飛機蒙皮表面缺陷特征提取算法

陳戈珩， 吳天華， 胡明輝

（長春工業(yè)大學計算機科學與工程學院，吉林長春 130012）

0 引 言

飛機蒙皮是飛機表面一層鋁合金金屬，是使飛機保持良好氣動外形的重要結構。飛行過程中，蒙皮時刻受到變化的外界壓力，鉚釘與蒙皮結合處易出現(xiàn)縫隙，長期如此潮氣進入縫隙，易產(chǎn)生腐蝕性裂紋，因其導致的空難事故全世界曾有發(fā)生。

目前，隨著機器視覺技術發(fā)展，利用機器代替人眼可以做出方便、準確的檢測和判斷［1］。文中在機器視覺的基礎上，針對鉚釘附近蒙皮腐蝕的特點，采用改進的內距均值法［2］提取腐蝕特征信息，該方法能夠確定腐蝕鉚釘中心、半徑、腐蝕方向，計算出分離度、腐蝕程度、腐蝕趨勢等特征參數(shù)，進而區(qū)分腐蝕等級，輔助實現(xiàn)飛機蒙皮缺陷的自動檢測，此應用對提高飛機的安全性有重大的意義。

鉚釘附近蒙皮腐蝕檢測方案如圖1所示。

圖1 鉚釘附近蒙皮腐蝕檢測方案

1 圖像預處理

圖像預處理流程如圖2所示。

圖2 圖像預處理流程

圖像預處理照片如圖3所示。

圖3 圖像預處理照片

圖3（a）為攝像頭所采集到的蒙皮原始圖像，圖中3個鉚釘均有輕微腐蝕；圖3（b）采用了閾值法（取閾值140）對圖像進行二值化處理［3］。在圖3（b）中發(fā)現(xiàn)了少量噪音，為了消除噪音，采用形態(tài)學處理法對圖片進行開環(huán)與閉環(huán)處理，結果見圖3（c）；圖3（d）是邊緣提取后效果，但圖中包含了3個鉚釘?shù)倪吔?，需要提取單獨鉚釘?shù)奶卣餍畔?，所以采用八鄰域分割方式對圖像進行區(qū)域分割，提取單個鉚釘?shù)倪吔纾?］。

2 利用改進的內距均值法確定鉚釘中心與半徑

鉚釘中心與半徑的確定是特征提取的核心，通過鉚釘中心與半徑可以估算正常鉚釘?shù)膮^(qū)域，進而識別腐蝕區(qū)域，確定鉚釘周圍腐蝕程度。圖像中心與半徑的確定方法有多種，其中一種基于內距均值法［5］，能夠很好地適用于鉚釘周圍腐蝕情況。但是，內距均值法不適用于腐蝕較嚴重的不規(guī)則圖形，并且不能判斷腐蝕的趨勢，如果蒙皮上兩相鄰鉚釘腐蝕趨勢相交，將會是重大的安全隱患。為解決上面提到的問題，文中提出了一種新的內距均值法，使其能夠適用于腐蝕較嚴重的不規(guī)則圖形，并且能夠判斷出腐蝕的趨勢。

鉚釘半徑［6］與中心的確定如圖4所示。

具體的內距均值法改進算法步驟如下：

1）對預處理得到的單個鉚釘邊界圖像求最小外接矩陣，求出目標區(qū)域最大的水平與垂直邊界內距Lmax，Wmax，設閾值TH＝min（0.5Lmax，0.5Wmax）。

2）在圖像左右兩端垂直方向做垂線，與邊界相交于A，B，C，D，過A，B，C，D點做水平線與邊界相交于A′，B′，C′，D′，見圖4（b）。AB，CD同時向中間移動，求出最先滿足AB＞TH，max（AA′，BB′）＞TH的線段AB和滿足CD＞TH，max（CC′，DD′）＞TH的CD，求出AB，CD的橫坐標，記做Xab，Xcd。

3）同理，在圖像上下兩端水平方向做水平線，與邊界相交于E，F(xiàn)，G，H，過E，F(xiàn)，G，H做垂線與邊界相交于E′，F(xiàn)′，H′，I′，見圖4（b）。EF，GH同時向中間移動，求出最先滿足EF＞TH，max（EE′，F(xiàn)F′）＞TH的線段EF和滿足GH＞TH，max（GG′，HH′）＞TH的線段GH，求出EF，HI的縱坐標，記做Yef，Ygh。

4）檢測到的鉚釘中心O：［1／2（Xab＋Xcd），1／2（Xef＋Ygh）］。

5）計算中心O點到A，B～H點的距離，記做l1～l8。鉚釘區(qū)域半徑為：R＝min（l1，l2，l3～l8）。

6）以O為圓心，順時針以22.5°為間隔取得一個16方向的星狀矢量X（O1，O2，O3～O16），星狀矢量中比鉚釘半徑長的一個或多個矢量體現(xiàn)了腐蝕的趨勢，見圖4（c）。

3 提取腐蝕特征信息［7－8］

3.1 腐蝕度（K）

腐蝕度描述鉚釘周圍的腐蝕程度。圖像預處理后的特征區(qū)域面積為M1，鉚釘面積為M2，可得腐蝕面積為M1－M2，腐蝕程度K＝（M1－M2）／M2×100%，根據(jù)公式計算出圖4（a）腐蝕度K＝（78 543－61 544）／61 544×100%＝27.6%。

3.2 分離度（C）

分離度表示特征區(qū)域的緊湊程度，分散度越小，特征區(qū)域越緊湊，反之，特征區(qū)域越分散，腐蝕越嚴重［9］。L為特征區(qū)域周長，M特征區(qū)域為面積，分散度C＝L2／M2，根據(jù)公式求圖4（a）分離度C＝10 232／61 544＝17。

3.3 腐蝕趨勢（F）

腐蝕趨勢表示腐蝕的方向性。Fi＝‖Oi‖／R，式中Oi表示16個方向星狀矢量中某一矢量，R為測得的鉚釘半徑，F(xiàn)i越大則表示這個方向的腐蝕較為嚴重，也就是此鉚釘?shù)母g趨勢，根據(jù)公式求圖4（a）嚴重的腐蝕趨勢為F1，F(xiàn)3，F(xiàn)7。

4 結果分析

圖4（a）中鉚釘腐蝕較嚴重，鉚釘中心實際坐標（203，248），半徑141；圖4（c）中間的點是內均值算法檢測到的鉚釘中心，坐標（234，263），半徑為153；圖4（c）中另一個點是改進算法檢測到的鉚釘中心，坐標（195，236），半徑為137。

中心偏離度公式：

式中：R——鉚釘?shù)膶嶋H半徑；

d——檢測到的中心（y1，y2）與實際鉚釘中心（x1，x2）的距離。

根據(jù)中心偏離度公式計算出內距均值法的中心偏離程度為35.67%，改進算法的中心偏離程度為13.79%。

可見，利用改進算法檢測到的不規(guī)則腐蝕區(qū)域中心坐標與半徑的精確度較高，提取的特征參數(shù)也更準確。

［1］ 唐向陽，張勇，李江有，等.機器視覺關鍵技術的現(xiàn)狀及應用展望［J］.昆明理工大學學報：理工版，2004，29（2）：36-39.

［2］ 赫振華.飛機蒙皮裂紋的數(shù)學形態(tài)學識別方法［J］.中國民航大學學報，2009，27（6）：5-8.

［3］ 王耀南.計算機與圖像處理與識別技術［M］.北京：高等教育出版社，2001.

［4］ 王慧明，史萍.圖像紋理特征的提取方法［J］.中國傳媒大學學報：自然科學版，2006，13（1）：12-15.

［5］ 高慶吉，王少輝.基于分形關聯(lián)維數(shù)的飛機蒙皮腐蝕特征提取算法［J］.計算機應用，2010，30（1）：137-139.

［6］ 沈庭芝，方子文.數(shù)字圖像處理及模式識別［M］.北京：北京理工大學出版社，1998.

［7］ 何東健.數(shù)字圖像處理［M］.西安：西安電子科技大學出版社，2008.

［8］ Rafael C Gonzalez.Digital image processing using MATLAB［M］.北京：電子工業(yè)出版社，2005.

［9］ 秦襄培，鄭賢中.MATLAB圖像處理寶典［M］.北京：電子工業(yè)出版社，2011.