[发明专利]一种射线图像标记信息检测方法及系统

说明书

本发明公开了一种射线图像标记信息检测方法，获得标记区域块及其在原始图像中的定位结果；构建标记区域块数据集；搭建卷积神经网络分类器，以处理图像数据的卷积神经网络作为分类器的主通道，并添加标记区域块图像自身信息作为辅助通道，在第一个全连接层前对两通道特征进行融合；将标记区域块图像数据和标记区域块位置尺寸信息作为卷积神经网络的输入，训练网络并最终输出标记区域块属于各类别的概率；聚合相同类别的标记区域块，区分不同类别的标记区域块，获得射线图像标记信息的最终检测结果。本发明能够快速有效的解决排布松散、特征相似的标记信息目标检测问题，提高了工作效率，为后续射线检测图像的研究打下了良好的基础。

技术领域

本发明属于射线图像标记信息检测技术领域，具体涉及一种射线图像标记信息检测方法及系统。

背景技术

目前，无损检测行业中，射线检测是检测焊缝内部缺陷的重要无损检测手段，通常利用射线照射被检测的工件，获得与工件内部缺陷和结构对应的射线底片进行缺陷检测。在射线底片中，标记信息是整张底片的唯一标识信息，其信息内容和摆放位置不仅标志本张底片的信息，同时也是底片自身质量的重要因素。因此对标记信息进行检测，获得标记信息的位置和类别，有利于射线底片的数字化或辅助评片过程，同时也可以为其他方面的研究提供研究基础。

射线图像的标记信息包含识别标记、定位标记和像质计标记等。在图像中，标记信息的种类多、特征相似、覆盖范围大、位置松散。虽然目前在目标检测和目标定位方面有广泛的研究，但是其研究多是针对于目标聚集的情况。在目标分类方面，基于传统机器学习的目标检测方法对特征相似的目标也难以区分。因此如何将底片中位置松散、特征相似的不同标记进行正确的检测和标识，是底片标记信息检测面临的问题。

发明内容

本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种射线图像标记信息检测方法及系统，解决现有标记信息位置松散、特征相似、传统方法不易区分其类别的问题，进一步提高射线图像标记信息检测和识别的精度。

本发明采用以下技术方案：

一种射线图像标记信息检测方法，包括以下步骤：

S1、对原始图像进行灰度化、滤波降噪、边缘检测、区域填充、去除干扰点和积分投影操作，获得标记区域块；

S2、对步骤S1获得的标记区域块进行数据增强和数据归一化处理，构建标记区域块数据集；

S3、搭建卷积神经网络分类器，将处理图像数据的卷积神经网络作为分类器的主通道，添加标记区域块自身信息作为辅助通道，在第一个全连接层前将特征与卷积神经网络主通道提取的特征进行融合得到新的特征集合；最后通过Softmax函数，获得输出类别的概率信息；

S4、将步骤S2构建的标记区域块数据集分为训练集和测试集；将训练集的标记区域块图像数据和标记区域块位置尺寸信息作为步骤S3搭建的卷积神经网络分类器的输入，训练卷积神经网络分类器，将测试集作为训练好的卷积神经网络分类器的输入，输出标记区域块所属类别的结果；

S5、根据步骤S4标记区域块的分类结果进行聚合或区分：对不同类的标记块进行类别区分，对相同类的标记块进行区域聚合，得到最终的射线图像标记信息检测结果。

具体的，步骤S1具体为：

S101、读入射线图像并将其灰度化，得到灰度图像f(x,y)；利用双边滤波函数对灰度图像进行去噪平滑处理，得到去噪后的图像I(x,y)；采用Canny边缘检测算子对去噪后的灰度图像进行边缘检测，获得包含边缘信息的二值图像；

S102、采用数学形态学中的膨胀运算，对边缘进行连接，得到具有连续边界的图像后，在图像内部确认一点，设为初始种子点B₀，然后以B₀为基准进行循环膨胀，得到区域填充后的二值化图像，删除二值化图像中的白色干扰点，得到去除干扰点的填充图像；