基于圖像信息融合的焊縫無損探傷研究

劉 麗，郭新興，姚海芳，周 杰

（1.西安石油大學電子工程學院，陜西西安710065；2.西安電子科技大學智能控制與圖像處理研究所，陜西西安710071）

焊接是油氣管道生產(chǎn)過程中重要一環(huán)，焊接質(zhì)量的好壞直接影響到管道的敷設(shè)、運行。焊接中可能會出現(xiàn)裂紋、氣孔、等缺陷，如果不能在出廠時就有效準確地對檢測出這些缺陷，就會對油氣輸送管道的安全運行造成隱患。因此，對于焊縫的無損探傷研究十分必要，及時檢測出焊縫中存在的缺陷，進而可以避免事故的發(fā)生。

Itti等人提出一種在局部特征對比的基礎(chǔ)上建立基于空間域的視覺計算機模型，將輸入圖像的顏色、灰度、方向用不同尺度表示出來。這種基于生物學結(jié)構(gòu)的計算方法，存在分辨率低，輪廓的精準度不高的缺點[1]。文獻[2-3]提出了利用X射線焊縫圖像缺陷提取法，但有時存在漏檢問題。文獻[4]中，薛景浩等人提出了一種識別效果較好的閾值化分割算法，但是速度慢，并需要人工設(shè)置閾值。孫慶文等人的文獻[5]提出的基于Retinex與小波相結(jié)合的算法，并進行雙邊濾波降噪生成的顯著圖，具有受背景影響小、噪聲少的優(yōu)勢，但是存在準確性和效率的問題。圖像的信息融合技術(shù)[6-8]就是利用不同的算法得到的不同的圖像進行處理融合的過程[9]，可以分為像素級，特征級[10]和決策級3種。圖像的融合可以從高頻，低頻分析并建立模型進而融合，也可以從其他多信源道進行，目的都是能夠保留盡可能多的原始圖像信息。

1 算法總框圖

針對上述問題，論文研究了圖像信息分層融合和小波分割的思想，對管道焊縫無損探傷圖像進行缺陷區(qū)域的識別預(yù)處理，取得了較好的效果。本文先對底層信息提取顯著圖的方法進行研究，進行實驗，發(fā)現(xiàn)LC方法速度最快，故采用基于LC的顯著性特征區(qū)域提取方法獲得底層信息的粗略顯著圖。然后，結(jié)合小波分割算法得到中層次信息的粗略顯著圖。再進行歸一化處理，最后利用信息融合算法完成特征區(qū)域的融合，獲得最終的顯著圖，為后續(xù)焊縫缺陷的快速高效識別提供基礎(chǔ)，如圖1所示。

圖1 總框圖

2 算法說明

2.1 Itti算法

論文根據(jù)Itti等人提出的生物框架創(chuàng)建來建立顯著性模型，結(jié)合輸入圖像顏色、亮度和方向3個方面的特征，利用多尺度分析計算獲得顯著性圖，算法框圖如圖2所示。

由于管道焊縫缺陷區(qū)域背景單一，Itti方法從亮度和方向兩方面對圖像進行處理。亮度方面，利用高斯金字塔；方向方面，利用拉普拉斯金字塔和Gabor濾波器對圖像進行處理。以及選擇不同的亮度方向權(quán)值對圖像顯著圖的影響。Itti算法對于管道焊縫識別效果，如圖3所示。Itti算法缺點在于，根據(jù)圖形所需要求，需要不停調(diào)整權(quán)值，離實用有一定差距。

圖2 Itti算法框圖

圖3 Itti算法效果處理圖

2.2 AC算法

Itti方法通過高斯金字塔實現(xiàn)了在不同尺度上計算顯著性，需要平滑和放縮特征圖，導致特征顯著圖清晰度和分辨率損失。隨著研究的不斷深入，Achanta等人對此進行了改進，提出了一種頻域方法來計算顯著性圖。AC方法采用LAB顏色特征，采用歐式距離計算特征距離。AC方法不對特征圖進行縮放，而是改變一個感知單元的鄰域大小，通過計算感知單元在不同鄰域上的局部對比度來實現(xiàn)多尺度顯著性計算[11]。用多個尺度的模糊圖的顯著性相加來獲得最終的顯著性。具體實現(xiàn)上，用這個式（1）表示：

其中N1和N2是像素的個數(shù)，ν是對應(yīng)于一個像素的特征向量，距離D是歐式距離。仿真結(jié)果分析：利用AC算法實現(xiàn)多種管道焊縫缺陷類型的區(qū)域識別，發(fā)現(xiàn)在對焊縫中裂紋的提取效果比利用Itti方法識別效果更好。可能是因為裂紋是二維空間的面狀缺陷，一般自然裂紋的寬度較小，在Itti算法的Gabor濾波過程中可能會被當做噪聲過濾掉。

2.3 其他方法

FT算法的核心如式（2），其中Iμ為圖像的直流分量，即對應(yīng)每個顏色通道的均值。為高斯濾波后的圖像[12]。

LC算法的核心如式（3），其中Ii的范圍是[0，255]。就是每個像素的顯著性值是其和圖像中其他的所有像素的某個距離的總和，這個距離一般使用歐式距離。

3 幾種算法的效果圖對比

利用4種不同的算法對圖4和圖5兩類管道焊縫圖像進行提取處理，發(fā)現(xiàn)在背景區(qū)域不明顯的地方，AC方法在保存圖像信息上較其他幾種方法較好。但是在對背景區(qū)域明顯的圖像中，對焊縫中裂紋的提取效果的快速性上，利用LC算法較其他方法識別快。

圖4 焊縫檢測的效果對比圖

針對圖4的焊縫檢測圖，觀察發(fā)現(xiàn)AC算法是檢測效果最好的一個。圖4的裂紋是二維空間的面狀缺陷，一般自然裂紋的寬度較小，背景區(qū)域暗，AC較其他方法損失信息少。

圖5 焊縫檢測的效果對比圖

圖5是背景區(qū)域與檢測區(qū)域?qū)Ρ榷群苊黠@的部分，不存在或較少存在信息的丟失，故利用的4種方法效果都比較理想。所以在底層方法處理這類圖像時，只需要選取檢測速度快的即可。

4 中層次顯著圖的獲取

近年來，小波領(lǐng)域研究非?；钴S，特別是在信號和圖像處理領(lǐng)域取到了快速發(fā)展。本文利用小波分割獲取中層次顯著圖。二維圖像的分解與重建過程已經(jīng)有了較為深入的研究。首先在分解的時侯，從x方向與y方向兩個方向單獨對行和列的值按照隔二抽一的方法進行。其次，為了保證重建時較好的結(jié)果，采用與一維信號類似的原則，即在重建時，可以在每兩列、每兩行之間插入一列零和一行零[16]。離散的小波變換的可以由下面的形式表示：

圖6 二次小波變換示意圖

二次小波變換的示意圖6所示，一次小波解析可以將輸入的圖像分為4部分，其中H為高頻，L為低頻。

顯著圖的產(chǎn)生G(x,y)可由式（4）得到，其中原圖的低頻部分為Lmap和高頻部分為Hmap。

5 圖像信息融合

像素級圖像融合提取的圖像信息最多，因此應(yīng)用范圍也比較廣泛[13-14]。圖像融合有很多算法:主成分分析法[15]（PCA），模擬退火法，加權(quán)平均法，HIS變換[17]和小波方法[18]等。由于不同的算法具有不同的優(yōu)缺點，互補算法也是根據(jù)具體情況來確定的。本文中采取的信息融合是利用加權(quán)平均的方法，將源圖像對應(yīng)像素的灰度值進行加權(quán)平均，生成新的圖像，它是最簡單最直接的融合方法。其中平均方法是加權(quán)平均的特例，使用平均方法進行圖像融合，提高了融合圖像的信噪比。兩幅圖的如何結(jié)果可以用相關(guān)系數(shù)來表示，系數(shù)越大說明結(jié)果越好。

論文得到中層次信息粗略顯著圖和低層次信息粗略顯著圖，兩幅顯著圖之間相互補充，加權(quán)融合后可以得到最終的顯著圖。

上式（5）中，?是連接中層次信息粗略顯著圖和低層次信息粗略顯著圖的平衡參數(shù)。在融合過程中，為了獲取中層次信息粗略顯著圖和低層次信息粗略顯著圖的最佳融合，在不同的融合參數(shù)下，對2幅焊縫缺陷圖片得到中、低層次信息粗略顯著圖進行加權(quán)融合。

仿真處理分析：從表1可以得出結(jié)論，經(jīng)過多幅圖形的比較，收到了良好的效果，利用LC和小波分割算法進行粗提取，歸一化處理融合后的圖像較之前的速度上有了顯著提高。

仿真結(jié)果分析：利用AC算法實現(xiàn)多種管道焊縫缺陷類型的區(qū)域識別，發(fā)現(xiàn)在對焊縫中裂紋的提取效果比利用Itti方法識別效果更好?？赡苁且驗榱鸭y是二維空間的面狀缺陷，一般自然裂紋的寬度較小，在Itti算法的Gabor濾波過程中可能會被當做噪聲過濾掉。但是，LC算法效果一般，速度上較AC算法缺提升了10倍以上。利用圖像顯著性的LC改進方法，再結(jié)合小波分割的方法共同提取焊縫缺陷，可以有效提高管道焊縫缺陷射線檢測圖像中可能含缺陷區(qū)域提取的快速性。

表1 測試方法與時間對比

6 結(jié)束語

論文采用基于LC的顯著性特征區(qū)域提取方法獲得底層信息的粗略顯著圖，結(jié)合小波分割算法得到中層次信息的粗略顯著圖。再進行歸一化處理，最后利用信息融合算法完成特征區(qū)域的融合，獲得最終的顯著圖，為后續(xù)焊縫缺陷的快速高效識別提供基礎(chǔ)。本文只對管道焊縫缺陷區(qū)域的提取做了較為深入的研究，而且提出的方法也存在一些局限，只是從底層顯著圖的快速性上提高進而獲得全局檢測速度的提高。由于問題的復雜性和不確定性，圖像分割方面還需下一步深入研究。