金属发动机叶片微小缺陷超分辨图像重建方法

针对金属发动机叶片细微缺陷边界对比度低、描述符不足等造成的检测困难问题，提出一种基于超分辨图像重建技术实现微小缺陷强化的方法。首先，为弥补固定分辨率常规图像量化能力不足的短板，设计基于光度立体的图像重建方法，在图像量化层面实现了叶片表面高对比度法向贴图重建；然后，针对微小缺陷采样描述符不足的问题，通过真实叶片图像来构建多角度、多姿态的数据集，采用基于像素损失的Charbonnier损失来改进超分模型的损失函数，从而实现图像的高分辨率重建，强化采样分辨率，最终实现量化以及采集两个层面的微小缺陷超分辨增强；最后，使用传统的Canny算子识别叶片表面缺陷边界。实验结果表明，所提方法可以免疫二维歧义性，相较于传统方法，最高可提升金属叶片表面微小缺陷检出率达24.3%。