夏衛(wèi)生， 方向瑤， 楊帥， 林富明， 楊云珍

(1.華中科技大學(xué),材料成形與模具技術(shù)國家重點(diǎn)實(shí)驗(yàn)室，武漢 430074；2.武漢理工大學(xué)，武漢 430076)

0 前言

焊接過程涉及光、熱、聲、電等變化，其中光和熱與焊接過程的相關(guān)性最強(qiáng)[1-5]。紅外熱成像技術(shù)作為一種常用光電探測方法，可將被檢測物體所產(chǎn)生的紅外輻射轉(zhuǎn)化為可見的熱圖像，獲得被測物體的溫度分布。

視覺顯著性檢測(Visual saliency detection)是通過智能算法模擬人的視覺特點(diǎn)，對圖像中的視覺顯著部分進(jìn)行檢測。為了客觀表示圖像的視覺顯著性，Koch等人[6]在20世紀(jì)90年代最先提出顯著圖(Saliency map, SM)的概念。以顯著圖像素的灰度值來表示該點(diǎn)像素的顯著程度，灰度值越大，則越顯著。在檢測中引入視覺顯著性，不僅可以合理地對圖像視頻中最重要的地方進(jìn)行計(jì)算，而且其檢測結(jié)果也更加滿足人的視覺認(rèn)知需求等等。若優(yōu)先檢測出圖像的顯著部分，就能恰到好處地對顯著區(qū)域進(jìn)行分析處理，以此降低運(yùn)算量，還可以提高檢測過程的準(zhǔn)確性。

現(xiàn)有的顯著性檢測算法有多種分類方式[7-8]。美國加州大學(xué)Itti博士提出基于生物啟發(fā)的ITTI模型是最具代表性的顯著性模型[9]，該模型能夠較為精確地獲取圖像的顯著部分，但存在顯著圖較模糊及邊界不清晰等問題。Harel等人[10]提出了一種基于馬爾科夫隨機(jī)鏈的圖形視覺顯著性模型(Graph based visual saliency, GBVS)，具有較高的計(jì)算難度，但是可以較準(zhǔn)確地獲得顯著區(qū)域的位置。而基于純計(jì)算的顯著性檢測模型，則采用數(shù)學(xué)計(jì)算方法來研究圖像的視覺顯著性，并不關(guān)注視覺注意機(jī)制。相較于ITTI模型和GBVS模型，基于純計(jì)算的顯著性檢測模型盡管顯著像素點(diǎn)較少，但能夠快速確定顯著區(qū)域的邊緣，通常引入基于頻域的計(jì)算方法，能夠簡化運(yùn)算及降低參數(shù)干涉等。

文中針對熔化極氣體保護(hù)焊(Gas metal arc welding, GMAW)建立焊縫的紅外在線監(jiān)控系統(tǒng)，提出一種基于頻域的紅外焊縫顯著性實(shí)時(shí)檢測算法，從濾波處理、顏色模型和背景抑制3個(gè)方面對頻率調(diào)諧算法(Frequency tuned, FT)進(jìn)行改進(jìn)，以期在保證檢測過程實(shí)時(shí)性的同時(shí)能夠獲得更優(yōu)的紅外焊縫顯著圖，并可以對焊縫進(jìn)行特征提取。

1 試驗(yàn)及算法設(shè)計(jì)

1.1 焊接過程紅外檢測

采用MOTOMAN機(jī)器人執(zhí)行GMAW焊接試驗(yàn)，焊絲為H08Mn2SiA實(shí)心焊絲，保護(hù)氣體為CO2，在Q235基板上進(jìn)行直線堆焊，焊縫長度20～25 cm。焊接過程紅外監(jiān)控系統(tǒng)和圖像采集系統(tǒng)如圖1所示，紅外熱像儀用于采集焊接過程中整體焊接區(qū)域的紅外圖像。

1.2 紅外圖像的顯著圖采樣

在典型的視覺顯著性檢測算法中，譜殘差(Spectral residual, SR)算法[11-13]只能檢測出顯著區(qū)域的邊界，具有一定的局限性。為了解決這個(gè)問題，Achanta等人[14]提出了FT算法，對物體進(jìn)行顯著性檢測。FT算法基于純計(jì)算，利用顏色、亮度等低級特征可以得到最終的顯著圖。關(guān)于顯著性檢測的5點(diǎn)要求[15]，主要為：①突出待檢對象最大顯著目標(biāo)；②顯示整個(gè)顯著區(qū)域；③具有明顯的輪廓；④忽略噪聲等造成的高頻干擾；⑤輸出顯著圖不改變尺寸?；陬l域的顯著性算法是在頻域中對圖像進(jìn)行處理，所以FT算法具有一定的優(yōu)勢，且容易實(shí)現(xiàn)，計(jì)算簡便。FT算法的核心原理認(rèn)為圖像的整體信息即顯著區(qū)域主要集中在低頻區(qū)域，區(qū)域的邊緣則位于高頻區(qū)域，而且噪聲等無關(guān)信息也在高頻區(qū)域內(nèi)?；诖嗽?，除去圖像中的高頻部分及較低頻部分，便可輕易得到圖像的顯著圖。FT算法的具體實(shí)現(xiàn)過程如圖2所示。

圖1 焊接過程紅外監(jiān)控系統(tǒng)

圖2 FT算法的具體實(shí)現(xiàn)過程

按照圖2所示流程，隨機(jī)選取采集到的焊接紅外熱像圖如圖3所示。對其進(jìn)行處理，結(jié)果如圖4所示。

圖3 焊接紅外熱像圖

圖4 不同算法處理后的顯著圖對比結(jié)果

1.3 對FT算法的改進(jìn)

基于頻域的顯著性檢測算法的優(yōu)點(diǎn)是算法簡潔和運(yùn)行速度快等；但其檢測精度仍然不能滿足要求，最終得到的顯著圖對非顯著背景區(qū)域的抑制程度不夠。所以接下來對FT算法進(jìn)行改進(jìn)，并采用改進(jìn)后的FT算法來獲取焊縫的紅外顯著圖。

1.3.1雙邊濾波處理結(jié)果分析

FT算法對圖像的高頻部分進(jìn)行了高斯平滑處理，這在平滑噪聲的同時(shí)也模糊了檢測目標(biāo)的邊界，因此以雙邊濾波代替高斯濾波對圖像進(jìn)行處理。相較于高斯平滑處理，雙邊濾波處理則在空間上增加了一個(gè)由幾何距離決定的非線性加權(quán)系數(shù)，在處理圖像邊界鄰域像素時(shí)，其它遠(yuǎn)距離的像素點(diǎn)對其像素值幾乎不干涉，而近距離的像素點(diǎn)會取極大的權(quán)值，避免對邊界的處理過度平滑，從而在達(dá)到平滑噪聲的同時(shí)，也保證了邊緣的處理效果。圖4b的處理效果更好，基本去除了噪點(diǎn)與雜波，顯著區(qū)域清晰可見且檢測目標(biāo)的邊緣保留完整，同時(shí)對背景區(qū)域的抑制更為嚴(yán)格。

1.3.2雙色彩模型處理結(jié)果分析

在對紅外圖進(jìn)行顯著性檢測后，所得的顯著圖包含了焊縫及其熱影響區(qū)，這不利于后續(xù)焊縫的特征提取。此時(shí)可以在FT算法中加入RGB顏色模型而非單一的Lab顏色模型對顯著圖進(jìn)行計(jì)算處理。

RGB顏色模型是工業(yè)界的一種顏色標(biāo)準(zhǔn)。紅、綠、藍(lán)3種顏色之間相互疊加可以得到各種各樣的顏色。而Lab顏色模型是基于人對于色彩的感覺，L代表亮度，a表示從紅到綠的區(qū)域，b代表從黃到藍(lán)的區(qū)域，得到的所有顏色都基于這3個(gè)值的交互變化。盡管Lab模型的色域更廣，但熱成像儀輸出的圖像仍采用RGB模型進(jìn)行編碼。經(jīng)過2種色彩模型處理后，圖像顯著部分會顯示不同甚至相互彌補(bǔ)的效果，某種色彩模型下的顯著圖總會比另一種顏色空間下的顯著圖更能體現(xiàn)某些微小的區(qū)域。

由圖3可以看出，由于中心焊縫區(qū)比熱影響區(qū)的溫度更高，其背景的亮度和顏色鮮艷程度更為顯著。文中對Lab和RGB的顏色子空間L,a,b和R,G,B分別進(jìn)行亮度和顏色特性的表征，并對Lab顏色模型中的L及RGB顏色空間中的R來進(jìn)行加權(quán)計(jì)算2個(gè)色彩模型下的顯著圖，試驗(yàn)中取權(quán)重為2。最后對2個(gè)色彩模型下的顯著圖進(jìn)行融合，在此選擇均值相加的方式，最終結(jié)果如圖5b所示。由圖5a和圖5b中方框標(biāo)識區(qū)域可以看出，與原FT算法相比，雙色彩模型處理能夠更好地抑制基板、飛濺、弧光等背景的影響，從而提高焊縫區(qū)域的顯著性。但是對焊縫熱影響區(qū)的抑制程度仍不足，而多尺度對比算子處理能夠進(jìn)一步改善顯著圖的質(zhì)量。

圖5 雙色彩模型融合后的顯著圖

1.3.3多尺度對比算子處理結(jié)果分析

對比度是視覺顯著性檢測的一個(gè)基本特征，在根本意義上，顯著性檢測就是檢測處于周邊區(qū)域?qū)Ρ炔町愝^大的目標(biāo)。在圖像中，以亮度、方向、形狀、顏色等作為客觀度量，通常以像素的形式進(jìn)行計(jì)算對比。多尺度對比算子[15]多用來衡量圖像的對比度，其原理簡單且容易實(shí)現(xiàn)，如圖6所示。

圖6 多尺度對比算子的原理圖

利用計(jì)算像素點(diǎn)R1的特征向量與鄰域像素R2的平均特征向量的范數(shù)來得到其顯著值C。計(jì)算過程中R1和鄰域R2的尺寸是可調(diào)的，通常令R1為一個(gè)像素進(jìn)行計(jì)算，鄰域R2的尺寸h在此選取了h1=Ih，h2=Ih/4和h3=Ih/8 3種。經(jīng)過多尺度對比算子優(yōu)化后的顯著圖如圖7b所示，該顯著圖幾乎完全排除了焊縫熱影響區(qū)的干擾，從而進(jìn)一步提高了焊縫區(qū)域的顯著性，有利于后續(xù)的特征提取。改進(jìn)后的FT算法具體實(shí)現(xiàn)流程如圖8所示。

圖7 多尺度對比算子處理

圖8 改進(jìn)后的FT算法具體實(shí)現(xiàn)過程

2 不同算法處理效果分析

2.1 實(shí)時(shí)性分析

將改進(jìn)后的FT算法和ITTI，GBVS，SR，F(xiàn)T，AC[16]，HC[17]等典型顯著性檢測算法進(jìn)行對比分析：①ITTI算法是最經(jīng)典的基于生物啟發(fā)的模型，同時(shí)也是一種全局對比度算法；②GBVS算法是一種基于圖論的混合生物認(rèn)知模型和數(shù)學(xué)計(jì)算的算法；③SR及FT算法為頗具代表性的基于頻率空間處理的純數(shù)學(xué)計(jì)算方法；④HC算法是基于直方圖的全局對比度算法；⑤AC算法是一種處理局部較好的對比度算法。

ITTI，GBVS，SR，F(xiàn)T，AC和HC算法均使用作者給出的MATLAB代碼，各算法的平均運(yùn)行時(shí)間見表1。盡管部分算法的運(yùn)算時(shí)間很短，但都需要進(jìn)行一些復(fù)雜的預(yù)處理，不能在真正意義上實(shí)現(xiàn)在線檢測；試驗(yàn)中紅外熱像儀幀頻為25 Hz，改進(jìn)后的顯著性檢測算法(即優(yōu)化后的FT算法)的平均運(yùn)行時(shí)間為0.075 s，不需要預(yù)處理，整體處理時(shí)間更短，有效地保證檢測過程的實(shí)時(shí)性。

表1 各算法的平均運(yùn)行時(shí)間

2.2 顯著圖質(zhì)量分析

經(jīng)表1中各算法處理得到的顯著圖結(jié)果如圖9所示。ITTI和GBVS算法無法得到全分辨率的顯著圖，圖像不清晰且未能檢測出明顯的目標(biāo)輪廓；SR算法只能得到顯著目標(biāo)的輪廓；FT, HC和AC算法的顯著圖雖然具有較清晰的輪廓，但顯著區(qū)域包括焊縫及其熱影響區(qū)，不利于焊縫的特征提?。欢倪M(jìn)的FT算法打破了傳統(tǒng)FT算法在焊縫紅外熱像圖處理上的局限性，得到的紅外焊縫顯著圖目標(biāo)輪廓清晰、排除了熱影響區(qū)的干擾，目標(biāo)焊縫的顯著性增強(qiáng)，并可以對焊縫進(jìn)行特征提取。

圖9 各算法所得顯著圖對比

3 結(jié)論

(1)提出一種基于頻域的紅外焊縫顯著性實(shí)時(shí)檢測算法，從濾波處理、顏色模型和背景抑制3個(gè)方面對FT算法進(jìn)行改進(jìn)；并將改進(jìn)的FT算法同ITTI, GBVS, SR, FT, AC和HC等典型顯著性檢測算法展開實(shí)時(shí)性探究。

(2)相比于其它典型顯著性檢測算法，改進(jìn)的FT算法的平均運(yùn)行時(shí)間為0.075 s，雖然運(yùn)行時(shí)間比SR，F(xiàn)T和HC算法更長，但是其特點(diǎn)是不需要進(jìn)行預(yù)處理；所以在整體運(yùn)算過程中，改進(jìn)的FT算法時(shí)間最短，真正意義上實(shí)現(xiàn)了在線檢測。

(3)改進(jìn)的FT算法有效抑制了顯著圖中的背景、噪聲和弧光等干擾像素，得到的紅外焊縫顯著圖目標(biāo)輪廓清晰，同時(shí)排除了熱影響區(qū)的干擾，目標(biāo)焊縫的顯著性增強(qiáng)，有利于焊縫特征的提取。