[发明专利]一种渐变背景的数字X射线图像缺陷自动识别方法

权利要求书

1.一种渐变背景的数字X射线图像缺陷自动识别方法，其特征在于：包括以下步骤：

步骤1、通过机械加工手段制造出与被检工件材质一致的阶梯形对比试块，且该对比试块的每个阶梯厚度呈逐渐变化，其中，该对比试块的最大厚度大于等于被检工件的最大厚度，最小厚度小于等于被检工件的最小厚度；

步骤2、采用数字X射线成像工艺对步骤1中的对比试块和被检工件进行扫描，获取对比试块和被检工件的DR图像；

步骤3、在对比试块的DR图像中，选取对比试块不同穿透厚度的阶梯所在区域图像，统计该区域内的量子噪声分布，并进行高斯拟合，计算不同穿透厚度下对应的图像灰度值均值和标准偏差，建立穿透厚度与灰度值均值的关系曲线以及穿透厚度与标准偏差的关系曲线；并根据穿透厚度与标准偏差的关系曲线，得到量子噪声的概率密度函数；

具体步骤为：

步骤3-1、统计量子噪声分布：设对比试块的DR图像中的灰度级为[0,L₀-1]，在对比试块的DR图像中，在每个阶梯内选取一定大小的区域进行图像灰度直方图统计，对比试块中穿透厚度为i的阶梯处选取的区域内图像的灰度直方图序列h_i：其中，h_i＝M(j)，j为穿透厚度为i的阶梯处选取的区域图像中灰度级对应的像素值，即灰度值，j∈[0,L₀-1]，M(j)为穿透厚度为i的阶梯处选取的区域图像中灰度值为j的像素数量；L₀为灰度级总数；

步骤3-2、对输出序列直方图h_i进行高斯拟合，得到拟合后的高斯曲线函数H_i(j)，其中，拟合后的高斯曲线函数H_i(j)为：

其中，a_i为穿透厚度为i下拟合后高斯曲线的幅值，μ_i为穿透厚度为i下拟合后高斯曲线的灰度值均值，σ_i为穿透厚度为i下拟合后高斯曲线的灰度值标准偏差；

步骤3-3、对灰度值均值μ_i和标准偏差σ_i进行线性拟合并插值，建立穿透厚度i与灰度值均值μ_i的关系曲线μ(i)以及穿透厚度i与标准偏差σ_i的关系曲线σ(i)；

步骤3-4、根据步骤3-3中得到的穿透厚度i与标准偏差σ_i的关系曲线σ(i)，建立量子噪声的概率密度函数PDF_i(j)：其中，

j为穿透厚度为i的阶梯处选取的区域图像中的灰度值；

步骤4、已知被检工件的检测区域，获取该检测区域的厚度分布函数和被检工件的DR图像中该区域的灰度值分布函数，使用该区域的厚度分布函数对该区域内的图像灰度值分布函数进行厚度校正，获得校正后的灰度值分布函数；

步骤5、对于被检工件的DR图像中检测区域的任一点，在以该点为中心的局部区域内，利用步骤3中的量子噪声的概率密度函数计算该局部区域内的噪声理论概率密度函数，并利用步骤4中校正后的灰度值分布函数计算噪声实际概率密度函数，且计算该区域内噪声理论概论密度函数与噪声实际概率密度函数之间差的绝对值之和，并将该差的绝对值之和替代被检工件DR图像中中心点的数值，形成新的图像；

步骤6、采用与步骤5中相同的方法，将被检工件检测区域图像中的所有点，分别计算以任一点为中心的局部区域内噪声理论概率密度函数和噪声实际概率密度函数之间差的绝对值之和，且分别将以每个点为中心计算得到的差的绝对值之和替代对应中心点的数值，形成被检工件新的检测图像；

步骤7、采用阈值分割方法对步骤6中被检工件新的检测图像进行自动检测，识别出检测图像中的缺陷。