申请/专利权人：四川沐迪圣科技有限公司

申请日：2020-12-31

公开（公告）日：2024-05-03

公开（公告）号：CN112782226B

主分类号：G01N25/72

分类号：G01N25/72;G06V10/80;G06V10/772;G06T7/00

优先权：

专利状态码：有效-授权

法律状态：2024.05.03#授权;2021.05.28#实质审查的生效;2021.05.11#公开

摘要：本发明公开了一种光激励红外热成像无损检测方法、系统、存储介质及终端，属于光激励红外检测技术领域，方法包括：基于L4范数建立对矩阵Y进行稀疏表示的优化目标函数，并通过交替迭代的方式求解优化目标函数，进而得到稀疏系数矩阵X；将稀疏系数矩阵X逆矩阵化，得到缺陷信息增强后的图像序列。本发明基于L4范数建立对矩阵Y进行稀疏表示的优化目标函数，由于L4范数的特殊性质，使得基于L4范数的稀疏字典学习算法更易获得与真实字典相近的字典，从而更好的恢复数据的稀疏表示，更好的提取弱缺陷信息，提高了缺陷检测准确率。

主权项：1.一种光激励红外热成像无损检测方法，其特征在于：所述方法包括：基于L4范数建立对矩阵Y进行稀疏表示的优化目标函数，并通过交替迭代的方式求解优化目标函数，进而得到稀疏系数矩阵X；将稀疏系数矩阵X逆矩阵化，得到缺陷信息增强后的图像序列；所述优化目标函数具体为： Y＝DX,DTD＝I,X～iidBGθ其中，||·||4表示L4范数，||·||F表示Frobenius范数，X～iidBGθ表示稀疏系数矩阵X服从伯努利-高斯分布，θ是系数，用来控制X矩阵的稀疏程度，稀疏系数矩阵X∈Rk×p，P∈SPk代表符号排列矩阵，矩阵A∈Rk×f是全局最大化器，I∈Rk×k是单位矩阵，C和ε是阈值参数；D∈Rf×k是字典矩阵，k代表特征数；通过交替迭代的方式求解优化目标函数具体为：设置迭代次数q，q＝1,2,...Q，Q表示最大迭代次数；初始化A0＝[eyek,k；zerosf-k,k]；计算的导数得到根据对进行SVD分解，其中，SVD·代表奇异值矩阵分解，U∈Rk×k是左奇异矩阵，V∈Rf×f是右奇异矩阵，Σ∈Rk×f是奇异值矩阵；更新Aq+1为Aq+1＝UV*；更新迭代次数q←q+1，直至q＝Q，得到稀疏系数矩阵XAQY；所述基于L4范数建立对矩阵Y进行稀疏表示的优化目标函数前还包括：获取被测试件的红外热图序列Z；将Z的每帧按行依次取每个像素点的像素值，再按取值顺序垂直排列，并将垂直排列后的每帧红外热图依次排列，构架出一个新矩阵并转置，将转置后的矩阵记为Y；所述获取被测试件的红外热图序列Z还包括：将红外热图序列Z的每一帧红外热图像进行小波分解，仅保留低频部分，得到新的红外热图序列Z’，再将红外热图序列Z’矩阵化得到矩阵Y。

全文数据：

权利要求：

百度查询： 四川沐迪圣科技有限公司 光激励红外热成像无损检测方法、系统、存储介质及终端

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD