针对射线检测图像的高噪声、低对比度、图像模糊等特点，提出了一种射线图像的自适应多尺度积阈值降噪算法，解决了常用射线检测图像降噪算法存在的降噪效果差、图像模糊、缺陷边缘和细节丢失等问题。该算法利用噪声估计、多尺度、积阈值、小波等方法对射线检测图像进行降噪处理，获得了高质量的降噪图像。以实际的工业焊缝射线检测图像为例，将所提算法与常用的小波降噪、中值滤波、维纳滤波、小波中值等算法进行降噪对比研究。试验结果表明，所提算法不仅具有优异的降噪性能，而且能够较好地保留缺陷图像边缘、细节等重要特征。

所属栏目

试验研究中北大学自然科学研究基金资助项目（XJJ2016007，XJJ2017006）；山西省应用基础研究资助项目（201701D221167）

收稿日期

2018/4/9

作者单位

李建素:中北大学 机械工程学院, 太原 030051
党长营:中北大学 机械工程学院, 太原 030051
曾志强:中北大学 机械工程学院, 太原 030051
王日俊:中北大学 机械工程学院, 太原 030051

联系人作者

党长营(dangchangying@163.com)

备注

李建素(1986-),博士,讲师,主要从事无损检测、光电检测、数字全息等方面的科研和教学工作

引用该论文:

LI Jiansu,DANG Changying,ZENG Zhiqiang,WANG Rijun.Radiographic Testing Image Denoising Algorithm Using Adaptive Multiscale Product Threshold[J].Nondestructive Testing,2018,40(9):22～27
李建素,党长营,曾志强,王日俊.射线检测图像的自适应多尺度积阈值降噪算法[J].无损检测,2018,40(9):22～27

参考文献

【1】

DANG C Y, GAO J M, WANG Z, et al. A novel method of detecting weld defects accurately and reliably in radiographic images[J]. Insight, 2016, 58(1):28-34.

【2】

党长营,高建民. 射线检测缺陷识别方法研究及应用[D]. 西安:西安交通大学, 2016.

【3】

DANG C Y, GAO J M, WANG Z, et al. Multi-step radiographic image enhancement conforming to weld defect segmentation[J]. IET Image Processing, 2015, 9(11):943-950.

【4】

MALARVEL M, SETHUM G, BHAGI P C, et al. Anisotropic diffusion based denoising on X-radiography images to defect weld defects[J].Digital Signal Processing, 2017, 68:112-126.

【5】

赵月萍,王明泉. X射线图像动态降噪技术的研究[D]. 太原:中北大学, 2011.

【6】

AZARI M A, RANGARAJAN L. Classification of welding defects in radiographic images[J]. Pattern Recognition and Image Analysis, 2017, 26(1):54-64.

【7】

张文革, 刘芳, 高新波, 等. 一种自适应多尺度积阈值的图像去噪算法[J]. 电子与信息学报, 2009,31(8):1779-1785.

【8】

申清明,高建民. 射线检测缺陷类型识别方法研究[D]. 西安:西安交通大学,2011.

【9】

MU W, GAO J M, JIANG H Q, et al. A radiographic image quality assessment algorithm based on network topology analysis[J]. Insight, 2014, 56(1):10-14.