熱波檢測缺陷定量識別與圖像重建研究

宋遠(yuǎn)佳，張 煒，王冬冬，田 干，金國鋒

（第二炮兵工程大學(xué)，西安710025）

熱波檢測缺陷定量識別與圖像重建研究

宋遠(yuǎn)佳，張 煒，王冬冬，田 干，金國鋒

（第二炮兵工程大學(xué)，西安710025）

隨著國防力量現(xiàn)代化的變革和發(fā)展，對導(dǎo)彈武器系統(tǒng)可靠性的要求越來越高。固體火箭發(fā)動機(jī)是當(dāng)今各種導(dǎo)彈武器的主要動力裝置，在航空航天領(lǐng)域也具有相當(dāng)廣泛的應(yīng)用。其結(jié)構(gòu)簡單，因而具有機(jī)動、可靠和易于維護(hù)等一系列優(yōu)點，非常適合現(xiàn)代戰(zhàn)爭和航天事業(yè)的需要［1］。但由于生產(chǎn)加工和使用過程中容易受各種因素的影響，可能導(dǎo)致缺陷的產(chǎn)生，造成武器系統(tǒng)功能失效或可靠性降低，致使遂行任務(wù)的失敗。

目前國內(nèi)固體火箭發(fā)動機(jī)殼體無損檢測方法以聲學(xué)［2］和X射線［3］檢測為主。其中X射線檢測靈敏度較高，可檢出間隙大于2mm的脫粘缺陷，但其對垂直于射線方向上的脫粘缺陷不敏感，且設(shè)備龐大，操作復(fù)雜，成本高，此外射線對人體有害，需專門的防護(hù)措施，不便于進(jìn)行現(xiàn)場檢測。聲學(xué)檢測主要有超聲波透射法和反射法。超聲波透射法對于脫粘缺陷具有較高的檢測靈敏度，但它只適用于裝藥之前的發(fā)動機(jī)殼體檢測，一旦藥柱裝填完成，則不能利用透射法檢測；超聲波反射法可以用于裝藥之后的發(fā)動機(jī)檢測，但由于殼體材料對聲波衰減很大，利用反射法檢測靈敏度較低，效果不佳。并且無論是超聲波透射法檢測還是反射法檢測都是逐點掃描，檢測效率低，周期長，因此，有必要對固體火箭發(fā)動機(jī)殼體粘接結(jié)構(gòu)的檢測技術(shù)進(jìn)行進(jìn)一步研究，以期找到一種應(yīng)用范圍廣、檢測效率高且適用于現(xiàn)場檢測的無損檢測方法。

近年來，紅外熱波檢測技術(shù)（簡稱熱波檢測）作為一種新型的無損檢測技術(shù)以其快速、直觀、非接觸等優(yōu)點在航空航天等領(lǐng)域得到了廣泛應(yīng)用［4－6］，已成為一種重要的無損檢測手段。因此，本工作利用新興的紅外熱波無損檢測技術(shù)，借助于理論分析、數(shù)值仿真和實驗相結(jié)合的方法，對固體火箭發(fā)動機(jī)鋼殼體/絕熱層粘接界面的脫粘缺陷進(jìn)行檢測研究，在對缺陷定量識別的基礎(chǔ)上，利用體繪制重建算法對紅外熱圖處理后的缺陷進(jìn)行重建，為紅外熱波技術(shù)實現(xiàn)缺陷的自動識別和直觀顯示奠定基礎(chǔ)。

1 紅外熱波技術(shù)基本原理

紅外熱波技術(shù)是一種基于熱波理論的無損檢測方法，通過對物體主動施加可控?zé)峒睿}沖、周期等），使物體內(nèi)部的缺陷和損傷，以表面溫場變化的差異形式表現(xiàn)出來，采用紅外熱像儀連續(xù)觀測和記錄物體表面的溫場變化，通過數(shù)據(jù)對紅外序列熱圖進(jìn)行采集、分析和處理后，實現(xiàn)對物體內(nèi)部缺陷的快速檢測和定量識別［7－9］。熱波技術(shù)的理論基礎(chǔ)是熱傳導(dǎo)定律。

熱波檢測常用的是利用閃光燈對材料表面施加一脈沖熱流，對于厚度比較薄的各向同性無限大平板材料，其傳熱微分方程可以簡化為一維模型：

式中：α＝k/（ρc）為材料的導(dǎo)溫系數(shù)或熱擴(kuò)散率，單位是m2/s，它是材料的物性參數(shù)；k為熱傳導(dǎo)率；ρ為密度；c為比熱容；T為位于x處t時刻的溫度。

初始條件：Tt＝0＝T0

對厚度為d的均勻介質(zhì)，可求得方程（1）的解為：

由于熱波的快速衰減特性，可忽略n＞1的高次反射項，可得到有限厚度d區(qū)域與無限厚度區(qū)域的溫度差隨時間的變化函數(shù)：

對（3）式求極值，則在時間為：

根據(jù)上述的理論分析可知：溫度差及溫度差最大時的時間是很重要的檢測參數(shù)，根據(jù)上述檢測參數(shù)，可以對缺陷情況進(jìn)行分析。

2 數(shù)值仿真與結(jié)果分析

2.1 建模與求解

對于實際的固體火箭發(fā)動機(jī)殼體多層粘接結(jié)構(gòu)，由于結(jié)構(gòu)的復(fù)雜性，難以求得其解析解。而固體火箭發(fā)動機(jī)殼體是圓柱形軸對稱結(jié)構(gòu)，模型只需建立1/4即可，從外到內(nèi)依次為鋼材料、橡膠絕熱層、包覆層及推進(jìn)劑（如圖1所示）。本工作針對固體火箭發(fā)動機(jī)實際的材料和結(jié)構(gòu)特點，建立了含脫粘缺陷的有限元計算模型（缺陷設(shè)計示意如圖2所示），并按照掃掠式方法進(jìn)行網(wǎng)格劃分，結(jié)果如圖3所示。

模型各部分材料及尺寸如表1所示，其中在第一層殼體和第二層絕熱層之間采用空氣夾層模擬了3個方形脫粘缺陷，脫粘的材料參數(shù)與尺寸大小見表1。

表1 有限元模型中各材料參數(shù)與尺寸Table 1 Material parameters and dimensions of the finite element model

假定周圍環(huán)境溫度Te保持不變?yōu)?5℃，材料的初始溫度為環(huán)境溫度，熱激勵選擇熱流密度為107W/m2脈沖熱流，脈沖加熱時間設(shè)為2ms。加熱之后冷卻過程中材料的表面對流換熱系數(shù)hc約為10W/（m2·℃），檢測過程無內(nèi)部熱源，不考慮表面的輻射換熱。

根據(jù)脈沖熱激勵的檢測特點，通常計算過程可分為兩步：

第一步（脈沖加熱過程）：t＝0～2ms

其他表面均視為絕熱，由于加熱過程時間很短，不考慮外表面的對流和輻射換熱。

第二步（冷卻過程）：t＝2ms～300s

初始條件為第一步的計算結(jié)果，為保證計算精度，時間步長取0.1s。

根據(jù)初始條件和邊界條件，加載求解，然后進(jìn)行后處理。

2.2 仿真結(jié)果及分析

根據(jù)上述建立的有限元模型、邊界條件和初始條件，進(jìn)行加載計算，提取計算結(jié)果如圖4所示，圖4為殼體表面的溫度場序列。從5.2s開始，樣本表面出現(xiàn)了三個大小不等的熱斑，熱斑的形狀與預(yù)設(shè)的缺陷形狀一致，均為長方形，熱斑隨著時間不斷發(fā)生變化，由于受到橫向熱擴(kuò)散的影響，熱斑的邊緣慢慢地變得模糊，熱斑形狀與缺陷形狀差異越來越大。因此，對缺陷進(jìn)行檢測和識別時，應(yīng)盡量選擇早期的熱圖，可以一定程度上減少識別的誤差。

圖4 表面溫度場序列圖 （a）t＝0.5s；（b）t＝5.2s；（c）t＝6s；（d）t＝10s；（e）t＝30s；（f）t＝100s；（g）t＝150s；（h）t＝300sFig.4 Thermal serial plots of surface temperature （a）t＝0.5s；（b）t＝5.2s；（c）t＝6s；（d）t＝10s；（e）t＝30s；（f）t＝100s；（g）t＝150s；（h）t＝300s

提取表面的熱流密度如圖5所示。可以發(fā)現(xiàn)，熱斑邊緣的熱流密度最大，邊緣效應(yīng)比較明顯，并且缺陷越大，邊緣效應(yīng)越明顯，而熱斑中心區(qū)域的熱流密度比較均勻，因此，采用熱斑中心的溫度數(shù)據(jù)計算缺陷的深度可以保證較高的計算精度。

圖5 表面的熱流密度Fig.5 Heat flux density of surface

上述仿真結(jié)果表明：熱波檢測的速度很快，靈敏度高，并且脫粘缺陷面積越大，對應(yīng)的溫差越大，熱斑的面積也越大，缺陷也越容易被檢測。因此，根據(jù)表面溫度場的變化情況，可對缺陷進(jìn)行識別。

3 實驗過程與結(jié)果分析

3.1 概述

實驗借助于首都師范大學(xué)的紅外熱波實驗室設(shè)備來進(jìn)行。實驗設(shè)備為脈沖加熱紅外熱波無損檢測系統(tǒng)。實驗用脈沖閃光燈最大輸出功率為4.8kJ，系統(tǒng)的熱像儀是FLIR ThermaCAMTMSC3000，采用320×240像元的焦平面探測器，工作波段8～9μm，溫度靈敏度在室溫下為0.02K，熱像儀鏡頭為40的廣角鏡頭，在固定檢測工作距離42cm時的檢測面積為24cm×32cm。

實驗中所用的小曲率鋼殼體試件如圖6所示。其中鋼殼體材料為超高強(qiáng)度的合金鋼，絕熱層為三元乙丙橡膠。試件的具體尺寸如下：弧長為310mm，弦長為300mm，寬為200mm，鋼殼體厚度為4mm，絕熱層的厚度為1mm，絕熱層中含有三個直徑分別為15，16，20mm的圓形平底洞用以模擬試件中的脫粘缺陷。試件的材料參數(shù)分別為：導(dǎo)熱系數(shù)k＝49.8W/（m·℃），比熱c＝465J/（kg·℃），密度ρ＝7790kg/m3。

圖6 鋼殼體試件（a）試件正面；（b）試件背面；（c）缺陷尺寸Fig.6 Steel material specimen（a）the front surface；（b）the back surface；（c）sizes of the defects

為提高被檢測試件對可見光的吸收和對紅外光的輻射能力，同時又保證不污染試件，實驗過程中被檢測試件采用了涂黑色可溶漆工藝處理。實驗過程中系統(tǒng)的閃光燈能量均設(shè)為最強(qiáng)檔（4.8kJ），熱像儀的采集頻率設(shè)為60Hz，采集時間為30s，只對正面進(jìn)行檢測。

3.2 實驗結(jié)果及分析

在紅外熱波探傷過程中，當(dāng)待測試件表面吸收加熱脈沖后，在試件的表面形成實際的熱源，在試件內(nèi)部熱能沿著溫度梯度的方向傳輸，在傳輸過程中遇到材料與缺陷相交的空氣界面時發(fā)生能量聚集，經(jīng)過一段時間后，聚集的能量將影響被檢測試件表面的溫度分布。由于在檢測過程中，試件內(nèi)部的缺陷大小不同，則缺陷在熱圖中顯現(xiàn)的時間就不同，缺陷越大，顯現(xiàn)的時間就越長。在熱波探傷圖像中，溫度相對較高的區(qū)域呈現(xiàn)亮色。圖7為試件被檢測表面不同時刻的溫度場序列，可以看出，原始的熱波探傷圖像中缺陷的特征不明顯，噪聲影響較大，給后續(xù)的缺陷識別帶來了較大的困難，因此，必須對熱波探傷圖像進(jìn)行增強(qiáng)處理。

圖7 試件被檢測表面不同時刻的溫度場序列圖 （a）t＝0.41s；（b）t＝0.67s；（c）t＝1.1s；（d）t＝1.7sFig.7 Serial thermal images of specimen surface temperature at different time（a）t＝0.41s；（b）t＝0.67s；（c）t＝1.1s；（d）t＝1.7s

3.3 圖像增強(qiáng)處理

在該試件熱波探傷原始序列圖像中選取一幀作為增強(qiáng)處理的原圖（如圖8所示），可以看出被測試件中預(yù)埋了三個缺陷。但圖像中存在“高背景及高噪聲”問題，嚴(yán)重影響了對缺陷的準(zhǔn)確判別。因此分別采用中值濾波、低通濾波、高通濾波及同態(tài)濾波等增強(qiáng)方法對其進(jìn)行處理。

從處理結(jié)果（圖9）可知，中值濾波能較好地保護(hù)圖像的邊界，但是有時會丟失原圖像中細(xì)線或小塊的區(qū)域；低通濾波后的圖像比原圖像缺少了一些尖銳的細(xì)節(jié)部分，圖像變得有些模糊；高通濾波后的圖像在平滑區(qū)內(nèi)減少了一些灰度級的變化并突出了圖像的細(xì)節(jié)部分；而同態(tài)濾波處理后的圖像，在增強(qiáng)高頻的同時也保留了圖像的低頻信息，實現(xiàn)了壓縮圖像的動態(tài)范圍和增強(qiáng)圖像的對比度，有效去除圖像中的噪聲和背景，使圖像中的缺陷特征變得清晰可見。

圖8 試件原始熱圖Fig.8 Original image of sample

圖9 圖像處理結(jié)果（a）中值濾波；（b）低通濾波；（c）高通濾波；（d）同態(tài)濾波Fig.9 The results of image processing（a）average filtering；（b）low－pass filtering；（c）high－pass filtering；（d）homomorphic filtering

為了檢驗圖像的增強(qiáng)效果，本工作采用圖像的峰值信噪比（Peak Signal to Noise Ratio，PSNR）對圖像的質(zhì)量進(jìn)行評價，其數(shù)值表達(dá)式為［10］：

式中：f（x，y）為被處理的圖像；fN（x，y）為增強(qiáng)后的圖像；L為圖像的灰度級；M，N為圖像的行和列。對于經(jīng)過處理后的圖像，其PSNR值越大，就說明該方法對原圖像的保真度和增強(qiáng)效果越好。采用峰值信噪比對熱波探傷圖像及其處理結(jié)果圖進(jìn)行評價，上述處理后的圖像的峰值信噪比如表2所示。

表2 各種濾波方式的峰值信噪比Table 2 PSNR for filter－method

由表2中計算出的圖像峰值信噪比可知，同態(tài)濾波方法的PSNR較大，其圖像增強(qiáng)效果較好，抑制了圖像中的噪聲，增強(qiáng)了有用信號的強(qiáng)度。

3.4 圖像分割處理

為了識別和分析熱圖像中溫度異常的區(qū)域（即缺陷區(qū)域），并把它提取出來，為后期的缺陷識別奠定基礎(chǔ)。本工作應(yīng)用閾值分割法、模糊C－均值聚類（Fuzzy C－Mean Clustering Algorithm，F(xiàn)CM）分割法及粒子群模糊聚類（Particle Swarm Optimization Fuzzy Clustering，PSO－FC）算法對同態(tài)濾波增強(qiáng)后的熱波探傷圖像進(jìn)行分割處理。分割結(jié)果如圖10所示。

為了評價三種算法的性能，本工作引入正確分割率（Segmentation Accuracy，SA）的概念，其定義為［11］：

對于三種算法分割結(jié)果的正確率對比如表3所示。

圖10 圖像分割結(jié)果 （a）同態(tài)濾波后的圖像；（b）閾值分割；（c）模糊C－均值聚類分割；（d）粒子群聚類分割Fig.10 The results of image segmentation （a）homomorphic filtering；（b）threshold value；（c）FCM；（d）PSO－FC

表3 三種算法分割結(jié)果Table 3 The results of three algorithm

結(jié)果表明：采用粒子群模糊聚類算法對熱波探傷圖像分割效果好，缺陷的保真性高。

4 缺陷定量識別研究

4.1 缺陷大小的識別

小曲率鋼殼體/絕熱層脫粘試件采用粒子群模糊聚類分割后的圖像如圖11（a）所示，在識別缺陷尺寸的過程中，為了克服分割后的圖像中存在的噪聲的影響，采用區(qū)域處理方法將分割后圖像中存在的噪聲和邊緣影響消除，其處理結(jié)果如圖11（b）所示。

在經(jīng)過區(qū)域處理后的圖像中，缺陷區(qū)域是像素值為1且連接在一起的所有像素的集合。缺陷尺寸的測量不僅是缺陷識別的重要內(nèi)容，也是圖像增強(qiáng)和分割效果的手段。為了測量試件中缺陷的大小，先對圖11（b）中的缺陷進(jìn)行提取，提取的過程為：首先顯示提取的原圖像11（b），初步確定三個缺陷的中心點（33，85），（93，82），（156，83），然后再進(jìn)行提取，提取后的圖像如圖12所示。利用鏈碼技術(shù)［12］，采用 MATLAB編程實現(xiàn)對圖像中缺陷的識別，其結(jié)果如表4所示。

圖12 缺陷大小識別結(jié)果（a）區(qū)域處理后的圖像；（b）缺陷1；（c）缺陷2；（d）缺陷3Fig.12 The results of identification of defect size（a）regional processing；（b）defect 1；（c）defect 2；（d）defect 3

表4 熱波檢測圖像缺陷識別結(jié)果Table 4 The result of defects of thermal wave image

4.2 缺陷深度的識別

缺陷的深度是指被測試件中缺陷距表面的距離，其示意圖如圖13所示。圖中，試件被分成無缺陷區(qū)域A和有缺陷區(qū)域B兩個部分。q為檢測過程中的熱流密度，h1為缺陷的深度，h2為缺陷的厚度，h為試件的總厚度。在對缺陷深度的定量識別中，檢測中的峰值時間tm是非常重要的參數(shù)，其含義是缺陷對應(yīng)表面相對溫度達(dá)到最大值時所對應(yīng)的時間。在實際的檢測過程中，峰值時間就是在熱波圖像序列上缺陷部位的灰度值與背景灰度值差異最大的熱斑所對應(yīng)的時間。

從熱波圖像序列中可以直接獲得檢測過程中的峰值時間tm，根據(jù)前述中的推導(dǎo)公式tm＝2d2/α（此處d＝h1）就可以計算出缺陷的深度。由上述的推導(dǎo)公式可得到：

圖13 試件中缺陷深度的示意圖Fig.13 Sketch map of the defect depth

小曲率鋼殼體/絕熱層脫粘缺陷試件中三個缺陷的峰值時間依次為2.04，2.16，2.08s。將該試件的材料參數(shù)導(dǎo)熱系數(shù)k＝49.8W/（m·℃），比熱c＝465J/（kg·℃），密度ρ＝7790kg/m3和tm代入式（8）中，即可求出缺陷的深度h1，如表5所示。

表5 缺陷深度的測量結(jié)果Table 5 The results of defects depth

從以上缺陷深度的識別結(jié)果可看出，只要知道熱波檢測過程中的峰值時間和材料的特性，就可以通過由一維理論模型推導(dǎo)出的深度計算公式算出缺陷的深度。計算的結(jié)果誤差最大為6.25%，能夠滿足對缺陷深度的估算要求。

5 缺陷三維重建

5.1 重建方法選擇

目前對于處理分布在空間的三維數(shù)據(jù)來說，有兩類不同的數(shù)據(jù)處理方法，一類是直接對從圖像獲取的體數(shù)據(jù)進(jìn)行重建而不構(gòu)造中間面，稱為體繪制（Volume Rendering），或是容積重建；另一類是用計算機(jī)圖形學(xué)的方法通過構(gòu)造斷層輪廓的表面，稱之為面繪制（Surface Rendering）［13］。體繪制方法利用人類的視覺原理，通過對數(shù)據(jù)的重新采樣重建圖像的三維信息。該方法將數(shù)據(jù)場中的體素看成一種半透明的物質(zhì)，并賦予其一定的顏色和阻光度，模擬體數(shù)據(jù)中各個采樣點的數(shù)值和采樣點的梯度等特性，對體數(shù)據(jù)進(jìn)行分類，確定每類體素的顏色和不透明度的變換函數(shù)。然后根據(jù)體繪制方程及光照模型計算光照亮度，投影到圖像平面上，累加所有的顏色和光照亮度，得到成像結(jié)果［11］。體繪制方法具有細(xì)節(jié)顯示效果好、重建結(jié)果質(zhì)量高，可以并行處理等優(yōu)點。因此，本工作在缺陷定量識別的基礎(chǔ)上，利用體繪制重建算法對處理后熱波檢測圖像中的缺陷進(jìn)行重建。

5.2 重建結(jié)果的顯示

Tecplot是Amtec公司推出的一個功能強(qiáng)大的科學(xué)繪圖軟件，它提供了豐富的繪圖格式，包括x－y曲線圖，多種格式的2－D、3－D面繪圖和3－D體繪圖格式。Tecplot能有效地處理現(xiàn)實生活中相關(guān)的復(fù)雜數(shù)據(jù)結(jié)構(gòu)，只要把數(shù)據(jù)加載到Tecplot中便可開始圖像的顯示，Tecplot具有網(wǎng)格圖形連接、色染、函數(shù)等值線等控件，還具有大量的圖形操作功能。但是Tecplot處理的數(shù)據(jù)有一定的格式要求，可以直接讀入＊.cas和＊.dat文件，也可以在Fluent軟件中選擇輸出的面和變量，然后直接輸出Tecplot格式文檔。本工作利用C＋＋編程軟件對重建后的三維體數(shù)據(jù)進(jìn)行格式轉(zhuǎn)化等相應(yīng)的處理，然后將轉(zhuǎn)化后的文件導(dǎo)入到Tecplot中，進(jìn)行重建后缺陷的顯示，其重建結(jié)果如圖14所示。

圖14 三維重建效果 （a）整體效果；（b）翻轉(zhuǎn)效果；（c）剖面Fig.14 The 3Deffect of reconstruction（a）overall effect；（b）rollover effect；（c）profile

圖14（a）為試件重建的整體效果圖（為了區(qū)分試件中鋼殼體與絕熱層，將兩層分別用不同的顏色顯示，其中上層代表鋼殼體，下層代表絕熱層）；圖14（b）中為了更好地觀察重建后的缺陷位置與尺寸，將試件重建的整體效果圖進(jìn)行翻轉(zhuǎn)顯示；圖14（c）為試件重建后的側(cè)視切割圖，可以清楚觀察到缺陷的深度。從試件的重建結(jié)果中，不僅可以直觀地觀察到缺陷的位置和尺寸，還有利于檢測人員對缺陷進(jìn)行定性分析。

6 結(jié)論

（1）對于小曲率鋼殼體的缺陷檢測，熱波技術(shù)的檢測速度很快（幾十秒鐘），效果明顯，完全滿足工程應(yīng)用的要求；檢測結(jié)果直觀，根據(jù)紅外熱像儀采集的表面溫度場變化情況，就可以對缺陷位置和大小進(jìn)行初步判斷。

（2）熱波原始圖像存在較多噪聲，采用同態(tài)濾波方法可以有效降低圖像噪聲，增強(qiáng)缺陷顯示效果；采用粒子群聚類算法可以有效地對缺陷進(jìn)行分割。

（3）分割后的圖像仍然存在局部噪聲對缺陷識別的影響，對分割后的圖像進(jìn)行局部處理，轉(zhuǎn)化為二值圖像，應(yīng)用二值鏈碼技術(shù)可以對缺陷的尺寸、位置及深度進(jìn)行識別研究。

（4）缺陷定量識別結(jié)果的誤差越小，三維重建的效果就越直觀準(zhǔn)確，便于對探傷過程中的缺陷進(jìn)行判讀。

［1］李濤，張樂，趙鍇，等.固體火箭發(fā)動機(jī)缺陷分析及其無損檢測技術(shù)［J］.無損檢測，2006，28（10）：541－544.

［2］李濤，成曙，張樂，等.固體火箭發(fā)動機(jī)高能X射線照相檢測工藝參數(shù)的確定方法［J］.制造技術(shù)研究，2010，（3）：29－31.

［3］袁紅梅.粘結(jié)結(jié)構(gòu)界面缺陷超聲檢測技術(shù)及其應(yīng)用研究［D］.北京：北京工業(yè)大學(xué)，2010.

［4］GENEST M，MARTINEZ M，MRAD N，et al.Pulsed thermography for non－destructive evaluation and damage growth monitoring of bonded repairs［J］.Composite Structures，2009，88（1）：112－120.

［5］CHAUVET F，CAZIN S，DURU P，et al.Use of infrared thermography for the study of evaporation in a square capillary tube［J］.International Journal of Heat and Mass Transfer，2010，53（9－10）：1808－1818.

［6］李曉霞，伍耐明，段玉霞，等.碳纖維層合板低速沖擊后的紅外熱波檢測分析［J］.復(fù)合材料學(xué)報，2010，27（6）：88－93.

［7］李艷紅，金萬平，楊黨綱，等.蜂窩結(jié)構(gòu)的紅外熱波無損檢測［J］.紅外與激光工程，2006，35（1）：45－48.

［8］張曉燕.碳纖維、碳纖維復(fù)合材料的檢測和研究［D］.北京：首都師范大學(xué)，2008.

［9］GARNIER C，PASTOR M－L，EYMA F，et al.The detection of aeronautical defects in situ on composite structures using nondestructive testing［J］.Composite Structures，2011，93（5）：1328－1336.

［10］NIRANJAN D－V，KITE T D，GEISLER W S，et al.Image quality assessment based on a degradation model［J］.IEEE Transactions on Image Processing，2000，9（4）：636－650.

［11］AHMED M N，YAMANY S M，MOHAMED N.A modified fuzzy C－means algorithm for bias field estimation and segmentation of MRI data［J］.IEEE Trans on Medical Imaging，2002，21（3）：193－195.

［12］張德豐.MATLAB數(shù)字圖像處理［M］.北京：機(jī)械工業(yè)出版社，2009.285－286.

［13］鄭麗萍，李光耀，沙靜.醫(yī)學(xué)圖像三維重建研究綜述［A］.第十一屆中國體視學(xué)與圖像分析學(xué)術(shù)年會論文集［C］.北京：中國體視學(xué)學(xué)會，2006.533－536.

Defect Quantitative Identification and Image Reconstruction Based on Thermal Wave Inspection

SONG Yuan－jia，ZHANG Wei，WANG Dong－dong，TIAN Gan，JIN Guo－feng
（The Second Artillery Engineering University，Xi’an 710025，China）

基于紅外熱波方法對某型固體火箭發(fā)動機(jī)殼體含脫粘缺陷試件進(jìn)行了數(shù)值仿真和實驗研究。為了得到直觀、精確的缺陷三維圖像，采用同態(tài)濾波方法對原始圖像進(jìn)行降噪增強(qiáng)處理，利用粒子群模糊聚類算法對缺陷進(jìn)行了分割，并對缺陷的大小和深度進(jìn)行了定量識別，在此基礎(chǔ)上，利用體繪制重建算法對缺陷進(jìn)行三維重建。結(jié)果表明：同態(tài)濾波方法信噪比高，圖像增強(qiáng)效果好；粒子群模糊聚類算法分割效果好，缺陷保真性高；缺陷定量識別的精度較高，三維重建效果較好，為實現(xiàn)缺陷的自動識別奠定了基礎(chǔ)。

紅外熱波檢測；圖像增強(qiáng)；圖像分割；定量識別；圖像重建

Debond defects between shell and insulation layer of solid rocket motor（SRM）were inspected by numerical analysis and experiment based on thermal wave nondestructive testing（TWNDT）technique.In order to gain intuitionistic and accurate image of defects，the homomorphic filtering was used to enhance the image quality and the particle swarm optimization fuzzy clustering method（PSOFCM）was applied to segment the defect.Then the size and depth were estimated quantificationally.On this basis，the defects can be 3Dreconstructed by volume rendering.The results show that homomorphic filtering has higher peak signal to noise ratio（PSNR）and can improve image quality；the PSOFCM can achieve the better effect of image segmentation；it could be detected quantitatively and 3D reconstructed effectively for the defects，which establish basis for future research of defect auto－identification.

infrared thermal wave inspection；image enhancing；image segmentation；quantitative identification；image reconstruction

TP274

A

1001－4381（2012）05－0039－08

國家自然科學(xué)基金資助項目（面上項目51075390）

2011－06－01；

2012－03－17

宋遠(yuǎn)佳（1983—），男，博士研究生，從事地地導(dǎo)彈動力系統(tǒng)無損檢測與故障診斷工作，聯(lián)系地址：陜西省西安市第二炮兵工程大學(xué)203教研室（710025），E－mail：songyuanjia@163.com