張華忠，杜金花，潘曰凱

（中國民用航空飛行學(xué)院航空電子電氣學(xué)院，廣漢 618300）

0 引言

碳纖維增強復(fù)合材料作為高性能新型材料，主要被用于航天、航空和國防等領(lǐng)域，在民用飛機領(lǐng)域被廣泛應(yīng)用于飛機的尾翼、方向舵、升降舵以及飛機機體等［1］。在飛機服役的過程中，飛機蒙皮會出現(xiàn)裂紋、撞擊和腐蝕等問題，不僅降低飛機的使用壽命，而且還會對機上人員的生命造成威脅。

人們期望借助無損探傷技術(shù)對碳纖維復(fù)合材料的損傷類型和程度進行檢測和分析［2?4］。因具備對非金屬材料穿透能力強、可進行非接觸檢測等優(yōu)點，太赫茲技術(shù)已經(jīng)成為一種新型的無損檢測方法［5］。在太赫茲時域光譜成像過程中對于不同的缺陷可以選取不同參數(shù)來成像［6］。

圖像融合技術(shù)在圖像處理領(lǐng)域發(fā)揮著重要作用，將兩張或多張圖像包含的互補信息通過某種圖像融合方法進行組合可以得到具有更加全面信息的圖像［7］。圖像融合能在像素級、特征級和決策級三個層次上實現(xiàn)［8］?，F(xiàn)在的研究焦點是在像素級層面上，比如加權(quán)平均法、取大法、區(qū)域方差等［9］。融合后的圖像比未融合圖像對內(nèi)容的描述更準(zhǔn)確，可信性更高，可理解性更好，更適合計算機檢測、分類和識別等處理［10］。

本文將基于光照濾波的圖像融合算法首次應(yīng)用于太赫茲缺陷圖像的融合，實現(xiàn)在一幅太赫茲圖像上展示出缺陷完整信息的目的。

1 圖像融合算法實現(xiàn)

本文對民用飛機蒙皮內(nèi)部缺陷的多個檢測參數(shù)獲取的太赫茲圖像進行融合研究，融合算法的框圖如圖1所示。

圖1 圖像融合算法框圖

1.1 光照估計濾波

僅從一張圖像上估計光照是一個已知的數(shù)學(xué)不適定問題。使用一個魯棒的遞歸包絡(luò)［11］，計算圖像的包絡(luò)，同時將計算的復(fù)雜性保持在低水平。每次僅在一個維度上遞歸計算，并在四個不同的空間方向上進行處理，以確保整個圖像中視覺信息的混合，基于遞歸濾波器生成圖像粗糙層和細(xì)節(jié)層的光照估計。

1.2 隸屬度函數(shù)和像素權(quán)重

在對序列中的每個圖像估計光照后，將隸屬度函數(shù)應(yīng)用于每個光照圖像，以確定每個像素將參與最終融合圖像的權(quán)重。

其中：E是光照估計圖像，P是像素權(quán)重矩陣，B是隸屬函數(shù)。

該算法這一階段的主要目標(biāo)是為那些曝光良好的圖像的像素分配更大的權(quán)重，為曝光不足或者過度曝光的像素分配較低的權(quán)重［12］。

一個像素的曝光程度是指它與RGB 通道的距離［12］，因此曝光不足的像素，其值將在通道下端附近，接近0；而過度曝光的像素，其值將在通道上端附近，接近255；曝光良好的像素，其值為128。因此，對于所有具有中間曝光的圖像選擇三角形隸屬度函數(shù)，其峰值為128，這意味著對于這些圖像，光照值在128左右的像素對最終結(jié)果的影響最大。

曝光時間最長的圖像的隸屬函數(shù)不同，該圖像比序列圖像中的任何其它圖像都能更好地捕捉場景的低亮度區(qū)域。低于128的像素值即使被認(rèn)為曝光不良，但它們在較長曝光圖像中仍然比序列中其它圖像更好。因此，它的隸屬函數(shù)選擇梯形。區(qū)間［0,128］上的所有像素值都被指定為最大隸屬值，即為1。類似地，具有最短曝光的圖像比序列中的任何其它圖像更好地捕獲場景的高亮度區(qū)域，因此，雖然像素值高于128不被認(rèn)為曝光良好，但它們在最短曝光圖像中仍然比在任何其它序列中表現(xiàn)更好。因此，隸屬函數(shù)選擇梯形，區(qū)間［128,255］內(nèi)的所有像素值被分配最大隸屬值1。

1.3 混合函數(shù)和最終輸出

所提出方法的混合函數(shù)由公式（4）描述。

其中：N是場景中的像素總數(shù)，W是RGB 顏色空間的三個通道，公式（4）本質(zhì)上是每次曝光的R、G、B 分量之間的加權(quán)平均，使用1.2節(jié)得出的像素權(quán)重。結(jié)合隸屬函數(shù)的形狀，保證正確曝光的像素對最終結(jié)果的參與度最大。

2 實驗結(jié)果分析

實驗環(huán)境為Windows 10、Pycharm 2021，選擇三組不同頻率下的太赫茲圖像作為實驗對象。算法運行結(jié)果如圖2～圖4 所示：本文算法保留了圖像邊界信息，增強了圖像細(xì)節(jié)信息，并有效提高了圖像的分辨率。圖2 為11.313 ps 下的時域圖、0.897 THz下的頻域圖以及0.897 THz下的反射圖的融合結(jié)果，我們可以看到融合前的時域圖、頻域圖以及反射圖的圖像都表現(xiàn)出邊緣模糊的特點，不能很好地表示圖像的顯著特征。經(jīng)過本文算法處理后的圖像對比度高，圖像邊緣更銳利。圖3 為11.360 ps 下的時域圖、0.842 THz下的頻域圖以及1.007 THz下的反射圖的融合結(jié)果，同樣的，融合前的圖像普遍存在圖像邊緣模糊、細(xì)節(jié)丟失等問題。融合后的圖像從原圖像中提取了圖像的有用信息，目標(biāo)和背景更加清晰，局部特征也更加明顯。圖4 為11.367 ps 下的時域圖、0.916 THz 下的頻域圖以及0.916 THz 下的反射圖的融合結(jié)果，融合圖像保留了原圖像的細(xì)節(jié)信息，且融合結(jié)果更適用于人眼視覺觀察。

圖2 11.313 ps下的時域圖、0.897 THz下的頻域圖以及0.897 THz下的反射圖的融合結(jié)果

圖3 11.360 ps下的時域圖、0842 THz下的頻域圖以及1.007 THz下的反射圖的融合結(jié)果

圖4 11.367 ps下的時域圖、0.916 THz下的頻域圖以及0.916 THz下的反射圖的融合結(jié)果

3 結(jié)語

針對太赫茲圖像的特點，本文將基于光照估計濾波的圖像融合算法首次應(yīng)用于民用飛機蒙皮內(nèi)部缺陷檢測的圖像融合階段，該算法可以有效利用不同頻段獲取的太赫茲圖像的信息，使得最終的融合圖像包含更多的缺陷信息，同時改善了圖像的分辨率。本文算法的有效性可以在融合圖像的視覺效果上得到驗證。