鈦合金DR檢測邊蝕效應(yīng)的圖像融合算法研究.pdf

1、在工業(yè)上通常利用 X射線對鈦合金大厚度差（大厚度比）焊接這種結(jié)構(gòu)進行檢測，然而由于焊接部位厚度差大導(dǎo)致散射線會在焊縫部位產(chǎn)生邊蝕，覆蓋焊縫處的缺陷從而導(dǎo)致缺陷的漏檢影響圖像質(zhì)量的評判。
　　本文以DR數(shù)字射線機為平臺采集大厚度比數(shù)字圖像并借助圖像融合技術(shù)對邊蝕區(qū)域進行處理。利用融合后的圖像比原圖像所增加的圖像信息量來減小邊蝕從而恢復(fù)被邊蝕覆蓋掉的缺陷，達到提高缺陷檢出率的目的。
　　課題設(shè)計了一套能組合不同厚度比例的鈦合金大

2、厚度比試塊進行試驗來模擬實際焊縫位置的邊蝕現(xiàn)象。對大厚度比工件的邊蝕效應(yīng)導(dǎo)致的邊蝕寬度進行定義，并介紹了邊蝕寬度的計算方法。在比較各種圖像融合算法的基礎(chǔ)上，分別討論了邊蝕寬度與融合算法種類的關(guān)系、厚度比例與PCNN算法的關(guān)系、厚度靈敏度與PCNN算法的關(guān)系以及分辨率與PCNN算法的關(guān)系等方面并以信息熵、互信息和相關(guān)系數(shù)等評價參數(shù)來對融合后的圖像進行質(zhì)量評定。
　　針對邊蝕效應(yīng)提出用圖像融合理論中脈沖耦合神經(jīng)網(wǎng)絡(luò)(Pulse Cou

3、pled Neural Network,PCNN)融合算法對邊蝕圖像進行處理分析，并在PCNN的基礎(chǔ)之上做出改進將其成功的應(yīng)用到了邊蝕圖像的處理當(dāng)中。在試驗當(dāng)中，分別采集低照度能量和高照度能量的兩幅圖像作為原圖像進行融合處理，研究結(jié)果表明：在信息熵、互信息等方面PCNN算法均優(yōu)于其他算法即PCNN融合算法能獲取到更多原圖像的圖像細節(jié)信息，另外 PCNN算法能夠有效的減小圖像的邊蝕，提高圖像的分辨率以及厚度靈敏度，從而能還原出更多被覆蓋掉