(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210562565.3 (22)申请日 2022.05.23 (71)申请人 中国空气动力研究与发展中心超高 速空气动力研究所 地址 621000 四川省绵阳市涪城区二环路 南段6号 (72)发明人 黄雪刚　雷光钰　罗健浩　殷春　 王文　石安华　于哲峰　罗庆　 (74)专利代理 机构 绵阳远卓弘睿知识产权代理 事务所(普通 合伙) 51371 专利代理师 张忠庆 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/11(2017.01) G06T 7/13(2017.01)G06V 10/762(2022.01) (54)发明名称 一种航天器可视化损伤检测效果评价方法 (57)摘要 本发明公开了一种航天器可视化损伤检测 效果评价方法， 包括： 采集红外热图像序列， 获取 缺陷红外重构图像； 得到缺陷特征识别图像； 设 置缺陷提取准确率评价指标； 评价缺陷特征识别 图像提取的缺陷区域的准确率； 评价缺陷提取完 整性； 识别图像中缺陷边缘轮廓特征提取情况； 综合评价缺陷特征识别图像的缺陷表征能力； 基 于缺陷特征识别图像综合性能评价结果对缺陷 检测能力进行评判； 重新提取识别缺陷特征； 分 别对各类型损伤特征进行定量计算； 定量计算各 类型损伤的面积、 周长、 长径和短径特征。 本发明 提高了对超高速撞击形成的复杂多类型损伤的 适用性和检测精度， 增强了缺陷特征提取图像对 缺陷的表征能力， 提高了 定量计算的准确性。 权利要求书5页 说明书13页 附图3页 CN 115115579 A 2022.09.27 CN 115115579 A 1.一种航天器可视化损伤检测效果评价方法， 其特 征在于， 包括以下步骤： 步骤一、 采集红外热图像序列， 利用红外热图像序列处理技术获取缺陷红外重构图像； 对红外重构图像进行图像处 理， 得到缺陷特 征识别图像Igc； 步骤二、 设置缺陷提取准确率评价指标， 通过提取的缺陷区域中像素点的划分情况来 评价缺陷特征识别图像Igc提取的缺陷区域的准确率； 步骤三、 设置缺 陷提取完整性评价指标， 引入Dice系数指标和Jaccard系数指标来评价 缺陷提取完整性； 步骤四、 设置缺陷轮廓提取准确性评价指标， 选择平均豪斯多夫距离来表征缺陷特征 识别图像Igc中缺陷边 缘轮廓特 征提取情况； 步骤五、 根据步骤二～步骤四设计的关于缺陷提取完整性、 缺陷提取准确率和缺陷轮 廓提取准确性 三个方面的评价指标， 综合评价 缺陷特征识别图像Igc的缺陷表征能力； 步骤六、 基于缺陷特征识别图像综合性能评价结果对缺陷检测能力进行评判： 如果有T ＞σ， 其中， σ 为检测能力判别阈值， 则认为当前缺陷特征识别结果较好； 否则认为特征识别 结果不可信， 返回步骤一调整图像处 理方案， 重新 提取识别缺陷特 征； 步骤七、 基于步骤六的缺陷特征识别性能的评价结果， 在当前检测方案对缺陷特征识 别性能比较好的情况下， 分别对各类型损伤特征进行定量计算； 定量计算各类型损伤的面 积、 周长、 长径和短径特 征。 2.如权利要求1所述的航天器可视化损伤检测效果评价方法， 其特征在于， 所述步骤二 中， 评价缺陷提取准确率的精确度指标s1(x)计算公式为： 其中， x是缺陷特征识别图像Igc的数据矩阵； N[Igc(x)]表示缺陷特征识别图像Igc中 损伤区域像素点的数目； Nc[Igc(x)]表示缺陷特征识别图像Igc中划分正确的损伤区域像 素点的数目； 精确度指标计算结果越大， 说明缺陷提取的准确率越高。 3.如权利要求1所述的航天器可视化损伤检测效果评价方法， 其特征在于， 所述步骤三 的具体步骤包括： 设置缺陷提取完整性评价指标， 在评价缺陷特征识别图像Igc提取的缺陷 区域的完整性时， 既要考虑到提取 的缺陷区域的准确 率的同时， 还需要考虑背景区域是否 存在未被提取出来的属于缺陷区域的像素点； 引入Dice系数指标和Jaccard系数指标来评 价缺陷提取完整性； Dice系数是一种集合相似度度量函数， 通过Dice系数， 基于缺陷特征识 别图像Igc提取 的缺陷区域对缺陷特征识别结果的查准率和查全率进行评价； 评价缺陷提 取完整性的Dice系数指标s2(x)计算公式为： 其中， x是缺 陷特征识别图像I gc的数据矩阵； Ir是缺陷特征识别图像Igc的参考图像； | Igc(x)∩Ir(x)、 |Igc(x)|和|Ir(x)|表示图像对应的数据矩阵中， 各位置的像素值之和； ∩ 表示图像数据矩阵之间的点乘； Dice系数指标计算结果越大， 说明缺陷特征提取的完整性 越好；权　利　要　求　书 1/5 页 2 CN 115115579 A 2Jaccard系数主要用于计算对象间距离， 用于数据聚类； 缺陷特征识别图像Igc是一个 提取出了缺陷特征 的二值图像， 从本质上来说， 提取缺陷特征 的过程与数据聚类的原理是 相似的； 所有， 利用J accard系数， 从损伤区域面积来度量缺陷特征识别结果的完整性； 评价 缺陷提取完整性的Jac card系数指标s3(x)计算为： 其中， x是缺陷特征识别图像Igc的数据矩阵； Ir是缺陷特征识别图像Igc的参考图像； ∩表示图像数据 矩阵之间的点乘； J accard系数指标计算结果越大， 说明缺陷特征提取的完 整性越好。 4.如权利要求1所述的航天器可视化损伤检测效果评价方法， 其特征在于， 所述步骤四 设置缺陷轮廓提取准确性评价指标的具体方法包括： 在对缺陷特征识别图像Igc进行评价 时， 不仅要考虑损伤区域的划分， 还需要考虑缺陷边缘轮廓的提取准确度； 通过豪斯多夫距 离来评价缺陷特征识别图像Igc中缺陷边缘轮廓的提情况； 考虑到噪声在红外重构图像处 理中非常常见， 直接使用豪斯多夫距离表征缺陷轮廓提取情况误差比较大， 这里选择了平 均豪斯多夫距离来表征缺陷特征识别图像Igc中缺陷边缘轮廓特征提取情况； 评价缺陷轮 廓提取准确性的平均豪斯多夫距离指标s3(x)计算公式为： s4(x)＝max{d[Igc(x),Ir(x)],d[Ir(x),Igc(x)]} 其中， x是缺陷特征识别图像Igc的数据矩阵； Ir是缺陷特征识别图像Igc的参考图像； 表示缺陷特征识别图像Igc的边缘轮廓集合到参考 图像Ir的边缘轮廓集合的平均豪斯多夫距离； xi是Igc缺陷边缘轮廓集合中的像素点； xj是 Ir边缘轮廓集合中的像素点； ns是缺陷特征识别图像Ig中缺陷边缘轮廓集合中像素点数 目； 表示参考图像Ir的边缘轮廓集合到缺陷特征识 别图像Igc的边缘轮廓集合的平均豪斯多夫距离； ng是参考图像Ir的边缘轮廓集合中数据 点数目； 平均豪斯多夫距离越大， 说明缺陷轮廓特 征提取结果越差 。 5.如权利要求1所述的航天器可视化损伤检测效果评价方法， 其特征在于， 所述步骤五 的具体方法包括： 设置缺陷特 征识别图像Igc的综合评价质量分数为： T＝ω1×s1(x)+ω2×s2(x)+ω3×s3(x)‑ω4×s4(x) 其中， 为各项评价指标的权重系数； s1(x)为评价缺陷特征提取准确率的精 确度指标； s2(x)为评价缺陷特征提取完整性的Dice系数指标； s3(x)为评价缺陷特征提取完 整性的Jaccard系数指标； s4(x)为评价缺陷轮廓提取准确性指标的平均豪斯多夫距离指 标； 由于不同评价指标的侧重点不同， 为了综合评价缺陷特征识别图像Igc在缺陷提取完整 性、 缺陷提取准确率和缺陷轮廓提取准确性三个方面的性能， 引入了多目标优化算法； 利用 多目标优化算法结合权重向量调整的方法来权衡各个指标的性能， 自动设置各指标的加权 系数， 具体步骤 包括： 步骤S51、 设置多目标优化问题： min S(x)＝[s1(x),s2(x),s3(x),s4(x)]T权　利　要　求　书 2/5 页 3 CN 115115579 A 3