3-39  利用小波方法实现射线图像的缺陷分割

孙朝明  徐彦霖  王增勇 

数字图像处理技术的应用，有力地促进了缺陷定量分析与射线检测的自动化。但大多数射线检测图像噪声大、对比度不高、存在较大的背景起伏，缺陷图像的准确分割、提取则成为实际应用中的难点和关键。

    射线图像中缺陷的存在，在其邻域形成灰度差异；可由边缘检测方法得到相应的边缘点(奇异点)。在图像边缘检测中，一般认为在较大空间尺度(边缘检测模板)下能可靠消除误检，得到真正的边缘点，但不易对边缘精确定位；在较小尺度下对真正的边缘点定位比较准确，但对噪声敏感，误检的比例会增加。多尺度小波分析的引入，可得到比较满意的结果。用不同的小波基分析同一个问题会产生不同的结果，因此小波分析在工程应用中的一个十分重要的问题是如何选取最优小波基。双正交小波基具有紧支性和线性相位：紧支性表明不需做人为的截断，应用精度很高；线性相位可避免信号在分解和重构时的失真；小波基连续可微，这对于有效发现信号的奇异点是必要的。利用小波方法将信号分解成为多个逼近信号与细节信号，信号之间具有差别，同时也有一定的联系。

    研究了小波多分辨率分析方法的应用。将射线图像视为一维信号的组合，对图像中的每一列信号进行逐一分析。小波方法分解的逼近信号可以逐步对曲线逼近，较好的实现曲线拟合(图1b)。但如果直接利用逼近信号进行差减，则得到的结果会在缺陷周围形成拖影现象(图1c)。计算不同分解层次下的逼近信号之间的差，在缺陷部位具有较大的值，而其余部位较小，差值具有放大信号突变的作用。差值信号加上相应的逼近信号，可作为拟合信号，不仅突出了缺陷，而且其余部分与原曲线很好的吻合。将拟合信号与原信号做差减，即可得到去除背景的缺陷图像。但由于图像受到噪声的影响，差减后的图像是缺陷目标与噪声叠加形成，考虑噪声为零均值服从高斯分布的加性噪声。根据数据统计学的理论，应用s 准则进行噪声去除。

利用双正交小波实现了缺陷图像的有效分割(图1d)：对射线图像的扫描灰度线逐一进行分析，根据分解层次的不同，将细节信号做出合理的组合，可很好完成背景模拟，从而得到差减图像；对于差减图像，首先进行大缺陷分割，对剩余信号按s 准则将背景噪声去除。