基于小波变换图像融合的镁熔液弱小目标检测

张炳刚，许四祥，侍海东，徐起兵

(安徽工业大学机械工程学院，安徽马鞍山243032)

基于小波变换图像融合的镁熔液弱小目标检测

张炳刚，许四祥，侍海东，徐起兵

(安徽工业大学机械工程学院，安徽马鞍山243032)

针对镁熔液图像中第一气泡不易检测的问题，提出1种基于小波图像融合与罗宾逊滤波法相结合的检测算法。利用小波变换将第一气泡析出前后的各2帧图像分别分解为多尺度的低频分量和高频分量，根据融合规则对所获得的低频分量和高频分量分别进行处理，获得融合图像；对2帧融合图像分别进行罗宾逊滤波，再通过形态学开运算处理，检测弱小目标。对比分析融合图像与原图像，结果表明融合图像一定程度上可弥补信息缺失，补充图像细节，信噪比得到提高。并将罗宾逊滤波效果与加权均值滤波效果和中值滤波效果进行对比分析，结果表明，采用罗宾逊滤波后的图像信噪比提高了1倍以上，对比度提高了约13倍。实验结果验证了本文方法检测镁熔液第一气泡的有效性。

镁熔液；第一气泡；小波变换；图像融合；罗宾逊滤波

镁合金是以镁为基元素并加入其他元素组成的高性能结构材料，但是显微气孔的存在减弱了其力学性能[1-2]。H2的析出是形成显微气孔的主要原因[3]，因此，如何有效地检测镁熔液含氢量是目前此领域研究的热点。基于第一气泡法衍生的镁熔液快速定量测氢仪，其检测精度及稳定性非常依赖于第一气泡的精确识别。

近年来，研究者们提出了一些针对镁熔液第一气泡的检测算法，如空域滤波法[4]，小波分解法[5]等，但很少考虑采集的镁熔液序列图像的背景存在缓慢变化，及不同时刻图像信息存在丢失的问题，且未利用图像之间的信息互补性进行镁熔液弱小目标检测。基于小波变换的融合算法减少了层间的相关性，能够得到更好的融合图像[6]。罗宾逊滤波器具有保护带，可以保护弱小目标的信息完整性。鉴于此，提出小波变换图像融合与罗宾逊滤波(Robinson filter)相结合的算法，算法通过序列图像的融合，丰富了图像细节信息，一定程度上弥补了单帧图像在检测弱小目标方面的局限性，从而能够有效地检测出镁熔液中的第一气泡。

1 算法构建

1.1 小波变换图像融合

小波变换融合图像的基本思想是利用小波变换获得图像的多尺度表示，然后在不同尺度上使用融合算子分别进行融合，根据融合后的各级分量重构新图像。

利用Haar小波对二维图像进行n层小波分解，得到(3n+1)层子带，其中包含1个低频分量和3n个高频分量。用小波进行融合时，小波分解的阶数对融合结果影响很大。一般来说，小波分解的阶数为3～5层[7]。

假设2帧待融合图像A1和A2，具体融合规则如下。

1)对低频分量采用系数平均值融合

2)对高频分量采用系数绝对值选大融合

式中：gA1(x,y)和gA2(x,y)为2帧图像经小波分解后的高频子带系数；gF(x,y)为经图像融合处理后的图像高频系数。文中结合镁熔液弱小目标检测，将变换后的新高频系数gF(x,y)进行加权，如式(3)。

式中：k为加权系数；hF(x,y)为最终的融合图像高频系数。

1.2 罗宾逊滤波

罗宾逊滤波器是一种非线性非参数型滤波器[8]，通过将中心像素与其邻域像素极值进行对比，利用像素之间的差异来抑制背景，对于变化缓慢的背景和空间相关性强的边缘背景区域有较好的抑制作用。经罗宾逊滤波后，除目标点和一些噪声点外，图像中大部分的像素集中在低灰度区。

式中：fR(x,y)为罗宾逊滤波后的图像；f(x,y)为图像中心点(x,y)处灰度值；l为平均波门大小；max为最大值；min为最小值；mean为平均值运算。

1.3 算法流程

设输入原图像为A1,A2,A3和A4，其中：A1和A2为第一气泡析出前相继的2帧图像；A3和A4为第一气泡析出后相继2帧图像。原图像经过同一传感器获取。算法如图1，分为5个步骤。

1)小波变换图像融合 对第一气泡析出前的图像A1，A2和析出后的图像A3，A4按照1.1中的融合规则分别进行小波变换图像融合，得到2帧融合图像。

2)罗宾逊滤波 利用罗宾逊滤波器对2帧融合图像分别进行滤波。

3)帧差运算和对比度增强 对分别经过罗宾逊滤波处理后的2帧融合图像 fR1(x,y)和 fR2(x,y)进行帧间差分运算，获得帧差图像ΔfR(x,y)，帧差运算过程如式(5)。帧差运算后，目标与背景的灰度值对比度变弱。因此，需增强图像的对比度，以利于目标检测，同时去除少量的噪点。

4)自适应阈值分割 经步骤3)处理后，图像中包含目标点外，还包含一些类目标干扰信息和噪声点。采用自适应阈值分割初步分离出目标点[5]。

5)形态学开运算 形态学开运算是用来去除比结构元素小的亮点，同时保持所有的灰度级和较大的亮区特性相对不变[9]。对经自适应阈值分割处理后的图像作形态学开运算，可去除类目标点和噪声，获得只含镁熔液第一气泡的图像。

2 实验结果和分析

图像获取方法同文献[4]。算法实现环境为Intel(R)Core(TM)2 Duo CPU T6600@2.20 GHz，2.00 GB的内存，在MATLAB 7.1中编程对第一气泡析出前后4帧图像进行实验。第一气泡析出前后4帧图像如图2，其中图2(a)，(b)为第一气泡析出前2帧图像，图2(c)，(d)为第一气泡析出后2帧图像(图中白色方框内的白点为析出的第一气泡)。

将气泡析出前后的各2帧图像分别进行四层Haar小波分解，获得图像的低频分量和高频分量，然后采用式(1)～(3)的融合方法获得融合处理后的高、低频系数，最后通过小波重构获得2帧融合图像，如图3。式(3)中系数k取1.3。

由图3可看出，对比原图像，融合图像一定程度上弥补信息缺失，补充图像细节。经计算，信噪比[10]由原来的1.152提高到1.584。对融合后的2帧图像分别进行罗宾逊滤波处理(罗宾逊滤波器波门l取3[8])，去除大部分的背景杂波(如图4)，然后结合帧差运算和图像对比度增强处理结果(如图5(a))，再通过自适应阈值处理(加权系数取11)及形态学开运算(结构元素选扁平圆盘，参数为1)，检测第一气泡，结果如图5(b)。

将用罗宾逊滤波器处理后得到的2帧图像与分别采用加权均值滤波算法和中值滤波算法得到的滤波处理结果进行对比，如表1。

表1表明：加权均值滤波算法和中值滤波算法的综合性能相似，经其处理后，图像的目标均值和背景均值均有较大提高，信噪比和对比度有一定程度的降低；经过本文算法处理后，图像的目标均值和背景均值减小程度较大，信噪比和对比度有很大的提高。融合后的2帧图像整体灰度值均有提高，所以经过加权均值滤波算法和中值滤波算法处理后的图像目标均值和背景均值都有较大提高，但是信噪比和对比度有一定程度的降低，导致经过这2种算法处理后的图像不利于接下来的目标识别。经过本文算法处理后，弱小目标均值被很大程度削弱，但是，由于对图像背景杂波抑制更强，信噪比提高了1倍以上，对比度提高了约13倍。综上所述，文中采用的滤波算法综合性能较好，有利于第一气泡的检测。

表1 算法性能比较Tab.1 Comparison of algorithm performance

3 结 论

针对镁熔液图像中第一气泡不易检测的问题，提出了1种基于小波图像融合与罗宾逊滤波法相结合的检测算法。该方法通过多尺度小波变换图像融合实现第一气泡析出前后各连续2帧图像的融合，结合罗宾逊滤波及帧差运算、对比度增强、自适应阈值分割和形态学开运算，最后获得检测目标。实验结果表明该算法能够准确有效地检测到镁熔液中的第一气泡，为镁熔液含氢量检测提供了一种新的途径。

[1]Yuan G Y,Liu M P,Ding W J,et al.Microstructure and mechanical properties of Mg-Zn-Si-based alloys[J].Materials Science &Engineering,2003,A357(1/2):314-320．

[2]Du W W,Sun Y S,Min X G,et al.Microstructure and mechanical properties of Mg-Al based alloy with calcium and rare earth additions[J].Materials Science&Engineering,2003,A356(1/2):1-7．

[3]Whittenbegger E J,Rhines F N.Origin of porosity in castings of magnesium-aluminium and other alloys[J].Journal of metals, 1952(7):409-420．

[4]许四祥，伍毅，马爱萍，等.高温镁熔液表面第一气泡图像识别方法研究[J].轻金属，2010(6):43-45．

[5]许四祥，高培青，马爱萍.复杂背景下镁熔液第一气泡图像检测方法研究[J].武汉理工大学学报,2011,33(7):10-13．

[6]宗常进，吴元伟.基于小波变换的图像像素级融合算法研究[J].Science&Technology Information,2008(8):201-202．

[7]章毓晋.图像工程(下册)—图像理解[M].2版.北京：清华大学出版社，2007:334-335．

[8]秦剑，陈钱，钱惟贤.基于背景分类的弱小目标检测算法[J].光电工程,2011,38(1):23-27．

[9]Gonzalez R C,Woods R E,Eddins S L.数字图像处理(MATLAB版)[M].阮秋奇，译.北京：电子工业出版社,2005:278-279．

[10]冯在东，许四祥，孙杰，等.基于方向小波变换的镁熔液弱小气泡检测[J].材料导报，2013,26(3):146-149．

[11]向建勇，尹超，韩建栋.一种红外弱小目标检测方法[J].电子科技，2005(1):6-9．

[12]陈振学，汪国有.基于自适应背景预测的红外弱小目标检测算法[J].激光与红外，2005,35(8):608-610．

[13]王培珍，杨维翰.图像分割的分层处理方案[J].安徽工业大学学报：自然科学版，2002,19(3):205-208．

[14]边琼芳.基于2D小波变换的图像消噪算法[J].安徽工业大学学报：自然科学版，2009,26(1):89-91．

责任编辑：何莉

Weak and Dim Target Detection Based on Image Fusion of Wavelet Transform in MagnesiumAlloy Melt

ZHANG Binggang,XU Sixiang,SHI Haidong,XU Qibing
(School of Mechanical Engineering,Anhui University of Technology,Ma'anshan 243032,China)

For uneasy detection of the first bubble in magnesium alloy melt,a combinative algorithm with wavelet image fusion and Robinson filter method was proposed.At first,with wavelet transform,the successive two images before and after the first bubble precipitating were decomposed into low frequency and high frequency component,respectively,and fused images were gained after that the above low frequency part and high frequency part were processed in the light of the fusion rule.Then,the two fused images were filtered by Robinson filter,morphological open operation was employed to detect the first bubble.To some extent,fused images make up some information and details by comparison of fused images and original images and SNR was improved.By comparing the result of Robinson filter with those of weighted mean filter and median filter,it shows that the SNR of filtered images is improved more than 1 time and contrast is improved about 13 times,which demonstrates that the proposed algorithm can successfully detect the first bubble in magnesium melt.

magnesium alloy melt;the first bubble;wavelet transformation;image fusion;Robinson filter

TG146.2+2

A

10.3969/j.issn.1671-7872.2015.01.011

2014-08-05

国家自然科学基金项目(51374007)

张炳刚(1988-)，男，江苏淮安人，硕士生，主要研究方向为机器视觉与人工智能。

许四祥(1974-)，男，湖北汉川人，教授，主要从事液态镁合金质量控制的研究。

1671-7872(2015)-01-0055-05