[发明专利]一种基于红外图像拼接融合算法的高压容器检测方法

说明书

本发明公开了一种基于红外图像拼接融合算法的高压容器检测方法，包括以下步骤：对高压容器表面进行数据采集；对所有列向量进行K‑means结合GMM算法处理，对视频流信号处理获得缺陷重构图像；对两两包括重叠区域的重构缺陷信息图像，采用FAST‑SURF算法进行特征提取并用双向FLANN算法进行粗匹配，采用MSAC算法对匹配点对提纯并估计几何变换模型实现图像配准过程；针对拼接结果产生的缝隙以及亮度和色彩差异，采用基于亮度调整和距离加权的融合方法对拼接结果进行处理；得到对高压容器红外检测的全景拼接图像；本发明针对高压容器体积庞大以及原位检测的需求，提供一种基于红外图像拼接融合算法的高压容器检测方法，综合考虑了图像拼接的速度和精度。

技术领域

本发明属于红外无损检测技术领域，更具体地说，本发明涉及一种基于红外图像拼接融合算法的高压容器检测方法。

背景技术

高压容器广泛应用于航天航空工业中，例如运载火箭、空间站、风洞等设备的构造都离不开高压容器的使用。但由于设备建造时缺乏监督，质量存在隐忧，设备运行一段时间后，会出现不断发现裂纹、腐蚀泄漏的报告，随着时间的推移，这些高压容器运行出现安全问题的几率将不断增加，一旦任务期间出现安全问题，会造成灾难性后果，而各卫星发射基地和高密度试验任务又不能达到国际、国内工业企业那种基本的检验检测条件，国内外的所有先进的研究成果均难以直接运用于这些设备，因此，需要尽快开展这些设备检验检测专项试验研究，以解决在役定期检验检所面临的技术难题，确保检验检测的针对性和检验结果的可靠性，保障其安全运行。

基于无损检测(NDTE)的红外热成像技术因其高效性，损耗低，安全性高等优势而应用广泛。红外热像仪检测试件拍摄的视频流信息无法很好提取，从而无法很好进行缺陷分类研究以及针对大视野试件全景图像拼接的研究，对视频流信息进行降维重构得到缺陷重构图像非常有实际应用价值。对红外热像仪拍摄到的多个视频流进行多帧采样处理，对每帧图像进行向量化重构出温度矩阵，矩阵的每一列向量即为原视频流对应的一像素点温度变化特征向量，采用聚类方法对所有列向量进行聚类，得到突出缺陷的几类温度变化特征向量。由于各类缺陷的温度变化差异可能不明显，以及一些缺陷边缘点可能会出现51％归属为缺陷类，49％归属为试件表面的情况，这样只采用传统聚类方法硬分类直接得到单纯的分类结果显然不够谨慎，风险过大。由于缺陷的性状复杂性，分布随机性等问题，很难得到大量的样本数据会分类器进行训练，同时缺乏足够的先验知识，因此难以人工标注类别，所以易采用无监督学习方式，先将所有样本自动分为不同的类别，再由测试人员对这些类别进行下一步标注。

同时，由于高压容器体积庞大、形状各异，单幅图像往往无法完全展示检测所需的全部信息，这时就需要应用到图像拼接技术，来得到全面直观的高压容器检测全景图。基于局部不变特征的匹配算法因其具有计算量小、鲁棒性强，对图像偏移、旋转、灰度亮度变化等都有较好的适应力的特点，成为了图像匹配算法研究的主流方向。高压容器表面分布的特征点比较难提取，传统基于特征点的特征检测法如SIFT,SURF计算复杂同时检测的特征点数量不够理想。同时该类算法提取到的特征具有尺度不变、旋转不变的特性，但对光照变化和仿射、透视变换具有部分不变性。所以单纯的采用上述匹配算法得到的图像拼接结果会受到拍摄角度和环境温度等因素的影响，产生明显的亮度差异和拼接缝隙。因此需要对拼接结果进行加权融合处理，得到有实际研究价值的融合结果图像。

发明内容

本发明的一个目的是解决至少上述问题和/或缺陷，并提供至少后面将说明的优点。

为了实现根据本发明的这些目的和其它优点，提供了一种基于红外图像拼接融合算法的高压容器检测方法，包括：

步骤S1、对高压容器表面进行数据采集，获得视频流信号；

步骤S2、对所有列向量进行K-means结合GMM算法处理，对视频流信号处理获得缺陷重构图像；