基于小波變換的紅外熱成像圖像處理的無損檢測技術

梁棟　顧杰寧　張陳　王勝

摘 要：為提高紅外熱圖像技術在無損檢測領域的精度，提出運用電磁激勵加熱待檢測物體，研究對亞表層缺陷的檢測。首先采集數字圖像信號，利用傅里葉變換去除圖像中的噪聲，并用圖像增強算法增加背景與特征間的對比度，再利用基于小波變換的邊緣算法提取特征邊緣做定量分析，最后通過5組不同的缺陷層樣本作實驗對比，結果表明基于小波變換邊緣提取算子能顯著提高亞表面缺陷層的檢測精度。

關鍵詞：電磁激勵;亞表層缺陷;圖像處理;無損檢測;小波變換;紅外熱成像

中圖分類號：TP391文獻標識碼：A文章編號：2095-1302（2020）03-00-03

0 引 言

電磁激勵加熱被測件是近年來發展起來的新無損檢測技術，其檢測原理如圖1所示：選擇一個帶線圈的馬蹄形磁性體，并為線圈通脈沖方波，將其放置在被檢測零件的表面時會形成回路，產生強大的渦電流瞬間加熱;再使用紅外相機記錄被測物表面溫度場變化[1]。當被測物有凹坑、斷裂時，有缺陷部位和無缺陷部位因磁導率不同，產生的電磁熱量不相同，從而造成被測物中有缺陷與無缺陷部分各自對應表面溫度的不同，由此獲知缺陷的大致位置。基于電磁激勵加熱被測件靈活性大，可以根據不同的材料選擇不同的波形和頻率，且電磁激勵裝置功率大小可調，能達到最佳實驗結果。再者電磁激勵裝置可對被測件局部激勵加熱，而基本不用考慮激勵的均勻性問題，也無需無缺陷區域的溫度場做參考。因此，電磁激勵裝置被廣泛應用于無損檢測領域。

1 算法處理

紅外圖像與可見光圖像相比，大多存在采集后的圖像模糊、噪聲大等缺點，此外，電磁激勵脈沖功率大，加熱和冷卻時間較短，且存在不均勻現象，造成了大多數紅外圖像存在邊緣對比度差的現象[2]。因此增強圖像中的特征信號，降低圖像背景等噪聲十分必要。經過圖像去噪、增強處理后，圖像中的干擾信息被削弱和去除，經邊緣提取對熱圖像進行分割處理，使目標和背景圖像分離。

1.1 圖像去噪

為了抑制紅外圖像的噪聲影響，采用抑制噪聲、突出信號的增強方法來抑制不同的噪聲，以適應不同的應用場合。根據電磁激勵紅外熱成像的特點采用頻域低通濾波[3]。

卷積理論是頻域技術的基礎。設函數f （x， y）與線性位不變算子H （x， y）的卷積結果為g （x， y），即：

（1）

根據卷積定理，在頻域有：

（2）

式中G （u， v），H （u， v），F （u， v）分別是g （x， y），h （x， y），f （x， y）的傅里葉變換形式，具體過程如下：

Stepl：計算原圖像傅里葉變換;

Step2：將其與一個（根據需要設計的）轉移函數相乘;

Step3：將結果進行傅里葉逆變換得到增強的圖像。

根據公式（2）可知，變換后圖像的能量大部分集中在低頻部分，高頻能量為缺陷邊緣和噪聲部分，因此只要能夠適當抑制高頻成份幅度就能降低噪聲的影響[4]。

1.2 圖像增強

圖像增強是數字圖像處理的最基本的方法之一，它是為了改善視覺效果或便于人或機器對圖像的分析理解，根據圖像的特點或存在的問題，以及應用目的所采取的改善圖像質量的方法或加強圖像某些特征的措施[5]。

由于圖像的邊緣比較模糊，為了突出邊緣，需提取出圖像的高頻部分，增強圖像的對比度。文中采用修正后的均值濾波器方法實現這一目標。

令f （x， y）為原圖像的灰度值，g （x， y）為增強后的灰度值，m為模板內像素的總個數。

（3）

式中，fε為對比度增強因子，一般取值為0.3，0.5，0.7，1.0，1.4，1.8。

1.3 邊緣提取

Lipschitz描述奇異點的幾何結構可以分為三類，即階梯型（step-structure）、屋脊型（roof-structure）、跳躍型（dirac-structure），文中主要考慮用小波變換來刻畫這些結構[6-7]。在圖像中，邊緣擁有典型的奇異點，提取出邊緣就能為之后的處理提供較多幫助。

令0≤α≤1，函數f （x， y）在區間（x1， y1）×（x2， y2）上有一致的Lipschitz α，如果存在成數K，使得∨（x， y）∈（x1， y1）×（x2， y2），且

（4）

其中，|x1-x2|→0，|y1-y2|→0。

令φ（x）為一個奇小波，其支集[-a， a]滿足，并且x0是理想邊界，e（x）是輪廓線函數。分析圖像，原始圖像里存在的三種邊界，經過上述圖像處理后主要為階梯型邊界。

具體過程如下：

Stepl：取不同的尺度s1， s2， ...， sn，利用階梯型邊界公式求出小波變換系數wse（x）;

Step2：選擇峰值閾值T，保留滿足下面條件的點（x， y）：

（5）

Step3：選擇均閾值R，保留滿足下列條件的點（x， y）：

（6）

式中，f （x， y）就是要檢測的點。

2 試驗方案

采用基于二維小波的電磁激勵加熱方式對紅外圖像進行校正，實驗裝置如圖2所示。

選取厚度一致且存在一定缺陷的鐵板，在表面貼上塑料膜，將裝置上的馬蹄鐵線圈靠近鐵板表面，通過遠距離變頻感應，將電能快速高效地傳導到被加熱導體內，使表面極速加熱至所需高溫，并用遠紅外相機記錄該過程，調節感應頻率使成像最佳。

圖3所示為實驗論證的方案。

方案1主要論證在有覆蓋件的表面能否檢測出下面的

缺陷;

方案2主要證明在金屬內部能否用電磁激勵加遠紅外相機抓取缺陷的特征;

方案3、方案4、方案5分別從不同的角度求證電磁激勵是否能夠檢測缺陷的深度。

實驗數據見表1所列。

3 實驗結果

圖4為基于上述算法對圖像進行處理后得出的圖像。

圖4（a）為通過紅外相機采集的原圖在經過灰度變換后得到的圖像;圖4（b）為經過傅立葉變換后，濾除大多數背景邊界和干擾噪點的濾波后圖像，從圖中可以看出缺陷邊緣信號保留的比較完整。圖4（c）為增強后圖像。比較圖4（a）和圖4（c）可以看出，增強后的圖像像素均勻度較好，背景和特征信號對比度強。實驗中因渦流的趨膚效應，上表面比下表面受熱多，若直接分析數據，勢必誤差較大。小波變換使非均勻受熱圖像得到了校正，且未丟失缺陷結構特征，為定量分析缺陷的邊緣作進一步遞進。圖4（d）為三維灰度值分布圖，在邊緣和缺陷位置處灰度值發生突變，可以用來確定缺陷在被測件中的具體位置。

4 結 語

從實驗結果看紅外熱成像無損檢測技術的另一個重要參數就是激勵電流的頻率，由于趨膚效應的存在，快速加熱試件時不能單單增加電流頻率（加熱的速度越快，缺陷的特征表現的就越明顯）。對亞表面的缺陷，頻率越高越難檢測缺陷。此外，從實驗采集到的數據看，材料的表面質量和氧化層厚度等都會影響檢測效果。

綜上分析可知，實際運用電磁激勵紅外相機檢測金屬構件的亞表面缺陷時，要綜合多方面的參數，如被測試件的材料、表面質量、激勵電流大小頻率、線圈與試件距離、激勵時間、線圈角度等。

參 考 文 獻

[1]王永茂，王颯爽，馬寧，等.缺陷深度脈沖熱成像檢測新方法[J].無損檢測，2004，26（3）：124-126.

[2]王祖明.基于感應加熱的局部模腔溫度場數值模擬與實驗研究[D].上海：上海交通大學，2012.

[3]馮小雷，胡宇，閆敏，等.基于電磁激勵的紅外熱成像無損檢測技術[J].科技資訊，2011（1）：112.

[4]戴景民，汪子君.紅外熱成像無損檢測技術及其應用現狀[J].自動化技術與應用，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]楊小岡，孟飛.一種實用的圖像濾波算法[J].計算機應用，2009

（6）：216-218.

[7]吳彰良，劉潔.基于計算機視覺的油封尺寸檢測系統設計[J].計算機測量與控制，2012，20 （5）：1196-1198.

[8]黃建祥，張金玉，張勇. 基于小波變換的獨立分量分析及其在紅外熱波圖像中的應用[J].無損檢測，2012（5）：40-43.

[9]郭興旺，董淑琴.基于小波變換的紅外熱波無損檢測融合算法[J].光學技術，2008（5）：659-663.

[10]袁坤坤，陸金桂，吳偉偉.基于改進小波變換的零件缺陷紅外圖像增強方法研究[J].機械設計與制造工程，2019（4）：86-89.