基于紅外圖像的耐腐蝕船舶材料表面缺陷識別研究

杜玉紅，張松奇

(河南理工大學 鶴壁工程技術學院，河南 鶴壁 458030)

0 引 言

船舶耐腐蝕材料大多數(shù)為金屬材料，該類材料主要用在船舶內(nèi)部管道、驅(qū)動軸以及螺旋槳等位置，其受到海水長時間浸泡以及海水內(nèi)鹽分侵蝕，金屬類耐腐蝕材料表面容易出現(xiàn)腐蝕點[1,2]，當腐蝕點不斷擴大后影響船舶耐腐蝕材料受力性能，容易出現(xiàn)斷裂情況。為保障船舶航行安全以及方便船舶耐腐蝕材料保養(yǎng)維護，對船舶耐腐蝕材料表面缺陷進行識別意義較大。目前也有很多學者研究船舶耐腐蝕材料表面缺陷識別方法，如劉佳琪等[3]提出的激光熱成像金屬表面缺陷識別方法，該方法通過采集船舶耐腐蝕材料表面激光熱成像圖像，然后使用差動法對船舶耐腐蝕材料表面激光熱成像圖像內(nèi)缺陷進行深度量化，實現(xiàn)其缺陷識別。但該方法受采集的船舶腐蝕材料表面激光熱成像內(nèi)干擾噪聲影響，其缺陷識別效果不佳。王祿祥等[4]提出紅外圖像缺陷檢測方法，該方法采集船舶腐蝕材料紅外圖像后，利用直覺模糊C 均值聚類方法實現(xiàn)船舶腐蝕材料表面缺陷檢測。但該方法在應用過程中受直覺模糊C 均值聚類方法參數(shù)選擇主觀性影響，導致其識別船舶腐蝕材料表面缺陷精度不足。紅外圖像是利用紅外熱像儀采集的目標反射或者自身發(fā)射紅外線形成的圖像，該圖像可獲取目標紅外輻射差異，用于目標識別、缺陷檢測、故障檢測等，目前在多個領域應用較為廣泛[5]。本文在此以紅外圖像為基礎，研究基于紅外圖像的耐腐蝕船舶材料表面缺陷識別方法，為耐腐蝕船舶材料應用以及維護提供有力手段。

1 耐腐蝕船舶材料表面缺陷識別

1.1 耐腐蝕船舶材料紅外圖像采集

利用超聲紅外圖像檢測裝置采集耐腐蝕船舶材料表面紅外圖像，設計超聲紅外圖像檢測裝置結(jié)構(gòu)如圖1所示。超聲紅外圖像檢測裝置由超聲槍、紅外熱像儀以及預緊單元組成，利用電源為超聲槍和紅外熱像儀提供穩(wěn)定電壓供應，超聲槍將高頻直流脈沖轉(zhuǎn)換為高頻振動脈沖發(fā)射到耐腐蝕船舶材料表面，利用紅外攝像儀擦劑耐腐蝕船舶材料表面紅外圖像，為后續(xù)耐腐蝕船舶材料缺陷識別提供圖像數(shù)據(jù)。

圖1 超聲紅外圖像檢測裝置Fig. 1 Ultrasonic infrared image detection device

1.2 雙邊濾波器與自適應邊緣補償?shù)募t外圖像增強方法

由于采集耐腐蝕船舶材料紅外圖像環(huán)境以及超聲紅外圖像檢測裝置自身性能制約影響，采集到的耐腐蝕船舶材料紅外圖像內(nèi)含有干擾噪聲，導致其分辨率和對比度均較低，圖像內(nèi)缺陷紋理信息較為模糊[6]，影響耐腐蝕船舶材料缺陷識別精度，為此需對采集到的耐腐蝕船舶材料紅外圖像進行去噪和邊緣補償處理，提升耐腐蝕船舶材料紅外圖像的分辨率和對比度。先使用雙邊濾波器對耐腐蝕船舶材料紅外圖像進行去噪處理，令Q(x,y) 表示耐腐蝕船舶材料紅外圖像，該圖像濾波去噪表達式如下：

式中：Qout(x,y)表示濾波去噪后的耐腐蝕船舶材料紅外圖像，其中x、y表示像素點坐標；i、j均表示像素點；Mx,y表示耐腐蝕船舶材料紅外圖像像素點集合；ws(i,j)、wr(i,j)分別表示空間鄰近度因子和空間灰度相似度因子。

利用式(1)對耐腐蝕船舶材料紅外圖像進行濾波處理后，去除圖像內(nèi)部含有的干擾噪聲后，使用自適應邊緣補償方法對耐腐蝕船舶材料紅外圖像進行邊緣增強處理。?Q(x,y)表示去除濾波后耐腐蝕船舶材料紅外圖像與原始圖像之間的偏差，其計算式如下：

式(2)結(jié)果描述了耐腐蝕船舶材料紅外圖像經(jīng)過濾波后的差異，當雙邊濾波窗口在耐腐蝕船舶材料紅外圖像邊緣位置時，其空間灰度相似度因子數(shù)值越小，反之則空間灰度相似度因子數(shù)值較大。因此可通過調(diào)整耐腐蝕船舶材料紅外圖像空間灰度相似度因子之和的方式描述耐腐蝕船舶材料紅外圖像邊緣，則耐腐蝕船舶材料紅外圖像空間灰度相似度因子之和表達式如下：

式中：wsum(x,y)表示耐腐蝕船舶材料紅外圖像空間灰度相似度因子之和；w(i,j)表示空間灰度相似度因子系數(shù)。

以式(3)結(jié)果為基礎，計算腐蝕船舶材料紅外圖像邊緣補償因子，其表達式如下：

式中：C(x,y)表示腐蝕船舶材料紅外圖像邊緣補償因子；hi、hj分別表示邊緣增強窗口行數(shù)和列數(shù)；ε表示補償調(diào)節(jié)因子。

利用式(4)結(jié)果對耐腐蝕船舶材料紅外圖像進行補償，則補償后的耐腐蝕船舶材料紅外圖像表達式如下：

式中：R(x,y)表示邊緣補償后的耐腐蝕船舶材料紅外圖像。

由式(5)可知，利用該式對耐腐蝕船舶材料紅外圖像進行邊緣補償時，邊緣增強區(qū)域的補償量數(shù)值越高，而邊緣較為平坦區(qū)域補償量數(shù)值越小，當耐腐蝕船舶材料紅外圖像存在過度平滑或者過度銳化現(xiàn)象時，會導致該圖像邊緣增強過沖或者灰度翻轉(zhuǎn)現(xiàn)象，為避免該種現(xiàn)，可按照耐腐蝕船舶材料紅外圖像邊緣特性對其進行自適應邊緣補償。利用式(5)結(jié)果對濾波處理后的圖像進行修正處理，則得到自適應補償后的耐腐蝕船舶材料紅外圖像表達式如下：

式中，Qcm(x.y)表示修正后的耐腐蝕船舶材料紅外圖像。

經(jīng)過上述步驟，實現(xiàn)耐腐蝕船舶材料紅外圖像噪聲去除和邊緣增強，使耐腐蝕船舶材料紅外圖像呈現(xiàn)的缺陷更加清晰。

1.3 基于小波變換的耐腐蝕船舶材料表面缺陷識別

以去噪和邊緣增強處理后的耐腐蝕船舶材料紅外圖像作為輸入，使用小波變換實現(xiàn)耐腐蝕船舶材料表面缺陷識別。小波變換可聚焦信號任意細節(jié)，在缺陷識別、故障診斷領域應用較為廣泛。利用小波變換方式識別耐腐蝕船舶材料表面缺陷。Y(x,y)表示耐腐蝕船舶材料表面缺陷紅外圖像信號函數(shù)，該紅外圖像的平滑函數(shù)由O(x,y)表示，計算函數(shù)O(x,y)每個方向的偏導數(shù)，即

式中：θ1(x,y)、θ2(x,y)分別表示平滑函數(shù)的2 個方向的偏導數(shù)；O1(x,y)、O2(x,y)分別表示平滑函數(shù)的2 個方向；?表示偏導數(shù)函數(shù)。

將θ1(x,y)和θ2(x,y)分別看作二維小波函數(shù)，以其為基礎對耐腐蝕船舶材料表面缺陷紅外圖像進行小波變換，其表達式如下：

式中，ζ1(x,y) 、ζ2(x,y)分別表示耐腐蝕船舶材料表面缺陷紅外圖像平滑函數(shù)2 個方向小波變換結(jié)果。

在小波變換分量與梯度分量為正相關關系時，耐腐蝕船舶材料表面缺陷紅外圖像在任意尺度上的，小波變換梯度矢量和幅角表達式如下：

式中：M(x,y)表示耐腐蝕船舶材料表面缺陷紅外圖像在任意尺度上小波變換梯度矢量；N(x,y)表示幅角。

由式(10)可知，當耐腐蝕船舶材料表面缺陷紅外圖像在任意尺度上小波變換梯度矢量達到極大值時，該梯度矢量對應的位置為紅外圖像突變位置，此時可利用該位置處的幅角獲得耐腐蝕船舶材料表面缺陷邊緣集合點，得到耐腐蝕船舶材料表面缺陷位置，實現(xiàn)耐腐蝕船舶材料表面缺陷識別。

2 實驗結(jié)果與分析

以某貨運船舶作為實驗對象，該船舶為中型集裝箱船，全長280 m，寬度為39 m，動力可達到4.3×104kW，標準載貨量為5 446 t。超聲紅外圖像檢測裝置的超聲槍型號為HI-TOO，紅外熱像儀型號為FLIR-E76，利用超聲紅外圖像檢測裝置采集該船舶耐腐蝕性材料紅外圖像，并以該紅外圖像為基礎，對其缺陷進行識別。

以一幅耐腐蝕船舶材料表面缺陷紅外圖像作為實驗對象，使用本文方法對其進行降噪處理，處理結(jié)果如圖2 所示。分析可知，利用本文方法對耐腐蝕船舶材料表面缺陷紅外圖像進行去噪處理后，其紅外圖像內(nèi)分布的噪聲點均被去除，其說明本文方法具備較好的耐腐蝕船舶材料表面缺陷紅外圖像去噪能力。

圖2 紅外圖像去噪效果Fig. 2 Infrared image denoising effect

以螺旋槳耐腐蝕船舶材料表面缺陷紅外圖像作為實驗對象，使用本文方法對其進行增強處理，測試結(jié)果如圖3 所示。分析圖3 可知，原始的耐腐蝕船舶材料表面紅外圖像的螺旋槳邊緣不夠清晰，而利用本方法對其進行增強處理后，螺旋槳邊緣較為清晰，右上方不夠明顯的焊接點經(jīng)過增強處理后在視覺上較為明顯。該結(jié)果說明本文方法可有效對耐腐蝕船舶材料表面紅外圖像進行增強處理。

圖3 紅外圖像邊緣增強效果Fig. 3 Infrared Image Edge Enhancement Effect

進一步驗證本文方法對耐腐蝕船舶材料表面缺陷紅外圖像增強效果，以某幅耐腐蝕船舶材料表面缺陷紅外圖像作為實驗對象，利用本文方法對其進行邊緣增強處理，并以直方圖形式呈現(xiàn)該圖像邊緣增強處理前后灰度值，測試結(jié)果如圖4 所示。分析可知，應用本文方法對耐腐蝕船舶材料表面紅外圖像進行增強后，在相同像素點情況下，像素點灰度值得到有效提升，進一步驗證了本文方法對耐腐蝕船舶材料表面紅外圖像增強效果。

圖4 紅外圖像邊緣增強測試結(jié)果Fig. 4 Infrared Image Edge Enhancement Test Results

驗證本文方法識別耐腐蝕船舶材料表面缺陷能力，分別以一幅存在較大缺陷的耐腐蝕船舶材料表面紅外圖像和存在微小耐腐蝕船舶材料表面紅外圖像作為實驗對象，使用本文方法時缺陷進行識別，識別結(jié)果如圖5 所示。分析圖5 可知，存在微小缺陷的耐腐蝕船舶材料表面紅外圖像內(nèi)共存在2 處微小缺陷，本文方法均可有效識別，而存在較大缺陷的耐腐蝕船舶材料表面紅外圖像內(nèi)共有3 處腐蝕點，本文也可有效識別。上述結(jié)果說明：本文方法可有效識別耐腐蝕船舶材料表面缺陷，不受缺陷大小影響，識別結(jié)果較為精準，具備較好應用效果。

圖5 不同缺陷識別結(jié)果Fig. 5 Different Defect Identification Results

3 結(jié) 語

本文研究基于紅外圖像的耐腐蝕船舶材料表面缺陷識別方法，通過采集耐腐蝕船舶材料表面紅外圖像，經(jīng)過對該紅外圖像進行預處理后，使用小波變換方法實現(xiàn)耐腐蝕船舶材料表面缺陷識別。經(jīng)過實驗驗證，本文方法在紅外圖像增強和缺陷識別方面均具備較好的應用效果。