涡流脉冲红外图像序列降噪方法

徐 超， 冯辅周， 闵庆旭， 孙吉伟， 朱俊臻

(装甲兵工程学院机械工程系, 北京 100072)

涡流脉冲红外图像序列降噪方法

徐 超， 冯辅周， 闵庆旭， 孙吉伟， 朱俊臻

(装甲兵工程学院机械工程系, 北京100072)

在涡流脉冲热像技术中，红外图像序列受到设备精度、环境干扰等因素的影响，其质量易发生退化，进而影响后续缺陷的特征提取和识别，因此，有必要对图像序列进行降噪预处理。为得到质量可靠的红外图像序列，以涡流脉冲激励下的红外图像序列为研究对象，分析了其噪声来源和类型；通过空间域和时间域2种途径对图像序列进行降噪处理。结果表明：时间域处理效果优于空间域，降低噪声的同时保留了缺陷区域随时间变化的热响应特征，更适合处理红外图像序列。研究成果为缺陷的特征提取和识别奠定了理论基础。

涡流脉冲热像; 红外图像序列; 噪声

涡流脉冲热像法是一种有效结合涡流检测和红外热成像技术的新型无损检测技术，具有快速、准确和分辨率高的特点[1-2]。但受红外热像仪灵敏度、环境干扰以及目标与背景温差相对较小的影响，通常使得红外图像背景与目标的对比度较低，信噪比较差[3]。目前，针对脉冲涡流热像技术中缺陷检测的研究大多以单帧红外图像为目标，研究缺陷的生热特性，并对其进行量化分析。单帧图像信噪比较低，而且缺少了图像序列中缺陷特征以及随时间变化的热响应特征等信息。因此，对红外图像序列进行预处理，进而得到高质量的图像序列，有助于后续缺陷特征的提取和识别。

针对实验中采集到的红外图像序列，利用红外图像处理方法可以提取大量的材料特性、缺陷特征等有用信息。目前针对红外图像序列降噪的方法主要有2大类：空间域方法和时间域方法。空间域方法是指直接针对每一帧图像所有像素进行处理。蒋立辉等[4]提出用于散斑噪声的非线性加权均值多方向形态滤波算法，该方法将形态学理论直接运用于散斑噪声，获得了一定的降噪效果。KIM[5]进一步提出了亮度保持双向直方图(Brightness preserving Bi-Histogram Equalization，BBHE)算法，CHEN等[6]提出了递归均值分离直方图均衡(Recursive Mean-Separate Histogram Equalization， RMSHE)算法，这些方法在增强图像的同时也放大了噪声，淹没了部分有用信息。时间域方法是指针对每个像素点的热响应曲线进行滤波，去掉噪声的干扰，主要方法有平均值滤波、中值滤波、限幅滤波和一阶滞后滤波等。崔璇等[7]利用中值滤波对红外图像进行平滑处理，接着采用背景差分技术将原始图像与经过中值滤波后的图像进行差分对消，实现了红外小目标的有效检测。谢勤岚[8]针对单幅图像空间降噪中存在的问题，提出一种利用同一场景的多帧图像进行噪声抑制的自适应空域滤波方法，该方法在平滑噪声的同时，可保护图像边缘。这些方法在降噪方面具有一定效果，然而同样在采样频率较低时存在原始曲线形态受损的缺点。

针对现有算法的不足，笔者采用基于形态学权重的自适应算法进行空间域降噪，克服了传统形态学算法在一定程度上侵蚀、淹没或放大目标区域的问题；采用基于Savitzky-Golay算法的时间域降噪方法，去除热响应曲线的波动，保留了原始曲线形态。2种方法有效增强了红外图像的轮廓特征，并对噪声起到了一定的抑制作用。研究成果提高了涡流热像技术的检测效果，可对涡流脉冲红外图像序列的处理和研究提供理论参考。

1 红外图像序列

1.1数据采集

笔者设计了能够定量控制激励时间、激励强度和线圈提离距离等检测条件的涡流脉冲热像检测试验台，如图1所示。试验台主要包括高频激励电源、电磁线圈及其支座、红外热像仪、采集控制终端(PC)和其他辅助设备(水冷装置和三维运动平台等)，图中热像仪和采集控制终端未被标出。热像仪的温度分辨率为0.035 ℃，采样频率为30 Hz。为满足大部分材料的检测需求，激励源采用最大功率2.4 kW、最大电流400 A及激励频率范围150～400 kHz的感应加热模块。实验线圈采用空心铜管制作，铜管直径为8 mm，形状呈平面矩形螺旋状。被测试件采用疲劳试验制作的含有疲劳裂纹的45钢平板(裂纹位于图2白色虚线框内)，其表面喷涂一层黑色哑光漆以增强表面辐射率，如图2所示。

图1 涡流脉冲热像无损检测系统

图2 被测试件

检测时，线圈和热像仪均置于试件之上，同时线圈的检测边垂直于裂纹方向，以便裂纹处的感生涡流密度最大。激励时间设为0.2 s，功率为最大功率。

1.2图像序列矩阵

在涡流脉冲热像检测过程中，热像仪采集的红外图像序列可组成一个三维数据矩阵，如图3所示。图中x和y表示红外图像横向和纵向的像素点数，p表示图像序列的帧数。每一帧红外图像构成一个x×y的二维像素矩阵。红外图像中每个像素点(x,y)的测量值随帧数p的变化Y(x,y)(p)可组成一维向量。实际检测中，热像仪与被测试件的位置相对固定，像素点一一对应被测试件表面相应区域。因此，每个像素点的一维向量Y(x,y)(p)描述了试件表面对应区域温度随时间的变化过程，称瞬态热响应。

图3 红外图像序列示意图

1.3仿真分析

为分析噪声对不同区域的瞬态热响应的影响，用COMSOL软件建立如图4所示的仿真模型，模型中试件及裂纹尺寸与试验中的试件相同。从仿真结果可提取不同区域的瞬态热响应，并以此为参考信号，对比试验中的瞬态热响应，有助于分析噪声对热响应的影响。

图4 仿真模型

1.4噪声来源及类型

红外图像是由目标的红外辐射信号转换得到的，极易受采集环境和设备精度的影响。通常，红外图像中的噪声来源于图像的获取过程和传输过程[9]。研究表明：绝大部分的噪声都可用高斯白噪声、椒盐噪声或两者的混合噪声来表示，其中椒盐噪声是在红外图像处理中广泛存在的一种对图像质量破坏严重的噪声。在实验过程中，红外图像易受到的干扰源主要是外界辐射源(包括可见光与红外热源)、热像仪自身误差以及空气对流。

图5为在涡流脉冲激励下，对金属平板疲劳裂纹进行检测获得的原始红外图像及其三维图，其中：P1位置对应线圈正下方，温度高于其他区域；P2位置对应平板边缘部分，涡流在此聚集并产生边缘效应(温升较大)。从图5(b)可以看出：毛刺状波动即椒盐噪声分布于整个空间域，而裂纹区域生热几乎被淹没在噪声中。进一步，选取裂纹区域的A、B、C三点及仿真模型中裂纹根部一点，画出其在时间域上的瞬态热响应，如图6所示。从图6可以看出：相比仿真数据，实验数据的三点存在一定程度的波动，且这种波动具有随机性，并非分布在固定的像素点。

图5 热像仪采集到的某帧图像

图6 瞬态热响应曲线

2 理论分析

在检测中，除了关注每帧红外图像的信息外，每个区域热量变化过程即热响应曲线也是判别缺陷有无的一个重要依据。根据1.4节分析，椒盐类噪声随机分布于整个空间域；而且在时间域上，引起瞬时热响应的波动也是随机的，这对基于图像序列的缺陷特征提取和识别造成了一定的干扰。因此，需要从空间域和时间域上讨论红外图像序列的降噪方法，其算法流程如图7所示。

图7 算法流程

2.1空间域

红外图像序列的空间降噪是指对每一帧图像的所有像素在平面内去除噪声的影响，通过对像素点值和相邻像素值的相关处理，从而达到降噪的目的。形态学运算是一种传统的空间域降噪方法，其基本思想是利用具有一定形态的结构元素去度量和提取图像中的对应形状，以达到对图像分析和识别的目的[10]。形态学的“开运算”可过滤红外图像的噪声，其“闭运算”可增强图像中的低灰度区域[11]。因此，采用形态学开-闭级联形式，可实现对红外图像的增强处理，形态学开-闭级联定义为

OC(I(x,y))=f(x,y)∘b·b,

(1)

式中：I(x,y)为待处理图像上坐标为(x,y)的像素点的灰度值；b为结构元素；“∘”为“开运算”；“·”为“闭运算”。

采用不同形状的结构元素对红外图像进行多结构形态学开-闭运算，每种不同结构元素的开-闭运算可表示为Ai(i=1,2,…,n)，原始红外图像连续做2次形态学开-闭运算，进而构成一个串联结构，如图8所示。

图8 开-闭运算串联结构

串联增强后将不同的串联结构进行并联，形成串-并联复合结构，如图9所示。由于每个开-闭运算级联采用的结构元素不同，并联结构可继承各个开闭运算级联的优点，增强效果是串联结构的叠加，弥补了串联结构的单一性。

图9 串-并联复合结构

针对红外图像目标弱小、轮廓形状简单的特点，本文的形态结构元素采用不同角度的线性结构。在具体实现过程中，采用不同结构元素的开-闭运算Ai的串联增强结果与原始图像的差异值作为权值Pi，则形态学自适应权值计算公式为

Qi=Pi/(P1+P2+…+Pn)，

(2)

式中：Qi为不同形状元素的开-闭运算Ai的权值。

若输入图像为I(x,y)，经过图8所示的串联增强处理得到结果为Li(x,y)，则图9所示的形态学自适应权值算法得到的输出图像R(x,y)为

(3)

2.2时间域

时间域降噪是指根据图像序列每帧之间的相关性进行降噪，不同像素点的热响应曲线是不同的，可通过不同区域的响应曲线来区分缺陷区域和非缺陷区域，因此时间域降噪是针对每个像素点的热响应曲线进行滤波，即完成整个图像序列的时间域降噪，笔者选用Savitzky-Golay进行滤波。

Savitzky-Golay滤波是基于局域多项式最小二乘法拟合的一种滤波方法，其最大优点是在去除噪声的同时可保留原信号的形状[12]，基本原理如下:

在帧pi附近选取固定个数的点构成以i=0为中心的2q+1个数据，然后构造一个n阶多项式来拟合该组数据，其拟合公式为

(4)

式中:yi*为多项式在pi处的拟合值;bj为最小二乘拟合参数；n为多项式的阶数，且n≤k；i为多项式变量。

Savitzky-Golay滤波有2个参数需要根据实际需求来确定，即多项式的阶数和拟合的点数。多项式阶数越高，拟合效果越好，但阶数越高计算量也会随之增大，根据经验，笔者选择拟合阶数为3。而拟合点数k一般为奇数，且需要大于拟合阶数，小于数据总量，结合采集到的图像序列，k取15时滤波效果最佳。

3 结果分析

为比较2种途径的降噪效果，笔者从空间域和时间域角度来对比分析处理结果。图10、11分别为加权形态学方法和Savitzky-Golay滤波处理后的红外图像序列的某一帧红外图像。可以看出：2种方法不同程度上去除了椒盐噪声，毛刺得到抑制，图像趋于平滑，裂纹区域的峰值高度明显高于边缘效应造成的高温区；但加权形态学方法滤除噪声的同时也造成了图像的模糊，而Savitzky-Golay滤波后的图像保留了生热区域，滤除了干扰噪声。从空间域角度分析，Savitzky-Golay滤波处理效果要优于加权形态学方法。

图12为2种方法处理后的图像序列中A点(图5标出)的热响应曲线对比结果。可以看出：加权形态学方法虽然使响应曲线趋于平滑，但丢失了原曲线的基本形状，而Savitzky-Golay滤除了原热响应曲线的波动，且很好地保留了其变化趋势，即保留了不同区域的热响应特性。从时间域角度分析，Savitzky-Golay滤波降噪的同时保留了缺陷特征以及其随时间变化的热响应特征，因此对红外图像序列的降噪处理效果更好。

图10 加权形态学处理后的某帧热像

图11 Savitzky-Golay滤波后图像序列中的某帧热像

图12 2种降噪方法A点热响应处理结果对比曲线

4 结论

笔者分析了涡流脉冲红外图像的噪声来源及特点，得出椒盐类噪声是影响红外图像质量最主要的因素，并确定了其分布特点。采用空间域和时间域2种途径对红外图像序列进行降噪处理，能够不同程度地滤除椒盐噪声，但时间域Savitzky-Golay滤波在滤除噪声的同时保留了热响应变化趋势，更适合图像序列的降噪处理。降噪后的图像序列更加清晰、质量更高，有利于后续的特征提取和缺陷识别。本文研究仍然存在一些不足，如算法中一些参数仍需依据经验来选择等。下一步将对此进行深入研究，得到处理效果更好的红外图像序列。

[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] 冯辅周,朱俊臻,闵庆旭,等.涡流热像无损检测技术综述[J].装甲兵工程学院学报,2016,30(6):60-67.

[3] 王炳健,刘上乾,周慧鑫,等.基于平台直方图的红外图像自适应增强算法[J].光子学报,2005,48(2):77-82.

[4] 蒋立辉,赵春晖,王骐.相干激光雷达图像散斑噪声抑制算法[J].光学学报,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.一种有效的红外小目标检测方法[J].光子学报,2014,43(2):148-152.

[8] 谢勤岚.结合双边滤波和多帧均值滤波的图像降噪[J].计算机工程与应用,2009,45(27):154-156.

[9] 王圳萍,张家树,陈高.加权低秩矩阵恢复的混合噪声图像去噪[J].计算机科学,2016,43(1):298-301.

[10] 王树文,闫成新,张天序,等.数学形态学在图像处理中的应用[J].计算机工程与应用,2004,40(32):89-92.

[11] 王启银,薛建东,任新辉.一种自适应的变电站设备红外图像分割方法[J].红外技术,2016,38(9):770-773.

[12] 李亢,杨绍清.基于Savitzky-Golay算法的图像平滑去噪[J].数据采集与处理,2010(S1):72-74.

(责任编辑: 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

南京航空航天大学无损检测技术教育部重点实验室开放基金资助项目；军队科研计划项目

徐 超(1992-)，男，硕士研究生。

TN911.73

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