往復式渦流C掃描行間錯位圖像復原校正方法在項目制教學中的應用

汪步云，程 軍，梁 藝

(1.安徽工程大學 人工智能學院,安徽 蕪湖 241000； 2.蕪湖安普機器人產業技術研究院,安徽 蕪湖 241007)

0 引言

針對帶電線纜、復合材料或者鋼板等工件，工程中往往需要無損傷檢測，得到被檢測工件的裂縫、裂紋或紋理圖像。渦流檢測作為無損檢測的一種手段，易于實現自動化、效率高等特點，多年來在金屬以及碳纖維復合材料等導電構件的表面和近表面損傷檢測中得到了廣泛的應用[1-3]。利用渦流法對大面積的實際結構件檢測時，大多通過表面C掃的方式完成掃描并成像[4]。

渦流探測采用C掃描，一般分為兩種模式，其一是單程隔行掃描，這種掃描方式對對被測工件掃查，顯而易見是僅在去程完成被測工件掃描，而沒有在回程過程中運用渦流探頭掃描。相比于第一種掃描方式，往復式逐行掃描充分利用了掃描路徑的去程及回程，從檢測效率角度看，這種是較為理想的檢測手段[5]。

一般地，探頭在由電機組成的驅動機構完成運動。在往復式逐行掃描過程中，由于去程、回程導致的電機正反轉過程的位置不一致，即電機編碼器輸出的A、B和Z相位脈沖的初始位置不一致，這會帶來傳動系統在同步運動過程中出現錯位，即奇數行與偶數行的無法同步信息，相鄰兩行之間的脈沖采樣不一致，導致掃描呈現的圖像中縱向或橫向的像素出現行間錯位，掃描圖像因此而出現模糊和失真現象。

由于往復式掃描效率高，但容易產生像素奇偶行間錯位現象，既兼顧其效率高的優點，也克服其錯位確定，確定往復式掃描圖像錯位校正算法在復合檢測中的應用則顯得尤為重要。針對上述問題，相關學者提出了序貫相似度檢測方法、最大互信息量和形態學梯度預估計法等多種算法[6-9]。相關學者采用上述方法，主要是通過掃描成像后的圖像灰度、對比度變化等信息完成錯位校正，這些方法大多僅適用分辨率很高的掃描成像，如光學信息圖像。對應地，渦流檢測得到的掃描成像，分辨率較低，上述大多算法不適用于渦流錯位圖像。因此，需要從渦流檢測圖像錯位機理入手，結合圖像校正算法，通過建立錯位圖像的退化模型，修正得出原始圖像，進而消除奇偶行間錯位，補償圖像模糊帶來的失真。據此，通過LabVIEW完成運動控制及數據采集，通過Matlab完成軟件算法開發程序，在此基礎上，設計實現了一套LabVIEW與Matlab混合編程的渦流檢測系統，所開發系統亦可集成化實現，在項目制教學中得到了應用。

1 行間錯位成因分析

往復式高頻渦流檢測系統設計如圖1所示，分為上位機、下位機以及探頭運動裝置，3個部分組合集成一套完整的渦流檢測系統。

圖1 高頻渦流檢測掃描成像實驗裝置

下位機包括激勵信號源、鎖相放大器和數據采集卡。其中，激勵信號源通過信號發生器、功率放大器和濾波器組成。其中，信號發生器最高可輸出20 MHz的正弦波，經功率放大和濾波后便可用于渦流探頭的激勵。采用鎖相放大器對接收線圈信號進行解調，提取掃描成像中的損傷信息，同時，以光電編碼器的脈沖為信息采集的觸發信號，有效提高了運動信息采集的同步性。

探頭運動裝置主要包括承載被測件的X、Y位移工作臺和位移臺控制器，用以實現相對探頭拖動的高精度運動控制。一般的，將發射-接收型探頭固定于位移工作臺上方，將被測工件固定于位移平臺表面，而且相對尺寸保持在探頭檢測范圍內，由此來實現探頭對一塊面積區域的掃描[10]。

上位機采用PC機實現數據采集和處理。探頭在往返掃描過程中，探頭上的感應線圈得出的電壓信號產生變化，在單位時間內由下位機采集后直接送至上位機，電壓信號的變化以強度變化同步顯示。利用LabVIEW軟件實現對位移臺的運動控制、激勵信號的幅值頻率設定、信號的采集存儲顯示。

對于往復掃描過程，往往需要同步連續采集。探頭在一個自由度上實現水平運動時，需要經歷一次加速、勻速和減速階段，每一次運動均是從起點連續運動至終點。加減速運動階段與勻速掃描階段相比，單位時間內系統探頭的運動距離比勻速運動時作動距離小，若采用等時間間隔的采樣脈沖，在兩個相鄰的采樣周期內，系統探頭掃描被測工件的作動距離不相等，這會導致探頭在空間實際運動位置與采樣信息不一致的情況[5]，這往往會帶來同步誤差積累，并以此帶來探測圖像上的錯位或者是重影，是往復式渦流掃描的問題所在。

此外，位移臺運動的檢測往往通過X軸或Y軸上的電機轉速檢測的，實現的方法多是通過檢測運動軸上電機的編碼器實現的。一般地，位移臺軸端聯軸器與電機同軸旋轉。因此，通過電機編碼器的輸出脈沖，作為檢測系統采集數據的觸發時鐘，可以解決采樣點與空間實際位置不匹配的問題。

根據編碼器的原理可知，在加速和減速階段，輸出脈沖寬度變化規律為速度越小，脈沖寬度越寬；速度越大則輸出脈沖寬度越窄。而探頭在每個脈沖內運動的距離可以理解為速度的積分，這相當于編碼器在輸出每一個脈沖周期內保證了探頭運動的距離相等，進而解決了相鄰兩個采樣脈沖內，探頭運動距離不一致而引起的數據采樣點與空間實際位置不對應的問題。這種方式不僅能夠提高探頭的掃描速度，還能實現系統的同步運動采集，是一種理想的控制方式。

對照圖2，進一步闡述上述原理。從圖2(a)可以看出，與圖2(b)的單程隔行掃描路徑相比，往復式逐行掃描首先在X軸快速完成一個正程掃描，而后在Y軸實現一個步長的回程掃描，回程掃描完成后，Y軸再次完成一個運動步長。完成該正程和回程掃描即為一個周期。

圖2 渦流探頭C掃描路徑

但是，在往復掃描過程中，發射-接收型探頭從開始掃描到運動端點停止，這個運動過程往往有外界干擾，包括位移平臺的隨機振動、機械回差和電流噪聲等，這會帶來探頭掃描成像出現奇數行和偶數行的重復位置不匹配，這亦是往復式渦流掃描和成像造成重影或錯位的根本原因。

探頭的起始位置發生隨機偏移而造成圖像錯位。根據圖2闡述的原理，為了克服這一問題，需實現運動采集數據的同步。采用編碼器的A相，輸出上升沿作為采集數據的觸發時鐘。編碼器正反轉時輸出脈沖如圖3所示。一般地，對電機輸出采用A、B和Z三相脈沖輸出，實現電機的輸出轉速和正反轉識別。位移臺上的驅動電機在拖動探頭時，編碼器的輸出脈沖在起始相位難以保證一致，這也會讓系統掃描成像后，像素的奇數行和偶數行采樣信息與位置無法對應，導致掃描圖像的行間信息錯位，造成往復式掃描渦流成像較為模糊，為后續檢測和高精度復原帶來很大的困難。

圖3 編碼器輸出脈沖

2 圖像復原校正算法

本節將通過幾組實驗，驗證文中提出的自適應維納濾波的圖像復原校正算法。分別針對不銹鋼板裂縫、CFRP碳纖維復合材料編織紋理圖像開展檢測，通過實驗結果進一步說明算法的適用性。

如圖4所示，以不銹鋼板裂縫檢測為例，304不銹鋼板厚度5 mm，表面加工出寬度0.2 mm、深度分別為1 mm和2 mm的兩條裂紋，掃描區域為0

如圖5所示，針對不銹鋼板的裂縫，運用渦流探頭單程隔行掃描得到常規掃描圖像，采用同一檢測硬件檢測系統，得到往復式掃描的模糊圖像。對比圖4所示的304不銹鋼板的損傷條紋，由成像結果可以看出，單程掃描成像質量較高，裂紋成像清晰明確；往復式渦流掃描成像錯位嚴重，鋼板實際的裂縫部位呈現鋸齒狀且輪廓模糊，掃描成像對損傷定位和識別帶來不利影響。

圖4 不銹鋼板示意圖

圖5 渦流掃描檢測對比圖

上述問題，可設計一種維納濾波自適應方法，修正像位錯位誤差。維納濾波(Wiener filtering)復原算法也被稱為最小均方誤差濾波方法。在得到渦流檢測成像之后，將完成圖像退化，這個過程可看作是在模糊核的干擾下，由原來清晰檢測成像轉變為圖像模糊退化的過程[11]。

圖像修正是圖像退化的逆過程。運用估計模糊核，完成圖像退化，最終得到復原圖像。如圖6所示，渦流檢測成像的圖像退化及復原的全過程[12]。同時，渦流檢測成像及復原一直伴有噪聲干擾，是一個近似平穩的隨機過程。通過計算渦流往復檢測成像與復原圖像中的像素均方誤差，且取均方誤差為最小值，此時從理論上可以任務圖像復原效果最好，最接近被測工件的原始掃描成像。

圖6 圖像退化復原模型

因此，上述問題，可以在軟件算法中，加入數據平滑與誤差處理的過程，如加入維納濾波處理圖像采樣的數據均方根誤差，其均方誤差表達式為[12]：

(1)

此外，上述數據多是在時域內表達，為進一步拓寬到頻域領域，更好地表達圖像退化的建模過程，往往需要用到在頻率內的表達。圖像退化模型在頻域的表達式為：

G(u,v)=H(u,v)F(u,v)+N(u,v)

(2)

因此，將上述濾波算法與圖像退化處理過程相結合，對掃描圖像實現退化、濾波和復原，其具體流程如圖6所示，即通過得到的掃描圖像的像素值f(x,y)，在時域內實現退化函數建模，由于檢測過程噪聲影響，得到加權函數，進而得到g(x,y)，在頻域內通過復原濾波器進一步處理后，得到掃描成像復原后的圖像。此外，輸出信號的函數特征與探頭中線圈的尺寸和結構有關。

通過計算構造維納濾波函數得：

(3)

PSNR為峰值信噪比，該參數可反映復原處理前后的圖像失真程度，PSNR越小表示圖像失真程度越高，其表達式為[13]：

(4)

維納濾波算法的處理結果，其可靠性取決于噪聲與原始檢測成像的比值，用常數K來代替。K值的靜態估計不利于操作，亦也不便于引出準確的修正方向。因此，通過引入K值的自適應維納濾波算法，動態優化K值，給出最佳檢測成像的修正結果，其中采用信噪比PSNR參數確定適應度函數。具體的程序執行流程如圖7所示。

圖7 自適應維納濾波算法的去模糊流程圖

上式中的MSE反映的是復原圖像與原始渦流往復檢測圖像之間的均方誤差，圖像復原結果越好，則MSE值越小，其表達式如下：

(5)

3 圖像復原校正結果

在設計的往復式C掃描渦流檢測系統，采用Matlab編寫自適應維納濾波校正算法，處理錯位模糊像位誤差。上位機主要實現數據采集及其運動控制，采用LabVIEW編寫。為了使錯位算法更好地嵌入到本系統中，采用聯合編程的方式，將Matlab與LabVIEW上位機互聯運行，在Matlab中的Script腳本節點內調用圖像處理函數，實現圖像數據的自動化處理。

運用維納濾波處理復原后圖像如圖8(a)所示，渦流成像中的裂紋鋸齒得到了明顯改善，但圖像中存在的兩條裂紋仍然有較多毛刺，復原結果不夠理想。進一步，如圖8(b)所示，該圖是基于自適應維納濾波去模糊的修正結果，檢測成像的兩條裂紋光滑清晰，圖像背景斑點和噪點較少，圖像復原處理狀況較好。同時，該方法能在0.1 s時間內500*500像素圖像的校正，將空間分辨率提高1倍以上，峰值信噪比PSNR最高可達25 dB左右。

圖8 維納濾波及其自適應算法復原對比圖

針對PSNR自適應動態調參的復原結果，既需要保證參數自適應調整的快速迭代，又要保證參數的收斂速度，因此將迭代與收斂相結合，需要合理匹配迭代參數與收斂終止值。結合實際情況，將終止迭代次數可以設置大于迭代計算次數。如圖9所示。可以設置迭代參數為15，終止參數為30。初始迭代時，PSNR參數上升較快(此時，設置為1～5)，之后，適應度PSNR的值上升緩慢(此時，設置為6～15)，在大于20次迭代后，PSNR變化甚小。適應度PSNR的值也需要與K值相對應。因此，可將適應度與K值相匹配，一般可設置在線性增長區間。

圖9 PSNR隨迭代次數的變化曲線

在此基礎上，針對碳纖維增強樹脂基復合材料(CFRP)檢測開展第二組實驗，進一步驗證上述往復式掃描圖像復原校正算法。

CFRP是以樹脂為基體，以碳纖維為增強體制成的復合材料，作為一種新型材料，CFRP應用范圍非常廣泛。因采用導電碳纖維作為增強材料，與其他無損檢測技術相比，利用渦流法開展無損檢測，電渦流檢測更適合用于CFRP制造過程中半成品的在線檢測。

第二組對象是四向碳纖維復合材料(CFRP)板，鋪層方式為[45°/0°/-45°]，試件表面光滑無損傷。復合材料板是通過對多層連續碳纖維/環氧樹脂預浸料加溫加壓制備而成，單根纖維直徑7 μm，預浸料厚度0.125 mm，不同角度表示鋪層中纖維的取向。

采用圖1所示的往復式渦流檢測系統，通過高頻掃描，得出有錯位模糊的檢測圖像。其中，掃描區域設置為：0

圖10 三向碳纖維板實物圖

圖11 CFRP渦流檢測圖像

如圖11所示，第二組實驗的處理對象是具有豐富纖維紋理的三向板，由檢測成像可看出，復合板中的碳纖維紋理呈間隔排列。正常圖像與錯位模糊圖像具有明顯區別，由于在像素單元上的錯位，導致圖像錯位模糊，具體表現在紋理特征不夠清晰，背景模糊，圖像存在噪聲點，邊緣不夠清晰，這些在圖像退化處理時會帶來更多處理誤差，一方面會對往復式掃描系統的硬件提出更高要求，另一方面提高了復原處理算法和參數調整難度。

如圖12所示，針對往復式渦流C掃描系統，得到的掃描圖像，分別運用自適應維納濾波、最佳規則化濾波、LR迭代最佳復原和迭代盲去卷積最佳處理4種算法，在完成圖像退化、濾波和復原處理后，得到的復原圖像。經過公式(4)計算出4種算法的PSNR分別是24.918 dB、22.932 6 dB、23.712 6 dB和24.821 8 dB。對比四種算法處理復原的檢測成像，四種算法均明顯改善了碳纖維渦流往復式檢測成像的錯位模糊問題，但圖像背景與碳纖維的細節方面仍有差異。

圖12 各算法圖像復原效果對比圖

如圖12(a)所示，與原始圖像對比，自適應維納濾波的復原效果較好，在圖像的細節，清晰度和紋理等方面是最接近的。

如圖12(b)所示，最佳規則化濾波的復原效果明顯不如圖12(a)，圖像出現了多個噪點，圖像背景模糊，紋理不清晰。

如圖12(c)所示，LR迭代最佳復原圖像在放大后，邊緣細節有所欠缺。

圖12(d)所示，運用迭代盲去卷積最佳復原方法，完好地復原了圖像中碳纖維的錯位，從復原結果來看也能辨認出更多的有效信息，復原結果接近退化的原始圖像。

通過對比上述兩組實驗，維納濾波與迭代盲去卷積復原效果較好，具有更高的主觀評分，這與PSNR的計算結果是一致的。通過PSNR自適應復原算法，可檢測CFRP鋪層和纖維紋理缺陷，可實現高精度成像，較好地給出復合材料的缺陷表達。

此外，對比渦流檢測成像的圖11和用四種處理方法復原處理得出的圖12可以看出，往復式渦流檢測可表達裂紋的像素值變化，同時可得復合板的紋路分布和三個纖維方向，也與驗證了所構建的檢測系統的可行性，體現了發射-接收型探頭的高分辨率，根據所檢測紋理成像的情況來看，CFRP面板內的電導率產生變化，但這一變化也很小，可以通過更換渦流探頭，提高其自調零特性，增強抗干擾能力，進一步提高分辨率，進而可最大程度地還原出分層板中的細觀損傷和分層位置，得出更為理想的檢測效果。

4 結束語

針對往復式渦流掃描系統存在行間錯位，導致檢測圖像模糊的問題，在有限提升硬件系統檢測精度的情況下，采用Matlab開發的自適應維納濾波的圖像復原校正算法，通過與LabVIEW實現上位機下的運動控制相匹配，完成上下位機的聯合控制，在線實現C掃描，解決了高頻往復式掃描的奇偶行間錯位而引起的圖像模糊失真問題，該算法既融合了單程隔行掃描的渦流成像結果準確性，又具備往復式逐行掃描成像速度快效率高的特點。

通過對往復式高頻渦流成像行間錯位的形成原因進行分析，對原始圖像以及錯位模糊圖像進行空間域表征，根據渦流檢測系統模型，從圖像復原角度對錯位圖像進一步展開研究，對維納濾波算法做出改進，開發出自適應維納濾波算法，得到復原算法的最佳復原效果。為了驗證自適應維納濾波的可靠性，引入了包括最佳規則化濾波法、LR迭代復原法和迭代盲去卷積復原法，并對幾種復原算法的復原效果進行比較和評價。

由于去CFRP渦流檢測造成紋路和缺陷圖像重疊在一起，給材料中缺陷的識別造成一定困難，此外還需考慮如何降低離散頻譜的混疊程度，或把這種混疊完全解開，可使其對應的空間域的空間分辨率得到改善，如何有效地提取CFRP中纖維紋路和缺陷的耦合信號特征，提高對復合材料中缺陷的檢測效率，這也是需要進一步有待解決的問題。

除此之外，上述所提及的檢測方法亦在項目制教學中得到的推廣和應用，設計了LabVIEW與Matlab混合編程的渦流檢測系統，使錯位校正算法與上位機軟件實現集成化，將其用于碳纖維復合材料的渦流檢測，提高了檢測效率和圖像分辨率，所設計的檢測流程在項目制教學中得到了充分運用，效果明顯。