论文部分内容阅读
[摘 要]：焊接缺陷的图像增强方法有很多，本论文介绍了比较常用的几种方法，包括直方图均衡化，线性拉伸等。根据人眼的视觉特性，对焊接缺陷图像进行自适应图像增强。这种方法能够有效的对焊接缺陷图像进行增强。
[关键词]：图像增强 方法 缺陷
多数情况下，焊接生产中采集到的焊接缺陷图像质量相对较差，影响到缺陷特征提取和分类识别的准确性。由于X射线检测本身的一些特点，也使得一些缺陷的特征被淹没。图像增强处理可改善图像的质量，提高图像的视觉效果，提供直观、清晰、适合于计算机分析的图像，对后续的缺陷提取与识別工作有着重要的实际意义。
1 直方图处理
直方图增强技术是利用修改给定图像直方图的方法来增强图像的，图像增强程度取决于所采用的直方图。令变量r和s分别代表图像增强前后的像素灰度级，相应灰度级分布的概率密度分别为Pr(r)，ps(S)。
图像变换后，使所有灰度层上的像素分布概率密度为1。设原像素的灰度值r被归一化到区间[0，1]，且概率密度为Pr(r)，经过变换后的像素灰度为s，概率密度为ps(S)，变换函数为T(r)，则有以下等式：
s=T(r)，0≤r≤1 Ps(s)ds=pr(r)dr (1.1)
变换函数为T(r)必须满足以下条件：① T(r)是单值单调递增函数，②0≤T(r)≤1。
2 直接灰度变换
直接灰度变换法是比较简单、常用的增强图像对比度的方法，也称对比度变换，点运算或点处理，常用的直接灰度变换法又包括灰度级线性拉伸和灰度级非线性拉伸，这些方法使整幅图像或图像中某一区域里的各像素点的灰度级，都按某一规律进行变换，由此可改变图像的对比度。
3 自适应图像增强方法
3．1 人眼视觉特性分析
随着智能计算技术的发展，图像智能化增强也成为图像增强的一种有效方法，该类方法在图像增强处理中引入智能计算的理论方法，通过模拟人类视觉特性，来实现图像增强的操作。图像增强的目的之一是为了改善图像的视觉效果，以增强人眼对图像信息的辨别能力。对人眼视觉系统(Human VisualSystem，HVS)的研究，一方面为算法的改进提供新的线索，另一方面可为设计图像增强的量化评估算法提供依据。由于在图像灰度级统计时(包括新的直方图)，往往会出现部分主导灰度级统计值过大的情况，使得增强处理后图像出现振铃现象，噪声过强等问题，并且这些灰度级因为占用了较大灰度级空间，进而影响了其它灰度级的表现，为此，有必要对这些灰度级分配的动态范围进行限幅处理，这就要依赖于视觉感知特性的分析。
3．2 临界可见偏差(JND)
现已提出的能反映人眼视觉辨别力的重要参数是临界可见偏差(JustNoticeable Difference，JND)，它揭示了人眼在不同亮度背景下对亮度偏差的感知规律。临界可见偏差是指当一定尺寸的物体在一定的背景亮度显示时，观察者所能分辨的最小亮度差。下面将首先简要介绍JND相关背景知识。
临界可见偏差UND)这一概念最早是由Jayant提出，在图像压缩编码设计和评估中被普遍采用，伹JND与图像增强也有着密切的关系，它反映了人眼在不同亮度背景条件下能分辨的最小亮度偏差，这也是细节信息被有效增强的最低门限要求。已有的视觉研究成果表明，人眼所能感觉到的最小亮度差△/与观察对象的背景有关，即视觉对亮度偏差的敏感程度随背景亮度变化呈非线性变化。
尽管人们早已发现了视觉阈值效应，但由于视觉机理太复杂，且和视觉心理有关，因此，目前还没有建立一个精确的数学模型。这也使得采用已有的视觉理论导出的JND值，在实际应用中效果并不理想。比较实用的方法是通过多人实验来确定JND值。首先对显示器——视觉系统进行试验研究，得到JND曲线。在实验中把显示器的对比度和亮度调到最大值，用程序实现在显示器上显示背景区放置一个圆形目标的图像，圆形目标的亮度级调整通过调整其灰度级来实现。一般而言，图像中的目标都在各种不同的背景中。因此实验中测试JND值时，对测试目标和背景加入方差不同的高斯分布噪声做实验，即假定在复杂的背景下得到JND值。内部圆的灰度级由I(0≤I≤255)递加，直到人眼可以分辨出背景和圆形的差异，记录其值，该差异值称为JND(+△I)，记录每一灰度级I下所对应的JND，当灰度值大干250时，用-△I代替+△I，做出横坐标为I，纵坐标为JND的曲线。
临界可见偏差(JND)值的确立，一方面揭示了视觉系统(HumanVisual System，HVS)的感知规律，为判定信息是否有效增强提供了量化的依据，另一方面，也为图像增强算法的改进提供了有用的线索。
3．3 方法
在焊接缺陷的自动检测中，图像增强是至关重要的一部分，它关系到缺陷识别和分类的效果。本文在分割出焊接区域的基础上，基于人眼的亮度视觉特征，对图像进行自适应增强。
(1)用投影法对焊接区域图像进行提取。
(2)根据人眼的视觉特性，得到的JND曲线，根据在不同灰度值的情况下，进行自适应的图像增强。
4 小结
结合焊接缺陷的自动检测背景，本论文对常用的图像增强方法进行了概述，并提出了一种自适应图像增强方法，它是根据人眼的视觉特性，对图像进行自适应增强的。从理论上讲，这种方法对焊接缺陷图像能够进行有效的增强。
[关键词]：图像增强 方法 缺陷
多数情况下，焊接生产中采集到的焊接缺陷图像质量相对较差，影响到缺陷特征提取和分类识别的准确性。由于X射线检测本身的一些特点，也使得一些缺陷的特征被淹没。图像增强处理可改善图像的质量，提高图像的视觉效果，提供直观、清晰、适合于计算机分析的图像，对后续的缺陷提取与识別工作有着重要的实际意义。
1 直方图处理
直方图增强技术是利用修改给定图像直方图的方法来增强图像的，图像增强程度取决于所采用的直方图。令变量r和s分别代表图像增强前后的像素灰度级，相应灰度级分布的概率密度分别为Pr(r)，ps(S)。
图像变换后，使所有灰度层上的像素分布概率密度为1。设原像素的灰度值r被归一化到区间[0，1]，且概率密度为Pr(r)，经过变换后的像素灰度为s，概率密度为ps(S)，变换函数为T(r)，则有以下等式：
s=T(r)，0≤r≤1 Ps(s)ds=pr(r)dr (1.1)
变换函数为T(r)必须满足以下条件：① T(r)是单值单调递增函数，②0≤T(r)≤1。
2 直接灰度变换
直接灰度变换法是比较简单、常用的增强图像对比度的方法，也称对比度变换，点运算或点处理，常用的直接灰度变换法又包括灰度级线性拉伸和灰度级非线性拉伸，这些方法使整幅图像或图像中某一区域里的各像素点的灰度级，都按某一规律进行变换，由此可改变图像的对比度。
3 自适应图像增强方法
3．1 人眼视觉特性分析
随着智能计算技术的发展，图像智能化增强也成为图像增强的一种有效方法，该类方法在图像增强处理中引入智能计算的理论方法，通过模拟人类视觉特性，来实现图像增强的操作。图像增强的目的之一是为了改善图像的视觉效果，以增强人眼对图像信息的辨别能力。对人眼视觉系统(Human VisualSystem，HVS)的研究，一方面为算法的改进提供新的线索，另一方面可为设计图像增强的量化评估算法提供依据。由于在图像灰度级统计时(包括新的直方图)，往往会出现部分主导灰度级统计值过大的情况，使得增强处理后图像出现振铃现象，噪声过强等问题，并且这些灰度级因为占用了较大灰度级空间，进而影响了其它灰度级的表现，为此，有必要对这些灰度级分配的动态范围进行限幅处理，这就要依赖于视觉感知特性的分析。
3．2 临界可见偏差(JND)
现已提出的能反映人眼视觉辨别力的重要参数是临界可见偏差(JustNoticeable Difference，JND)，它揭示了人眼在不同亮度背景下对亮度偏差的感知规律。临界可见偏差是指当一定尺寸的物体在一定的背景亮度显示时，观察者所能分辨的最小亮度差。下面将首先简要介绍JND相关背景知识。
临界可见偏差UND)这一概念最早是由Jayant提出，在图像压缩编码设计和评估中被普遍采用，伹JND与图像增强也有着密切的关系，它反映了人眼在不同亮度背景条件下能分辨的最小亮度偏差，这也是细节信息被有效增强的最低门限要求。已有的视觉研究成果表明，人眼所能感觉到的最小亮度差△/与观察对象的背景有关，即视觉对亮度偏差的敏感程度随背景亮度变化呈非线性变化。
尽管人们早已发现了视觉阈值效应，但由于视觉机理太复杂，且和视觉心理有关，因此，目前还没有建立一个精确的数学模型。这也使得采用已有的视觉理论导出的JND值，在实际应用中效果并不理想。比较实用的方法是通过多人实验来确定JND值。首先对显示器——视觉系统进行试验研究，得到JND曲线。在实验中把显示器的对比度和亮度调到最大值，用程序实现在显示器上显示背景区放置一个圆形目标的图像，圆形目标的亮度级调整通过调整其灰度级来实现。一般而言，图像中的目标都在各种不同的背景中。因此实验中测试JND值时，对测试目标和背景加入方差不同的高斯分布噪声做实验，即假定在复杂的背景下得到JND值。内部圆的灰度级由I(0≤I≤255)递加，直到人眼可以分辨出背景和圆形的差异，记录其值，该差异值称为JND(+△I)，记录每一灰度级I下所对应的JND，当灰度值大干250时，用-△I代替+△I，做出横坐标为I，纵坐标为JND的曲线。
临界可见偏差(JND)值的确立，一方面揭示了视觉系统(HumanVisual System，HVS)的感知规律，为判定信息是否有效增强提供了量化的依据，另一方面，也为图像增强算法的改进提供了有用的线索。
3．3 方法
在焊接缺陷的自动检测中，图像增强是至关重要的一部分，它关系到缺陷识别和分类的效果。本文在分割出焊接区域的基础上，基于人眼的亮度视觉特征，对图像进行自适应增强。
(1)用投影法对焊接区域图像进行提取。
(2)根据人眼的视觉特性，得到的JND曲线，根据在不同灰度值的情况下，进行自适应的图像增强。
4 小结
结合焊接缺陷的自动检测背景，本论文对常用的图像增强方法进行了概述，并提出了一种自适应图像增强方法，它是根据人眼的视觉特性，对图像进行自适应增强的。从理论上讲，这种方法对焊接缺陷图像能够进行有效的增强。