基于小波变换的红外热成像图像处理的无损检测技术
来源:用户上传
作者:
摘 要：为提高红外热图像技术在无损检测领域的精度，提出运用电磁激励加热待检测物体，研究对亚表层缺陷的检测。首先采集数字图像信号，利用傅里叶变换去除图像中的噪声，并用图像增强算法增加背景与特征间的对比度，再利用基于小波变换的边缘算法提取特征边缘做定量分析，最后通过5组不同的缺陷层样本作实验对比，结果表明基于小波变换边缘提取算子能显著提高亚表面缺陷层的检测精度。
关键词：电磁激励;亚表层缺陷;图像处理;无损检测;小波变换;红外热成像
中图分类号：TP391 文献标识码：A 文章编号：2095-1302（2020）03-00-03
0 引 言
电磁激励加热被测件是近年来发展起来的新无损检测技术，其检测原理如图1所示：选择一个带线圈的马蹄形磁性体，并为线圈通脉冲方波，将其放置在被检测零件的表面时会形成回路，产生强大的涡电流瞬间加热;再使用红外相机记录被测物表面温度场变化[1]。当被测物有凹坑、断裂时，有缺陷部位和无缺陷部位因磁导率不同，产生的电磁热量不相同，从而造成被测物中有缺陷与无缺陷部分各自对应表面温度的不同，由此获知缺陷的大致位置。基于电磁激励加热被测件灵活性大，可以根据不同的材料选择不同的波形和频率，且电磁激励装置功率大小可调，能达到最佳实验结果。再者电磁激励装置可对被测件局部激励加热，而基本不用考虑激励的均匀性问题，也无需无缺陷区域的温度场做参考。因此，电磁激励装置被广泛应用于无损检测领域。
1 算法处理
红外图像与可见光图像相比，大多存在采集后的图像模糊、噪声大等缺点，此外，电磁激励脉冲功率大，加热和冷却时间较短，且存在不均匀现象，造成了大多数红外图像存在边缘对比度差的现象[2]。因此增强图像中的特征信号，降低图像背景等噪声十分必要。经过图像去噪、增强处理后，图像中的干扰信息被削弱和去除，经边缘提取对热图像进行分割处理，使目标和背景图像分离。
1.1 图像去噪
为了抑制红外图像的噪声影响，采用抑制噪声、突出信号的增强方法来抑制不同的噪声，以适应不同的应用场合。根据电磁激励红外热成像的特点采用频域低通滤波[3]。
卷积理论是频域技术的基础。设函数f （x， y）与线性位不变算子H （x， y）的卷积结果为g （x， y），即：
（1）
根据卷积定理，在频域有：
（2）
式中G （u， v），H （u， v），F （u， v）分别是g （x， y），h （x， y），f （x， y）的傅里叶变换形式，具体过程如下：
Stepl：计算原图像傅里叶变换;
Step2：将其与一个（根据需要设计的）转移函数相乘;
Step3：将结果进行傅里叶逆变换得到增强的图像。
根据公式（2）可知，变换后图像的能量大部分集中在低频部分，高频能量为缺陷边缘和噪声部分，因此只要能够适当抑制高频成份幅度就能降低噪声的影响[4]。
1.2 图像增强
图像增强是数字图像处理的最基本的方法之一，它是为了改善视觉效果或便于人或机器对图像的分析理解，根据图像的特点或存在的问题，以及应用目的所采取的改善图像质量的方法或加强图像某些特征的措施[5]。
由于图像的边缘比较模糊，为了突出边缘，需提取出图像的高频部分，增强图像的对比度。文中采用修正后的均值滤波器方法实现这一目标。
令f （x， y）为原图像的灰度值，g （x， y）为增强后的灰度值，m为模板内像素的总个数。
（3）
式中，fε为对比度增强因子，一般取值为0.3，0.5，0.7，1.0，1.4，1.8。
1.3 边缘提取
Lipschitz描述奇异点的几何结构可以分为三类，即阶梯型（step-structure）、屋脊型（roof-structure）、跳跃型（dirac-structure），文中主要考虑用小波变换来刻画这些结构[6-7]。在图像中，边缘拥有典型的奇异点，提取出边缘就能为之后的处理提供较多帮助。
令0≤α≤1，函数f （x， y）在区间（x1， y1）×（x2， y2）上有一致的Lipschitz α，如果存在成数K，使得∨（x， y）∈（x1， y1）×（x2， y2），且
（4）
其中，|x1-x2|→0，|y1-y2|→0。
令φ（x）为一个奇小波，其支集[-a， a]满足，并且x0是理想边界，e（x）是轮廓线函数。分析图像，原始图像里存在的三种边界，经过上述图像处理后主要为阶梯型边界。
具体过程如下：
Stepl：取不同的尺度s1， s2， ...， sn，利用阶梯型边界公式求出小波变换系数wse（x）;
Step2：选择峰值阈值T，保留满足下面条件的点（x， y）：
（5）
Step3：选择均阈值R，保留满足下列条件的点（x， y）：
（6）
式中，f （x， y）就是要检测的点。
2 试验方案
采用基于二维小波的电磁激勵加热方式对红外图像进行校正，实验装置如图2所示。
选取厚度一致且存在一定缺陷的铁板，在表面贴上塑料膜，将装置上的马蹄铁线圈靠近铁板表面，通过远距离变频感应，将电能快速高效地传导到被加热导体内，使表面极速加热至所需高温，并用远红外相机记录该过程，调节感应频率使成像最佳。
图3所示为实验论证的方案。
方案1主要论证在有覆盖件的表面能否检测出下面的
缺陷; 方案2主要证明在金属内部能否用电磁激励加远红外相机抓取缺陷的特征;
方案3、方案4、方案5分别从不同的角度求证电磁激励是否能够检测缺陷的深度。
实验数据见表1所列。
3 实验结果
图4为基于上述算法对图像进行处理后得出的图像。
图4（a）为通过红外相机采集的原图在经过灰度变换后得到的图像;图4（b）为经过傅立叶变换后，滤除大多数背景边界和干扰噪点的滤波后图像，从图中可以看出缺陷边缘信号保留的比较完整。图4（c）为增强后图像。比较图4（a）和图4（c）可以看出，增强后的图像像素均匀度较好，背景和特征信号对比度强。实验中因涡流的趋肤效应，上表面比下表面受热多，若直接分析数据，势必误差较大。小波变换使非均匀受热图像得到了校正，且未丢失缺陷结构特征，为定量分析缺陷的边缘作进一步递进。图4（d）为三维灰度值分布图，在边缘和缺陷位置处灰度值发生突变，可以用来确定缺陷在被测件中的具体位置。
4 结 语
从实验结果看红外热成像无损检测技术的另一个重要参数就是激励电流的频率，由于趋肤效应的存在，快速加热试件时不能单单增加电流频率（加热的速度越快，缺陷的特征表現的就越明显）。对亚表面的缺陷，频率越高越难检测缺陷。此外，从实验采集到的数据看，材料的表面质量和氧化层厚度等都会影响检测效果。
综上分析可知，实际运用电磁激励红外相机检测金属构件的亚表面缺陷时，要综合多方面的参数，如被测试件的材料、表面质量、激励电流大小频率、线圈与试件距离、激励时间、线圈角度等。
参 考 文 献
[1]王永茂，王飒爽，马宁，等.缺陷深度脉冲热成像检测新方法[J].无损检测，2004，26（3）：124-126.
[2]王祖明.基于感应加热的局部模腔温度场数值模拟与实验研究[D].上海：上海交通大学，2012.
[3]冯小雷，胡宇，闫敏，等.基于电磁激励的红外热成像无损检测技术[J].科技资讯，2011（1）：112.
[4]戴景民，汪子君.红外热成像无损检测技术及其应用现状[J].自动化技术与应用，2007（1）：1-7.
[5] G WALLY B，OSWALD TRANTA.The influence of crack shapes and geometries on the result of the thermo-inductive crack detection [Z]. Proceedings of SPIE，2007.
[6]杨小冈，孟飞.一种实用的图像滤波算法[J].计算机应用，2009
（6）：216-218.
[7]吴彰良，刘洁.基于计算机视觉的油封尺寸检测系统设计[J].计算机测量与控制，2012，20 （5）：1196-1198.
[8]黄建祥，张金玉，张勇. 基于小波变换的独立分量分析及其在红外热波图像中的应用[J].无损检测，2012（5）：40-43.
[9]郭兴旺，董淑琴.基于小波变换的红外热波无损检测融合算法[J].光学技术，2008（5）：659-663.
[10]袁坤坤，陆金桂，吴伟伟.基于改进小波变换的零件缺陷红外图像增强方法研究[J].机械设计与制造工程，2019（4）：86-89.
转载注明来源:https://www.xzbu.com/8/view-15151404.htm
