摘 要：利用磁光成像系统检测图像的焊缝位置过程中，由于试验环境受到光强度变化及磁场背景噪声的干扰，由磁光传感器采集到的焊缝图像存在退化现象，对微间隙焊缝进行准确检测造成困难，因此需对磁光图像进行图像恢复。研究盲卷积图像恢复方法，对采集的焊缝磁光图像进行恢复处理，经图像恢复后可以更精确地测量焊缝位置。
　　关键词：微间隙焊缝；磁光图像；图像退化；图像恢复
　　0 序 言
　　在激光焊接过程中，实现精确的焊缝跟踪是保证激光焊接质量的重要环节，必须严格控制激光束始终对正焊缝中心位置。由于在激光焊接过程中遇到的间隙小于0.1mm的焊缝，普通方法较难实现对微间隙焊缝的自动检测，因此，研究一种基于磁光成像焊缝位置检测方法。磁光成像检测的原理是结合了法拉第电磁感应和法拉第磁光效应，用激励磁场来感应焊接工件，焊缝使检测区域的磁场分量发生变化并使偏振光的旋转角发生相应变化而产生图像。在实际焊接中，受到焊接现场各种干扰因素的影响，使采集的磁光图像存在退化现象，难以对图像特征进行透彻分析，需对磁光图像进行恢复处理。以激光焊接低碳钢为试验对象，研究焊缝磁光图像盲卷积恢复算法。
　　1 试验条件
　　磁光成像试验设备包括磁光传感器、图像储存器、三轴运动工作台配有夹具、激光器和磁场激励器等。试件距传感器1mm，焊缝宽度0.05mm，焊件运动速度4mm·s-1，摄像速度25f·s-1，焊件尺寸100mm×41mm×1.84mm，外加磁场约12mT ，磁光传感器在焊前采集焊缝磁光图像并存至计算机。
　　2 盲卷积图像恢复算法
　　2.1 算法原理
　　图像恢复的主要任务是从已知的退化图像中重建未退化的原始图像。输入图像f（x，y）经过一个退化算子H（x，y）后和噪声n（x，y）的影响，则产生的退化图像g（x，y）表示为[1]
　　g（x，y） = H[f（x，y）]+ n（x，y） （1）
　　以焊缝磁光图像（图1a）为例说明盲去卷积恢复。以最大概似估计为基础，用随机噪声干扰量进行最优化估计。对式（1）用规定的约束条件并假定收敛时通过迭代求解得到的最大f（x，y）和h（x，y）就是还原的图像和冲击响应函数（PSF）。迭代求解过程用式（2）表示[1]。
　　（2）
　　式中 为经k次迭代后的未退化图像的估计； 为未退化图像的估计。
　　2.2 算法实现
　　在对焊缝磁光图像的盲卷积恢复中，PSF的初始估计为 3×3 的矩阵、迭代次数为20 次且恢复图像与原图像之间的偏离阈值为0.01时，能获得较好的恢复效果。试验结果如图1b所示。
　　3 试验结果分析
　　采用无参照图像质量评价方法：平均梯度测度（G）方法和邻域微分测度（Ql）方法[1]。平均梯度测度反映图像的细节对比度变化特征，邻域微分测度表示一幅图像的清晰度。原始磁光图像G值为0.0052，Ql值为0.0314，焊缝磁光图像恢复后的G值为0.0329，Ql值为0.3885。原始磁光图像经过盲卷积恢复后，图像Ql值增大到原来的约12倍，G值增大到原来的约6倍，焊缝磁光图像经过盲卷积滤波有很好的恢复效果。对焊缝磁光图像进行阈值分割和中值滤波，用Canny算子进行边缘提取，提取焊缝中心平均误差。把原始焊缝磁光图像与恢复后的焊缝磁光图像进行对比，处理结果见表1。
　　根据表1可以看出，经过盲卷积恢复算法，图像恢复后焊缝中心位置与理论焊缝中心位置的平均误差明显变小，说明根据盲卷积法恢复图像后，提高了焊缝检测精度。用盲卷积恢复算法来测量跟踪微间隙焊缝位置有良好的性能。
　　4 结 论
　　针对退化的磁光图像，应用盲卷积方法恢复焊缝磁光图像，图像的平均梯度测度（G）和邻域微分测度（Ql）值有提高，磁光图像质量得到了提高。提取恢复后的焊缝中心位置测量值更接近实际值，焊缝偏差值减小，提高了焊缝位置检测的准确性。
　　参考文献
　　[1] 高向东， 向俊斌， Khalid M. Hafez， 等. 激光深熔焊熔池 X 光图像恢复与特征分析[J]. 焊接学报， 2013，34（2）：1-4.
　　作者简介：题园园（通讯作者），女，研究方向為机器人技术，单位：广州工程技术职业学院。