基于磁光传感器检测微间隙焊缝的图像复原研究

题园园 冯伟

摘 要：在检测焊缝位置过程中，由于试验环境不稳定，检测过程会受到光照强度变化和图像背景噪声的影响，由磁光传感器采集的焊缝图像会出现图像降质现象，对微间隙焊缝进行准确检测造成困难。因此，文章认为需对焊缝磁光图像进行图像复原处理，研究焊缝检测技术图像复原方法。

关键词：磁光图像;图像复原;焊缝检测

1 磁光成像焊缝检测系统

国内外学者对于焊缝检测系统有诸多研究。激光焊接包括热导焊和深熔焊方式。热导焊难以匙孔的原因是受激光低的影响无法汽化金属，由于温度的波动使熔池表面张力发生改变，从而在熔池内形成搅拌力，促使液态金属流动;如果激光能量较大，则会出现匙孔，金属材料蒸发产生蒸气压力，匙孔将渐渐接近于稳定状态。深熔焊的形成受激光束的影响。在激光深熔焊工件时，光束在光斑下呈现一小孔，焊缝是由小孔内金属呈液态流动形成的[1]。

用磁光传感器检测焊缝，可以实现超微间隙焊缝图像检测。被检测工件存在超微间隙焊缝，那么焊缝处电涡流会发生流动，同时使此处的磁场发生一定的改变，这种改变会转换为光强度的改变。因此，可以实时呈现焊缝磁光图像[2-4]。

2    图像复原研究

图像复原属于图像处理领域中关键技术研究。图像复原技术涉及建立图像复原模型、图像复原算法以及复原后图像的质量评价标准。由于各种环境因素干扰，采集的图像质量会下降，此时需要复原图像。建立图像质量下降模型，分析图像质量下降的原因，可以使用不同的方法。将以往的学者研究的复原方法进行归纳总结可分为以下3种方式：一、去卷积复原方式;二、线性代数复原方式;三、图像盲反卷积方式等。

去卷积复原方式可分为维纳滤波处理并去卷积的方式、功率谱平衡方式以及几何均值滤波处理的方式等，这三类图像处理方式均归属于经典的图像复原方式。如果采用这三类方式对图像进行复原，一般采用如下步骤，首先需要获取发生降质前的图像、降质算子的先验结构以及噪声的类型特征。将三种方式应用于恒定的线性空间模型中，如果降质算子为病态时，图像处理后复原的图像质量较差。

线性复原方式是利用线性代数知识对图像进行处理，在已知降质算子和噪声类型的前提下，将复原的滤波器中相关参数的运算方法综合设计并解析。此种方式复原图像时对所处环境质量要求较高，如果收到噪声的干扰会出现复原的图像纹理不清且边界模糊的现象。国内外有很多研究学者克服了此弊端，做了改进并加快了算法的速度。此类图像复原方式主要有全局式最小二乘法、约束型最小二乘法及正则化约束型最小二乘法[5-6]。

盲反卷积复原方式可以用于降质图像先验知识和噪声类型未知的情况，将降质的图像分析处理建立模型并估计真实的图像信号。包括以下几类处理方式，分别为辗转法盲卷积方式、零叶面分离方式、预判降质函数方式、先验知识模糊判别方式和三次相关方式等。由于很多场合无法得知图像降质原因和具体环境影响因素，所以此类方式最为实用，也正是由于先验知识无法获取，在建立图像处理模型时得到的解会出现不唯一的情况。

正则化方式图像复原是可以用于出现病态问题时，将图像的平滑性作参数为模型中可判断的条件，但此方式处理后图像的边缘会退化。目前，国内外有许多研究技术使用正则化方式复原图像并保持图像边缘特征，大多数方式采用非二次正则化泛函解决边缘退化的问题[7]。Rudin等[8]提出了一种图像复原模型-ROF模型，采用全变分法建立模型，此方式可有效提高复原图像的质量，利用模型分析图像边缘退化原因，图像边缘等细节特征得到有效复原，利用此方式进行试验处理焊缝图像的方案和技术路线如图1所示。

[参考文献]

[1]题园园.微间隙焊缝磁光图像恢复方法研究[D].广州：广东工业大学，2015.

[2]题园园，朱洪雷，冯伟，等.焊缝磁光图像盲卷积恢复方法研究[J].科技创新导报，2017（2）：98-99.

[3]GAO X，LIU Y，YOU D.Detection of micro-weld joint by magneto-optical imaging [J].Optics & Laser Technology，2014（10）：141-151.

[4]YANG X，LI Z，XIONG R，et al.Real-time observation and measurement of a magneto-optic recorded domain using an image processing technique[J].Materials Science and Engineering，2000（1）：47-49.

[5]馬洁.一种基于线性代数的图像处理算法研究[J].计算机科学，2012（11）：286-288.

[6]王芳.一种新的最小二乘法图像复原算法的研究[J].包装工程，2008（12）：151-153.

[7]苗晴.图像复原中正则化方法的研究及应用 [D].长沙：国防科学技术大学，2005.

[8]RUDIN L，OSHER S，FATEMI E.Nonlinear total variation based noise removal algorithms[J].Physic D，1992（4）：259-268.

（编辑 王永超）