آشكارسازي عيوب و بهبود وضوح تصاوير راديوگرافي با استفاده از روش صافي انتشاري غير خطي

Defect Detection and Contrast Improvement of Radiographic Images using Nonlinear Diffusion Filter Method

چكيده: استفاده از روش هاي پردازش تصوير براي استخراج عيوبي مانند ترك و تخلخل از تصاوير راديوگرافي صنعتي كه نويز زياد و وضوح كمي دارند، بسيار مفيد است. با توجه به اين كه در تصاوير راديوگرافي، عيوب به شكل تغييرات مقادير اجزاي تصوير ديده ميشوند، روشهاي مبتني بر بهبود گراديان در اين تصاوير مي توانند در مشخص كردن عيوب كمك كنند. در اين پژوهش، نشان داده ميشود كه به كارگيري روشهاي مختلف استخراج گراديان مانند سوبل، پرويت و صافي انتشاري غيرخطي، در بهبود لبه ها و آشكارسازي عيوب مفيد است. روش صافي انتشاري غيرخطي به ضريب بازگشتي k بستگي و انتخاب آن در صاف كردن لبه ها تأثير زيادي دارد. با توجه به اين ويژگي، در اين پژوهش برخلاف روش هاي متداول شناسائي لبه، با به كارگيري مستقيم روش لبه ها، بهبود حاصل نمي شود، بلكه با تكرار روش و صاف كردن لبه ها، تصاوير واسطه اي به دست مي آيند. در نهايت با كم كردن تصوير واسطه ي حاصل از به كارگيري روش صافي انتشاري غير خطي از تصوير اصلي راديوگرافي، عيوب تصوير كه در گراديانهاي تصوير وجود دارند، استخراج مي شوند. اين الگوريتمها بر روي چندين تصوير راديوگرافي صنعتي آزمايش شده است. نتايج نشان مي دهند كه روش ارائه شده در مقايسه با روش هاي سوبل و پرويت كه بر اساس گراديانهاي محلي هستند عملكرد بهتري دارد و نظر مفسرين فيلم هاي راديوگرافي نيز اين نتيجه را تأييد مي كند.

Abstract: Image prosseing methods is useful for extraction of the defects such as porosity, slag and crack in the noisy and low contrast industrial radiography images. It is noticeable that the defects appear as the gradients in pixel values, therefore, the gradient based method can help to detect the defects. In this research, different methods of gradient extraction such as Soble, Perwitt and the nonlinear diffusion filter were implemented and tried to improve the edges and the defect detection. The nonlinear diffusion filter method depends on diffusion coefficient, k, and the chosen value for k can affect the exact smoothing of the edges. Thus, in this attempt, by the use of a new approach, in comparison with the conventional edge finder methods, a nonlinear diffusion filter method is repeated and the edges are smoothed in the obtained images. Then, the defects in the gradient of images are extracted by substracting the original image from the obtained image. The mentioned methods were implemented in different radiography images. The results show that the proposed method in comparison with local gradient ones such as Sobel and Perwitt methods has superiority over different radiographic images as confirmed by the radiography film interpreters