-
公开(公告)号：CN116523755A
公开(公告)日：2023-08-01
申请号：CN202310543136.6
申请日：2023-05-15
Applicant: 电子科技大学
IPC: G06T3/40 , G06T7/00 , G06N3/0464 , G06N3/08
Abstract: 本发明基于红外成像物理核的缺陷超分辨率检测方法，先通过实验系统采集得红外缺陷图像序列，在通过特征提取算法进行预处理得到单张红外低分辨率原始图像。将红外低分辨率原始图像结合根据热像仪成像过程推导的调制传递函数，建立缺陷图像的物理模糊核，然后将缺陷红外图像的物理模糊核和低分辨率图像输入迭代矫正网络中，进行循环估计高分辨率图像，达到预设的循环次数后，得到最终重建的高分辨率图像，实现整体图像质量的提升，缺陷处对比度的提升，提高缺陷检出率。与现有技术相比，本发明基于成像过程的模糊核，建立图像的模糊核，能够有效地覆盖红外图像真实的退化降质原因，实现整体图像质量的提升，提高了缺陷检出率。
-
公开(公告)号：CN112508853B
公开(公告)日：2022-03-25
申请号：CN202011270453.8
申请日：2020-11-13
Applicant: 电子科技大学 , 成都飞机工业(集团)有限责任公司
Abstract: 本发明公开了一种时空特征提取的红外热图像缺陷检测及量化方法，通过三维时空特征提取及融合模型提取热图像序列的空间和时间特征，并对提取到的特征加权融合，再与序列化主成分分析层提取得到的特征进行融合，根据训练好的权重预测出每一个像素点所属类别的概率，构成概率二值输出图，最终实现缺陷位置的自动检测及量化。
-
公开(公告)号：CN112508853A
公开(公告)日：2021-03-16
申请号：CN202011270453.8
申请日：2020-11-13
Applicant: 电子科技大学 , 成都飞机工业(集团)有限责任公司
Abstract: 本发明公开了一种时空特征提取的红外热图像缺陷检测及量化方法，通过三维时空特征提取及融合模型提取热图像序列的空间和时间特征，并对提取到的特征加权融合，再与序列化主成分分析层提取得到的特征进行融合，根据训练好的权重预测出每一个像素点所属类别的概率，构成概率二值输出图，最终实现缺陷位置的自动检测及量化。
-
公开(公告)号：CN116542950A
公开(公告)日：2023-08-04
申请号：CN202310546294.7
申请日：2023-05-15
Applicant: 电子科技大学
IPC: G06T7/00 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了基于热光流时空修正学习的红外缺陷检测方法、系统及终端，属于无损检测技术领域，包括：获取缺陷区域的热扩散特征信息图、位置特征信息图；多级深度融合解码处理：将热扩散特征信息图、位置特征信息图按像素点位置直接叠加，得到第一融合特征图；将第一融合特征图分别与热扩散特征信息图、位置特征信息图叠加；将两次叠加分别得到的特征图共同作为下一级解码输入；重复上述解码处理步骤，得到最终缺陷融合信息。本发明融合处理能够使缺陷的热扩散信息、位置信息相互指导修正，以此保证缺陷检测检出率；同时，通过特征信息图叠加操作保留并突出与缺陷相关的特征信息，提高了缺陷区域的对比度，进而提高了缺陷检测准确性。
-
Patent Agency Ranking
公开(公告)号：CN112233068B
公开(公告)日：2023-04-18
申请号：CN202011001986.6
申请日：2020-09-22
Applicant: 电子科技大学 , 成都飞机工业(集团)有限责任公司
Abstract: 本发明公开了一种交替卷积全变分正则化张量分解的红外成像缺陷检测方法，先采集热图像序列，再将每一帧热图像看作一个三阶张量，并分解为低秩张量和稀疏张量之和；然后建立待优化的拉格朗日目标函数，通过使用张量奇异值阈值和张量奇异值分解方法求得低秩张量，通过使用软阈值函数求得稀疏张量，对对偶变量进行基于交替卷积的全变分正则化方法求得对偶变量降噪后的结果，采用交替迭代的方法更新，直到收敛，停止迭代，从而求解出缺陷增强后的热图像序列，从而实现红外热成像的缺陷检测。
-
公开(公告)号：CN112150432A
公开(公告)日：2020-12-29
申请号：CN202011000748.3
申请日：2020-09-22
Applicant: 电子科技大学 , 成都飞机工业(集团)有限责任公司
Abstract: 本发明公开了一种基于生成对抗网络的光激励红外无损检测方法，先通过光激励红外热成像无损检测系统在含有缺陷的被测试件上获取原始红外热图像序列，再对原始红外热图像序列进行预处理，形成训练数据集和标签数据集，然后搭建并训练改进型生成对抗网络和判别网络，最后能够实时对不同的两种试件的缺陷进行分割，且分割的效果比现有模型更好。
-
公开(公告)号：CN114166850B
公开(公告)日：2023-06-09
申请号：CN202111448558.2
申请日：2021-11-30
Applicant: 电子科技大学 , 成都飞机工业(集团)有限责任公司
Abstract: 本发明公开了一种基于差分张量分解的光激励红外热成像缺陷检测方法，先通过实验系统采集红外热图像序列，通过小波分解保留低频图像去除噪声后，再将热图序列看作一个三阶张量，分解为低秩张量、稀疏张量和噪声张量之和；建立目标函数，通过不同秩下的Tucker分解结果进行差分得到的结构之间的差异信息提取图像序列的前景部分即缺陷信息，然后引入概率张量来纠正潜在的不匹配模式，求解出提取缺陷后的热图像序列，从而实现红外热成像的缺陷检测，提高缺陷检出率。
-
公开(公告)号：CN114166850A
公开(公告)日：2022-03-11
申请号：CN202111448558.2
申请日：2021-11-30
Applicant: 电子科技大学 , 成都飞机工业(集团)有限责任公司
Abstract: 本发明公开了一种基于差分张量分解的光激励红外热成像缺陷检测方法，先通过实验系统采集红外热图像序列，通过小波分解保留低频图像去除噪声后，再将热图序列看作一个三阶张量，分解为低秩张量、稀疏张量和噪声张量之和；建立目标函数，通过不同秩下的Tucker分解结果进行差分得到的结构之间的差异信息提取图像序列的前景部分即缺陷信息，然后引入概率张量来纠正潜在的不匹配模式，求解出提取缺陷后的热图像序列，从而实现红外热成像的缺陷检测，提高缺陷检出率。
-
公开(公告)号：CN112233068A
公开(公告)日：2021-01-15
申请号：CN202011001986.6
申请日：2020-09-22
Applicant: 电子科技大学 , 成都飞机工业(集团)有限责任公司
Abstract: 本发明公开了一种交替卷积全变分正则化张量分解的红外成像缺陷检测方法，先采集热图像序列，再将每一帧热图像看作一个三阶张量，并分解为低秩张量和稀疏张量之和；然后建立待优化的拉格朗日目标函数，通过使用张量奇异值阈值和张量奇异值分解方法求得低秩张量，通过使用软阈值函数求得稀疏张量，对对偶变量进行基于交替卷积的全变分正则化方法求得对偶变量降噪后的结果，采用交替迭代的方法更新，直到收敛，停止迭代，从而求解出缺陷增强后的热图像序列，从而实现红外热成像的缺陷检测。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.021 seconds)
