（船舶与海洋结构物设计制造专业论文）焊接缺陷在线自动检测中缺陷检测算法的研究.pdf

大连理工大学硕士学位论文 摘要 焊接是造船等工业中一种十分重要的技术，由于焊接过程中各种因素的影响，会导 致焊缝中含有气孔和未焊透等缺陷，影响产品的质量和安全性，所以焊接缺陷的检铡十 分重要。目前的缺陷检测系统主要采用人工方式进行在线检测和分析，而人工检测存在 主观标准不一致、劳动强度大等问题。因此，急需要研究一种有效的缺陷在线自动检测 方法来代替人工检测，及而使在线检测工作客蕊亿、规范化和职能让。本文静研究工作 就是基于此而展开的。 缺陷在线自动检测的核心问题在于如何准确而高效地进行缺陷目标检测，本文研究 了一种新型的缺陷检测算法，主要作了以下几个方面的研究； ( 1 ) 针对x 射线图像中随机噪声的特点，采用了一种基于形态学的图像滤波方法，有效 地减少了噪声，提高了检测精度。 ( 2 ) 焊接缺陷图像，例如裂纹，来焊透等缺陷大多呈长条形状，并与焊缝有着一致的方 向，本文采愿7 一种基子方南滤波器的缺陷检测算法。取得了较持的效果。 ( 3 ) 检测系统中缺陷图像和检钡4 信息的存储有着重要的意义，本文将医学的d i c o m 标 准引入了缺陷检测系统中，其既保存储存图像又储存了其它检测信息。 为了验证本文所提出算法的有效性，本文对在工厂采集的含有缺陷的焊接图像进；i 亍 了检铡，并且将缺陷图像和检测信息以d i c o m 格式存储。取得了令人满意的结果 关键词：形态滤波；焊缝提取；方向滤波；d i c o n 焊接缺陷在线自动检测中缺陷检测算法的研究 d e f e c t sd e t e c t i o na l g o r i t h mf o r o n - l i n ea u t o m a t i cd e t e c t i o no fw e l d i n gd e f e c t s a b s t r a c t w e l d i n gi sa l li m p o r t a n tt e c h n o l o g yi nt h es h i p b u i l d i n g t h ed e f e c t s 。s u c h b l o w h o l e s a n di n c o m p l e t ep e n e t r a t i o n , m a ya p p e a ri nt h ew e l d i n gp r o c e s so c c a s i o n a l l y , 1 1 埒q u a l i t ya n d t h es e c u r i t yo fp r o d u c t sc a nb ea f f e c t e db yt h e s ed e f e c t s m r e f o r e ，d e f e c t sd e t e c t i o ni n w e l d i n gs e a l ni se x l a e m e l yi m p o r t a n t n o w , t h eo n - l i n ed e t e c t i o no f t h ew e l d i n gd e f e c t si ss t i l l d o n eb yh u m a ni n t e r p r e t e r 1 陆sw a yo fd e t e c t i o ni s s u b j e c t i o na n dl a b o ri n t e n s i v eo f i n t e r p r e t e r i ti sd e s i r a b l et of i n da ne f f e c t i v ea u t o m a t i cd e f e c t sd e t e c t i o nm e t h o dt oa s s i s t h u m a ni n t e r p r e t e ri ne v a l u a t i n gt h e q u a l i t yo fw e l da n dt om a k et h e o n - l i n ed e t e c t i o i l o b j e c t i v e 。s t a n d a r da n di n t e l l i g e n t o u rr e s e a r c hi sb a s e do nt h i s n ek e yp r o b l e mo fo n - l i n ea u t o m a t i cd e t e c t i o ni sd e t e c t i n gt h ed e f e c t se x a c t l ya n d e f f i c i e n t l y ab c wd e f e c t sd e t e c t i o nm e t h o di ss t u d i e di nt h i sp a p e ra n dt h ef o l l o w i n gr e s e a r hi s m a i n l yd o n e ： ( 1 ) s i n c em u c hn o i s ei sc o n t a i n e di nt h ex - r a yi m a g e , m o r p h o l o g i c a lf i l t e ri su s e dt os u p p r e s st h e n o i s e ，t h i sm e t h o dc a l li n c r e a s et h ep r e c i s i o no f d e t e c t i o n ( 2 ) 髓ew e l d i n gf l a w so f c r a c k , ”l a c ko ff u s i o n 。a n d i n c o m p l e t ep e n e t r a t i o n 。a 玛u s u a l t yl i n e a r s | t t l c k l l e $ w i t hl h ed i r e c t i o na l o n gt h ew e l ds 锄t h e r e f o r e , w em a k eu o f t h eo r i e n t e df i l t e ri n o u rd e t e c t i o na p p r o a c h 1 1 1 cr e s u l t si n d i c a t et h a tt h i sm e t h o di se f f e c t i v e ( 3 ) t h cc o n s e r v a t i o no ft h ex - r a yi m a g ea n dt h ed c t e c t i o ni n f o r m a t i o ni sv e r yi m p o r t a n ti nt h e o n - l i n ea u t o m a t i cd e t e c t i o ns y s t e m ，1 1 惦d 1 c o ms t a n d a r di sn s e dt oc c 咀s e r v et h ex - r a y i m a g ea n dt h ed e t e c t i o ni n f o r m a t i o n ， i no r d e rt oc o n f i r n lt h ev a l i d i t yo ft h em e t h o di nt h i sp a p e r , w eh a v ed e t e c t e dt h ew e l ds e a u l i m a g e sw i t hs o m ed e f e c t s ，w h i c ha r eo b t a i n e df r o mt h ef a c t o r y t h ex - r a yi m a g ea n dt h ed e t e c t i o n i n f o r m a t i o na l ec o m e r v 咖li nt h ef o r m a to fd i c o m t h er e s u l t ss h o wt h a to u rm e t h o di sv a l i da n d s a t i s f i e d k e yw o r d s ：m o r p h o l o g i c a lf i l t e r ；w e l ds e a me x t r a c t i o n ；o r i e n t e df i l t e r ；d i c o m i i 独创性说明 作者郑重声明：本硕士学位论文是我个人在导师指导下进行的研究工 作及取得研究成果。尽我所知，除了文中特别加以标注和致谢的地方外， 论文中不包含其他人已经发表或撰写的研究成果，也不包含为获得大连理 工大学或者其他单位的学位或证书所使用过的材料。与我一同工作的同志 对本研究所做的贡献均已在论文中做了明确的说明并表示了谢意。 作者签名： 垒；：基日期：型匿! 王：三7 大连理工大学硕士研究生学位论文 大连理工大学学位论文版权使用授权书 本学位论文作者及指导教师完全了解“大连理工大学硕士、博士学位论文版权使用 规定”，同意大连理工大学保留并向国家有关部门或机构送交学位论文的复印件和电子 版，允许论文被查阅和借阅。本人授权大连理工大学可以将本学位论文的全部或部分内 容编入有关数据库进行检索，也可采用影印、缩印或扫描等复制手段保存和汇编学位论 文。 f 作者签名：丝弦 导师签名：趸i 磁 岔厶年旦月互日 大连理工大学硕士学位论文 1 绪论 1 。1 焊接缺陷在线自动检测的理论意义和应用价值 焊接技术作为种基本的工艺方法，广泛地应用于航空、航天、舰船、桥梁、车辆、 锅炉、电机、电子、冶金、能源、石油化工、矿山机械、起重机械、建筑与国防等各个 领域和部门中甜。对于造船业来说，以焊接代替铆接如同以钢材代替木材一样，是造船 工业的一次划时代变革。自1 9 2 1 年世界上出现第一艘全焊接结构的船舶以来，焊接工 作者通过大量的实践与研究使船舶焊接工艺得到成功和迅速发展，尽管如此，在焊接接 头产生的过程中，焊缝中仍然不可避免地会出现熔合不良、裂纹、气孔、夹渣、耒熔合 和未焊透等缺陷。为了保证焊接构件的产品质量，必须对其中的焊接缺陷进行检测和评 价，对于船体拼接和一些重要构件的生产制造来说，焊接缺陷检测的意义就显得十分重 大。 目前，已经被使用盼绰接缺陷检测方法大致分为以下几种掰： ( 1 ) 染料渗透检测法； ( 2 ) 射线检测法； ( 3 ) 超声波检测法； ( 4 ) 增强型光学检测法； ( 5 ) 声发射检测法。 其中，射线检测法，即通常所说的x 射线探伤，应用的最为广泛。它是利用x 射线 可穿透物质和通过物质有衰减的特性栗发现缺陷前一种检弱方法，透常的检测方式是工 人通过x 射线工业电视进行在线检测与分析，而人工检测本身存在不可避免的缺点，如 主观标准不一致、劳动强度大、检测效率低等。 随着电子技术的飞速发展和计算机信息技术的应用，一种能对焊接缺陷进行在线检 测与分析的缺陷在线自动检测系统应运而生，使检测工作更加客观化和智能化。目前， 这种技术已经不仅被应用于工业领域，随着目标检测在农业、科研、医疗卫生、食品检 验、安全保障和监拉等许多其它领域的逐渐应用，人们对特定目标在线自动检测提出了 一系列新静课题。铡如，目标捡溺算法在不羼情况下的适用性，对不周形状目标捡测熬 适用性，以及检测速度问题等。本文的研究工作就是基于焊接缺陷在线自动检测中存在 的这些问题而展开的。 焊接缺陷在线自动检测中缺陷检测算法的研究 1 2 焊接缺陷检测算法的研究概况及发展趋势 焊接缺陷在线自动检测隶属于图像处理和模式识别的研究领域，其核心问题在于如 何准确两高效地进行目标识别，在复杂且信嗓比较低的情况下，图像序列中运动小目标 和线性目标的检测一直是图像处理领域中比较困难的问题。 目前，缺陷在线自动检测的主要难点在于以下几点：首先，目标图像呈现为一个或 几个像素，或呈现一段细线，信噪比较低，且标湮没在噪声中，很难识别；其次，低信 噪比条件下对于不规则线状缺陷识别难度大，且很难用一种方式同时检测块状和线状缺 陷，不便于实际应用；再次，由于目标的运动，图像的背景复杂，并且处于不断地变化 之中，因此效率不高，不易实现实时检测。 为了解决这些阅题，国内外学者通常的检测方法是先进行图像预处理，再进行图像 的检测和分割，最后是特征提取。 ( 1 ) 图像预处理： 图像预处理是指将图像做增强或复原，使之成为较清晰的图像，以便后续的分析处 理。图像平滑，图像锐化，中值滤波，维纳滤波等传统方法都是经典而有效的图像预处 理方法。 近年来，针对x 射线图像随机噪声强的特点，很多学者用多帧平均的方法对随机 噪声进行抑制。 2 0 0 3 年- 2 0 0 4 年，但唐仁，田景全，端木庆铎等对x 射线影像系统的噪声进行深 入分析【”，提出了一种“多帧平均滤波+ 小波变换滤波”的复合方法，结合了传统的多 帧叠加和小波变换去噪，通过对峰值信噪比的计算表明，该方法明显优于任何单一算法 f a b r i z i o r u s 8 0 提出了一种采用非线性模糊滤波器的降嗓方法( l ，算法的思想也是基于叠 加的原理，得到待处理图像中噪声的抵消量后，将其与图像作和达到降噪的目的。 为了实现对线状目标的预处理，增强图像中特定方向上的目标，国内外的学者普遍 使用了方向图标定和方向滤波的方法，并在指纹识别等领域取得了很好效果， 2 0 0 1 年，w a n w uc m o ，a n t h o n yw a t s o n ，d o n g g u a n gl i 等构造了一种改进的共轭 方向滤波器( m c d f ) ( 5 1 【6 】。这种滤波器结合了两个共轭方向的滤波器，最大限度的保 留了两共轭方向的线形信息。试验结果表明，合理选择方向，此方法可以使图像中各个 方向上的线形信息得到增强，这种方法还实现了多种用途，例如，对特定方向的线状目 标的增强；在一幅图像上对给定两个共轭方向上的线性目标的增强；对于滤波的结果可 以适当的加以权重，以突出某些微小的目标等。 ( 2 ) 图像检测和分割： 一2 一 大连理工大学硕士学位论文 图像检测和分割是图像处理中的主要问题，也是计算机视觉领域低层次视觉中的主 要问题，其方法大致可以分为两大类：基于边缘检测的方法和基于区域的方法。基于边 缘检测的方法在很大程度上依赖边缘图像的获得，不同的边缘检测算子将得到不同的边 缘图像，且边缘往往是不连续的，这使得近年来基于区域的方法比基于边缘的方法受到 更广泛的应用和关注，基于区域的方法主要包括： 阈值法： 在图像检测和分割的诸多方法中，阈值法仍是使用最为广泛的方法，它通过闺值化 将图像分成若于有意义的区域。其中，阈值的选取是图像检测和分割的关键。根据阈值 作用的范围不同，闽值法可分为全局阈值法和局部阙值法。 阈值法已经有几十年历史，1 9 8 8 年，s a h o opk 等归纳了利用阙值进行图像分割的 一类方法p l ，一直被学者普遍认可。近年来，人们将阈值法与小波等其他技术结合，提 出各种改进方法。s u ew u ，a d n a na m i n 采用一种基于多级处理的灰度图像的阙值分割方 法，文献中采用两次( 两级) 分割嘲第一次是初步的分割，把图像分成几个不同的待 分割区域，第二次对于不同特征的区域进行自适应的预制分割，对复杂图像的分割效果 优于传统的全局和局部阈值分割。夏勇，赵荣椿结合使用灰度级和空间相关信息，将分 类像素的特征空间从一维推广到二维 9 1 ，利用二维o s t u 方法得到稳健的初始分割，然后 使用松弛迭代的区域增长技术来判决边缘像素的归属，并且在应用中采用了改进的o s t u 方法，巧妙地降低了维度，减小了运算量。 统计学分割方法： 从统计学角度出发的图像分割方法是把图像中的各个像素点的灰度值看作是具有 一定概率分布的随机变量，观察到的图像是对实际物体做了某种变换并加入了噪声的结 果，因而要从观察到的图像中恢复实际物体或正确分割观察到的图像，从统计学的角度 看就是要找出最有可能即以最大的概率得到该图像的物体组合来。 l o k a z a n t s c v a ，l l e m a h i e u 等人提出一种基于统计的小目标识别方法 1 0 1 ，以几种非 参数假设检验为基础，根据图像灰度值判定某一区域是否存在缺陷，以最简单的判定法 则为例，假设缺陷的灰度值比较高，而背景的灰度值较低，统计某一区域边界上采样点 的灰度值比稍大一些区域边界采样点最大灰度值更大的点的个数，超过某一门限则认为 该区域存在缺陷。这种方法对嗓声不敏感，操作简单，但是对小缺陷检测效果不理想。 钱忠良、郑树森提出了基于非参数统计的图像边界检测法【l ”，利用秩和检验判断图像中 某一点是否为边界点常用的最大似然比检测法是基于图像各区域灰度服从正态分布假 设的参数统计检测法，而秩和法对图像灰度分布没有要求。这种方法对于对比度低的图 像检测效果不理想，文献中又对这一方法进行改进，得到修正的秩和检测法。 焊接缺陷在线自动检测中缺陷检测算法的研究 基于区域增长的方法： 区域分割的实质是将具有相似特性的像元连接成区域，因此这区域就有一定的涵 义。基于区域增长的图像分割方法的思想是采用自下而上的方式，即从像元出发，研究 像元与其邻域的相似性，进而形成区域。相似性是构成同一区域的基本属性，相邻性是 考虑连接所必须的条件，随着所取的邻域方式及相似性测量的不同，也就产生了不同的 区域连接增长方法，典型的区域增长法有t c p o n g 等人提出的基于小方面模型的区域增 长法等。 1 9 9 8 年，h o j j a t o l e s l a m is a ，k i t t l e rj 在过去研究的基础上【1 2 1 ，对区域增长技术进行 了详细归纳。2 0 0 0 年，王广君，田金文，柳健和吴国平等提出了利用图像局部最大熵进 行区域增长的多目标分割方法【”l 。以局部熵的最大值作为目标种子，运用区域增长技术 实现多目标分割，取得了很好的效果。2 0 0 5 年，薛雪，刘泽平，丁艳等为了提高序列图 像的跟踪精度n 4 1 ，提出了基于区域增长的特征量提取方法，这种方法可捕获图像中所有 单连通域，并能准确地提取其特征量，然后依据所提取的特征量进行分类，实现对图像 中所有单连通域进行分类识别并加以跟踪的目的。此算法有效地解决了一般传统识别算 法难以区分目标和其近邻区域的干扰，而导致跟踪目标特征量提取不准确的问题。 ( 3 ) 特征提取： 特征提取的目的是为了获得最能反映目标本质特征的部分。特征提取一方面去除了 冗余目标信息从而简化了计算并便于识别的实现；另一方面由于所提取的特征具有充分 性和完备性从而保证了识别的成功率，因此，所提取特征是否能充分反映目标的基本形 状和属性是自动目标识别成败关键。提取的特征包括从图像中直接检测到或计算获得的 特征，如点特征、线特征。 点特征： 包括灰度极值点，角点，切点等，角点是我们确定目标区域的重要依据，s u s a n 检测是一种常用的角点检测算法。 1 9 9 7 年，s t e p h e nm ，s m i t h 等提出s u s a n 检测【l ”，s u s a n 检测将像素分为边缘、角 点和扁平区，直接利用图像的灰度值进行检测。每一个像素都可以看作圆形模板( 模板 形状没有严格规定，为了方便大都采用圆形) 的核，与模板中心核有相似的灰度值的像 素构成的吸收核同值区( u s a n ) 的大小反映了图像局部特征的强度。模板完全处在背 景或目标中时，u s a n 区域面积最大，而当模板移向边缘时，u s a n 区面积逐渐变小， 当模板中心处于角点时，u s a n 区域面积达到最小。这种方法运算量小，对噪声有很好 的抑制作用。2 0 0 4 年，袁慧晶，王涌天等针对低信噪比灰度图像中弱小目标的检测问题 一4 一 大连理工大学硕士学位论文 1 1 6 1 ，提出y s u s a n 特征检测原则与数学形态学方法结合的小目标检测方法，该方法首先 采用s u s a n 原则利用图像灰度级直接提取特征，利用形态学算子去除噪声、分离目标。 线特征； 线特征的提取往往是在二值化边缘图像上进行的，最常用的提取方法是h o u g h 变 换，h o u g h 变换最早i 由h o u g h 在1 9 ( 3 5 年提出1 1 ”，1 9 7 2 年r d d u d a ，p e h a r t 对算法进行了 改进【”l ，采用了极坐标的形式，并用这种方法来检测直线和曲线。1 9 7 9 年s t s u j i ， f m a t s u m o t o 第一个应用h o u g h 变换检测椭圆“”。近年来，一些学者致力于改茏h - i o u g h 变换的算法以提高检测精度和减少运算量，1 9 9 0 年，lx u ，p k u h a n a n 等提出了随机 h o u g h 变换的概念1 2 0 i 。我国的研究人员陈严新，戚飞虎提出了一种基于随机h o u g h 变换 。的椭圆检测方法1 2 l l ，利用随机采样到的2 点( 包括它们的边缘方向) 和搜索获得的1 个点 来确定椭圆参数，减少了运算复杂度。 此外，我们的研究主要针对x 射线，而x 射线图像具有低清晰度、颜色亮度不均匀、 噪声干扰较大等特点。由于x 射线图像本身存在着许多模糊性，不少国内外学者致力于 把模糊技术引入到图像分割的研究中，如模糊熵，模糊连通性，模糊聚类，模糊规则， 模糊逻辑等，均已取得了显著成果。 从目前的研究情况上来看，缺陷在线自动检测的效果和效率上还有待提高，尤其是 对于点和类圆形缺陷外的不规则和线状目标的识别能力不高。因此，高可靠性的前提下， 对可同时检测多种目标的缺陷检测算法的研究是国内外的研究重点。 1 3 本文主要工作及章节安排 本文主要进行焊缝x 射线图像中缺陷检测算法的研究和探索，寻找合适的图像预处 理以及缺陷提取和分割方法，为整个缺陷在线自动检测系统的建立奠定基础。本文的具 体研究内容如下： ( 】) 对x 射线缺陷在线自动检测系统的结构和检测流程进行了分析； ( 2 ) 针对x 射线图像中噪声的特点。采用了基于形态滤波器的图像预处理方法； ( 3 ) 为了提高对线状缺陷的识别能力，研究了一种基于方向滤波器的目标检测算法； ( 4 ) 分析d i c o m 标准在缺陷在线自动检测系统中的应用前景。 论文全文共分五部分，第一部分为绪论，介绍了缺陷在线自动检测的应用背景，常 用的缺陷检测算法以及本文所做的工作。第二部分介绍了整个缺陷在线自动检测系统的 基本结构、主要功能以及检测流程第三部分介绍了完成本文工作所需要的一些理论知 识第四部分介绍了基于方向滤波的缺陷检测算法，详尽论述了整个算法的实现过程， 焊接缺陷在线自动检测中缺陷检测算法的研究 并对检测结果进行了分析。第五部分论述了d i c o m 标准在缺陷在线自动检测系统中的 应用，对d i c o m 标准在工业上的应用现状和前景进行了分析。 一6 一 大连理工大学硕士学位论文 2 本文缺陷在线自动检测系统概述 为了理解缺陷在线自动检测的整个物理过程，本章将对x 射线缺陷在线自动检测系 统的基本结构、检测流程以及主要功能进行概述，而后续的章节将着重对缺陷在线自动 检测系统的核心部分，即焊接缺陷检测算法，进行论述和分析。 2 1 缺陷在线自动检测系统的基本结构嗍 x 射线缺陷自动检测系统的硬件组成与结构如图2 1 所示系统主要由三个部分组 成：信号转换部分、图像处理部分及缺陷位置的获取与传输部分。 反射嚣 图2 1 系统结构图 f i g2 i t h ec o m p o n e n t so f s y s t e m 信号转换部分主要由x 射线源、传送车、图像增强器、反射器以及c c d 摄像机组 成。信号转换部分的主要功能是完成从x 射线到可见光的信息载体转换以及可见光到可 视图像的光电转换对焊接工件迸行缺陷检测时，将其放置到传送车上，并保证传送车 运动过程中焊缝始终保持在图像增强器的正下方，这样c c d 摄像机就可以始终摄取到 焊缝的图像。由射线源发出的x 射线穿透焊接工件的焊缝区域后，被图像增强器接收， 焊接缺陷在线自动检测中缺陷检测算法的研究 图像增强器将不可见的x 射线信息转换为可见光图像信息，再通过反射镜反射到c c d 摄像机当中，c c d 摄像机再将光信号转换为电信号，完成光电转换，并将探伤图像送 入图像处理部分。在信号转换部分中，c c d 摄像机将摄取到的图像以帧的形式送入图 像处理部分的视频采集卡当中，同时在图像处理部分中的监视器上实时显示这帧原始图 像。如果在焊缝区域中存在气孔、夹渣或未焊透等缺陷时，缺陷区域透过的x 射线较 多，所以在监视器上显示的图像中就会形成一个亮点或者一条亮线，图像处理部分也正 是利用这个特点来检测每一帧探伤图像中是否存在缺陷的。 图像处理部分中主要包括监视器、视频采集卡、计算机等设备，图像处理部分的功 能主要包括采集、显示、处理并存储所采集到的探伤图像数据。由c c d 摄像机摄取到 的图像首先被送入监视器，并在监视器上实时显示，同时该图像数据被输入到视频采集 卡当中，经过视频采集卡进行采样、量化和编码之后将其数字化。数字化后的探伤图像 同样以帧的形式送入到计算机当中，在计算机中通过各种检测算法来检测每一帧探伤图 像中是否存在缺陷，并在计算机显示器上实时显示检测结果，同时将检测结果存储到计 算机的存储器当中，以备后续的查找和验证。 2 2 缺陷在线自动检测系统的检测流程 缺陷的自动检测与识别部分是x 射线缺陷在线自动检测系统的核心部分，该部分 的流程可分为如下几个步骤： ( 1 ) 系统初始化： 完成视频采集卡的初始化，同时初始化串行通信接口，完成串行通信的初始连接； ( 2 ) 图像预处理： 完成一些必要的图像预处理运算，从而保证检测算法的有效性，提高检测准确率； ( 3 ) 检测缺陷： 应用缺陷检测算法，检测当前x 射线探伤图像中是否有缺陷存在，并在探伤图像中 标记检测到的缺陷； ( 4 ) 缺陷的识别： 计算缺陷的一些基本信息。如：大小、个数和位置等信息，并按照一定的标准，对 检测到的缺陷进行统一的识别和判定； ( 5 ) 缺陷是否超标： 判断缺陷是否超出标准，如果超出标准，则发送喷标信号，标记超出标准的缺陷； 如果没有缺陷超出标准，则程序返回到初始状态，准备下一帧x 射线探伤图像的采集、 检测与识别。 大连理工大学硕士学位论文 缺陷自动检测与识别部分的程序流程框图如图2 , 2 所示。 图2 2 缺陷检铡检测流程图 f i g 2 2t h ef l o wc h r l to f f l a wd e t e c t i o n 焊接缺陷在线自动检测中缺陷检测算法的研究 2 3 缺陷在线自动检测系统的主要功能 x 射线缺陷在线自动检测系统可对夹渣、气孔及未焊透等缺陷进行自动检测、测量 与标记，无需人工的干预，除了缺陷自动检测与识别等功能，根据实际系统的具体要求， 图像处理部分还会包含一些静态图像处理，动态图像处理以及归档打印的功能。例如， 去除噪声、图像增强、伪彩色、负像、缺陷尺寸测量、实时显示、实时负像、实时伪彩、 实时锐化、动态实时存贮与回放、图片存储与查询、报表打印等x 射线无损探伤系统中 的典型功能。 大连理工大学硕士学位论文 3 本文算法涉及的理论基础 由于本文缺陷检测算法涉及到的图像处理理论比较多，本章将对其中一些理论进行 介绍，为后续算法的实现打下基础。 3 1 数学形态学的基本运算 通过对x 射线图像特点的分析和对图像滤波方法的研究，发现使用传统的线性滤 波方法很难在消除噪声和保持图像上得到统一，而数学形态学作为一种非线性滤波方法 给解决这一难题提供了很好的方向，在本文采用检测算法的图像与处理阶段，就是采用 _ 了形态滤波器对图像进行滤波降噪，取得了很好的效果。本章以简明、直观，形象为原 则，给出数学形态学算法的基本概念及性质，以便下面章节的分析和讨论。 根据研究对象的属性，数学形态学可分为二值形态学和灰值形态学，灰值形态学是 二值形态学的推广。 3 1 1 二值形态学的基本运算【瑚1 3 1 1 数学形态学最初是研究二值图像，所谓二值图像是指那些灰度只有两个可能值的图 像。这两个灰度值通常取为“0 ”和。1 ”，习惯上认为取值为。i ”的点对应于景物中 的物体，取值为“0 ”的点构成背景。考虑所有值为“1 ”的点的集合彳，则4 与图像是 一一对应的，感兴趣的也恰恰是集合彳的性质。 二值形态学的基本运算有腐蚀、膨胀、开运算、闭运算，下面分别说明。 ( 1 ) 二值腐蚀与膨胀 原图彳被结构元素暑腐蚀的结果记为a o b ，它的定义为； 一鲫= 秘 b 十x c 40 1 ) 图3 1 为腐蚀运算的几何表示，实线所围的区域为彳被曰腐蚀的结果。图中横轴和 纵轴代表像素点位置的横、纵坐标，结构元素曰为圆形，圆心在原点，b + x 相当于将口 的圆心移到点x 。 由公式( 3 1 ) 的定义可知，若b + x 在原图中，则此时x 点( a pb 的圆心) 为a o b 结果 中的点，因此a o b 相当于将口在爿图中逐点移动，如果结构元素b 完全包含于原图彳 中，则将口的原点所在的位置定为。1 ”，否则定义为。0 ”。从图3 1 中可以看出，腐 蚀运算保持了原图的基本形态，消除了原图边界上那些不光滑的凸起部分，且运算结果 比原图小。 焊接缺陷在线自动检测中缺陷检测算法的研究 脚 图3 i 二值腐蚀的几何表示 f i g 3 1g e o m e l r i cd e s c r i p t i o no f b i r 埘ye r o s i o n 原图a 被结构元素曰膨胀记为彳0 曰，它的定义为： 4 0 b = u b + x , x 椰( 3 2 ) 图3 2 为膨胀运算的几何表示，实线所围的区域为a 被引髟胀的结果。 彳0 b 图3 2 膨胀运算的几何表示 f i g3 2g e o m e t r i cd e s c r i p t i o no f b i n a r yd i l a t i o n 大连理工大学硕士学位论文 由公式( 3 2 ) 的定义可知。若z 为原图中的点，则以j 为圆心的结构元素b ( 即 日+ ；) 为一0 口结果中的一个子集，所有子集的并集构成4 审曰。从图3 2 中可以看出， 膨胀运算保持7 原图的基本形态，填平了原图边界上那些不光滑的凹陷部分，且结果比 原图大， ( 2 ) 二值开运算与闭运算 用结构元素丑对原图4 作开运算记为4 b ，它的定义为； “- 置= ( 脚) e b ( 3 3 ) 即且被胃开是先用结构元素占对原图进行腐蚀，然后再用b 对腐蚀结果进行膨 胀，它是腐蚀和膨胀运算的一种串行组合。 一 用结构元素且对原图作开运算记为一占，它的定义为； 一口= 【一o ( 一日) 】0 ( - 研( 3 4 ) 闭运算是开运算的对偶运算，即i ；【一b 为结构算予，先对原图彳进行膨胀，然后再 对膨胀结果进行腐蚀，它也是腐蚀和膨胀运算的一种串行组合。 豳3 3 给出7 = 值图像开运算和两运算的例子。从冒中可以看出，开和_ 6 玎两种运算 都可以去除比结构元素小的特征图像细节，同时保证不产生全局的几何失真。 ( a ) 图3 3 ( 丑】原始图像( b ) 开运算结果( c ) 闭运算结果 f i 9 3 3 ( a ) 0 竹g i l l a l 缸n a 铲( b ) r c 乱d t o f o p e n o p e r a t i o n ( c ) r e s u l t o f c l o s e o p e 删l l o n 3 1 2 灰值彤态学约基本运算蚓册 灰值形态学与二值形态学基本运算的不同点在于，这里运算的操作对象不再看作集 合，而是看作图像函数。由于是灰值图像，就投有了图像集合五和结构元素集合丑的概 念，取雨代之的是图像函数一( m ，功和结构元豢置月) 。 ( 1 ) 灰值腐蚀与膨胀 焊接缺陷在线自动检测中缺陷检测算法的研究 在灰值图像的形态学运算中，原图a 被结构元素b 腐蚀的结果记为e ，它的定义为： e ( m ，o = a o b = 粤噢臻 彳( m + 以+ i ，) 一占( f ，力( 3 5 ) u ，) c o 其中翻印+ 毛筇+ 刃为图像么在( 孵十嚣+ 力点的灰度值，占辑力为结构元素占在职力 点的灰度值，e ( m ，n ) 为腐蚀结果中( m ， ) 点的灰度值，s 为结构元素的分布区域。公式 ( 3 5 ) 表明，原图4 被结构元素口腐蚀的结果中仞，帕点的灰度值e ( m ，胛) 为结构元素占中 的所有点g d ，一( 历+ 开+ 力与b ( 力之差的最小值。 在灰值图像的形态学运算中，原图爿被结构元素曰膨胀的结果记为d ，它的定义 为； d ( 聊，功= 一o b = 粤毡 彳( 脚一i , n - j ) + b ( i ，- ，) ( 3 6 ) u ， 公式( 3 6 ) 表明，原图a 被结构元素口膨胀的结果中( 脚，m 点的灰度值d 沏，捍) 为结构 元素曰中的所有点o ，d ，a ( m + i ，n 十力与b ( i ，_ ，) 之和的最大值。 ( 2 ) 灰值开运算与闭运算 与二值运算情况相同，由灰值腐蚀、膨脓运算来定义灰值开、缅运算，卵先傲腐蚀 再做膨胀的串行组合为开运算，而先做膨胀再做腐蚀的串行组合为闭运算。 图3 6 给出了用3 x 3 的结构元素对图像产生进行灰度开、闭运算产生的效果。 开运算消除与结构元素相比尺寸较小的亮细节，而保持图像整体灰度值和大的亮区 域基本不受影响；闭运算消除与结构元素相比尺寸比较小的略细节，而保持图像整体灰 度值和大的暗区域基本不受影响。 图3 4 ( a ) 原始图像开运算的结果( c ) 闭运算的结果 f i g3 4 ( a ) o 蛐u lj m a g b ) l b 吼n to f o l mo p e r a t i o n ( e ) r u l to f c l o s eo p e r a t i o n 大连理工大学硕士学位论文 3 2h o u g h 变换的基本思想 2 4 1 本文提出的检测算法中需要甩方向滤波器对焊缝区域进行滤波，方向滤波是针对图 像上不同区域的方向性不同，采用不同角度的滤波模板来对图像进行滤波增强的滤波方 法，而h o u g h 变换是用来计算滤波模板角度的一种很有效的方法，本节中将对h o u g h 变换的基本思想进行简要的介绍。 h o u g h 变换最早是由h o u g h 在1 9 6 2 年根据数学对偶性原则提出的，它利用图像全 局特性对目标进行检测，可以将图像空间中较为困难的全局检测问题转化为参数空间中 相对容易解决的局部峰值检测问题，对于特定形状目标的检测，h o u g h 有着很好的效果， 同时h o u g h 变换以其对局部缺损的不敏感，对随机噪声的鲁棒性以及适于并行处理、实 时应用等优良特性，因此在图像处理和模式识别领域有着广泛的应用例。 h o u g h 变换的本质是从图像空间到参数空间的映射，其基本思想是把解析曲线从 图像空间映射到以参数为坐标的参数空间中，根据参数空间的一些标识反过来确定曲线 的参数值，进而得出图像空间中各种边界的确定性描述。这样，h o u g h 变换就把图像空 问中较为困难的全局检测问题转化为参数空间中相对容易解决的局部峰值检测问题。同 时也可以将h o u g h 变换描述为证据积累过程：图像空间中的任意数据点，通过变换函 数的作用，在参数空间中，对所有可能经过这一数据点的图形对应的参数进行投票；所 有数据点的投票在积累矩阵中进行_ 积累，投票结束后，各积累单元的积累值表示所检测 图形的参数为相应积累单元对应参数的概率的大小。 在图像空间船7 里，所有过点力的直线都满足方程 y = p x + q ( 3 7 ) 其中p 为斜率，鼋为截距如果p 和g 建立一个参数空间，则 ，g ) 表示参数空间p q 中 韵一个点。这个点和式( 3 7 ) 表示的直线是一一对应的，即腰空间中的一条直线对应p q 空间中的个点。另一方面，式( 3 7 ) 也可以写成 q = 一p 啦+ y( 3 8 ) 式( 3 8 ) 代表参数空问尬中的一条直线，此时它对应空间灯的一个点( 五力。 式( 3 。7 ) 和( 3 8 ) 所绘图像空间和参数空间中点和线的对应性就是点、线对偶性，根据 点、线对偶性可将在x y 空间中对直线的检测转化为在p q 空间中对点的检测。例如， 设已知船7 空间的一些点，则利用h o u g h 变换检测它们是否共线的具体步骤如下： ( 1 ) 对参数空间中参数p 和g 的可能取值范围进行量化，根据量化结果构造一个累加 数组彳 函：，孽面：牙k ) ，并初始化为o ； 焊接缺陷在线自动检测中缺陷检测算法的研究 ( 2 ) 对每个邪空间中的给定点让p 取遍所有可能值，用式( 3 8 ) 计算出g ，根据p 和q 的值累加a ：4 ( p ，口) = a ( p ，g ) 十l ； ( 3 ) 根据累加后a 中最大值所对应的p 和q 由式( 3 7 ) 定出灯中的一条直线，a 中的 最大值代表了在直线上给定点的数目，满足直线方程的点就是共线的。 h o u g h 变换不仅可以用来检测直线，它还可以检测圆、椭圆、双曲线、抛物线等 这类规则曲线，同时h o u g h 变换也可以检测任意形状的曲线，这里就不一一列举了， 在下面的章节中将会详细介绍本文检测算法中用h o u g h 变换检测焊缝边缘的过程。 3 3 连通域标记的基本原理【2 6 j 连通域标记是图像处理中的一种基本方法，在本文提出的算法中，阈值分割后得到 的二值图像中仍然会存在一些噪声干扰，连通域标记可以将这些噪声和缺陷目标标记成 不同的区域，然后通过一定的限制条件( 区域的大小，形状等) 将噪声区域去除。最常 用的连通域标记方法是像素标记方法，描述该方法原理如下： 假设对一幅二值图像从左向右、从上向下进行扫描( 起点在图像的左上方) 。要标 记当前正被扫描的像素需要检查它与它之前扫描到的若干个近邻像素的连通性。例如当 前正被扫描像素的灰度值为l ，则将它标记为与之相连通的目标像素。如果它与2 个或 多个目标相连通，则可以认为这些目标实际是同一个，并把他们连接起来。如果发现了 从为0 的像素到1 个孤立的为1 的像素的过渡，就赋值】个新的目标标记。 现在考虑4 连通的情况。根据以上建立的概念我们可以如下进行标记。假如当前像 素的值是0 ，就移到下1 个扫描位置。假如当前像素的值是1 ，检查它左边和上边的2 个近邻像素( 根据所用的扫描次序，当我们到达当前像素时这2 个近邻像素已经被处理 过了) 。如果他们都是0 ，就给当前像素1 个新的标记( 根据已有信息，直到目前这是 该连通域第1 次被扫描到) 。如果上述2 个近邻像素只有1 个值为1 ，就把该像素的标 记赋给当前像素。如果他们的值都为l 且具有相同的标记，就将该标记赋给当前像素。 如果它们的值都为l 但具有不同的标记，就将其中的1 个标记赋给当前像素并做个记号 表明这2 个标记等价。在扫描终结时所有值为l 的点都已经标记但有些标记是等价的。 我们所需傲的就是将所有等价的标记归入等价组，对各个组赋1 个不同的标记。然后第 2 次扫描图像，将每个标记用它所在等价组的标记替代 为了给8 连通的区域标记，我们可采用相同的方式，只是不仅对当前像素左边和上 边的2 个近邻像素，而且对2 个上对角的近邻像素也要检查( 同样，所用的扫描次序保 证当我们到达当前像素时，这4 个像素已被处理过了) 假如当前像素的值是0 ，就移 到下1 个扫描位置。假如当前像素的值是l 并且上述4 个相邻像素都是0 ，给当前像素 大连理工大学硕士学位论文 赋1 个新的标记。如果只有1 个相邻像素为1 ，就把该像素的标记赋给当前像素。如果 2 个或多个相邻像素为l ，就将其中1 个的标记赋绘当前像素并做个记号表明它们等价。 在扫描结束后将所有等价的标记归入等价组，对每个组赋1 个唯一的标记。然后第二次 扫描图像，将每个标记用它所在等价组的标记代替。 焊接缺陷在线自动检测中缺陷检测算法的研究 4 基于方向滤波的焊缝缺陷检测算法 图4 1 是一幅典型的钢管焊缝x 射线图像，图中四周最暗的区域是挡板区域，中央 横条状的是焊缝区域，焊缝区域上下两部分较亮的背景是管壁区域，焊缝区域中的亮点 是缺陷。 图4 i 典型的焊缝图像 f i 9 4 1t y p i c a w e l ds e a mi m a g e 本文就是以图4 1 中的图像为样本进行检测算法研究的。 4 1x 射线图像中缺陷性质与特点【叫【硐 焊接过程中产生的缺陷主要有以下几类： ( 1 )熔合不良：未焊透、未熔合； ( 2 )裂纹：热裂纹，冷裂纹； ( 3 )气孔； ( 4 )夹渣； ( 5 )其它缺陷。 图4 2 列举了一些常见的缺陷，这些缺陷具有不周的几何形状和空阅分布特点。 大连理工大学硕士学位论文 图4 2 ( 8 ) 裂纹( b ) 气孔( c ) 未焊透( d ) 气孔和夹渣 f i g4 2 ( a ) c r a c kb ) h o l e s ( c ) i n c o m p l e t e 阿e h a 虹( d ) s l a p 未焊透在x 射线图像上一般呈现为笔直的亮线，并处于焊缝区域的中心，实际的未 焊透缺路还可能是断续的亮线、变宽的亮线条、偏离焊缝中心线的亮线等，或者是伴随 其它形态影像的线状影像。未熔合在x 射线探伤图像上的形态与射线束的方向有关，一 般情况下它呈现为模糊的宽线条状影像，线条沿焊缝方向延伸，缺陷的亮度与背景的亮 度差较小，有时影像的一侧呈现直边状裂纹在x 射线探伤图像上的基本形态呈现