于光輝，盧洪義，朱 敏，侯志強(qiáng)，徐 明

(1.海軍航空工程學(xué)院，煙臺 264001;2.92514部隊，煙臺 264001)

基于標(biāo)準(zhǔn)固體火箭發(fā)動機(jī)CT結(jié)構(gòu)圖像配比的缺陷自動提取方法①

于光輝1，盧洪義1，朱 敏1，侯志強(qiáng)1，徐 明2

(1.海軍航空工程學(xué)院，煙臺 264001;2.92514部隊，煙臺 264001)

針對固體火箭發(fā)動機(jī)CT檢測圖像因存在算法上的偽影和噪聲影響缺陷識別這一問題，提出基于標(biāo)準(zhǔn)固體火箭發(fā)動機(jī)CT結(jié)構(gòu)圖像配比的缺陷自動提取方法。通過缺陷對CT成像影響的理論分析和固體火箭發(fā)動機(jī)缺陷配比自動提取的仿真和實驗驗證，得出該方法中配比圖像分割最佳閾值為30，以此閾值能有效、準(zhǔn)確地提取固體火箭發(fā)動機(jī)CT圖像缺陷。

固體火箭發(fā)動機(jī);缺陷提取;CT圖像

0 引言

固體火箭發(fā)動機(jī)是導(dǎo)彈常用的動力裝置之一，其健康狀況直接影響導(dǎo)彈的使用［1］，為此需要對固體火箭發(fā)動機(jī)進(jìn)行檢測［2-3］。工業(yè)CT因其檢測結(jié)果直觀、檢測精度高［4-5］，成為當(dāng)前最先進(jìn)的檢測方式［6］，但受CT重建算法、CT檢測線束數(shù)量的限制和某些隨機(jī)因素的影響［7］，重建圖像不可避免都會出現(xiàn)多種偽影和噪聲［8］，為缺陷的自動提取造成很大障礙。由于成像過程極其復(fù)雜，根除偽影和噪聲極其困難，影響了圖像處理效果。

同一發(fā)動機(jī)在同一截面經(jīng)過同一CT檢測，由于硬件設(shè)備、成像方法相同，圖像偽影和噪聲極其相似，因此提出基于標(biāo)準(zhǔn)固體火箭發(fā)動機(jī)CT結(jié)構(gòu)圖像配比的缺陷自動提取方法，使缺陷提取不再受到CT重建算法和CT檢測線束數(shù)量限制。該法實現(xiàn)方法如下:建立標(biāo)準(zhǔn)發(fā)動機(jī)CT圖像庫，即某型無缺陷發(fā)動機(jī)各截面的CT圖像;通過比較同型號、同位置實際檢測圖像與庫圖像的差別，生成配比圖;對配比圖進(jìn)行圖像二值化分割，自動提取缺陷。

1 缺陷對CT圖像的影響

1.1 缺陷點對CT圖像的影響

濾波反投影算法是基于像素的運算，該算法中像素被近似成一個個的小正方形，每個像素點的灰度由經(jīng)過像素點的所有射線的投影值之和決定［9］，因而確定缺陷部位對圖像各點像素值的貢獻(xiàn)大小，只需確定經(jīng)過缺陷點且穿過像素的射線［10］，后續(xù)稱之為有效射線，有效射線數(shù)與經(jīng)過像素點的所有射線數(shù)的比值稱為有效系數(shù)，反應(yīng)成像時缺陷點對其余點的影響。圖1中O為缺陷點，CT角度步長為0.312 5°，經(jīng)過O點的射線共有180÷0.3125=576條，圖1中畫出第一象限部分射線。

圖1 第一象限過O點射線Fig.1 Radial through point O in first quadrant

為確定各像素有效射線條數(shù)，將第一象限分為4部分，O點、O點上方、O點右方、O點右上方。

對O點右上方部分:

有效系數(shù):O點上方部分，有效系數(shù):

同理，O點右方部分，有效系數(shù):

若O點的像素灰度為hO，同樣位置無缺陷時灰度為，則由于缺陷造成的這一位置的灰度變化ΔhO=hO-，其余點由于O點灰度變化造成的灰度變化Δh=ΔhO·η。

圖2是根據(jù)式(1)～式(3)［11］做出的有效系數(shù)圖，可得出:有效系數(shù)在O點形成尖峰，O點周圍有效系數(shù)值迅速降低，說明缺陷點對臨近的像素灰度有影響，對距離缺陷點大于18個像素的有效系數(shù)已經(jīng)小于0.01，可忽略不計，即單個缺陷點的存在影響了成像，但影響范圍僅限于缺陷點周圍，對整體成像影響不大。

1.2 區(qū)域缺陷對CT圖像的影響

區(qū)域缺陷是缺陷點的集合，如果缺陷區(qū)域缺陷點共有M個，由于缺陷造成的相對標(biāo)準(zhǔn)圖像的灰度變化分別為 Δh1，Δh2，…，ΔhM，對某一像素X的有效系數(shù)分別為，，…，ηMX，則該像素的灰度變化值ΔhX，像素灰度變化值等于缺陷區(qū)域各像素點灰度變化值與缺陷點對像素的有效系數(shù)乘積之和，因而缺陷區(qū)域越大對成像影響越大，缺陷區(qū)域越小對成像影響越小。

2 仿真驗證

脫粘和夾渣是固體火箭發(fā)動機(jī)的嚴(yán)重缺陷，選取這2種缺陷進(jìn)行仿真驗證。

2.1 標(biāo)準(zhǔn)CT圖像庫和實際檢測圖像構(gòu)造

對圖像的Radon變換可仿真CT的掃描過程，對投影數(shù)據(jù)的Radon反變換就是成像過程，因此選取Radon變換和反變化模擬工業(yè)CT掃描成像過程。

設(shè)二維圖像為f(x，y)，則沿路徑L的Radon變換為

Radon 反變換為［12］

基于上述原理進(jìn)行仿真驗證，CT庫圖像和實際檢測圖像構(gòu)造如圖3中實線流程和虛線流程所示。以實線流程構(gòu)建庫圖像結(jié)果如圖3虛框所示，圖4是加入脫粘和夾渣缺陷圖像及其根據(jù)圖3虛線流程構(gòu)造的檢測圖像。

2.2 配比圖像生成

無缺陷CT圖像、標(biāo)準(zhǔn)CT圖像、人工缺陷CT圖像和實際檢測CT圖像尺寸相同，假設(shè)4者的灰度矩陣分別是。則人工加入缺陷圖像:，該矩陣除去缺陷位置都為0，二值化矩陣為生成的配比圖像，若將配比圖像進(jìn)行閾值分割得到的二值化矩陣為，令，則Hm×n中非零元素越少說明提取效果越好，反之越差。配比生成圖像如圖5 所示［13］。

圖3 CT庫圖像和實際檢測圖像構(gòu)造流程Fig.3 Flow chart of construction of both warehouse CT image and detection CT image

圖4 含脫粘和夾渣CT圖像及其檢測CT圖像Fig.4 CT images and its detection CT images of debonding and slag inclusion

圖5 含脫粘、夾渣缺陷的配比圖像Fig.5 Matching images with debonding and slag inclusion

2.3 配比圖像二值化分割

根據(jù)以往的檢測經(jīng)驗，固體火箭發(fā)動機(jī)的各部分灰度值為:粘接界面Hz=70，藥柱Hy=60，脫粘、氣泡缺陷部位Ht=Hq=10，夾渣缺陷部位Hj=120。

出現(xiàn)脫粘缺陷時脫粘部位灰度變化ΔHt=|Hz-Ht|=60，出現(xiàn)氣泡缺陷時缺陷部位灰度變化ΔHq=|Hy-Hq|=50，出現(xiàn)夾渣缺陷時缺陷部位灰度變化ΔHj=|Hj-Hy|=60。

從單個缺陷點對CT圖像的影響分析中已經(jīng)得出:有效系數(shù)最大值為0.25，因而在不明確缺陷類型的情況下，可取配比圖像二值化閾值為:T=max{ΔHt，ΔHq，ΔHj}×0.25=60 ×0.25=15，分割后如識別出缺陷類型是脫粘和氣泡，則可調(diào)整閾值為12.5，進(jìn)行更精確的缺陷提取。以15為閾值的缺陷提取脫粘和夾渣缺陷如圖6所示。

圖6 二值化脫粘及夾渣提取結(jié)果Fig.6 Bianry defect images of debonding and slag inclusion

為檢驗缺陷提取效果，對脫粘和夾渣2種缺陷下的Hm×n進(jìn)行計算，脫粘缺陷中:Hm×n所有元素和為38;夾渣缺陷中:Hm×n所有元素和為1。雖然2種缺陷都得到了較好的提取，但不難看出，文中設(shè)置的脫粘缺陷面積大于夾渣缺陷面積，缺陷越微小，Hm×n所有元素和也越小，即基于標(biāo)準(zhǔn)固體火箭發(fā)動機(jī)CT結(jié)構(gòu)圖像配比的缺陷自動提取方法越準(zhǔn)確，說明文中方法對微缺陷有極好的提取效果。

3 實驗驗證

為驗證仿真結(jié)果，以模型發(fā)動機(jī)為檢測對象進(jìn)行實驗驗證。圖7為模型發(fā)動機(jī)CT檢測圖像及配比圖像，圖8分別是以15、20、30為閾值對配比圖像分割提取的結(jié)果。可以看出:由于檢測中模體發(fā)動機(jī)中鋼釘和隨機(jī)噪聲的影響，以15為閾值提取的缺陷偏大，含有噪聲;以20為閾值提取的缺陷稍小，噪聲減小;以30為閾值提取的缺陷大小接近實際缺陷大小，幾乎不含噪聲。因此，實際工程檢測中以30作為閾值對配比圖像進(jìn)行二值化分割提取。

圖7 模型發(fā)動機(jī)CT圖像及配比圖像Fig.7 CT images and matching image of model motor

圖8 二值化提取結(jié)果Fig.8 Bianry extraction results

4 結(jié)論

(1)基于標(biāo)準(zhǔn)固體火箭發(fā)動機(jī)CT結(jié)構(gòu)圖像配比的缺陷自動提取方法可有效去除算法上的偽影和噪聲，能有效、準(zhǔn)確地提取缺陷，尤其是微缺陷。

(2)工程檢測中受缺陷和隨機(jī)噪聲影響，配比圖像二值化分割的閾值取30，大于理論分析值15。

［1］蔡虹.包覆藥柱界面粘結(jié)質(zhì)量的無損檢測［J］.上海航天，2004，21(3):52-55.

［2］張吉堂，陸宏年.火箭發(fā)動機(jī)多層粘接結(jié)構(gòu)的雙模式檢驗［J］.固體火箭技術(shù)，2003，26(4):79-82.

［3］張斌興.固體火箭發(fā)動機(jī)燃燒室界面脫粘的聲振檢測［J］.上海航天，2002，19(4):54-57.

［4］史源源，王召巴，金永.大型固體火箭發(fā)動機(jī)脫粘CT檢測技術(shù)［J］.彈箭與制導(dǎo)學(xué)報，2006，26(1):928-929，933.

［5］盧洪義，徐明，于光輝.基于工業(yè)CT技術(shù)的設(shè)備故障診斷與維修［J］.航空動力學(xué)報，2007，7(2):5-9.

［6］丁國富.大型高能工業(yè)CT在固體火箭發(fā)動機(jī)檢測方面的應(yīng)用［J］.CT 理論與應(yīng)用研究，2005，14(3):35-39.

［7］孫少華，高文煥，張麗.工業(yè)CT中探測器失效偽影的校正［J］.核技術(shù)，2003，26(6):484-488.

［8］谷建偉，張麗，陳志強(qiáng).工業(yè)CT圖像的偽影成因和校正方法綜述［J］.CT 理論與應(yīng)用研究，2005，14(3):24-28.

［9］Seeram E，et al.Computed tomography technology［M］.Phlla.Saunders，1982.

［10］Herman G T.Image reconstruction from projection:the fundamentals of computerized tomography［M］.New York，Academic Press，1980.

［11］張志涌.精通MatLab6.5版［M］.北京航空航天大學(xué)出版社，2003.

［12］莊天戈.CT原理與算法［M］.上海:上海交通大學(xué)出版社，1992.

［13］張德豐.MatLab數(shù)字圖像處理［M］.機(jī)械工業(yè)出版社，2009.

Defect automatic extraction based on matching of standard solid rocket motor CT image

YU Guang-hui1，LU Hong-yi1，ZHU Min1，HOU Zhi-qiang1，XU Ming2
(1.Naval Aeronautical and Astronautical University，Yantai264001，China;2.Troop 92514 ，Yantai264001，China)

Aiming at the problem that arithmetical artifacts and noises of solid rocket motor＇CT image may affect defect extraction，the mothod of defect automatic extraction based on matching of standard solid rocket motor CT image was put forward.Through the theoretical analysis of influence caused by defect during imaging and the verification of both simulation and experiment，it was found that the best threshold for segmentation of matching image of the method is 30.Defects of solid rocket motor CT image can be extracted effectively and accurately using the threshold.

solid rocket motor;defect extraction;CT image

V435

A

1006-2793(2012)03-0423-04

2011-04-29;

2011-09-26。

國家自然科學(xué)基金項目(51005242)。

于光輝(1983—)，男，博士研究生，研究方向為發(fā)動機(jī)測試與故障診斷。E-mail:ygh01111@163.com

(編輯:呂耀輝)