基于免疫遗传小波分析的管道焊缝图像处理方法.pdf
《基于免疫遗传小波分析的管道焊缝图像处理方法.pdf》由会员分享,可在线阅读,更多相关《基于免疫遗传小波分析的管道焊缝图像处理方法.pdf(6页珍藏版)》请在得力文库 - 分享文档赚钱的网站上搜索。
1、东 北 石 油 大 学 学 报 J OURNAL OF NORTHEAST PETROLEUM UNI VERS I TY 第 3 7卷 第 1期 2 0 1 3 年 2月 Vo 1 3 7 No1 Fe b 201 3 基 于免疫遗传小波分析的管道焊缝 图像处理方法 徐 平 ,张方舟 ,常洪庆 , 严胡 勇 ,巩 淼 ,姚姜虹 (1 东北石油大学 计算机与信息技术学院 , 黑龙江 大庆1 6 3 3 1 8; 2 大庆油田热 电厂 除尘分厂 , 黑龙江 大庆1 6 3 3 1 4) 摘要 : 针对难 以实现管道焊缝 图像信息准确提取的问题 , 利用免疫遗传算 法优化小波 系数 , 将小波变换
2、 与免疫遗 传算法引入焊缝 图像 的处理过程, 采用相似性距离分析传统小波 、 C a n n y算法、 免疫遗传小波等算法优劣性 结果 表明: 该 算法能够有效地 抑制噪声干扰 , 去除图像边缘 中的伪影 , 从 而较好 地实现 图像 边缘信息 的清晰与细化 , 体现 遗传小波变 换算法在精确定位与抗噪声能力上 的优越性 关键词: 免疫遗传算法 ; 小波分析 ; 焊缝 ;图像处理 ;相似性距离 ;管道 中图分类号: TG 4 4 1 7 文献标识码: A 文章编号: 2 0 9 54 1 0 7 ( 2 0 1 3 ) 0 1 0 1 1 00 6 0 引 言 在管 道焊接 过程 中 , 由
3、于各种 因素影 响 , 焊 缝 中常常 出现裂 纹 、 夹 渣等缺 陷 , 而管 道焊 接质量 是管道 安 全 的重要保 证 】 此外 , 可靠 的焊缝跟 踪是 确保焊 接质 量 的首要条 件 , 精确 的焊缝 信息 是焊缝 跟踪 的前 提 因此 , 及时、 准确地提取焊缝信息是管道制造企业的重要工艺环节 目前 , 提取焊缝信息的方法 多为算 子边缘检测 方法 , 如 C a n n y算子、 P r e w i t t 算子和 Ro b e r t s算子 等l 2 , 此类方 法难 以处 理精确定 位 和抗噪 声能力 在协 调性 上 的矛盾 , 稳 定 性不 好 免 疫遗 传 算法 既保
4、留传 统遗传算法的搜索性 , 又利用免疫算法多机制求解多 目标函数最优解的 自适应特征 小波分析技术具有多 尺度 性l_ 3 , 且 已在 图像 处理方 面获 得成功 的应用 因此 , 将 免疫 遗传 与 小 波分 析 相结 合 的免 疫遗 传 小 波分 析技 术在 图像处 理上 的研究 具有 重要意 义 刘扬等将免疫遗传小波分析应用在图像处理上 , 把图像首先进行预处理 , 在提取特征的同时进行有效 融合 , 从而得到相应 的生物特征 , 利用免疫遗传小波与神经 网络研发用人的面部作 口令的身份认证系 统l_ 4 其系统识别率接近 9 5 , 虽然错误拒绝率较高, 但错误接受率也较低 此外
5、, 系统用户注册过多也会 导致 系统 识别 率有所 下 降 在 管道焊 缝 图像 处理技 术方 面 , 谢 志 孟 等选 用 C a n n y算 子提 取 焊缝 图像 的边 缘 特征 , 并 且 根据 焊 缝 中心 坐标 与边缘 处理结 果对 图像 进行 边 缘 检测 试 验 , 得 出 C a n n y检 测算 子 是一 种 比较 有 效 的方 法 , 适 合 于视 觉传感 的焊缝跟踪 图像 处理 过程 , 但 是稳定 性 不是很 好l 5 王 宏文 等通过 先行基 于梯度 信息 的一种 自 适应 平 滑滤波 , 同时采 用 三阶 B样条 的双小 波 多尺 度边 缘 检 测法 , 减 少
6、 误检 率 此 方 法复 杂 度适 中 , 处 理 速度较快 , 效果较好 , 但它可能引入一定量的噪声 6 唐国维等考虑图像的灰度变化及人眼注视特点, 考虑 人 眼对 图像 的平滑 区 、 边缘 区及 纹理 区敏感度 不 同 , 分别对 3 种 区域 图像所 对应 的小波 系数赋 予不 同的视 觉权值 , 同时对焊缝区域进行水平与竖直滤波, 并与布尔代数整合, 得 出具有缺陷特征的焊缝二值图像 该 算法 有效 、 准确 , 但滤 波操 作较 费时 , 处 理速 度稍慢 l 7 唐 国维 等考 虑 管 道焊 缝缺 陷本身 的 特点 , 选 取 图像 缺 陷特征 , 基 于焊缝 缺陷分 类器进
7、行分类 , 建 立采用 势 函数 法训 练方 法 , 进 而实现 焊缝 的分类 与处理 此方 法具有较好的聚类性与容错性 , 但在样本不足的情况下 , 误差比较大 周贤等结合迭代 阈值分割与数学 形 态学 , 从 焊缝 图像 区域 中提取 缺陷部 分 , 采 用边 缘提 取算 法提 取缺 陷 边缘 此 算法 能 够实 现 自动 提 取焊 缝图像的缺陷及边缘部位 , 计算速度较快, 受噪声影响小 , 但是缺少通用性l 9 收稿 日期 : 2 o 1 30 11 2 ; 编辑 : 任志平 基金项 目: 黑龙江省教育厅科学技术研究项 目( 1 1 5 5 l O l 6 ) 作者简介 : 徐平( 1
8、 9 6 5 一) , 男 , 博士 , 教授 , 主要从事计算机网络与教育技术方面的研究 1 1 0 第 1期 徐平等 : 基于免疫遗传小波分析的管道焊缝 图像处理方法 笔者将小波分析与免疫遗传算法 相结合 , 用遗传算法对小波系数进行优化, 对焊缝图像边缘进行 提取 该方法能够得到较清晰的图像边缘 , 效果优于其他常规图像处理算法 1 免疫遗传小波分析 1 1 边缘 检测 小波 变换作 为 一种 时频分 析方 法 , 不 仅 能够 进 行 多 分 辨 率分 析 , 还 具 有 表 征 时域 信 号 局部 特 征 的特 点 这使得它能够在低频处频率细分 , 在高频处时间细分, 因此适宜探测并
9、分析正常信号 中的瞬态反常 信号 设一个二维图像信号为f ( x , ) , O ( x , ) 为平滑函数, 使其满足积分l l O ( x , y ) d x d y 一1 将平滑函数 对 z, Y分别 求 导 , 得 到小 波 函数 : ( , )一 O 0 ( x, ) O x, ( 1 ) 。 ( z, )一 a O ( x, ) 3 y ( 2 ) 引入 记 号 T s ( , ) 一1s T lF X s, , 对 任 意 的 二 维 函 数f ( x , ) E L ( R ) , 定 义 二 维 小 波 变 换 : r Wn f ( s , z , )一 f ( x, ) (
10、 z, ) , , 、 W f ( s , z , ) 一f ( x , ) ( -z , ) , 式 中: S 为小波变换尺度 , 一般取为 2 ( z ) ; *为二维卷积运算 , 有 , ) * * ) 一 划 , , ( 4 ) 式 ( 4 ) 的矢 量形 式为 W f c2 ,z , 一 ; : :三 : ; 一 2 (a3 3a x ) L厂f (zx ,, y ) * 0 2i (zx ,, Y ) 7 c s 式 ( 5 ) 为 f ( x, ) 的 二进制 小波 变换 , 模值 为 mo d Wf( 2 j , z, ) 一 1 w“ f ( 2 j , z, )l +l W
11、 f ( 2 , z, )l 。 寺, ( 6 ) 其 幅角为 a r g - Wf( 2 j , , ) 一 a r c t a n - W f ( 2 , , z, ) ( wn f ( 2 , z, ) ) ( 7 ) 小波 函数 可 以设 为分 离形 式 , 只需 满足 ( -z , ) 一 ( z ) ( ) 在实 际过程 中 , 将 z, Y经 滤波 器 实现 快 速二 次 B样 条小波 变换 针对 二 维 图像 , 一 般情况 可将 尺 度 S 设 为 2 ( z ) , 即可 以分 离 二维 离 散 型二 进 制小 波变 换式 采用离散二进制的小波变换实现多尺度的边缘检测 ,
12、实质是找到 mo d Wf( 2 , z , y ) 的局部最大值, a r g - V ( 2 , , ) 指明边缘的方向 图像的多尺度边缘是 由二进制小波变换的模 的局部最大值点位置所 决定的 在 图像处理上 , 二维小波变换原理见文献E I 2 1 4 1 2免疫 遗传 小 波算 法 1 2 1 原 理 虽然 传统 遗传 算法 已经 得 到广泛 应 用 , 但是 当图 像本 身 的运算 量 比较 大或 其本 身 比较复 杂 时 , 运 行速度比较慢 , 并且容易造成未成熟收敛等问题 为了尽可能避免这种现象发生 , 在传统遗传算法基础上, 将免 疫 系统原 理运 用到 传统 遗传算 法 中
13、 生物免疫系统是生物机体对外来抗原性异物的侵略而产生的对异物进行排斥 , 从而保护机体的生理 反应 , 具备抗原记忆 的功能 因此 , 可以将所求解的问题看作抗原 ( An t i g e n ) 进行分析 , 同时提取基本特征 信息将其视为疫苗( Va c c i n e ) ; 然后处 理这些特征信息 ; 再把它转换为对 问题的求解, 也就是抗体 ( An t i b o d y ) ; 最终把这个过程转成用免疫算子实现具体操作 东北石油大学学报 第 3 7卷2 0 1 3年 在 将疫 苗 注 射 到小 波 系 数 阈值 的 求 解过 程 中 , 能够 加 快 问题 求 解 速度 , 改
14、进后 的免疫 遗传算 法 流程见 图 1 算 法具体 流程 : ( 1 ) 生成 初 始 种 群 , 同时 计 算 适应 度 值 ( 2 ) 通 过 先 验 知 识 对 疫 苗 进 行 提 取 , 同时进行 相 应 的扩 充 , 然 后 计 算 疫 苗适应度值 若计算出的疫苗适应度值 比原始种群中部分个体适应度高的话 , 则将 其替 换 图 1 免疫遗传 算法流程 Fi g 1 Fl o w c h ar t o f i mmune GA ( 3 ) 根据 收敛标 准进 行判 断 若符 合标 准 , 退 出 , 并 给 出结 果 ; 若 不符 , 则 继续 ( 4 ) 进行交 叉 、 变异 ,
15、 从 而生 成下代 种群 ( 5 )转 到 ( 3 ) 1 2 2 优化小 波变换 阈值 小波 变换 具有 多尺度 的分析 与 多分 辨率 的特 征 , 已被 广泛 应用 于图像 处理 小波分 析用于 图像边 缘检 测的本质是阈值化处理小波系数 , 因此阈值选取是关键 , 直接关系图像边缘信息获得的多少 由于图像 的 边缘像素一般较少 , 在小波变换后模值图像的灰度直方 图中, 低灰度值个数往往 比较多, 在此过程 中通常 有噪声及其他一些细小变化 的影响, 模值图像 的低灰度聚集在一起 , 各个局部的极 限值间的差别不是很 大 , 将这些特征分类以确定阈值 阈值 选取 一般有 最大类 方差
16、法与最 小均 方差 法 2种 采取 最大类 方差法 对 阈值 进行 选取 , 由背景 与 目 标间的最大差异确定阈值 图像经小波变换处理后的系数包括非边缘信息与边缘信息 2种 边缘信息予以 保留, 非边缘信息直接舍弃 把经小波变换后的系数按 取模 , 即取 0 , 1 , , 一1 ) , 设 a为图像边缘点小 波系数的集合 , b为非 图像边缘点小波系数的集合 , 边缘与非边缘信息根据 阈值 T区分 , x 为第 i 个模值 “ 一 1 t 出现概率, 那么 口的概率为 W 。 ( )一 : X , b的概率为 W ( )一 : x , 则 n的均值为 “ 。 ( )一 1 石 ”1 : x
17、 。 , b 的均值为 ( ) 一 : 叫 口 与b 间方差即d ( ) 一W 。 ( ) 训 ( ) ( “ ( ) 一“ 。 ( ) ) 。 满足厂 i = t+l 石 的最大阈值 T即为最佳阈值 , 采用免疫遗传算法对 阈值进行选取与优化 1 3 实现 通过小波变换模值 的局部极大值点发现信号突变点 , 即图像 的边缘位置 , 因此将免疫遗传算法对变换 后 的小波 系数 阈值进行 最优 化求 解 , 步 骤 : ( 1 ) 选 择尺 度 函数 O ( x , ) 进 行平 滑 图像处 理 , 同 时求 出 它 的一 阶层 数 ( z, ) , 。 ( z , ) 用 来 作小 波 母函数
18、 , 通过伸缩与移位操作组成小波基函数 ( 2 )对焊缝 图像进行小波变换, 得 出变换后的分量 w , f ( x , ) 与 w; 厂( , ) , 计算小波在各种尺度下 幅角 A J f( z, ) 与幅值 M2 J f( z , ) ( 3 ) 将变换后的小波系数按 取模 , 值区间为 0 , 1 , , 一1 另设 A为边缘点小波系数的集合, B为 非边缘点小波系数集合 , 根据阈值 T 区分边缘与非边缘点 , 利用免疫遗传算法进行搜索 , 寻找类间方差 最优 解 , 求 出最 大 阈值 丁, 即得到 最佳 阈值 ( 4 )从 变换后 的小 波系数 找到零 交叉 点 , 相 邻 的交
19、 叉 点 区间有 局 部极 值 点口 , 将 步骤 ( 3 ) 求得 的 最佳 阈值 T对局部极大值点进行筛选, 大于 T的是边缘信息予 以保留, 小于 r的是噪声对其过滤 ( 5 )图像 的每列 信息 都重 复步骤 ( 3 ) , 直到满 足最终 条件 ( 6 )当图像的行与列都是局部极大值点即可判定是图像 的边缘, 否则是非边缘点 11 第 1期 徐平 等: 基于免疫遗传小波分析的管道焊缝图像处 理方法 ( 7 )将 图像处理数据进行整理, 非边缘点的将灰度值设为 0 , 边缘点 的灰度值记为 2 5 5 , 这样得到的边 缘 图像 比较 清 晰 2 实验结果 与分析 验证免疫遗传小波分析
20、技术在图像处理上 的优 越 性 , 采 用 遗 传 小 波 变 换 处 理 管 道 焊 缝 图像 通 过 Ma t l a b R 2 0 1 l a的 图像 处理 工具 箱编 写实 验程 序 结果 表 明 , 基 于免疫 遗传 算法 优化小 波 系数 的小 波检测技术用于管道焊缝图像边缘检测上具有优势 : ( 1 )在检测物体边缘 的过程 中有效抑制 图像处 理 中的 噪声 唐 宏指 出相 似性距 离 可 以用来衡 量 图像 处理过程 中的抗 噪声效果_ 1 为 了直观和定量 比较 各图像边缘检测算法的优点与不足, 通过相似性距离 描述 边缘 检测 结果 的细 节检测 与抗 噪声 能力 取
21、2个 二值图像 A 和 B , 将相似性距离 DA B 定义为 D A B 一 r ( 1 A B l l C i i l ) 平滑图像处理并求 出小波母函数 对焊缝图像进行小 波变换 ,求出幅角 与幅值 对变换后小波系数 进行取模 , 通过免 疫遗传算法求出最 佳闽值 7 根据 阈值 筛选出 边缘与噪声 N 其中: A 和B 分别为图像的第 i 行与第J列的元素 入 I 周 期 ; C i 为 二 值 图 像 A的 第 列 中 两 端 非。 元 素 行 J 数所 取得 的平 均值 , 如果 C 是 小 数 , 那 么 向上取 整 管道焊缝图像为 2 5 6 2 5 6 像素的2 5 6 级灰
22、度图 人 (辨 叵 l1 1 8 像 素 大 小 为 7 8 3 1,左上顶点坐标为、 一 , 1 2 61 8 1 2 6 ) , 在此 二 二 二 区域计算各种边缘算法相似性距离( 见表 1 ) i 由 表1 可 以 看 出 : 细 节 检 测 能 力 最 强 的 C a n n y I 整 理 数 据 , 得 到l 算子虽然细节效果优异, 但是也带来最多的噪声; L a I较 清 晰 边 缘 图 像 I p l a c e 算子 、 S o b e l 算 子 、 P r e wi t t 算 子 、 R o b e r t s 算 子 的 边缘 检测 能力 依次 减 弱 , 相 对 于
23、 边 缘算 子检 测 方 法 , F i g2图 h 冕 Im 一 小波 变换 边缘 检测 效果 虽然 边缘 检测 能力 不是很 强 , m u n e g e n e t i c a n d w a v e l e t 但带来噪声也 比较小; 免疫遗传小波分析的效果更 明显 , 不仅抗噪声 的能力最强, 而且与边缘真实图像 的 相似 性也 是最 高 7 种 算法 的误 检 、 漏 检及 信 噪 比见 表 2 表 1 管道焊缝 图像各种算 法相似性距 离 Ta bl e 1 Th e s i m i l a r i t y d i s t a nc e o f p i p e l i ne w
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 免疫 遗传 分析 管道 焊缝 图像 处理 方法
限制150内