示溫漆溫度自動判讀技術研究

劉忠奎，葛俊鋒，張羽鵬，張　興

示溫漆溫度自動判讀技術研究

劉忠奎1，葛俊鋒2，張羽鵬1，張興1

（1.（中航工業）沈陽發動機設計研究所，遼寧沈陽110015；2.華中科技大學自動化學院，湖北武漢430074）

在總結國內外示溫漆自動判讀算法研究現狀的基礎上，詳細討論現有算法的優缺點，進一步研究示溫漆的自動判讀技術。通過引用紅外特征的方法，并采用圖像融合將其與示溫漆顏色特征組合成新的圖像數據，然后提取出新的圖像數據的統計特征，采用機器學習算法自動建立等溫線和像素點溫度識別模型，兩種模型相結合用于示溫漆溫度自動判讀，達到提高示溫漆測溫準確度的目的。

示溫漆；自動判讀算法；顏色溫度特性曲線；顏色空間

doi：10.11857/j.issn.1674-5124.2015.09.005

0　引言

示溫漆是一種溫度敏感涂料，其涂敷在物體表面并隨物體溫度變化而改變顏色，實現物體溫度的測量。示溫漆作為一種接觸的、無損害的測溫手段，具有方便、成本低、不受測試位置限制、對試件無影響等優點［1］，廣泛應用在航空領域的溫度測量中。

示溫漆溫度判讀是示溫漆測溫的關鍵，目前主要采用人工判讀的方法［2］，但該方法判讀精度較低。因此，近年來基于圖像處理的示溫漆溫度自動識別方法得到廣泛關注。

國外，最早提出的示溫漆自動判讀方法是基于RGB空間顏色溫度特性曲線的溫度判別方法［3］，針對該方法的缺陷，又提出了消除特性曲線中歧義部分的馬爾科夫隨機場方法［4-5］。2008年Lempereur C等［6］提出了目前最好的示溫漆自動判讀方法，即在Lab空間進行圖像分割，找出與變色點對應的區域，在HSI空間進行像素顏色匹配，用最近鄰法確定每個區域中像素點的溫度。

目前，國內示溫漆自動判讀技術研究主要有在LUV空間建立顏色溫度曲線，利用歐氏距離最近判讀示溫漆像素點溫度的方法［7］，基于LUV空間顏色溫度曲線的點和區域溫度識別方法［8］，采用HSI空間顏色溫度曲線的K均值聚類、中位切割等示溫漆圖像分割及量化方法［9-10］，采用Lab空間的顏色溫度曲線判斷示溫漆單像素溫度的方法［11］，基于圖像處理及圖像融合算法的示溫漆溫度識別方法［12-13］以及基于等溫線溫度識別的示溫漆溫度自動判讀方法［14］。

1　示溫漆自動判讀的基本原理

示溫漆自動判讀分兩步，第一步為學習，即由標準樣板構建示溫漆顏色溫度模型；第二步為識別，即將試件上示溫漆的顏色與模型匹配，得到相應的溫度。

示溫漆自動判讀的主要依據是示溫漆的標準樣板。目前，國內外的標準樣板基本一致，通常有兩種形狀，一種是長方形，可用于多變色示溫漆和單變色示溫漆的標定，如圖1（a）所示；另一種是蝴蝶形狀，其阻抗呈梯形分布，從而在蝶形片上呈現示溫漆所有變化顏色，用于多變色示溫漆的標定，如圖1（b）所示［6］。

圖1　示溫漆的標準樣板

可以看出：示溫漆每隔一定溫度就會有一個顏色變化明顯的變色點。在變色點兩邊，顏色變化具有階躍性，在兩個變色點之間，顏色變化具有漸變性，有些尚可區分，有些不易區分。

根據上述變色特點，示溫漆自動判讀算法在構建顏色溫度模型時通常有兩種方式：1）直接對示溫漆顏色和溫度關系進行建模，通過擬合插值等方法獲得顏色溫度特性曲線；2）對示溫漆變色點兩側的顏色和溫度關系進行建模，通過插值實現等溫線的自動判讀。

2　現有方法的分析與比較

根據示溫漆顏色溫度模型和顏色匹配方法的不同，現有示溫漆自動判讀方法可以歸納為3類，即基于顏色溫度特性曲線的方法，基于等溫線溫度識別的方法以及基于變色點區域分割的方法。

2.1基于顏色溫度特性曲線的方法

該方法關鍵是用樣條曲線插值法獲得顏色溫度特性曲線，然后根據離曲線距離最近的原則對像素點顏色對應的溫度進行判讀。可以采用RGB、HSI、Lab、YUV等多種顏色空間，實現步驟［7］：

1）根據示溫漆標準樣板建立色溫數據庫，例如RGB值為（30，45，36）對應溫度410℃。

2）建立RGB顏色溫度特征曲線，因RGB像素點個數為255×255×255，人工方式不可能測出所有RGB對應溫度，所以需借助曲線擬合來識別未知RGB像素點的溫度。例如某型示溫漆的顏色溫度特征曲線如圖2所示。

圖2　示溫漆的顏色溫度特性曲線

3）進行曲線擬合，用三次樣條插值法識別溫度。如圖2所示，為求未知點A的溫度T，根據式（1）對溫度特征曲線中所有點全局掃描，min（Δ）對應點BI，點BI的溫度近似為A像素點的溫度。

此算法在不同的顏色空間都能實現，如RGB空間、LUV空間等，但不同的顏色空間對于該算法的性能有一定影響。表現為由于環境光改變引起圖像顏色偏差時，在LUV空間直接判讀仍能保持較高的識別準確率，但在RGB空間的識別率明顯下降。

基于顏色溫度特性曲線進行溫度識別的方法簡單易行，但有以下缺陷：

1）示溫漆在應用中受到多種不定因素影響，很難有理想的成像圖像。該算法過于依賴RGB像素點，導致溫度識別可靠性差，準確度低。

2）用一個RGB值表示一個標準樣板的溫度，存在一定不足。如果標準樣板的顏色差別比較小，該方法就容易出現誤識別。

另外，基于顏色溫度曲線的區域溫度識別方法，即先對示溫漆圖像進行分割［8］，將顏色相近的像素分割在同一區域，這樣不同區域的顏色差別非常明顯，然后對各個區域的溫度進行識別。但該方法識別的是分割區域的平均顏色對應的溫度，溫度的分辨率依賴于示溫漆能夠明顯變化的顏色，通常由于示溫漆的變色點有限，該方法的溫度分辨率和溫度識別的準確度都不高。

2.2基于等溫線溫度識別的方法

該方法首先識別各條等溫線的位置和數量，然后用K-Means聚類識別各等溫線附近區域顏色，最后與標準樣板對比，識別等溫線的溫度，具體實現步驟［14］：

1）提取等溫線。示溫漆圖像依次經濾波、邊緣增強、改進的Canny算子邊緣提取和雜點處理等步驟，準確識別等溫線。

2）等溫線編號。通過全局掃描，把大于設定長度的等溫線依次編號為line［i］，同時計算出各相鄰等溫線間最近距離distance［i］。等溫線長度閥值選100左右為宜，這樣可減小等溫線數量，提高運算速度。

3）跟蹤等溫線。逐一跟蹤等溫線line［i］，把其附近distance［i］范圍區域內灰度素點值存入矩陣A、B。選擇灰度值而非RGB值的原因是RGB像素矩陣大計算負擔重，且因RGB與灰度值是線性變換的，具有一致性。

4）聚類法識別A、B聚類中心。用K-Means聚類法計算矩陣A、B各自的聚類中心a、b。a、b代表了等溫線附近區域的像素分布特征。

5）建立區域像素特征庫。獲取各示溫漆標準樣板組成該示溫漆標準樣板庫，用四叉樹法量化樣板，抽象出溫度數據庫。對于五變色示溫漆，其數據庫最小只有5組數據，相對基于RGB顏色溫度特征曲線的示溫漆溫度識別算法，數據庫數據量明顯減少。

6）溫度識別。根據式（2），利用插值原理列掃描示溫漆數據庫，計算點（a，b）與數據庫標準樣板矩陣的距離。若min（Δ）對應點（aI，bI），則該點對應的溫度即為該等溫線的溫度。

國內大都采用顏色進行示溫漆標定和判讀，這種標定和判讀誤差超過±50℃以上。而對等溫線進行標定和判讀，判讀準確度可達±10℃。

基于等溫線溫度識別方法的優點為：

1）對等溫線進行識別，而不是像素點，識別溫度的特征選擇不同，可以提高溫度識別的準確度。

2）采用統計特征，而非單個像素的顏色特征對溫度進行識別，可以減小光照對識別結果的影響。

該算法的不足為：

1）等溫線檢測采用Canny算子，雜點多，需要一定經驗值，以及后續處理。

2）特征采用單個平均灰度值過于簡單，由于等溫線個數較少，不利于后續的插值計算。

3）對等溫線之間的區域沒有進行進一步的溫度識別，溫度分辨率不高。

2.3基于變色點區域分割的方法

該方法首先在Lab空間中利用種子點和區域增長算法對示溫漆圖像進行分割，通過經驗閾值，獲得與各段變色點間顏色相對應的區域，同時排除與示溫漆顏色不能匹配的區域。然后在HSI空間中將各個區域中的像素顏色特征與標準樣板的顏色特征對比，對每個像素對應的溫度進行判讀，具體實現步驟［6］：

1）顏色空間變換。將RGB空間變換到Lab空間。

2）圖像分割。利用種子點和區域增長算法對示溫漆圖像進行分割，通過經驗閾值，獲得與各段變色點間顏色相近的區域。

3）變色點區域匹配。匹配分割區域顏色與各變色點的顏色信息，將各個區域與變色點對應，同時排除與示溫漆顏色不能匹配的區域。匹配分割區域后排除了不能識別的區域，同時將各個區域像素溫度的識別限定在不同的溫度段，有利于提高后續溫度識別的準確度。

4）顏色空間變換。將需要識別區域的像素從RGB空間變換到HSI空間，以便將亮度信息剔除，減少光照對溫度識別的影響。

5）像素點溫度識別。將各個區域中的像素點顏色特征與標準樣板的顏色特征進行對比，選擇匹配度最高的樣板溫度作為對應像素點的溫度。

基于變色點區域分割的方法優點為：

1）利用不同的顏色空間特性進行示溫漆圖像的分割（Lab）和溫度識別（HSI），提高算法的性能。

2）采用由粗到細的溫度識別方法。首先進行區域分割，匹配區域溫度范圍并排除不能識別區域，其次在對應溫度段內進一步識別區域內的像素溫度，提高溫度識別的準確度。

該算法的不足為：

1）識別像素點溫度時，采用的像素點鄰域特征的區分性不足。當標準樣板顏色變化不明顯時，使用HSI空間中的色調（H）和飽和度（S）特征，不能有效識別像素點溫度。

2）在圖像分割中，需要用經驗閾值使得分割區域與變色點區域重合，這需要頻繁的人機交互，有時并不能保證獲得滿意的分割。

3　新方法研究

示溫漆自動判讀技術的核心在于構建顏色與溫度之間的關系模型，該模型需要對光照條件變化魯棒，難點在于如何解決示溫漆漸變色區域的溫度識別。為了進一步提高示溫漆自動判讀的準確度，借鑒現有示溫漆自動判讀方法中的優點，新方法的研究重點如下。

1）從示溫漆彩色圖像處理，擴展到示溫漆多光譜圖像處理。除了獲取顏色特征外，同時獲得紅外特征，紅外特征受可見光影響小，可以提高判讀的準確性。

2）示溫漆等溫線兩側的顏色變化非常明顯，而等溫線之間顏色變化不明顯，因此對示溫漆圖像采用從粗到細的分析策略獲得溫度信息，先檢測等溫線，將示溫漆圖像劃分為顏色相近的不同區域，再對區域中的像素進行溫度識別。

3）不能再用單個像素的顏色值作為示溫漆的特征表示方式，因其很容易受到光照條件干擾，應該采用區域或者像素鄰域的統計特征，如直方圖、矩陣征等，通過歸一化減少光照影響，并獲得一個高維特征，具有更好的區分性。

4）現有方法通常采用擬合和插值來獲得顏色與溫度模型（即顏色溫度特性曲線），采用的特征易受干擾，區分性不強，該模型實際應用效果不好。在采用高維統計特征的情況下，使用機器學習算法自動構建模型，將標定樣板區域顏色直方圖統計特征作為輸入，通過相應訓練算法，獲得等溫線溫度識別模型，將標準樣板像素點與其領域顏色的組合特征作為輸入，通過相應訓練算法，獲得像素點溫度識別模型。

5）現有方法都采用歐氏距離來度量顏色與溫度的關系，其合理性存疑。在高維特征下，采用能夠區分漸變顏色特征的度量方法，找出特征與溫度之間更準確的關系。

4　結束語

與其他測溫方法相比，示溫漆在航空測試領域具有不可替代的優勢，隨著航空發動機試驗研究的不斷深人，對示溫漆測溫的精度要求越來越高，未來示溫漆測試技術的發展一方面可以從材料和工藝入手，研制變色靈敏、具有多變色點、變色間隔小、色差變化大的新型示溫漆，另一方面可以利用圖像采集器件，圖像處理，機器學習等領域的新方法、新技術研究新的示溫漆自動判讀方法，實現更高的示溫漆判讀準確度。

［1］馬春武.示溫漆溫度自動判讀與數字圖像處理研究［D］.南京：南京航空航天大學，2008.

［2］徐鳳花.示溫漆技術在航空發動機高溫部件表面溫度測試上的應用研究［D］.成都：電子科技大學，2009.

［3］Griffin A，Dittler J，Windeatt T，et al.Techniques for the interpretation of thermal paint coated samples［C］∥IEEE.Proceedings of Int Conf on Pattern Recognition 1996.Vienna：IEEE，1996：959-961.

［4］Griffin A，Windeatt T，Stoddart A J，et al.A Markov random fields approach for interpreting thermochromic paint［C］∥IEEE Proceedings of Int Conf on Pattern Recognition 1998.Brisbane：IEEE，1998：1741-1743.

［5］Smith M.Interpretation of thermal paints：Europe，EP0947813［P］.1999-03-19.

［6］Lempereur C，Andraland R，Prudhomme J Y.Surface temperature measurement on engine components by means of irreversible thermal coatings［J］.Measurement Science and Technology，2008（19）：105501.

［7］張志龍，曹承倜.示溫漆顏色溫度特性分析與溫度識別系統［J］.計算機自動測量與控制，2001（3）：20-21.

［8］王美玲.基于彩色圖像處理的示溫漆溫度識別系統［D］.南京：南京航空航天大學，2009.

［9］林茂松，陳念年.示溫漆色彩量化及其圖像分割算法研究［J］.西南科技大學學報：自然科學版，2006（2）：48-53.

［10］蔡茂蓉，龔巍.基于小波和模糊聚類的示溫漆彩色圖像分割算法［J］.微電子學與計算機，2010（5）：170-173.

［11］張興，薛秀生，陳斌.示溫漆在發動機測試中的應用與研究［J］.測控技術，2008（1）：21-23.

［12］于坤林.基于數字圖像處理的溫度場測量方法的研究［J］.長沙航空職業技術學院學報，2011（2）：31-33.

［13］于坤林，謝志宇.基于多傳感器圖像融合的溫度場測試系統［J］.現代電子技術，2013（20）：97-99.

［14］王榮華，杜平安，黃明鏡.基于等溫線溫度識別的示溫漆溫度自動識別算法［J］.電子測量與儀器學報，2010（6）：542-547.

Study on the automatic tem perature recognition technology of thermal paint

LIU Zhongkui1，GE Junfeng2，ZHANG Yupeng1，ZHANG Xing1
（1.Shenyang Engine Design and Research Institute，Shenyang 110015，China；2.School of Automation，Huazhong University of Science and Technology，Wuhan 430074，China）

The advantages and disadvantages of existing algorithms for automatic temperature reading were discussed and the automatic temperature reorganization techniques of thermal paint were researched according to the summarization of current research at home and abroad on automatic temperature recognition algorithm of thermal paint.Infrared feature was introduced in combination with color feature to form new image data by image fusion.Afterwards，statistical features were extracted from these new data，and two temperature identification models for isotherm line and pixel were automatically created by machine-learning algorithm.The two models were used to automatically identify the thermal paint to improve its temperature-measuring accuracy.

thermal paint；automatic recognition algorithm；color-temperature curve；color space

A

1674-5124（2015）09-0020-04

2015-02-03；

2015-03-30

劉忠奎（1968-），男，遼寧沈陽市人，高級工程師，研究方向為航空發動機測試技術研究與應用。