Page 62 - 无损检测2023年第四期

朱秀森, 等:

基于暗通道技术的核电用不锈钢环焊缝 DR 图像质量优化

受检测环境复杂、 现场透照布置困难, 拍摄角度不佳 假设大气光值已知, 对式( 1 ) 做归一化处理并进
等因素影响, 拍摄的图像易出现灰度低, 亮暗差异小 行变形可得
等问题, 不利于缺陷的检出。图像增强技术可以提 ( I ( x ) -A )
J ( x ) = +A ( 2 )
高图像的亮度和对比度, 改善视觉效果, 增强图像细 t ( x )
节, 从而提高图像的整体质量 [ 6 ] 。闫军等 [ 7 ] 针对低 由于 X 射线辐射本底图像是无雾图像, 因此
J ( x ) 趋近于零, 假设无缺陷的小径管射线衰减图
剂量图像, 对比了三种不同的图像增强技术的效果,
, 式( 2 ) 可变形为
结果表明图像增强处理技术可以有效地改善低剂量 像为L 1
=
/
摄影图像存在的不足, 提高图像质量。直方图均衡 t ( x ) 1-L 1 A ( 3 )
为了防止去雾过度, 引入一个处于[ 0 , 1 ] 之间的
化( HE ) 是一种较为常见的对比度增强技术, 但该方
系数ω ( 去雾系数), 则有
法主要适用于对比度动态范围较小的图像, 针对直
/
=
t ( x ) 1-ωL 1 A ( 4 )
方图均衡化的局限性, 目前应用较广的方法有自适
将式( 4 ) 代入式( 2 ) 可得
应直方图均衡化( AHE ) 和限制对比度自适应直方
-
I ( x ) ωL 1
图均衡化( CLAHE ) 图像增强方法, AHE 方法易放 J ( x ) = ( 5 )
1-ωL 1 A
/
大图像均匀区域的噪声, CLAHE 方法在对图像分
因为工业应用中 X 射线的透照强度一般较大,
块处理 时 易 使 得 图 像 出 现 块 状 效 应 [ 8 ]
。 DONG
没有检测工件时, 探测器采集到的信号强度一般都
等 [ 9 ] 首次利用暗通道先验去雾技术对图像进行去模
趋于饱和, 所以式( 5 ) 中的A 趋近1 , 则式( 5 ) 可以转
糊处理, 有效提高了图像亮度, 突出图像细节, 但对 化为
透射 率 的 计 算 过 于 粗 糙, 图 像 易 产 生 块 效 应。
-
I ( x ) ωL 1 ( 6 )
FENG 等 [ 10 ] 在 DONG 等人的基础上进行了改进, J ( x ) = 1-ωL 1
采用不同大小的滤光片模板, 通过亮度图得到具有 因为所有图像都在[ 0 , 1 ] 区间, 则可知I ( x ) 介
边缘细节的暗通道图; 然后计算大气光值以估计透 于[ L 1 1 之间, L 1 介于[ 0 , 1 ]之间。 因此 L 1 为
,]
过率并恢复增强后的图像。该方法传输图像准确, I ( x ) 的暗边界, 设L 2 为 I ( x ) 的亮边界, 得到 I ( x )
计算复杂度低, 增强效果好。郑金华等 [ 11 ] 将暗通道 介于[ L 1 L 2 代替式( 6 ) 中的常数1 , 可
, ] 之间, 用L 2
图像增强技术应用于 CFRP 模压工件的 DR 检测 将式( 6 ) 转化为
-
中, 减少了传统 DR 图像评片需要调节窗口的次数, I ( x ) ωL 1
J ( x ) = ( 7 )
有效提高了数字射线检测的效率。但目前对于压力 L 2-ωL 1
因此整个图像的增强过程就可以转化成计算图
容器管道射线图像增强方法的研究较少。
像I ( x ) 亮暗边界的过程。
以奥氏体不锈钢焊接小径管作为研究对象,
1.2 导向滤波
针对曝光不足的图像, 将暗通道图像增强技术应
导向滤波可以平滑图像细节, 保持图像边缘特
用到小径管环焊缝 DR 图像处理中, 对比了不同去
征, 且不产生梯度反转效果。为防止去雾图像边缘
雾系数和滤波半径对图像质量的影响, 结合图像
出现过量白边, 使用导向滤波细化透射率, 导向滤波
客观评价指标, 验证了该技术对小径管 DR 检测图
的局部线性模型为
像的优化效果。
, ( 8 )
q i= a k I i+ b k ∀ i∈ω k
1 暗通道图像增强算法 式中: 为输出图像; I i 为导向图; a k 和 b k 为待求

q i
为滤波窗口; k 是半径为
系数; i 为图像中像素; ω k
1.1 暗通道先验图像增强算法 r 的局部窗口的中心点, 可以通过导向图像对应的
暗通道图像增强的目的是尽量去除噪声, 提高
, ) 的系数来计算。
像素点( a k b k
图像对比度, 突出细节信息, 改善图像视觉效果 [ 12 ] 。
文中r 为窗口半径, 即导向滤波的滤波半径。
基于大气散射的去雾模型可以定义为
为了使输出图像 q i 和输入图像P i 的差别尽量小,
I ( x ) J ( x ) t ( x ) +A [ 1- t ( x )] ( 1 ) 保持输入图像的局部线性模型, 引入最小化线性模
=
式中: I ( x ) 为有雾的图像, 即曝光量不足的 DR 原 型的代价函数, 即
始图像; J ( x ) 为无雾图像, 即去噪后的输出图像; A
2
E ( a k b i = ∑ [( a k I i+ b k -P i ) εa k 2 ]( 9 )
, )
+
为大气光值, 即 X射线透射强度; t ( x ) 为透射率。 i ∈ ω k
2
8
2023年 第45卷 第4期
无损检测