一种用于大型电力设备X射线检测的图像拼接方法

摘要

本申请公开了一种用于大型电力设备X射线检测的图像拼接方法，用于将离散拍摄获取的具有图像交集ωn的多张X射线图像An，通过重叠交集内容自动拼接以获得一张完整X射线图像B，通过如下拼接步骤实现：获取多张存在图像交集ωn的X射线图像A1‑An，并按照相邻关系顺序编号，识别主图像参数是否满足拼接条件；将主图像通过灰度值差异提取主图像中由单像素形成的包含多个特征点的特征数据，并存储为特征映射图像Cn；通过读取主图像An的对应特征映射图像Cn在图像交集ωn范围内的特征数据与任意相邻拼接图像An‑1或An+1的对应特征映射图像Cn‑1或Cn+1在图像交集ωn‑1或ωn+1范围内进行特征数据匹配，直到所有拼接图像拼接完成获得拼接后的完整X射线图像。

说明书

技术领域

本发明涉及图像拼接技术领域，尤其涉及基于X射线图像拼接技术，具涉及一种用于大型电力设备X射线检测的图像拼接方法。

背景技术

电力设备运行的稳定性一直是提供稳定电力的关键点，而电力设备X射线可视化检测已经被证实为对电力设备带电检测的最有效手段之一。现有的电力设备X射线可视化检测已经相对成熟，包括对各种电压等级的气体绝缘开关、耐张线夹、接地绝缘子等。然而随着电力设备的电压等级越高，被检测的电力设备部件体积也随之越大，现有的X射线成像系统受辐射限制等因素影响，无法满足以用一张图像完整呈现整个被检测电力设备部件，对大型被检部件或材质不均匀被检部件的检测需要进行多次透照，多次透照后对图像进行拼接处理尤为重要，直接关系到设备缺陷判单的准确性。

现有的图像拼接技术集中在可见光图像拼接，以及医疗属性的X射线图像拼接。可见光图像拼接无法应用于对电力设备进行X射线可视化带电检测，其特征点完全不同。医疗属性的X射线图像拼接由于被试物件材质不同，所呈现出的X射线图像也有所不同，在图像拼接的方法技术也无法通用。

发明内容

本发明提出的一种用于大型电力设备X射线检测的图像拼接方法，解决多次透照电力设备后，因图像散乱不统一而造成的对电力设备缺陷的误判、漏判，对缺陷进行精准定位、定量、分类、分级，同时也提供对透照容错率较好的图像拼接方法，对扭曲、角度差异、灰度差异、噪声较大的图像也能进行拼接，以减少多次透照所带来的辐射安全风险和人力、物力和时间上的浪费。为了达到上述目的，本申请所采用的技术方案为：

一种用于大型电力设备X射线检测的图像拼接方法，用于将离散拍摄获取的具有图像交集ω

步骤ST100，获取多张存在图像交集ω

步骤ST200，识别主图像参数并将主图像参数与系统预设参数按照数据类型进行对比，对比的参数包括图像宽度、高度、灰度等级、图像清晰度、信噪比等，通过对比结果判定是否满足拼接条件；若不满足系统预设拼接条件的，则需要针对不满足的主图像进行人工手动调整不符合的参数；若满足拼接条件，则执行步骤ST300；

步骤ST300，将步骤ST200中满足拼接条件的主图像通过灰度值差异提取主图像中由单像素形成的包含多个特征点的特征数据，并存储为特征映射图像C

步骤ST400，将步骤ST100中标注为拼接图像的X射线图像A

步骤ST500，通过读取主图像A

步骤ST300中提取特征数据采用下述步骤实现：

步骤ST310，生成图像数据的尺度空间：通过高斯卷积核对将图像按照预设尺度变换处理；

步骤ST320，检测尺度空间的极值点获取特征点：通过将目标采样点和同尺度8个相邻点和相邻尺度对应的上下各9个点进行比较，当采样点为最大或者最小的极值点则将采样点记录为特征点；

步骤ST330，获取极特征点位置信息：通过拟合三维二次函数确定特征点位置和尺度，同时去除低对比度的特征点和边缘响应，获得稳定的特征点位置和尺度信息；

步骤ST340，指定特征点的方向参数：通过采用特征点邻域像素的梯度方向分布特性为每个特征点指定方向参数；

步骤ST350，生成特征点描述子：

步骤ST351，确定计算描述子的图像区域；

步骤ST352，将横坐标与特征点的主方向保持一致；

步骤ST353，在图像半径区域内对每个像素点计算梯度幅值和方向，并对每个梯度幅值乘以高斯权重参数获得方向直方图；

步骤ST354，通过绘制每个梯度直方图的累加值获得种子点；

步骤ST355，描述子向量元素门限化及门限化后的描述子向量规范化。

有益效果

采用本发明提供的图像拼接方法能够将多次透照的存在相交的多张离散X射线图像拼接成一张完整的X射线图像，完整的体现被透照对象的缺陷状态，便于人工判断。

本发明在整个相交图像区域选取特征点进行拼接，一方面能够极大的实现拼接匹配的成功率，另一方面通过高斯卷积技术处理后能够极大的提升拼接的准确率，实现多图像的无缝拼接，能够将大型电力设备的缺陷图像完整展示。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例流程图；

图2是实施例1的拼接示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

实施例1：

一种用于大型电力设备X射线检测的图像拼接方法，用于将离散拍摄获取的具有图像交集ω

步骤ST100，获取五张相互存在图像交集ω

步骤ST200，识别主图像A

步骤ST300，将步骤ST200中满足拼接条件的主图像主图像A

步骤ST310，生成图像数据的尺度空间：通过高斯卷积核对将图像按照预设尺度变换处理；本步骤的目的是模拟主图像A

L(x，y，σ)＝G(x，y，σ)*I(x，y)

其中，G(x，y，σ)是尺度可变高斯函数，记为

(x，y)是空间坐标，σ是尺度坐标，在上式中，σ的值决定图像的平滑成都，大尺度对应图像的整体轮廓特征，小尺度则对应图像的细节特征，σ值越大对应的分辨率越低，σ值越小对应的分辨率越高。同时，构造DOG金字塔

D(x，y，σ)＝(G(x，y，kσ)-G(x，y，σ))*I(x，y)＝L(x，y，kσ)-L(x，y，σ)

步骤ST320，检测尺度空间的极值点获取特征点：通过将目标采样点和同尺度8个相邻点和相邻尺度对应的上下各9个点进行比较，当采样点为最大或者最小的极值点则将采样点记录为特征点；按照矩阵排列关系，任一一个像素点都可以成为九宫格的中心点，那么在同尺度的相邻点就有8个，同理，上一层对应也有9个点，下一层也有对应的9个点，此时将采样点看作是立体九宫格的几何中心点，那么与之相邻的就有26个点，采样点的像素值逐一与该26个点进行比较，若采样点为最大或者最小值，则记录为特征点，否则，则放弃，进行下一点采样。作为现有技术在本实施例中的适应性使用原则，为了使得目标每一层的目标像素都能够进行有效的极值点检测，那么在预设的层数上应额外叠加生成两层，则步骤ST310中的DOG金字塔则有额外增加的一层，这样可以避免检测对比的盲区。

步骤ST330，获取极特征点位置信息：通过拟合三维二次函数确定特征点位置和尺度，同时去除低对比度的特征点和边缘响应，获得稳定的特征点位置和尺度信息；通过对空间尺度函数

进行求导，并令函数值为0，可以获得精确的位置函数：

在去除低对比度的特征点时，将精确的位置函数代入空间尺度函数中可得到：

计算所得函数绝对值，若绝对值不小于0.03，则保留该特征点，若绝对值小于0.03则放弃。

步骤ST340，指定特征点的方向参数：通过采用特征点邻域像素的梯度方向分布特性为每个特征点指定方向参数；本实施例中采用下述公式实现：

θ(x，y)＝tan

其中，(x，y)处梯度的模值和方向公式，L所用的尺度是每个特征点各自所在的尺度。从而获得检测完毕的图像特征点，根据每个特征点的三要素：即位置、所在尺度和方向确定一个SIFT特征区域。值得说明的是，任一一个确定的SIFT特征区域均应被对应图像交集ω

步骤ST350，生成特征点描述子：

步骤ST351，确定计算描述子的图像区域；

步骤ST352，将横坐标与特征点的主方向保持一致；

步骤ST353，在图像半径区域内对每个像素点计算梯度幅值和方向，并对每个梯度幅值乘以高斯权重参数获得方向直方图；

步骤ST354，通过绘制每个梯度直方图的累加值获得种子点；

步骤ST355，描述子向量元素门限化及门限化后的描述子向量规范化。

步骤ST400，将步骤ST100中标注为拼接图像的X射线图像A

步骤ST500，通过读取主图像A

本实施例的有益效果及发明点简述：本实施例充分利用高斯卷积核、高斯金字塔和DOG金字塔分析处理X射线灰度照片，通过提取特征点的方式实现在电力行业缺陷检测领域的应用，解决了大型电力设备无法通过一张X照片分析整个设备缺陷情况的技术难题。这在电力行业产生的有益技术价值和应用价值不可估量。采用本发明所述拼接方法，可以在不改变现有电力设备检测方法，检测设备的前提下，通过后期处理完成大型电力设备各个部位的缺陷判断，大大降低了缺陷因检测技术的缺失或者不完整带来的缺陷不被发现的问题。采用DOG金字塔算法能够避免不同X摄像图片所处的不同曝光度导致图像灰度值不统一的问题。由于采用差异化分析，任一张X图像与其他图像之间均可能产生灰度值差异化，但是在同一张X图像中，相邻像素之间的差异值确是区域统一的，因此利用此法能够准确的获取特征点，通过特征点能够实现图像的无缝拼接。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。