渦流脈沖紅外圖像序列降噪方法

徐 超， 馮輔周， 閔慶旭， 孫吉偉， 朱俊臻

(裝甲兵工程學院機械工程系, 北京 100072)

渦流脈沖紅外圖像序列降噪方法

徐 超， 馮輔周， 閔慶旭， 孫吉偉， 朱俊臻

(裝甲兵工程學院機械工程系, 北京100072)

在渦流脈沖熱像技術中，紅外圖像序列受到設備精度、環境干擾等因素的影響，其質量易發生退化，進而影響后續缺陷的特征提取和識別，因此，有必要對圖像序列進行降噪預處理。為得到質量可靠的紅外圖像序列，以渦流脈沖激勵下的紅外圖像序列為研究對象，分析了其噪聲來源和類型；通過空間域和時間域2種途徑對圖像序列進行降噪處理。結果表明：時間域處理效果優于空間域，降低噪聲的同時保留了缺陷區域隨時間變化的熱響應特征，更適合處理紅外圖像序列。研究成果為缺陷的特征提取和識別奠定了理論基礎。

渦流脈沖熱像; 紅外圖像序列; 噪聲

渦流脈沖熱像法是一種有效結合渦流檢測和紅外熱成像技術的新型無損檢測技術，具有快速、準確和分辨率高的特點[1-2]。但受紅外熱像儀靈敏度、環境干擾以及目標與背景溫差相對較小的影響，通常使得紅外圖像背景與目標的對比度較低，信噪比較差[3]。目前，針對脈沖渦流熱像技術中缺陷檢測的研究大多以單幀紅外圖像為目標，研究缺陷的生熱特性，并對其進行量化分析。單幀圖像信噪比較低，而且缺少了圖像序列中缺陷特征以及隨時間變化的熱響應特征等信息。因此，對紅外圖像序列進行預處理，進而得到高質量的圖像序列，有助于后續缺陷特征的提取和識別。

針對實驗中采集到的紅外圖像序列，利用紅外圖像處理方法可以提取大量的材料特性、缺陷特征等有用信息。目前針對紅外圖像序列降噪的方法主要有2大類：空間域方法和時間域方法。空間域方法是指直接針對每一幀圖像所有像素進行處理。蔣立輝等[4]提出用于散斑噪聲的非線性加權均值多方向形態濾波算法，該方法將形態學理論直接運用于散斑噪聲，獲得了一定的降噪效果。KIM[5]進一步提出了亮度保持雙向直方圖(Brightness preserving Bi-Histogram Equalization，BBHE)算法，CHEN等[6]提出了遞歸均值分離直方圖均衡(Recursive Mean-Separate Histogram Equalization， RMSHE)算法，這些方法在增強圖像的同時也放大了噪聲，淹沒了部分有用信息。時間域方法是指針對每個像素點的熱響應曲線進行濾波，去掉噪聲的干擾，主要方法有平均值濾波、中值濾波、限幅濾波和一階滯后濾波等。崔璇等[7]利用中值濾波對紅外圖像進行平滑處理，接著采用背景差分技術將原始圖像與經過中值濾波后的圖像進行差分對消，實現了紅外小目標的有效檢測。謝勤嵐[8]針對單幅圖像空間降噪中存在的問題，提出一種利用同一場景的多幀圖像進行噪聲抑制的自適應空域濾波方法，該方法在平滑噪聲的同時，可保護圖像邊緣。這些方法在降噪方面具有一定效果，然而同樣在采樣頻率較低時存在原始曲線形態受損的缺點。

針對現有算法的不足，筆者采用基于形態學權重的自適應算法進行空間域降噪，克服了傳統形態學算法在一定程度上侵蝕、淹沒或放大目標區域的問題；采用基于Savitzky-Golay算法的時間域降噪方法，去除熱響應曲線的波動，保留了原始曲線形態。2種方法有效增強了紅外圖像的輪廓特征，并對噪聲起到了一定的抑制作用。研究成果提高了渦流熱像技術的檢測效果，可對渦流脈沖紅外圖像序列的處理和研究提供理論參考。

1 紅外圖像序列

1.1數據采集

筆者設計了能夠定量控制激勵時間、激勵強度和線圈提離距離等檢測條件的渦流脈沖熱像檢測試驗臺，如圖1所示。試驗臺主要包括高頻激勵電源、電磁線圈及其支座、紅外熱像儀、采集控制終端(PC)和其他輔助設備(水冷裝置和三維運動平臺等)，圖中熱像儀和采集控制終端未被標出。熱像儀的溫度分辨率為0.035 ℃，采樣頻率為30 Hz。為滿足大部分材料的檢測需求，激勵源采用最大功率2.4 kW、最大電流400 A及激勵頻率范圍150～400 kHz的感應加熱模塊。實驗線圈采用空心銅管制作，銅管直徑為8 mm，形狀呈平面矩形螺旋狀。被測試件采用疲勞試驗制作的含有疲勞裂紋的45鋼平板(裂紋位于圖2白色虛線框內)，其表面噴涂一層黑色啞光漆以增強表面輻射率，如圖2所示。

圖1 渦流脈沖熱像無損檢測系統

圖2 被測試件

檢測時，線圈和熱像儀均置于試件之上，同時線圈的檢測邊垂直于裂紋方向，以便裂紋處的感生渦流密度最大。激勵時間設為0.2 s，功率為最大功率。

1.2圖像序列矩陣

在渦流脈沖熱像檢測過程中，熱像儀采集的紅外圖像序列可組成一個三維數據矩陣，如圖3所示。圖中x和y表示紅外圖像橫向和縱向的像素點數，p表示圖像序列的幀數。每一幀紅外圖像構成一個x×y的二維像素矩陣。紅外圖像中每個像素點(x,y)的測量值隨幀數p的變化Y(x,y)(p)可組成一維向量。實際檢測中，熱像儀與被測試件的位置相對固定，像素點一一對應被測試件表面相應區域。因此，每個像素點的一維向量Y(x,y)(p)描述了試件表面對應區域溫度隨時間的變化過程，稱瞬態熱響應。

圖3 紅外圖像序列示意圖

1.3仿真分析

為分析噪聲對不同區域的瞬態熱響應的影響，用COMSOL軟件建立如圖4所示的仿真模型，模型中試件及裂紋尺寸與試驗中的試件相同。從仿真結果可提取不同區域的瞬態熱響應，并以此為參考信號，對比試驗中的瞬態熱響應，有助于分析噪聲對熱響應的影響。

圖4 仿真模型

1.4噪聲來源及類型

紅外圖像是由目標的紅外輻射信號轉換得到的，極易受采集環境和設備精度的影響。通常，紅外圖像中的噪聲來源于圖像的獲取過程和傳輸過程[9]。研究表明：絕大部分的噪聲都可用高斯白噪聲、椒鹽噪聲或兩者的混合噪聲來表示，其中椒鹽噪聲是在紅外圖像處理中廣泛存在的一種對圖像質量破壞嚴重的噪聲。在實驗過程中，紅外圖像易受到的干擾源主要是外界輻射源(包括可見光與紅外熱源)、熱像儀自身誤差以及空氣對流。

圖5為在渦流脈沖激勵下，對金屬平板疲勞裂紋進行檢測獲得的原始紅外圖像及其三維圖，其中：P1位置對應線圈正下方，溫度高于其他區域；P2位置對應平板邊緣部分，渦流在此聚集并產生邊緣效應(溫升較大)。從圖5(b)可以看出：毛刺狀波動即椒鹽噪聲分布于整個空間域，而裂紋區域生熱幾乎被淹沒在噪聲中。進一步，選取裂紋區域的A、B、C三點及仿真模型中裂紋根部一點，畫出其在時間域上的瞬態熱響應，如圖6所示。從圖6可以看出：相比仿真數據，實驗數據的三點存在一定程度的波動，且這種波動具有隨機性，并非分布在固定的像素點。

圖5 熱像儀采集到的某幀圖像

圖6 瞬態熱響應曲線

2 理論分析

在檢測中，除了關注每幀紅外圖像的信息外，每個區域熱量變化過程即熱響應曲線也是判別缺陷有無的一個重要依據。根據1.4節分析，椒鹽類噪聲隨機分布于整個空間域；而且在時間域上，引起瞬時熱響應的波動也是隨機的，這對基于圖像序列的缺陷特征提取和識別造成了一定的干擾。因此，需要從空間域和時間域上討論紅外圖像序列的降噪方法，其算法流程如圖7所示。

圖7 算法流程

2.1空間域

紅外圖像序列的空間降噪是指對每一幀圖像的所有像素在平面內去除噪聲的影響，通過對像素點值和相鄰像素值的相關處理，從而達到降噪的目的。形態學運算是一種傳統的空間域降噪方法，其基本思想是利用具有一定形態的結構元素去度量和提取圖像中的對應形狀，以達到對圖像分析和識別的目的[10]。形態學的“開運算”可過濾紅外圖像的噪聲，其“閉運算”可增強圖像中的低灰度區域[11]。因此，采用形態學開-閉級聯形式，可實現對紅外圖像的增強處理，形態學開-閉級聯定義為

OC(I(x,y))=f(x,y)°b·b,

(1)

式中：I(x,y)為待處理圖像上坐標為(x,y)的像素點的灰度值；b為結構元素；“°”為“開運算”；“·”為“閉運算”。

采用不同形狀的結構元素對紅外圖像進行多結構形態學開-閉運算，每種不同結構元素的開-閉運算可表示為Ai(i=1,2,…,n)，原始紅外圖像連續做2次形態學開-閉運算，進而構成一個串聯結構，如圖8所示。

圖8 開-閉運算串聯結構

串聯增強后將不同的串聯結構進行并聯，形成串-并聯復合結構，如圖9所示。由于每個開-閉運算級聯采用的結構元素不同，并聯結構可繼承各個開閉運算級聯的優點，增強效果是串聯結構的疊加，彌補了串聯結構的單一性。

圖9 串-并聯復合結構

針對紅外圖像目標弱小、輪廓形狀簡單的特點，本文的形態結構元素采用不同角度的線性結構。在具體實現過程中，采用不同結構元素的開-閉運算Ai的串聯增強結果與原始圖像的差異值作為權值Pi，則形態學自適應權值計算公式為

Qi=Pi/(P1+P2+…+Pn)，

(2)

式中：Qi為不同形狀元素的開-閉運算Ai的權值。

若輸入圖像為I(x,y)，經過圖8所示的串聯增強處理得到結果為Li(x,y)，則圖9所示的形態學自適應權值算法得到的輸出圖像R(x,y)為

(3)

2.2時間域

時間域降噪是指根據圖像序列每幀之間的相關性進行降噪，不同像素點的熱響應曲線是不同的，可通過不同區域的響應曲線來區分缺陷區域和非缺陷區域，因此時間域降噪是針對每個像素點的熱響應曲線進行濾波，即完成整個圖像序列的時間域降噪，筆者選用Savitzky-Golay進行濾波。

Savitzky-Golay濾波是基于局域多項式最小二乘法擬合的一種濾波方法，其最大優點是在去除噪聲的同時可保留原信號的形狀[12]，基本原理如下:

在幀pi附近選取固定個數的點構成以i=0為中心的2q+1個數據，然后構造一個n階多項式來擬合該組數據，其擬合公式為

(4)

式中:yi*為多項式在pi處的擬合值;bj為最小二乘擬合參數；n為多項式的階數，且n≤k；i為多項式變量。

Savitzky-Golay濾波有2個參數需要根據實際需求來確定，即多項式的階數和擬合的點數。多項式階數越高，擬合效果越好，但階數越高計算量也會隨之增大，根據經驗，筆者選擇擬合階數為3。而擬合點數k一般為奇數，且需要大于擬合階數，小于數據總量，結合采集到的圖像序列，k取15時濾波效果最佳。

3 結果分析

為比較2種途徑的降噪效果，筆者從空間域和時間域角度來對比分析處理結果。圖10、11分別為加權形態學方法和Savitzky-Golay濾波處理后的紅外圖像序列的某一幀紅外圖像。可以看出：2種方法不同程度上去除了椒鹽噪聲，毛刺得到抑制，圖像趨于平滑，裂紋區域的峰值高度明顯高于邊緣效應造成的高溫區；但加權形態學方法濾除噪聲的同時也造成了圖像的模糊，而Savitzky-Golay濾波后的圖像保留了生熱區域，濾除了干擾噪聲。從空間域角度分析，Savitzky-Golay濾波處理效果要優于加權形態學方法。

圖12為2種方法處理后的圖像序列中A點(圖5標出)的熱響應曲線對比結果。可以看出：加權形態學方法雖然使響應曲線趨于平滑，但丟失了原曲線的基本形狀，而Savitzky-Golay濾除了原熱響應曲線的波動，且很好地保留了其變化趨勢，即保留了不同區域的熱響應特性。從時間域角度分析，Savitzky-Golay濾波降噪的同時保留了缺陷特征以及其隨時間變化的熱響應特征，因此對紅外圖像序列的降噪處理效果更好。

圖10 加權形態學處理后的某幀熱像

圖11 Savitzky-Golay濾波后圖像序列中的某幀熱像

圖12 2種降噪方法A點熱響應處理結果對比曲線

4 結論

筆者分析了渦流脈沖紅外圖像的噪聲來源及特點，得出椒鹽類噪聲是影響紅外圖像質量最主要的因素，并確定了其分布特點。采用空間域和時間域2種途徑對紅外圖像序列進行降噪處理，能夠不同程度地濾除椒鹽噪聲，但時間域Savitzky-Golay濾波在濾除噪聲的同時保留了熱響應變化趨勢，更適合圖像序列的降噪處理。降噪后的圖像序列更加清晰、質量更高，有利于后續的特征提取和缺陷識別。本文研究仍然存在一些不足，如算法中一些參數仍需依據經驗來選擇等。下一步將對此進行深入研究，得到處理效果更好的紅外圖像序列。

[1] HE Y Z,PAN M C,CHEN D X,et al.Eddy current step heating thermography for quantitatively evaluation[J].Applied physics letters,2013,103(19):023112-2698.

[2] 馮輔周,朱俊臻,閔慶旭,等.渦流熱像無損檢測技術綜述[J].裝甲兵工程學院學報,2016,30(6):60-67.

[3] 王炳健,劉上乾,周慧鑫,等.基于平臺直方圖的紅外圖像自適應增強算法[J].光子學報,2005,48(2):77-82.

[4] 蔣立輝,趙春暉,王騏.相干激光雷達圖像散斑噪聲抑制算法[J].光學學報,2003,23(5):541-546.

[5] KIM Y T.Contrast enhancement using brightness preserving bi-histogram equalization[J].IEEE transactions on consumer electronics,1997,43(1):1-8.

[6] CHEN S D,RAMLI A R.Contrast enhancement using recursive mean-separate histogram equalization for scalable brightness pre-servation[J].IEEE transactions on consumer electronics,2003,49(4):1301-1309.

[7] 崔璇,辛云宏.一種有效的紅外小目標檢測方法[J].光子學報,2014,43(2):148-152.

[8] 謝勤嵐.結合雙邊濾波和多幀均值濾波的圖像降噪[J].計算機工程與應用,2009,45(27):154-156.

[9] 王圳萍,張家樹,陳高.加權低秩矩陣恢復的混合噪聲圖像去噪[J].計算機科學,2016,43(1):298-301.

[10] 王樹文,閆成新,張天序,等.數學形態學在圖像處理中的應用[J].計算機工程與應用,2004,40(32):89-92.

[11] 王啟銀,薛建東,任新輝.一種自適應的變電站設備紅外圖像分割方法[J].紅外技術,2016,38(9):770-773.

[12] 李亢,楊紹清.基于Savitzky-Golay算法的圖像平滑去噪[J].數據采集與處理,2010(S1):72-74.

(責任編輯: 牛燕平)

NoiseReductionMethodofInfraredImageSequenceswithVortexPulse

XU Chao, FENG Fu-zhou, MIN Qing-xu, SUN Ji-wei, ZHU Jun-zhen

(Department of Mechanical Engineering, Academy of Armored Force Engineering, Beijing100072, China)

In eddy current pulsed thermography, the thermal image sequence is affected by equipment accuracy, environmental interference and other factors, which leads to the degradation of its quality and then affects the subsequent defect feature extraction and recognition. Therefore, the preprocessing of thermal image sequences is required. In order to obtain a reliable thermal image sequence, the infrared image sequence under the eddy current impulse is taken as the object of study, and its noise source and type are analyzed. Then the image sequence is processed by spatial domain and time domain. The results show that the time domain processing is superior to the spatial domain, which reduces the noise while preserving the thermal response characteristics of the defective region over time, and is more suitable for processing the thermal image sequence. The research results provide the basis for the feature extraction and recognition of defects.

eddy current pulsed thermography; thermal image sequence; noise

1672-1497(2017)04-0069-06

2017-05-10

南京航空航天大學無損檢測技術教育部重點實驗室開放基金資助項目；軍隊科研計劃項目

徐 超(1992-)，男，碩士研究生。

TN911.73

：ADOI：10.3969/j.issn.1672-1497.2017.04.014