張炳剛，許四祥，侍海東，徐起兵

(安徽工業(yè)大學(xué)機(jī)械工程學(xué)院，安徽馬鞍山243032)

基于小波變換圖像融合的鎂熔液弱小目標(biāo)檢測

張炳剛，許四祥，侍海東，徐起兵

(安徽工業(yè)大學(xué)機(jī)械工程學(xué)院，安徽馬鞍山243032)

針對鎂熔液圖像中第一氣泡不易檢測的問題，提出1種基于小波圖像融合與羅賓遜濾波法相結(jié)合的檢測算法。利用小波變換將第一氣泡析出前后的各2幀圖像分別分解為多尺度的低頻分量和高頻分量，根據(jù)融合規(guī)則對所獲得的低頻分量和高頻分量分別進(jìn)行處理，獲得融合圖像；對2幀融合圖像分別進(jìn)行羅賓遜濾波，再通過形態(tài)學(xué)開運(yùn)算處理，檢測弱小目標(biāo)。對比分析融合圖像與原圖像，結(jié)果表明融合圖像一定程度上可彌補(bǔ)信息缺失，補(bǔ)充圖像細(xì)節(jié)，信噪比得到提高。并將羅賓遜濾波效果與加權(quán)均值濾波效果和中值濾波效果進(jìn)行對比分析，結(jié)果表明，采用羅賓遜濾波后的圖像信噪比提高了1倍以上，對比度提高了約13倍。實(shí)驗(yàn)結(jié)果驗(yàn)證了本文方法檢測鎂熔液第一氣泡的有效性。

鎂熔液；第一氣泡；小波變換；圖像融合；羅賓遜濾波

鎂合金是以鎂為基元素并加入其他元素組成的高性能結(jié)構(gòu)材料，但是顯微氣孔的存在減弱了其力學(xué)性能[1-2]。H2的析出是形成顯微氣孔的主要原因[3]，因此，如何有效地檢測鎂熔液含氫量是目前此領(lǐng)域研究的熱點(diǎn)?；诘谝粴馀莘ㄑ苌逆V熔液快速定量測氫儀，其檢測精度及穩(wěn)定性非常依賴于第一氣泡的精確識別。

近年來，研究者們提出了一些針對鎂熔液第一氣泡的檢測算法，如空域?yàn)V波法[4]，小波分解法[5]等，但很少考慮采集的鎂熔液序列圖像的背景存在緩慢變化，及不同時刻圖像信息存在丟失的問題，且未利用圖像之間的信息互補(bǔ)性進(jìn)行鎂熔液弱小目標(biāo)檢測。基于小波變換的融合算法減少了層間的相關(guān)性，能夠得到更好的融合圖像[6]。羅賓遜濾波器具有保護(hù)帶，可以保護(hù)弱小目標(biāo)的信息完整性。鑒于此，提出小波變換圖像融合與羅賓遜濾波(Robinson filter)相結(jié)合的算法，算法通過序列圖像的融合，豐富了圖像細(xì)節(jié)信息，一定程度上彌補(bǔ)了單幀圖像在檢測弱小目標(biāo)方面的局限性，從而能夠有效地檢測出鎂熔液中的第一氣泡。

1 算法構(gòu)建

1.1 小波變換圖像融合

小波變換融合圖像的基本思想是利用小波變換獲得圖像的多尺度表示，然后在不同尺度上使用融合算子分別進(jìn)行融合，根據(jù)融合后的各級分量重構(gòu)新圖像。

利用Haar小波對二維圖像進(jìn)行n層小波分解，得到(3n+1)層子帶，其中包含1個低頻分量和3n個高頻分量。用小波進(jìn)行融合時，小波分解的階數(shù)對融合結(jié)果影響很大。一般來說，小波分解的階數(shù)為3～5層[7]。

假設(shè)2幀待融合圖像A1和A2，具體融合規(guī)則如下。

1)對低頻分量采用系數(shù)平均值融合

2)對高頻分量采用系數(shù)絕對值選大融合

式中：gA1(x,y)和gA2(x,y)為2幀圖像經(jīng)小波分解后的高頻子帶系數(shù)；gF(x,y)為經(jīng)圖像融合處理后的圖像高頻系數(shù)。文中結(jié)合鎂熔液弱小目標(biāo)檢測，將變換后的新高頻系數(shù)gF(x,y)進(jìn)行加權(quán)，如式(3)。

式中：k為加權(quán)系數(shù)；hF(x,y)為最終的融合圖像高頻系數(shù)。

1.2 羅賓遜濾波

羅賓遜濾波器是一種非線性非參數(shù)型濾波器[8]，通過將中心像素與其鄰域像素極值進(jìn)行對比，利用像素之間的差異來抑制背景，對于變化緩慢的背景和空間相關(guān)性強(qiáng)的邊緣背景區(qū)域有較好的抑制作用。經(jīng)羅賓遜濾波后，除目標(biāo)點(diǎn)和一些噪聲點(diǎn)外，圖像中大部分的像素集中在低灰度區(qū)。

式中：fR(x,y)為羅賓遜濾波后的圖像；f(x,y)為圖像中心點(diǎn)(x,y)處灰度值；l為平均波門大??；max為最大值；min為最小值；mean為平均值運(yùn)算。

1.3 算法流程

設(shè)輸入原圖像為A1,A2,A3和A4，其中：A1和A2為第一氣泡析出前相繼的2幀圖像；A3和A4為第一氣泡析出后相繼2幀圖像。原圖像經(jīng)過同一傳感器獲取。算法如圖1，分為5個步驟。

1)小波變換圖像融合 對第一氣泡析出前的圖像A1，A2和析出后的圖像A3，A4按照1.1中的融合規(guī)則分別進(jìn)行小波變換圖像融合，得到2幀融合圖像。

2)羅賓遜濾波 利用羅賓遜濾波器對2幀融合圖像分別進(jìn)行濾波。

3)幀差運(yùn)算和對比度增強(qiáng) 對分別經(jīng)過羅賓遜濾波處理后的2幀融合圖像 fR1(x,y)和 fR2(x,y)進(jìn)行幀間差分運(yùn)算，獲得幀差圖像ΔfR(x,y)，幀差運(yùn)算過程如式(5)。幀差運(yùn)算后，目標(biāo)與背景的灰度值對比度變?nèi)?。因此，需增?qiáng)圖像的對比度，以利于目標(biāo)檢測，同時去除少量的噪點(diǎn)。

4)自適應(yīng)閾值分割 經(jīng)步驟3)處理后，圖像中包含目標(biāo)點(diǎn)外，還包含一些類目標(biāo)干擾信息和噪聲點(diǎn)。采用自適應(yīng)閾值分割初步分離出目標(biāo)點(diǎn)[5]。

5)形態(tài)學(xué)開運(yùn)算 形態(tài)學(xué)開運(yùn)算是用來去除比結(jié)構(gòu)元素小的亮點(diǎn)，同時保持所有的灰度級和較大的亮區(qū)特性相對不變[9]。對經(jīng)自適應(yīng)閾值分割處理后的圖像作形態(tài)學(xué)開運(yùn)算，可去除類目標(biāo)點(diǎn)和噪聲，獲得只含鎂熔液第一氣泡的圖像。

2 實(shí)驗(yàn)結(jié)果和分析

圖像獲取方法同文獻(xiàn)[4]。算法實(shí)現(xiàn)環(huán)境為Intel(R)Core(TM)2 Duo CPU T6600@2.20 GHz，2.00 GB的內(nèi)存，在MATLAB 7.1中編程對第一氣泡析出前后4幀圖像進(jìn)行實(shí)驗(yàn)。第一氣泡析出前后4幀圖像如圖2，其中圖2(a)，(b)為第一氣泡析出前2幀圖像，圖2(c)，(d)為第一氣泡析出后2幀圖像(圖中白色方框內(nèi)的白點(diǎn)為析出的第一氣泡)。

將氣泡析出前后的各2幀圖像分別進(jìn)行四層Haar小波分解，獲得圖像的低頻分量和高頻分量，然后采用式(1)～(3)的融合方法獲得融合處理后的高、低頻系數(shù)，最后通過小波重構(gòu)獲得2幀融合圖像，如圖3。式(3)中系數(shù)k取1.3。

由圖3可看出，對比原圖像，融合圖像一定程度上彌補(bǔ)信息缺失，補(bǔ)充圖像細(xì)節(jié)。經(jīng)計算，信噪比[10]由原來的1.152提高到1.584。對融合后的2幀圖像分別進(jìn)行羅賓遜濾波處理(羅賓遜濾波器波門l取3[8])，去除大部分的背景雜波(如圖4)，然后結(jié)合幀差運(yùn)算和圖像對比度增強(qiáng)處理結(jié)果(如圖5(a))，再通過自適應(yīng)閾值處理(加權(quán)系數(shù)取11)及形態(tài)學(xué)開運(yùn)算(結(jié)構(gòu)元素選扁平圓盤，參數(shù)為1)，檢測第一氣泡，結(jié)果如圖5(b)。

將用羅賓遜濾波器處理后得到的2幀圖像與分別采用加權(quán)均值濾波算法和中值濾波算法得到的濾波處理結(jié)果進(jìn)行對比，如表1。

表1表明：加權(quán)均值濾波算法和中值濾波算法的綜合性能相似，經(jīng)其處理后，圖像的目標(biāo)均值和背景均值均有較大提高，信噪比和對比度有一定程度的降低；經(jīng)過本文算法處理后，圖像的目標(biāo)均值和背景均值減小程度較大，信噪比和對比度有很大的提高。融合后的2幀圖像整體灰度值均有提高，所以經(jīng)過加權(quán)均值濾波算法和中值濾波算法處理后的圖像目標(biāo)均值和背景均值都有較大提高，但是信噪比和對比度有一定程度的降低，導(dǎo)致經(jīng)過這2種算法處理后的圖像不利于接下來的目標(biāo)識別。經(jīng)過本文算法處理后，弱小目標(biāo)均值被很大程度削弱，但是，由于對圖像背景雜波抑制更強(qiáng)，信噪比提高了1倍以上，對比度提高了約13倍。綜上所述，文中采用的濾波算法綜合性能較好，有利于第一氣泡的檢測。

表1 算法性能比較Tab.1 Comparison of algorithm performance

3 結(jié) 論

針對鎂熔液圖像中第一氣泡不易檢測的問題，提出了1種基于小波圖像融合與羅賓遜濾波法相結(jié)合的檢測算法。該方法通過多尺度小波變換圖像融合實(shí)現(xiàn)第一氣泡析出前后各連續(xù)2幀圖像的融合，結(jié)合羅賓遜濾波及幀差運(yùn)算、對比度增強(qiáng)、自適應(yīng)閾值分割和形態(tài)學(xué)開運(yùn)算，最后獲得檢測目標(biāo)。實(shí)驗(yàn)結(jié)果表明該算法能夠準(zhǔn)確有效地檢測到鎂熔液中的第一氣泡，為鎂熔液含氫量檢測提供了一種新的途徑。

[1]Yuan G Y,Liu M P,Ding W J,et al.Microstructure and mechanical properties of Mg-Zn-Si-based alloys[J].Materials Science &Engineering,2003,A357(1/2):314-320．

[2]Du W W,Sun Y S,Min X G,et al.Microstructure and mechanical properties of Mg-Al based alloy with calcium and rare earth additions[J].Materials Science&Engineering,2003,A356(1/2):1-7．

[3]Whittenbegger E J,Rhines F N.Origin of porosity in castings of magnesium-aluminium and other alloys[J].Journal of metals, 1952(7):409-420．

[4]許四祥，伍毅，馬愛萍，等.高溫鎂熔液表面第一氣泡圖像識別方法研究[J].輕金屬，2010(6):43-45．

[5]許四祥，高培青，馬愛萍.復(fù)雜背景下鎂熔液第一氣泡圖像檢測方法研究[J].武漢理工大學(xué)學(xué)報,2011,33(7):10-13．

[6]宗常進(jìn)，吳元偉.基于小波變換的圖像像素級融合算法研究[J].Science&Technology Information,2008(8):201-202．

[7]章毓晉.圖像工程(下冊)—圖像理解[M].2版.北京：清華大學(xué)出版社，2007:334-335．

[8]秦劍，陳錢，錢惟賢.基于背景分類的弱小目標(biāo)檢測算法[J].光電工程,2011,38(1):23-27．

[9]Gonzalez R C,Woods R E,Eddins S L.數(shù)字圖像處理(MATLAB版)[M].阮秋奇，譯.北京：電子工業(yè)出版社,2005:278-279．

[10]馮在東，許四祥，孫杰，等.基于方向小波變換的鎂熔液弱小氣泡檢測[J].材料導(dǎo)報，2013,26(3):146-149．

[11]向建勇，尹超，韓建棟.一種紅外弱小目標(biāo)檢測方法[J].電子科技，2005(1):6-9．

[12]陳振學(xué)，汪國有.基于自適應(yīng)背景預(yù)測的紅外弱小目標(biāo)檢測算法[J].激光與紅外，2005,35(8):608-610．

[13]王培珍，楊維翰.圖像分割的分層處理方案[J].安徽工業(yè)大學(xué)學(xué)報：自然科學(xué)版，2002,19(3):205-208．

[14]邊瓊芳.基于2D小波變換的圖像消噪算法[J].安徽工業(yè)大學(xué)學(xué)報：自然科學(xué)版，2009,26(1):89-91．

責(zé)任編輯：何莉

Weak and Dim Target Detection Based on Image Fusion of Wavelet Transform in MagnesiumAlloy Melt

ZHANG Binggang,XU Sixiang,SHI Haidong,XU Qibing
(School of Mechanical Engineering,Anhui University of Technology,Ma'anshan 243032,China)

For uneasy detection of the first bubble in magnesium alloy melt,a combinative algorithm with wavelet image fusion and Robinson filter method was proposed.At first,with wavelet transform,the successive two images before and after the first bubble precipitating were decomposed into low frequency and high frequency component,respectively,and fused images were gained after that the above low frequency part and high frequency part were processed in the light of the fusion rule.Then,the two fused images were filtered by Robinson filter,morphological open operation was employed to detect the first bubble.To some extent,fused images make up some information and details by comparison of fused images and original images and SNR was improved.By comparing the result of Robinson filter with those of weighted mean filter and median filter,it shows that the SNR of filtered images is improved more than 1 time and contrast is improved about 13 times,which demonstrates that the proposed algorithm can successfully detect the first bubble in magnesium melt.

magnesium alloy melt;the first bubble;wavelet transformation;image fusion;Robinson filter

TG146.2+2

A

10.3969/j.issn.1671-7872.2015.01.011

2014-08-05

國家自然科學(xué)基金項(xiàng)目(51374007)

張炳剛(1988-)，男，江蘇淮安人，碩士生，主要研究方向?yàn)闄C(jī)器視覺與人工智能。

許四祥(1974-)，男，湖北漢川人，教授，主要從事液態(tài)鎂合金質(zhì)量控制的研究。

1671-7872(2015)-01-0055-05