紅外熱波檢測(cè)及其圖像序列處理技術(shù)

第一章 緒論
1.1 目的和意義
1.2 紅外熱波無損檢測(cè)技術(shù)的研究現(xiàn)狀與發(fā)展
1.2.1 紅外熱波無損檢測(cè)技術(shù)的研究現(xiàn)狀
1.2.2 熱波圖像處理的研究現(xiàn)狀
1.3 存在的主要問題
1.4 紅外熱波檢測(cè)的特點(diǎn)與應(yīng)用
1.4.1 紅外熱波無損檢測(cè)的技術(shù)特點(diǎn)
1.4.2 紅外熱波無損檢測(cè)主要應(yīng)用領(lǐng)域
參考文獻(xiàn)
第二章 脈沖激勵(lì)紅外熱波檢測(cè)基本原理
2.1 紅外熱波檢測(cè)的基本原理及關(guān)鍵技術(shù)
2.1.1 紅外熱波檢測(cè)基本原理
2.1.2 紅外熱波檢測(cè)關(guān)鍵技術(shù)
2.2 脈沖激勵(lì)紅外熱波檢測(cè)理論分析
2.2.1 導(dǎo)熱微分方程
2.2.2 脈沖熱激勵(lì)條件下的瞬態(tài)熱傳導(dǎo)分析
2.2.3 含缺陷半無限大平板結(jié)構(gòu)脈沖熱激勵(lì)條件下的表面溫度場(chǎng)分析
2.3 脈沖激勵(lì)紅外熱波檢測(cè)數(shù)值分析
2.3.1 數(shù)學(xué)模型及簡(jiǎn)化
2.3.2 初始條件及邊界條件
2.3.3 劃分網(wǎng)格及求解
2.3.4 數(shù)值計(jì)算結(jié)果與分析
2.4 脈沖激勵(lì)紅外熱波檢測(cè)試驗(yàn)
2.4.1 鋼材料平底洞試件
2.4.2 鋼板／絕熱層粘接界面缺陷試件
2.4.3 復(fù)雜鋼結(jié)構(gòu)平底洞試件
2.4.4 玻璃纖維復(fù)合材料分層試件
2.4.5 蜂窩夾心復(fù)合材料試件
2.4.6 試驗(yàn)總結(jié)
2.5 紅外熱波檢測(cè)影響因素分析
2.5.1 熱成像系統(tǒng)的影響
2.5.2 熱流注入方向影響
2.5.3 環(huán)境因素的影響分析
2.5.4 熱激勵(lì)源的影響分析
2.5.5 檢測(cè)對(duì)象及缺陷參數(shù)對(duì)檢測(cè)效果的影響
2.5.6 結(jié)論
2.6 小結(jié)
參考文獻(xiàn)
第三章 熱波圖像序列數(shù)據(jù)的擬合、壓縮與重建方法
3.1 數(shù)據(jù)擬合原理
3.2 擬合優(yōu)度評(píng)價(jià)參數(shù)
3.3 基于多項(xiàng)式擬合的紅外熱波圖像數(shù)據(jù)處理方法
3.3.1 最小二乘法
3.3.2 多項(xiàng)式擬合法的基本原理
3.3.3 實(shí)驗(yàn)結(jié)果及分析
3.4 基于紅外熱波理論模型的熱波圖像數(shù)據(jù)擬合方法
3.4.1 模型的提出
3.4.2 非線性Levenberg-Marquardt擬合算法
3.4.3 實(shí)驗(yàn)結(jié)果及分析
3.5 基于遺傳算法的熱波圖像序列數(shù)據(jù)擬合
3.5.1 熱波圖像序列數(shù)據(jù)擬合方法
3.5.2 實(shí)驗(yàn)結(jié)果及分析
3.6 基于差分進(jìn)化的擬合方法熱波圖像處理
3.6.1 差分進(jìn)化算法
3.6.2 雙指數(shù)衰減模型
3.6.3 基于差分進(jìn)化算法的雙指數(shù)模型擬合法
3.6.4 實(shí)驗(yàn)結(jié)果及分析
3.7 熱像序列的時(shí)空聯(lián)合壓縮與重建
3.7.1 時(shí)空壓縮與重建的基本原理
3.7.2 基于K-means算法的時(shí)空壓縮與重建方法
3.7.3 基于單幀圖像分割的時(shí)空壓縮與重建方法
3.8 小結(jié)
參考文獻(xiàn)
第四章 熱波圖像序列的一般處理方法
4.1 概述
4.2 熱波圖像序列處理的基本方法
4.2.1 多幀累加平均法
4.2.2 正則化方法
4.2.3 差分法
4.2.4 多項(xiàng)式擬合法
4.2.5 脈沖相位法
4.2.6 比值熱圖法
4.3 不同處理方法的性能比較
4.3.1 實(shí)驗(yàn)試件和熱波圖像獲取系統(tǒng)的設(shè)計(jì)
4.3.2 算法性能的比較
4.4 奇異值分解法
4.5 主分量分析法
4.5.1 主分量分析原理
4.5.2 熱波圖像序列主分量分析法
4.6 精密脈沖相位處理法
4.6.1 脈沖相位法存在的問題
4.6.2 基于復(fù)調(diào)制z00m-F兀、算法的實(shí)現(xiàn)
4.6.3 精密相位的實(shí)現(xiàn)
4.6.4 應(yīng)用實(shí)例
4.7 小結(jié)
參考文獻(xiàn)
第五章 熱波圖像序列的配準(zhǔn)與增強(qiáng)技術(shù)
5.1 圖像配準(zhǔn)技術(shù)
5.1.1 常見圖像配準(zhǔn)方法
5.1.2 圖像配準(zhǔn)的基本框架
5.2 熱波圖像序列的配準(zhǔn)
5.2.1 熱波圖像序列的幾何形變及配準(zhǔn)策略
5.2.2 熱波圖像序列拼接配準(zhǔn)策略
5.3 基于遺傳算法的熱波圖像序列配準(zhǔn)
5.3.1 遺傳算法的改進(jìn)策略
5.3.2 基于灰度值修正權(quán)值的反距離插值技術(shù)
5.3.3 基于多種群自適應(yīng)遺傳算法的熱波圖像序列配準(zhǔn)
5.3.4 配準(zhǔn)實(shí)驗(yàn)結(jié)果分析
5.4 熱波圖像增強(qiáng)的一般方法和評(píng)估標(biāo)準(zhǔn)
5.4.1 圖像時(shí)域增強(qiáng)
5.4.2 圖像頻域增強(qiáng)
5.4.3 圖像質(zhì)量評(píng)估標(biāo)準(zhǔn)
5.5 基于高頻強(qiáng)調(diào)濾波的熱像序列增強(qiáng)方法
5.5.1 高頻強(qiáng)調(diào)濾波方法的原理
5.5.2 實(shí)驗(yàn)與結(jié)果分析
5.6 基于同態(tài)增晰技術(shù)的熱像序列增強(qiáng)方法
5.6.1 同態(tài)增晰熱像增強(qiáng)原理
5.6.2 實(shí)驗(yàn)及結(jié)果分析
5.7 基于微分的熱波圖像序列增強(qiáng)方法
5.7.1 基于一階微分熱波圖像灰度翻轉(zhuǎn)前后相減的圖像增強(qiáng)方法
5.7.2 基于二階微分溫度對(duì)比度圖像灰度翻轉(zhuǎn)前后相減的圖像增強(qiáng)方法
5.8 小結(jié)
參考文獻(xiàn)
第六章 熱波圖像序列信息的融合與分離技術(shù)
6.1 概述
6.2 圖像融合技術(shù)
6.2.1 圖像融合的定義及層次
6.2.2 圖像融合的一般方法
6.3 基于圖像差值的融合方法
6.3.1 差值圖像的處理
6.3.2 融合系數(shù)的確定
6.3.3 基于遺傳算法的熱波圖像序列融合
6.3.4 實(shí)驗(yàn)結(jié)果分析
6.4 基于小波變換的融合方法
6.4.1 熱波圖像的小波變換
6.4.2 熱波圖像的融合及融合規(guī)則
6.4.3 基于小波變換的熱波圖像區(qū)域融合
6.4.4 實(shí)驗(yàn)及結(jié)果分析
6.5 熱波圖像序列盲分離技術(shù)
6.5.1 熱像盲源分離基礎(chǔ)
6.5.2 基于BSS的熱波圖像數(shù)據(jù)處理方法
6.5.3 實(shí)驗(yàn)結(jié)果及分析
6.6 基于小波變換的熱波圖像序列盲分離方法
6.6.1 單幀熱波圖像小波變換的BSS分析法
6.6.2 多幀熱波圖像小波變換的BSS分析法
6.6.3 基于虛擬通道的小波變換BSS分析法
6.7 本章小結(jié)
參考文獻(xiàn)
第七章 熱波圖像分割技術(shù)
7.1 熱波探傷的圖像分割概述
7.2 經(jīng)典圖像分割方法
7.2.1 閾值分割方法
7.2.2 類間方差閾值分割方法
7.3 基于數(shù)學(xué)形態(tài)學(xué)的圖像分割方法
7.3.1 數(shù)學(xué)形態(tài)學(xué)基本思想及運(yùn)算規(guī)則
7.3.2 基于分水嶺的圖像分割方法
7.3.3 基于分水嶺的熱波探傷圖像分割
7.3.4 結(jié)論
7.4 基于邊緣檢測(cè)的熱圖像分割
7.4.1 梯度邊緣檢測(cè)
7.5 基于改進(jìn)遺傳算法的二維最大類間方差熱圖像分割
7.5.1 二維最大類間方差算法
7.5.2 算法實(shí)現(xiàn)的步驟
7.5.3 實(shí)驗(yàn)結(jié)果
7.6 基于人工免疫技術(shù)的熱波圖像處理
7.6.1 二維最小Tsallis交叉熵
7.6.2 基于人工免疫算法的分割閩值優(yōu)化
7.6.3 結(jié)果分析
7.7 基于尖點(diǎn)突變理論的紅外熱圖像損傷邊緣檢測(cè)與分割
7.8 基于粒子群優(yōu)化模糊聚類的紅外熱圖像分割
7.8.1 粒子群算法
7.8.2 模糊聚類算法
7.8.3 基于粒子群優(yōu)化的模糊聚類算法
7.8.4 實(shí)驗(yàn)結(jié)果與分析
7.9 本章小結(jié)
參考文獻(xiàn)
第八章 熱波圖像的缺陷特征提取及定量識(shí)別
8.1 缺陷形狀的圖像識(shí)別
8.1.1 規(guī)則圖形的識(shí)別
8.1.2 復(fù)雜圖形的識(shí)別
8.1.3 改進(jìn)的圖形識(shí)別算法
8.1.4 復(fù)雜圖形的尺寸提取
8.2 缺陷尺寸（大?。┳R(shí)別
8.2.1 二值鏈碼技術(shù)
8.2.2 缺陷大小的測(cè)量
8.3 基于最佳檢測(cè)時(shí)間的缺陷深度測(cè)量
8.3.1 導(dǎo)熱系數(shù)比較小的材料（非金屬或復(fù)合材料）缺陷深度的判別
8.3.2 導(dǎo)熱系數(shù)較大的金屬材料的缺陷深度的判斷方法
8.3.3 多元非線性回歸求缺陷深度
8.4 基于BP神經(jīng)網(wǎng)絡(luò)的缺陷定量識(shí)別
8.4.1 BP神經(jīng)元的傳遞函數(shù)
8.4.2 BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)及算法
8.4.3 基于BP神經(jīng)網(wǎng)絡(luò)的缺陷定量識(shí)別
8.5 缺陷三維顯示和重建
8.5.1 缺陷的三維顯示
8.5.2 缺陷的三維重建
8.6 本章小結(jié)
參考文獻(xiàn)