王冬冬,田 干,楊正偉,陶勝杰,張 煒
(第二炮兵工程大學(xué),陜西 西安710025)
紅外熱波無損檢測(cè)是一種新型的無損檢測(cè)技術(shù),該方法通過對(duì)被檢測(cè)對(duì)象施加主動(dòng)的熱激勵(lì)(如高能脈沖閃光燈激勵(lì)、超聲熱激勵(lì)等),然后通過紅外熱像儀采集試件表面的溫度變化信息,將結(jié)構(gòu)中的損傷或缺陷信息通過熱圖序列的形式表現(xiàn)出來。該方法因其速度快、非接觸、直觀顯示、能夠在線在役檢測(cè)等優(yōu)點(diǎn),獲得了廣泛的應(yīng)用。然而從試驗(yàn)中獲取的原始熱圖序列,因?yàn)樵嚰砻娌痪鶆?、紅外熱像儀的成像探測(cè)器及環(huán)境等因素的影響使得原始熱圖中存在強(qiáng)烈的噪聲,降低了熱波圖像的質(zhì)量[1],嚴(yán)重影響后續(xù)對(duì)結(jié)構(gòu)中損傷或缺陷的定量分析。因此,對(duì)紅外熱波檢測(cè)圖像中噪聲的分析和處理,以增強(qiáng)圖像對(duì)比度就成了紅外熱波檢測(cè)技術(shù)的重要研究?jī)?nèi)容。
目前,對(duì)紅外熱波圖像的去噪增強(qiáng)處理已有大量的研究[1-6]。除將傳統(tǒng)機(jī)器視覺中的相關(guān)方法引入到熱波圖像處理中,還針對(duì)熱波圖像的特點(diǎn)發(fā)展了相應(yīng)的去噪增強(qiáng)算法。本文針對(duì)獲取的紅外熱波原始圖像中存在的高噪聲、低對(duì)比度等問題,為了改善熱波圖像的噪聲抑制效果,在分析熱波圖像中噪聲的基礎(chǔ)上,將偏微分方程方法引入到熱波圖像的去噪處理中。偏微分方程方法因具有高度的靈活性及較強(qiáng)的局部自適應(yīng)性[7],能夠在去除圖像噪聲的同時(shí),有效地保持圖像中非噪聲信號(hào)的細(xì)節(jié)[8],顯著提高圖像中目標(biāo)與背景的對(duì)比度。相應(yīng)的試驗(yàn)結(jié)果表明:無論是從視覺效果還是客觀的評(píng)價(jià)指標(biāo),本文所提出的算法均具有較好的噪聲抑制效果。
熱波檢測(cè)技術(shù)獲得的圖像代表了被檢測(cè)對(duì)象表面溫度分布信息,這為后續(xù)對(duì)被測(cè)對(duì)象進(jìn)行損傷識(shí)別與評(píng)估提供了重要的信息。但是熱波成像的機(jī)理決定了熱波圖像的信噪比、灰度及紋理等信息,使得獲取的熱波圖像質(zhì)量受到一定的影響。如果在原始熱圖上對(duì)結(jié)構(gòu)中的損傷進(jìn)行提取和識(shí)別,將嚴(yán)重影響識(shí)別的精度和準(zhǔn)確性,對(duì)損傷的預(yù)測(cè)和評(píng)估產(chǎn)生嚴(yán)重的干擾。因此,在對(duì)后續(xù)研究進(jìn)行之前必須對(duì)獲得的熱圖中的噪聲進(jìn)行分析和處理,以保證后續(xù)研究?jī)?nèi)容的精度和準(zhǔn)確性。熱波檢測(cè)技術(shù)的原理如圖1所示。
圖1 熱波檢測(cè)技術(shù)的基本原理Fig.1 Fundamental principle of infrared thermography
從上述熱波檢測(cè)技術(shù)獲取熱圖的過程中可知,熱圖中的噪聲主要來源于被測(cè)結(jié)構(gòu)表面情況的干擾、環(huán)境干擾及熱像儀獲取圖像的過程中。紅外熱波圖像反映的是被測(cè)對(duì)象中損傷區(qū)域與完好區(qū)域向外界發(fā)射紅外輻射能量之間的差異。因此,被檢測(cè)對(duì)象表面的特性(包括表面的光潔度及顏色等)將引起被測(cè)對(duì)象在主動(dòng)加熱過程中對(duì)熱量的吸收不等,從而導(dǎo)致物體向外的紅外輻射能力不同,造成獲取的熱波圖像中存在一定的噪聲干擾;在試驗(yàn)過程中,環(huán)境溫濕度、操作人員的相關(guān)操作動(dòng)作等都將引起一定的干擾量,從而導(dǎo)致采集到的熱波圖像中存在相應(yīng)的干擾量,引起圖像質(zhì)量的下降;試驗(yàn)過程中采用的紅外熱像儀與普通的可見光成像設(shè)備不同,紅外成像元件存在光敏響應(yīng)非均勻的特點(diǎn)[9],特別是個(gè)別的光敏元件還存在啞元的可能,因此,紅外熱像儀采集到的熱波圖像存在多種復(fù)雜的噪聲干擾。
從上述的分析可以看出,熱圖序列中的噪聲在圖像采集的過程中是不可避免的,噪聲的存在嚴(yán)重降低了熱圖像的可視性和質(zhì)量,因此,必須對(duì)獲取的熱圖像進(jìn)行去噪增強(qiáng)處理,以提高圖像中損傷區(qū)域與背景區(qū)域的對(duì)比度,為損傷的提取和識(shí)別奠定基礎(chǔ)。
偏微分方程方法用于圖像處理的研究是從高斯濾波器引入的[10]。相關(guān)的研究表明多數(shù)的局部濾波器在使用時(shí)均可以轉(zhuǎn)換為相應(yīng)的微分算子進(jìn)行運(yùn)算,對(duì)于微分方程在圖像處理中的應(yīng)用來說,應(yīng)用最為廣泛的是熱擴(kuò)散方程。其相應(yīng)的物理模型為:一個(gè)局部被加熱的物體,隨著加熱過程的持續(xù),物體本身吸收到的熱量會(huì)慢慢擴(kuò)散,直至整個(gè)物體的溫度達(dá)到一致。將該模型應(yīng)用到圖像去噪過程中,就好比將圖像中的噪聲進(jìn)行擴(kuò)散使整個(gè)圖像的灰度達(dá)到一致[11],從而使圖像中的噪聲得以消除。
利用I(x,y)表示待處理的原始圖像,I(x,y,t)表示時(shí)間t時(shí)刻的擴(kuò)散圖像,忽略計(jì)算過程中無關(guān)緊要的常數(shù),可得圖像的線性擴(kuò)散偏微分方程為[7]:
Gtx,( )y表示中心在坐標(biāo)原點(diǎn)的二維高斯函數(shù)。從上述的分析可見,對(duì)圖像進(jìn)行擴(kuò)散即為計(jì)算原始圖像與高斯函數(shù)的卷積,實(shí)際上就是采用傳統(tǒng)的高斯濾波器對(duì)圖像進(jìn)行濾波處理。
在使用熱擴(kuò)散偏微分方程對(duì)圖像進(jìn)行處理時(shí),是沿著圖像中所有的方向進(jìn)行濾波的,因此在平滑圖像的同時(shí),也破壞了圖像中邊緣等細(xì)節(jié)信息[12]。為了同時(shí)達(dá)到去除噪聲并保護(hù)邊緣等細(xì)節(jié)信息的目的,應(yīng)該根據(jù)圖像的內(nèi)容在擴(kuò)散過程中采用不同的“熱擴(kuò)散系數(shù)”,具體來說,就是將平滑的強(qiáng)度在邊緣的位置減弱,在非邊緣區(qū)域增強(qiáng);在平行于邊緣的方向進(jìn)行平滑而在垂直于邊緣的方向不進(jìn)行平滑,從而實(shí)現(xiàn)在去除噪聲的同時(shí)較好的保持圖像中的邊緣的細(xì)節(jié)信息[13]。為了實(shí)現(xiàn)上述目標(biāo),Perona和Malik于1990年對(duì)熱擴(kuò)散方程進(jìn)行了改進(jìn),引入一個(gè)具有單調(diào)遞減的非負(fù)函數(shù)g(r),將由熱擴(kuò)散方程推導(dǎo)得到的線性擴(kuò)散偏微分方程(1)修改為:
公式(3)通常被稱為P-M方程,其中g(shù)(r)稱為邊緣停止函數(shù),簡(jiǎn)稱為邊緣函數(shù)。公式(3)中的“熱擴(kuò)散系數(shù)”依賴于演化過程中的圖像I(x,y,t),因此P-M方程屬于非線性擴(kuò)散偏微分方程[14]。
在實(shí)際圖像去噪增強(qiáng)的應(yīng)用中,圖像的邊緣信息無法預(yù)先得到,因此就需要構(gòu)造出一個(gè)邊緣函數(shù)作為邊緣點(diǎn)的估計(jì),常用的邊緣函數(shù)為:
式中,K是常數(shù),它可控制邊緣函數(shù)的下降速率。
在P-M方程中,常用的兩種邊緣函數(shù)為:
在上述方程中,邊緣函數(shù)的值越大擴(kuò)散性越強(qiáng),合適的K值能夠起到增強(qiáng)圖像邊緣的效果。公式(5)和公式(6)的取值范圍為[0,1]。在P-M方程中的兩種邊緣函數(shù)均是圖像梯度的函數(shù),隨著圖像梯度的增加而單調(diào)下降。該方程雖然在抑制圖像噪聲和增強(qiáng)圖像邊緣方面有了一定的改進(jìn),但當(dāng)被處理圖像中的噪聲程度較為強(qiáng)烈或圖像的對(duì)比度較低時(shí),圖像的梯度震蕩較大,導(dǎo)致對(duì)圖像的去噪增強(qiáng)效果較差。為了解決這一問題,必須重新構(gòu)造新的邊緣函數(shù)。
[14]的基礎(chǔ)上,對(duì)非線性擴(kuò)散偏微分方程的邊緣函數(shù)進(jìn)行如下改進(jìn):
根據(jù)公式(7),針對(duì)不同的K值(分別取值為K=10,20,50)畫出邊緣函數(shù)與圖像梯度的關(guān)系如圖2所示。
圖2 邊緣函數(shù)與圖像梯度之間的關(guān)系Fig.2 The relationship between edge function and image gradient
從圖2邊緣函數(shù)與圖像梯度的關(guān)系可知,當(dāng)梯度值較小時(shí),圖像的擴(kuò)散幅度較大,可以快速地濾除圖像中的噪聲;隨著梯度值的增加,擴(kuò)散幅度逐漸減小,知道邊緣函數(shù)取值為0,這種趨勢(shì)能夠很好地保留圖像中的邊緣等細(xì)節(jié)信息。為了改善本方法在圖像去噪增強(qiáng)中的實(shí)際應(yīng)用效果,可以根據(jù)具體的被處理對(duì)象,選用合適的常數(shù)K來控制邊緣函數(shù)的下降速率,從而取得較好的圖像去噪效果。
從上述的理論分析,可得改進(jìn)后方法在圖像去噪處理中應(yīng)用流程如圖3所示。
圖3 文中方法在圖像去噪應(yīng)用中的流程圖Fig.3 The flow chart of this method in image denoising
針對(duì)復(fù)合材料脫粘損傷試件(如圖4所示),采用課題組自主研發(fā)的脈沖紅外熱波檢測(cè)系統(tǒng)對(duì)試件進(jìn)行檢測(cè)研究。檢測(cè)系統(tǒng)中脈沖紅外熱像儀采用德國(guó)InfraTec公司生產(chǎn)的Vhr 680非制冷性紅外熱像儀,其光譜響應(yīng)范圍為7.4~14μm,可提供640×480像素的熱圖像,熱靈敏度為0.04℃(30℃);脈沖激勵(lì)裝置由兩個(gè)高能氙燈提供,每個(gè)燈的最大激勵(lì)能量為4.8 kJ,激勵(lì)脈沖寬度為0.2 ms。通過實(shí)驗(yàn)得到的原始熱圖如圖5所示。
圖4 試件圖Fig.4 Test specimen photo
圖5 熱波檢測(cè)原始熱圖Fig.5 Original thermal image of thermal wave testing
試件厚度為5 mm,其中預(yù)埋了三個(gè)利用聚四氟乙烯模擬的脫粘缺陷,從得到的熱圖中可以觀察到三個(gè)亮斑,其分別對(duì)應(yīng)預(yù)埋的三個(gè)缺陷。但是原始熱圖中存在的噪聲等干擾,降低了熱圖的對(duì)比度。
對(duì)試驗(yàn)中獲取的原始熱圖采用上述提出的改進(jìn)算法進(jìn)行去噪增強(qiáng)處理,并將處理結(jié)果與低通濾波及傳統(tǒng)的兩種P-M邊緣函數(shù)的處理結(jié)果進(jìn)行對(duì)比,得到的三種偏微分方程方法的邊緣函數(shù)曲線如圖6所示,相關(guān)熱圖的去噪處理結(jié)果如圖7所示。
圖6 邊緣函數(shù)與圖像梯度的關(guān)系(K=16)Fig.6 The relationship between edge function and image gradient(K=16)
從圖7的處理結(jié)果中可以看出,經(jīng)過改進(jìn)的非線性偏微分方程方法對(duì)熱圖的處理效果要優(yōu)于低通濾波及傳統(tǒng)的兩種P-M邊緣函數(shù)的處理結(jié)果,為了更好地說明方法的優(yōu)劣性,采用如下定義的信噪比(SNR)對(duì)方法的處理結(jié)果進(jìn)行客觀評(píng)價(jià)。
式中,I表示待處理的原始熱圖;I'表示去噪處理后的熱圖;M和N分別表示圖像像素的長(zhǎng)度和寬度。信噪比越大,表明算法處理的效果越好。上述四種方法處理后圖像的信噪比如表1所示。
圖7 原始熱圖去噪增強(qiáng)結(jié)果Fig.7 Denoising and enhancement of original thermal image
表1 圖像處理結(jié)果的信噪比Tab.1 SNR of image processing
從表1中的結(jié)果可知,改進(jìn)后偏微分算法的SNR要優(yōu)于其他三種方法,這也證明了文中改進(jìn)算法在熱圖去噪處理中的有效性。
文中對(duì)紅外熱波檢測(cè)圖像的噪聲進(jìn)行了分析研究,為了解決熱波檢測(cè)圖像高噪聲、低對(duì)比度等問題,提出了一種改進(jìn)的非線性偏微分方程方法。研究了偏微分方程在圖像處理應(yīng)用中的數(shù)學(xué)基礎(chǔ),針對(duì)熱波圖像本身的噪聲特點(diǎn),對(duì)現(xiàn)有的非線性偏微分方程模型進(jìn)行了改進(jìn),并將處理結(jié)果與傳統(tǒng)PM方程的結(jié)果進(jìn)行對(duì)比,試驗(yàn)結(jié)果表明:文中提出的改進(jìn)算法能夠明顯去除原始熱圖中的噪聲,改善圖像的質(zhì)量。
參考文獻(xiàn):
[1] Xiangzhi Bai,F(xiàn)ugen Zhou,Bindang Xue.Infrared image enhancement through contrast enhancement by using multiscale new top-hat transform[J].Infrared Physics&Technology,2011,54(2):61-69.
[2] Francisco J.Madruga,Clemente Ibarra-Castanedo,Olga M Conde,et al.Infrared thermography processing based on higher-order statistics[J].NDT&E International,2010,43(8):661-666.
[3] W L Gong,Y X Gong,A F Long.Multi-filter analysis of infrared images from the excavation experiment in horizontally stratified rocks[J].Infrared Physics&Technology,2013,56:57-68.
[4] LIU Tao,ZHANG Wei,HE Fujun,et al.Research on image enhancement in infrared thermal waves NDT[J].Infrared and Laser Engineering,2012,41(7):1922-1927.(in Chinese)劉濤,張煒,何付軍,等.紅外熱波檢測(cè)方法圖像增強(qiáng)環(huán)節(jié)研究[J].紅外與激光工程,2012,41(7):1922-1927.
[5] LIU Tao,XU Weichang,TANG Tao,et al.Application of wavelet transform to images enhancement in thermal wave NDT[J].Laser&Infrared,2012,42(6):709-712.(in Chinese)劉濤,徐衛(wèi)昌,唐濤,等.小波變換在熱波檢測(cè)圖像增強(qiáng)中的應(yīng)用[J].激光與紅外,2012,42(6):709-712.
[6] XU Weichang,HUANG Wei,LI Yongfeng,et al.Application of low-pass filtering and gray adjusting to image enhancement[J].Laser&Infrared,2012,42(4):458-462.(in Chinese)徐衛(wèi)昌,黃威,李永峰,等.低通濾波與灰度值調(diào)整在圖像增強(qiáng)中的應(yīng)用[J].激光與紅外,2012,42(4):458-462.
[7] WANG Dakai,HOU Yuqing,PENG Jinye.Partial differential equation in image processing[M].Beijing:Science Press,2008.(in Chinese)王大凱,侯榆青,彭進(jìn)業(yè).圖像處理的偏微分方程方法[M].北京:科學(xué)出版社,2008.
[8] ZHANG Tong,ZHU Hong,ZHANG Ran,et al.Based on the dual-tree complex wavelet with 6 directional Wiener filter combine partial differential equation in image denoising[J].Journal of Image and Graphics,2009,14(5):848-852.(in Chinese)張瞳,朱虹,張然,等.復(fù)小波域維納濾波與偏微分?jǐn)U散相結(jié)合的圖像去噪方法[J].中國(guó)圖象圖形學(xué)報(bào),2009,14(5):848-852.
[9] WANYAN Dandan.Study of infrared image contrast enhancement algorithm[D].Luoyang:Henan University of Science and Technology,2012.(in Chinese)完顏丹丹.紅外圖像對(duì)比度增強(qiáng)算法研究[D].洛陽(yáng):河南科技大學(xué),2012.
[10]Perona P,Malik J.Scale-space and edge detection using anisotropic diffusion[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,1990,12(7):629-639.
[11]WU Wei,WANG Hongzhi,SONG Yu.Image denoising algorithm based on partial differential equation[J].Journal of Changchun University of Technology:Natural Science Edition,2011,32(6):554-557.(in Chinese)武偉,王宏志,宋宇.基于偏微分方程的圖像去噪算法[J].長(zhǎng)春工業(yè)大學(xué)學(xué)報(bào):自然科學(xué)版,2011,32(6):554-557.
[12]WANG Yu,ZHANG Huiyan.Fluorescence microscopic image denoising based on forth-order PDEs and contrast enhancement[J].Journal of University of Electronic Science and Technology of China,2012,41(4):564-567.(in Chinese)王瑜,張慧妍.基于四階PDEs和對(duì)比度增強(qiáng)的熒光顯微圖像去噪[J].電子科技大學(xué)學(xué)報(bào),2012,41(4):564-567.
[13]WANG Lisheng,XU Zongben.Review on PDE-based image processing techniques and their applications in biomedical images analysis[J].Chinese Journal of Engineering Mathematics,2004,21(4):475-490.(in Chinese)王利生,徐宗本.偏微分方程在生物醫(yī)學(xué)圖像分析中的應(yīng)用[J].工程數(shù)學(xué)學(xué)報(bào),2004,21(4):475-490.
[14]Guillermo Sapiro.Geometric partial differential equations and image analysis[M].New York:Cambridge University Press,2001.