、蓝通道值,表示归一化操作,、表示权重参数;
17、s1.5.3:对于候选区域集合、中任意一个候选区域,根据对应的预测质量分数、稳定性分数和区域显著性支撑度计算候选区域综合评分:
18、,
19、其中,、和为权重系数;
20、s1.5.4:根据候选区域综合评分对候选区域进行筛选:首先剔除有效区域比例小于阈值的候选区域;对当前保留候选区域按照候选区域综合评分从大到小进行排序,剔除排序靠后的候选区域;在当前保留候选区域中,进一步剔除区域显著性支撑度小于阈值的候选区域;
21、s1.5.5:分别对参考图像和待配准图像保留的候选区域进行合并得到对应的损伤显著区域、:
22、,
23、式中,和分别表示参考图像和待配准图像被选中的候选区域编号集合,、分别表示参考图像和待配准图像的有效视场掩膜;
24、s1.5.6:分别采用个候选全景变换矩阵将待配准图像的损伤显著区域映射到参考图像坐标系下,得到映射区域;计算映射区域和参考图像的损伤显著区域的区域一致性评分,选取最大区域一致性评分对应的候选全景变换矩阵作为最优的全景变换矩阵;
25、s1.6:采用全景变换矩阵将局部图像进行坐标变换得到局部图像,再将局部图像和损伤全景图像进行重叠区域融合后拼接,得到更新后的损伤全景图像;
26、s1.7:判断是否局部图像序号,如果是,进入步骤s1.8,否则进入步骤s1.9;
27、s1.8:令局部图像序号,返回步骤s1.3;
28、s1.9:将损伤全景图像作为最终的损伤全景图像。
29、本发明还提供了一种面向多视场红外检测的损伤全景边界修正方法,其特征在于,包括以下步骤:
30、s2.1:按照空间相邻关系获取个局部视场对应的原始红外热波,按照重叠关系排序得到原始红外热波序列,并通过图像重构技术生成各个局部图像;初始化损伤全景图像为局部图像,将损伤全景图像作为参考图像,下一个局部图像作为待配准图像,依次对其他局部图像进行合并,构建得到损伤全景图像,记其中全景损伤区域,,其中,表示全景损伤区域数量;
31、s2.2:基于原始热响应进行损伤边界修正,具体方法如下:
32、s2.2.1:将损失全景图像构建中第次递推的全景损伤图像作为参考图像,第幅局部图像作为待配准图像,,将参考图像和待配准图像分别作为局部视场;对于全景损伤区域,依据全景像素和局部像素回源关系,得到其在该局部视场中对应的局部初始损伤区域:
33、,
34、其中,,表示局部视场在全景中的有效来源区域,表示第次递推中全景坐标到局部视场的像素回源映射;
35、s2.2.2:计算初始损伤区域边界:
36、,
37、其中,表示全景像素的八邻域,表示初始损伤区域的补集,表示全景像素到初始边界的距离;
38、采用如下公式构建内侧候选带、外侧候选带和边界候选集合:
39、,
40、,
41、其中,、分别表示内侧候选带宽度和外侧候选带宽度,
42、s2.2.3:对于候选全景像素,从原始红外热波数据中提取其瞬态热反射ttr数据构成ttr曲线;
43、s2.2.4:构造损伤核心区和局部背景区:
44、,
45、其中,表示局部背景区的外侧搜索范围;
46、构建损伤核心区和局部背景区对应的ttr曲线、:
47、,
48、其中,表示逐帧中位数;
49、s2.2.5:对于候选像素,分别计算其ttr曲线分别与损伤核心区和局部背景区的ttr曲线之间的sobolev距离、:
50、,
51、其中,表示求取sobolev距离;
52、s2.2.6:采用如下公式计算全景像素的损伤归属支持度:
53、,
54、其中,为避免分母为零的极小常数;
55、s2.2.7:根据损伤归属支持度,根据预设的补入阈值、回缩阈值对边界像素进行补入、回缩和保留判定:
56、,
57、其中,为补入区域,为回缩区域,为保持原状态的候选像素;
58、从而得到第个损伤对象的局部边界修正结果:
59、;
60、s2.3:对于每个全景损伤区域,判断其是否涉及不同视场局部图像的重叠区,如果不涉及,则不作任何操作,直接进入步骤s2.5,否则进入步骤s2.4进行重叠区域修正;
61、s2.4:基于来源约束进行重叠区域修正,具体方法如下:
62、s2.4.1:根据两侧初始损伤结果在重叠区域内确定初始损伤区域:
63、,
64、其中,表示参考图像中的初始损伤,表示待配准图像中的初始损伤,表示两张图中的重叠区域;
65、s2.4.2:构建仅对与边界变化有关的像素重叠候选集合:
66、,
67、其中,表示参考图像完成边界修正后的损伤区域,表示待配准图像完成边界修正后的损伤区域,表示参考图像中的边界候选带,表示待配准图像中的边界候选带;
68、s2.4.3:根据待配准图像对像素重叠候选集合中的像素进行一次投票,得到待配准视场支持状态:
69、,
70、其中,表示像素对应的损伤程度,表示阈值参数;
71、s2.4.4:根据参考图像对像素重叠候选集合中的像素进行一次投票,得到参考视场支持状态:
72、,
73、其中,表示阈值参数;
74、s2.4.5:根据两侧支持状态,将重叠候选像素划分为三类:
75、双视场支持区;
76、双视场排除区;
77、单侧支持区,其中表示异或;
78、s2.4.6:对于单侧支持区,得到单侧支持像素的支持侧响应强度和单侧保留集合:
79、,
80、其中,表示8邻域扩展;
81、进而得到重叠区域有效支持集合为;
82、s2.4.7:对于重叠区域初始损伤区域生成重叠区补入区域、回缩区域和保留区域分别为:
83、,
84、其中,表示重叠区域有效支持集合为的补集;
85、最终得到重叠区域修正结果:
86、;
87、s2.5:对局部边界修正和重叠区域修正后的最终损伤区域进行面积统计,完成损伤区域量化。
88、本发明面向多视场红外检测的损伤全景构建和边界修正量化方法,在重构得到局部图像后,采用递推方式逐步合并局部图像,每次合并时将当前损伤全景图像作为参考图像,将待合并局部图像作为待配准图像,进行特征点匹配得到匹配点集,基于匹配点集构建不同几何约束的候选全景变换矩阵,然后筛选得到最优全景变换矩阵进行局部图像合并,从而得到最终的损伤全景图像;在损伤全景图像的基础上,基于原始热响应进行损伤边界修正,然后基于来源约束进行重叠区域修正,对最终损伤区域进行面积统计完成损伤区域量化。
89、本发明具有以下有益效果:
90、1)本发明基于同一稳定匹配点集构建多种不同自由度的候选变换矩阵,并依据损伤区域的重合程度、内部结构相似性和边界一致性选择最优矩阵,可避免仅依据点级重投影误差造成的损伤错位、轮廓偏移和局部形变,提高损伤全景的几何一致性;
91、2)本发明在获取匹配点集时,将网格邻域一致性与主位移一致性相结合,从局部空间关系和整体位移趋势两个层面对候选匹配点进行筛选,可有效降低弱纹理、重复结构及局部噪声引起的误匹配,提高相邻视场配准的稳定性和可靠性;
92、3)本发明在多视场递推全景构建过程中同步保存局部视场与全景坐标系之间的正、逆变换关系,使全景损伤像素能够准确回溯至对应的局部图像及原始红外热波序列,在不破坏稳定损伤主体的情况下,补入弱响应漏分像素并删除热扩散误分像素,提高损伤边界的准确性为后续边界修正和面积量化提供完整的数据依据;
93、4)本发明在损伤全景图像的基础上,对重叠区域内的像素进行双视场支持、双视场排除和单侧支持分类,并对单侧支持像素施加连通—响应约束,可有效抑制重影和单侧热扩散影响;通过对重叠区域进行汇总判定,避免同一损伤被重复统计;
94、(5)本发明能够将多视场损伤拼接、边界修正、重叠区域裁决和面积计算形成完整处理链路,输出统一坐标系下的损伤位置及实际面积,适用于规则人工缺陷和不规则冲击损伤等多种损伤形态,具有较强的适用性和工程应用价值。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com