[发明专利]一种基于特征挖掘和神经网络的热图像缺陷提取方法

说明书

本发明公开了一种基于特征挖掘和神经网络的热图像缺陷提取方法，通过选取热图像序列中的步长将图像分块，并根据分块去除冗余信息，提取代表性瞬态热响应。本发明利用特征提取公式对瞬态热响应的总热量、吸热阶段的温度变化率、放热阶段的温度变化率、温度均值、温度峰值这些特征进行提取，并根据所提取出的特征，构建神经网络，并将瞬态热响应分类，然后，对三维矩阵进行变换，得到含有缺陷区域的二维图像，最后采用模糊C均值算法对含有缺陷区域的二维图像进行聚类和二值化，得到最终的缺陷图像，从而提取出热图像的缺陷特征。本发明通过深层次挖掘瞬态热响应曲线所包含的物理信息，提高了聚类的合理性，从而提高了缺陷提取的精准度。

技术领域

本发明属于缺陷检测技术领域，更为具体地讲，涉及一种基于特征挖掘和神经网络的热图像缺陷提取方法。

背景技术

红外热成像技术已广泛应用于汽车工业、造船业、石油化工工业以及航空航天领域，它能够有效的用于对缺陷的无损检测技术。其优势在于无需直接接触待检测试件，检测时间短等。

红外热图像检测技术通过控制热激励方法和测量材料表面的温场变化获取材料表面及其表面以下的结构信息，从而达到检测的目的。在获取结构信息时，常常用到红外热像仪记录试件表面或者亚表面随时间变化的温场信息，并将其转换为热图像序列呈现出来。由于用红外热像仪得到的热图像序列的数据量巨大，噪声干扰强，为了获得更好的检测效果，需要对热图像序列进行特征提取。

在处理热图像序列时，有基于单帧图像处理的方法，也有基于图像序列处理的方法。基于单帧图像处理的方法只考虑了试件在某一个时刻的温度分布信息，并不能体现试件在不同时刻的温度情况，得到的处理结果是不完整的，片面的。因此基于图像序列处理的方法得到了广泛的关注与研究。

红外热成像检测最常采用的是涡流热成像。根据电磁感应定律，当通入高频的交变电流的感应线圈靠近导体试件(简称试件)时，在试件的表面会感生出涡流。如果试件中有缺陷，涡流将被迫绕过缺陷，改变其流向，这将使得被测件内部涡流密度发生变化。由焦耳定律可知，涡流在试件中转换成焦耳热，导致试件中产生的热量不均匀，从而产生高温区和低温区，由于温度的差异性，高温区热量通过热传导向低温区传递，导致试件不同区域温度发生变化，通过红外热像仪采集试件温度的变化过程，然后将采集的热图像序列交给计算机进行分析处理，来获取试件相关信息，实现缺陷的定性与定量检测。

在2018年10月30日公布的、公布号为CN108712069A、名称为“一种基于行变步长分割的高压容器热成像缺陷检测方法”的中国发明专利申请中，利用了步长搜索方法进行缺陷特征的提取，在此之后采用模糊C均值算法将瞬态热响应曲线分类。在该发明专利申请中，模糊C均值算法通过聚类中心和隶属度函数将瞬态热响应曲线分类，由其目标函数可知，其分类原理是将样本与聚类中心之间的距离最小化，然而这种方法对于每条瞬态热响应曲线所蕴含的物理意义没有更进一步的挖掘。由于没有深层次挖掘瞬态热响应曲线所包含的物理信息，因此使得聚类的合理性降低，从而影响了缺陷提取的精度。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于特征挖掘和神经网络的热图像缺陷提取方法，通过深层次挖掘瞬态热响应曲线所包含的物理信息，以提高聚类的合理性，从而提高缺陷提取的精准度。

为实现上述发明目的，本发明基于特征挖掘和神经网络的热图像缺陷提取方法，其特征在于，包括以下步骤：

(1)、将红外热像仪获取的热图像序列用三维矩阵S表示，其中的元素S(i,j,t)表示热图像序列的t帧热图像的第i行、第j列的像素值；

(2)、从三维矩阵S选出最大像素值S(i_zz,j_zz,t_zz)，其中，i_zz、j_zz和t_zz分别表示最大像素值像素点所在行的行数、所在列的列数以及所在帧的帧数；