CN102608162A - 超声红外热图阈值分割方法 - Google Patents

Abstract

本发明包括如下步骤：使用超声源激励被测试件，同时使用红外热像装置获得被测物体表面的热图序列；对所获得的热图序列T(u，v，t)进行减背景处理，从而得到温升热图序列f(u，v，t)；选取时间点t₀，计算图像f(u，v，t₀)的直方图，其横坐标为温升，单位摄氏度，纵坐标为像素点数；提取该直方图中峰值对应温升值T_m及该峰值左右两端的半峰值对应的温升值T₁和T₂，其中T_m近似看作是噪声信号平均值；分别计算直方图中左右两端分布近似为高斯分布时的标准差σ_l和σ_r：σ_l＝(T_m-T₁)/1.1775，σ_r＝(T₂-T_m)/1.1775，这两个标准差的较小值近似看作是噪声信号的标准差；基于超声红外温升热图所对应直方图计算阈值T₀，其中N为热图的总像素点数：

对图像f(u，v，t₀)进行全局阈值处理，从而获得阈值分割后的黑白图像f_bw：

Description

超声红外热图阈值分割方法

技术领域

本发明涉及无损探伤检测技术领域，特别是涉及一种超声红外热图阈值分割方法。

背景技术

超声红外无损检测技术是二十世纪末发展并逐渐成熟的一种无损检测技术。此技术以一定频率的超声施加到被测试件，超声源通常选自用作塑料焊接的超声焊枪，超声脉冲时间长度、功率及压力等参数根据检测任务可调整。其检测原理为试件在超声激励下产生振动，缺陷表面由于摩擦或由于热弹效应而产生热量，采用红外热像仪连续观察和记录物体表面的温场变化，并通过现代计算机技术及图像信息处理技术进行时序热波信号的处理和分析，可实现对物体内部缺陷或损伤的检测。本发明涉及一种利用全局阈值分割方法实现超声红外热图中亮区域阈值分割处理。

超声红外无损检测技术所获得的实验数据为红外热图序列，通常的数据分析方法是首先对整个红外热图序列减背景处理，即减掉超声激励前的热图，从而获得温升热图序列。缺陷处由于摩擦等原因产生热量，其对应温度升高而在热图中表现为较亮区域，对温升热图的分析即为对热图中较亮区域进行分析。同时，在温升热图中，除了缺陷区域表现为较亮区域外，还存在大量干扰信号表现为亮区域，比如试件支撑柱处、背景热反射等。

由于超声红外无损检测技术通常应用于表面下微裂纹检测，这类应用中缺陷处所产生热量通常较小，因而，在温升热图中有两个特点：一是其温升一般较小，二是其对应亮区域面积较小。而干扰信号则通常表现为较大面积的亮区域，其对应温升也可能较高。另外，由于分析的是温升热图，噪声对整个热图影响较大，有时甚至与较弱缺陷信号相似。因而，要实现超声红外温升热图阈值分割处理，需要分析噪声和干扰信号所带来的影响。

在图像分析和识别中，一般首先要对所给的图像进行分割，再对分割的区域做适当的描述，然后才能对图像做某种分析。图像分割是图像分析前的一个重要处理步骤，它是对图像进行视觉分析和模式识别的基本前提。图像阈值分割是一种广泛应用的分割技术，利用图像中要提取的目标区域(超声红外热图中亮区域)与其背景(超声红外热图背景噪声区域)在灰度特性上的差异，把图像看作具有不同灰度级的两类区域(目标区域和背景区域)的组合，选取一个比较合理的阈值，以确定图像中每个像素点应该属于目标区域还是背景区域，从而产生相应的二值图像。

要从复杂背景中分辨出目标并将其形状完整的提取出来，阈值的选取是阈值分割技术的关键。缺陷对应温升值通常较小，仅略高于噪声，因而，要实现超声红外温升热图阈值分割处理，阈值选取尤为重要。对超声红外温升热图进行阈值分割的目的是要正确把缺陷区域归为目标区域，同时其区域能正确反映缺陷区域形状，即不能与周围噪声信号区域连通。

由于缺陷处所产生热量通常较小，且其对应亮区域面积较小，现有的阈值分割方法所采用的阈值要么过高，很容易把目标缺陷误归为背景信号；要么过低；归为目标区域的缺陷和部分背景噪声区域相互连通，未能真实反映缺陷形状。尤其是针对缺陷处所产生温升较小的应用，而超声红外无损检测技术的应用基本是针对这种情况，现有的阈值分割方法均不适用。

发明内容

本发明提供一种超声红外热图阈值分割方法，以解决超声红外无损检测技术中热图分析和识别存在的技术问题：现有的阈值分割方法所采用的阈值要么过高，很容易把目标缺陷误归为背景信号；要么过低，归为目标区域的缺陷和部分背景噪声区域相互连通，不能真实反映缺陷形状。特别是在缺陷处所产生温升较小的情况下。

为此，本发明的一种超声红外热图阈值分割方法，包括如下步骤：

步骤1：使用超声源以特定频率、脉冲时间长度、功率和压力条件激励被测试件，同时使用红外热像装置获得被测物体表面的热图序列，并将热图序列存储在通用存储器中；

步骤2：对所获得的热图序列T(u，v，t)进行减背景处理，即每幅图像均减掉超声激励前的图像，从而得到温升热图序列f(u，v，t)；

步骤3：选取时间点t₀，计算图像f(u，v，t₀)的直方图，其横坐标为温升，单位摄氏度，纵坐标为像素点数；

步骤4：提取该直方图中峰值对应温升值T_m及该峰值左右两端的半峰值对应的温升值T₁和T₂，其中T_m近似看作是噪声信号平均值；

步骤5：分别计算直方图中左右两端分布近似为高斯分布时的标准差σ_l和σ_r：σ_l＝(T_m-T₁)/1.1775，σ_r＝(T₂-T_m)/1.1775，这两个标准差的较小值近似看作是噪声信号的标准差；

步骤6：基于超声红外温升热图所对应直方图计算阈值T₀，其中N为热图的总像素点数：

$T_0=\left\{\begin{array}{cc}{T}_m+{\mathrm{\σ}}_l\×\sqrt{2\log N},& {\mathrm{\σ}}_l\≤{\mathrm{\σ}}_r\\ T_m+{\mathrm{\σ}}_r\×\sqrt{2\log N},& {\mathrm{\σ}}_l>{\mathrm{\σ}}_r\end{array}\right.;$

步骤7：对图像f(u，v，t₀)进行全局阈值处理，从而获得阈值分割后的黑白图像f_bw：

$f_{\mathrm{bw}}(u,v)=\left\{\begin{array}{cc}1,& f(u,v,t_0)>T_0\\ 0,& f(u,v,t_0)\≤T_0\end{array}\right..$

其中，所述超声源为超声焊枪，其频率为20KHz或40KHz，或是非单一频率激励。

其中，所述超声焊枪与被测试件是接触式的，或是采用非接触式。

其中，所述超声焊枪为固定或是手持式的。

其中，所述步骤3中的时间点t₀为超声激励前三分之一时间内的一时间点。

本发明达到的有益技术效果在于：能够正确的把被测试件内的目标缺陷与背景信号区分开，且归为目标区域的缺陷和背景噪声区域不相互连通，能够真实反映缺陷形状。

附图说明

图1为超声红外无损检测技术原理图；

图2为实施例中被测试件的温升热图；

图3为三个不同时刻对应直方图曲线；

图4为20ms时刻对应局部归一化直方图曲线；

图5为图2对应温升热图阈值分割结果。

附图标记说明

立柱-1；被测试件-2；夹子-3；超声焊枪-4；红外热像仪-5；计算机-6。

具体实施方式

为了使本发明的形状、构造以及特点能够更好地被理解，以下将列举较佳实施例并结合附图进行详细说明。

本发明涉及一种超声红外热图序列阈值分割方法。本方法特点是采用超声焊枪以一定频率和脉冲时间长度作用在被测试件上，缺陷处由于摩擦或热弹效应等而生热，从而引起其对应表面温场变化，使用热像仪记录该表面温场变化。超声红外无损检测技术的检测机理基于热传导理论，通过对该技术中缺陷处热量的产生及热扩散过程的分析，从温升热图直方图中提取了噪声信号的近似平均值及标准差，提出了一种阈值选取方法，可实现超声红外热图序列中缺陷区域的阈值分割。

为了实现超声红外无损检测技术所获得热图序列T(u，v，t)中的亮区域阈值分割处理，首先对热图序列进行减背景处理，也就是所有热图均减掉超声激励前的热图，从而获得温升热图序列f(u，v，t)。其中，u，v，t分别为空间横坐标、纵坐标，以及时间。

为了实现超声红外温升热图序列亮区域阈值处理，首先需要选取某一个时刻的温升热图。在超声激励时间内，缺陷处由于摩擦或热弹效应等而始终产生热量，同时，超声焊枪与试件、试件与支撑柱之间由于相互作用产生相比缺陷处大的多的热量。随着超声激励时间的加长，该热量向周围较冷区域扩散，造成整个试件温度逐渐升高。由于温升热图序列是已经减掉了背景热图，因而，所获得的热图序列中，大量区域均为噪声，随着超声激励时间的加长，噪声的标准差也逐渐增大。

本发明的目的是通过阈值处理能正确的分割出缺陷区域，而其他亮区域的分割效果可以不用考虑。而在超声红外无损检测技术的应用中，大部分应用均针对表面下微裂纹进行检测，因而，超声激励下所产生的热量通常较低，一般仅略高于噪声水平。而随着超声激励时间的增长，噪声的标准差逐渐增大，而缺陷处所产生热量由于热扩散及热辐射等原因，在超声激励时间段内其温度并不一定升高，因而，容易造成缺陷信号与更多噪声信号值的重叠。为了减少噪声信号对缺陷信号的干扰，所选取时间点t₀为超声激励时间内靠前某一时刻，一般为前三分之一时间内的一时间点。在本发明的实施例中选定为20ms时。

确定热图f(u，v，t₀)后，计算其直方图。超声激励下，仅有缺陷处、支撑柱，或者是热反射等才能产生热量，从而在热图中表现为亮区域，即其温度较高。而整个热图中，其它区域由于没有能量产生，在温升热图中为噪声信号，且在通常的温升热图中，大部分区域均为纯噪声信号。因而，超声红外温升热图的直方图仅有一个峰值T_m，传统的基于直方图的阈值选取方法均针对双峰情况，因而对超声红外温升热图不适用。

该峰值对应热图中噪声信号，且该峰值左右两边信号不对称，但其两端信号均可看作类似于高斯分布。该峰值两端信号不对称，其左端信号是低温区域，因而，其可以看作是纯噪声信号。而峰值右端从极大值到平缓区域，其温度略高于噪声信号，根据前面所分析，部分微裂纹所对应的信号即位于该段，因而，这部分信号除了噪声外，还有部分缺陷信号，以及高温向低温热扩散的靠近低温区域的信号。峰值左右两端信号的标准差可分别提取其对应半峰值T₁和T₂，则左右两端对应的标准差σ_l和σ_r可分别计算为：

σ_l＝(T_m-T₁)/1.1775    (1)

σ_r＝(T₂-T_m)/1.1775    (2)

直方图峰值对应于噪声信号，其左端信号为纯噪声信号，因而其温升范围较窄。其右端信号温升值范围较大，且波形较平。这是由于温升热图中的对应的高温区域的热量逐渐向周围低温区域扩散，因而，其温度梯度一定是平缓的，且温度范围覆盖高温到噪声信号的全部温度范围，从而造成直方图高温部分波形较平。

为了保证阈值处理能正确的分割出缺陷区域，所选取的阈值不能太大，由于微裂纹所产生热量较小，阈值太大，容易把缺陷信号分割为背景信号，即噪声信号。所选取的阈值也不能太小，由于温升热图中大部分区域为噪声，且微裂纹所对应信号仅略高于噪声信号，造成分割出的缺陷信号区域与部分噪声信号区域连通，这种情况下所分割出的缺陷区域不能真实反映缺陷区域，同时，在后续图像分析处理中，容易被误判为噪声或干扰信号。

为了实现阈值分割处理，本发明采用了与Niblack’s方法相同的公式来计算阈值，Niblack′s方法为：

T＝m+k*s    (3)

其中，m为图像灰度平均值，s为标准差，k为常数，其范围为[0，1]。该方法所计算的阈值是针对图像中不同区域的统计值，即m，s和k进行计算，并对相应区域进行分割。本发明基于该公式，采用了新的m，s和k值计算阈值，并把该阈值作为全局阈值对整个温升热图进行分割处理。

对超声红外温升热图进行阈值分割处理，由于该热图主要由噪声和亮区域构成，因而，去掉所有的噪声信号就能获得亮区域。通过对温升热图对应直方图的分析，噪声信号的平均值(可近似看作T_m)及标准差(可近似看作σ_l和σ_r中较小值)均已获得。而公式(3)中所采用的图像平均值m和标准差s，并不能真实反映超声红外温升热图中的噪声情况，通常m和s均大于噪声信号的平均值和标准差。因而，为了去掉超声红外温升热图中所有的噪声信号或分割其所有亮区域，本发明的m取为T_m，k取为

其中N为热图的总像素点数，选取直方图中峰值左右两端信号标准差值较小的作为s。从而，阈值T₀计算公式为：

$T_0=\left\{\begin{array}{cc}{T}_m+{\mathrm{\σ}}_l\×\sqrt{2\log N},& {\mathrm{\σ}}_l\≤{\mathrm{\σ}}_r\\ T_m+{\mathrm{\σ}}_r\×\sqrt{2\log N},& {\mathrm{\σ}}_l>{\mathrm{\σ}}_r\end{array}\right.---\left(4\right)$

阈值确定后，对超声红外温升热图f(u，v，t₀)全局阈值处理为：

$f_{\mathrm{bw}}(u,v)=\left\{\begin{array}{cc}1,& f(u,v,t_0)>T_0\\ 0,& f(u,v,t_0)\≤T_0\end{array}\right.---\left(5\right)$

所获得的二值图像f_bw即为阈值分割处理的结果，其中目标区域包括缺陷区域以及其它高温区域。

为了实现本发明的目的，首先选取一个试件的热图序列进行处理，该试件包含一个缺陷。本发明采取的技术解决方案包括如下步骤：

1、使用超声焊枪以特定频率、脉冲时间长度、功率和压力等条件下激励被测试件，同时使用红外热像装置获得被测物体表面的热图序列，并将热图序列存储在通用存储器中。

2、对所获得的热图序列T(u，v，t)进行减背景处理，即每幅图像均减掉超声激励前的图像，从而得到温升热图序列f(u，v，t)。

3、选取时间点t₀，t₀可取为超声激励时间内靠前某一时刻，一般为前三分之一时间内的一时间点，在本实施例中激励时间500ms，t₀选为20ms。

4、计算图像f(u，v，t₀)的直方图，其横坐标为温升，单位摄氏度，纵坐标为像素点数。并提取该直方图中峰值对应温升值T_m，以及提取该峰值左右两侧的半峰值对应的温升值T₁和T₂，其中T_m可近似看作是噪声信号平均值。

5、以公式(1)和(2)分别计算直方图中左右两端分布近似为高斯分布时的标准差σ_l和σ_r，这两个标准差的较小值可近似看作是噪声信号的标准差。

6、基于超声红外温升热图所对应直方图以公式(4)计算阈值T₀。

7、利用公式(5)对图像f(u，v，t₀)进行全局阈值处理，从而获得阈值分割后的黑白图像f_bw。

经过上述步骤处理后，所分割的目标区域包含缺陷及其它在热图中表现为亮区域的干扰信号。在图像分割的基础上，也就是获得亮区域的基础上，可根据热扩散特征和图像处理方法等对所得亮区域进一步分析处理而获得缺陷区域。根据上述方法对钛和铬镍铁合金制作的大约100个试件所对应的热图序列进行处理，尽管这些试件中的缺陷尺寸和位置等可能有较大差异，缺陷的温升差异可能很大。但所获得的黑白图像中，所有的缺陷区域均正确的被分割为目标区域，同时，均正确的反映缺陷区域形状(即未与噪声区域连通)。

本发明的理论基础是基于一个内部热源往表面热扩散的过程，因而，该算法不仅对接触式的超声红外无损检测技术适用，同时也适用于其它可近似用内热源来表示的热传导过程而得到的热图阈值分割处理，比如非接触式超声红外无损检测技术的热图序列阈值分割。超声红外无损检测技术根据不同应用，可选择不同超声频率，比如20KHz或40KHz，超声脉冲时间长度、功率及压力等参数针对不同应用可取不同值，但本发现不受这些参数影响。

下面将结合实施例来说明超声红外热图序列阈值分割处理过程。该实施例中使用了以钛和铬镍铁合金制作的大约100个试件，试件尺寸大约为：长200毫米，宽30毫米，厚度6到8毫米。实验前，每个试件均手工喷漆以消除表面热反射，100个试件中有若干未知缺陷。

图1为本发明超声红外无损检测技术的检测原理图，同时也是应用本发明方法的实际系统的结构示意图。参考图1，调整两个立柱1的位置，把被测试件2的一端通过一个夹子3固定住，而另一端则用超声焊枪4以一定压力固定住。20KHz的超声焊枪4通过一片耦合介质以一定压力作用在试件2上，超声作用时间固定为500ms。缺陷处在超声激励下由于摩擦而产生热量，其对应表面由于热传导而温度升高。红外热像仪5实时记录被测物体的表面温场的变化，计算机6采集红外热像仪5得到的热图数据，得到被检测物体表面温场的热图序列。

当被测试件有缺陷时，在超声激励下，缺陷处应该产生热量并伴随热扩散，当所有热图序列T(u，v，t)减掉背景热图而得到温升热图序列f(u，v，t)，缺陷区域在温升热图中表现为亮区域。同时，热图中存在大量干扰信号，这些干扰信号也表现为亮区域。如图2所示，除了图中央的亮斑为缺陷外，其它的亮区域分别包括背景热反射和试件边缘热反射、左右两端试件与立柱摩擦产生的热量及热扩散、喷漆造成的两个伪缺陷，以及存在大量的噪声干扰。

对温升热图序列f(u，v，t)中三个不同时刻的热图计算其对应直方图，时刻分别选为超声激励时间段内靠前、中间和靠后段内。图3为三个时刻温升热图对应的直方图，由这三条直方图曲线可以看出：时间越靠前，其对应峰值数越大，且峰值对应温升值越小；时间越靠前，低温处的波峰半高宽越小；高温区域波形平缓，没有峰值。这三条直方图曲线峰值区域对应于温升热图中噪声范围，由于缺陷处温升较小，通常只是略大于噪声水平。因而，缺陷处对应温升值应该处在直方图曲线峰值右端，且在该曲线波谷附近。但是由这三条曲线可以看出，除了有一个明显的波峰外，不存在波谷，因而，不容易直接确定阈值。随着时间推移，由其直方图可以看出，噪声信号整体温升增大，但是缺陷处的温升由于存在热辐射和热扩散等，对于大部分微裂纹来说，其温升并不一定随着时间推移其温升会增大。这意味着随着时间的推移，较多的噪声点与缺陷处温升值相同，这容易造成归为目标区域的缺陷信号和噪声信号连通。因而，选取温升热图序列的时间点应该选在超声激励时间段内靠前某一时刻。

对于100个试件，本发明中t₀统一取为20ms。图2即为所选取的t₀时刻温升热图f(u，v，t₀)，图中中央亮斑为缺陷区域，本发明所选取的阈值处理要求能正确把中央亮区域归为目标区域，同时能正确反映缺陷区域形状，即不与周围噪声区域连通。计算f(u，v，t₀)直方图，由于直方图覆盖的温度范围较大，而噪声位置处的波峰范围较小，图4中仅画出了温升从0°到0.025°的归一化直方图。图中，T_m，T₁，T₂分别表示直方图中峰值对应温升、峰值左边半高宽对应温升以及峰值右边半高宽对应温升。由该图也可以看出，峰值左右两端并不对称，这是由于通常情况下，峰值左边为纯噪声，而其右边可能会受到缺陷或其他干扰信号中较低温升的影响。

以公式(1)和(2)分别计算直方图中峰值左右两端分布的标准差σ_l和σ_r。以公式(4)计算对温升热图进行全局阈值分割的阈值，式中N为热图总像素点数，本发明中为320*240。最后以公式(5)对图2中所示温升热图进行阈值处理，其对应结果显示在图5中。由该图可以看出，本发明所计算的阈值应用于温升热图所获得的二值图像中，缺陷信号被正确归为目标信号，同时其区域正确反映了缺陷信号区域形状。

采用上述相同方法和步骤对100个钛和铬镍铁合金制作的试件进行类似的超声红外实验，并对所获得的热图序列进行处理。结果表明：所选取的阈值均能把缺陷区域正确归为目标区域，同时均正确反映缺陷形状。由于上述步骤中所有参数均为自动计算，因而，本方法可实现自动处理。在本发明的基础上，也就是在阈值分割所获得的二值图像的基础上，可以利用热扩散特征和图像处理技术等实现超声红外热图缺陷信号的分析和识别等。

以上对本发明的描述是说明性的，而非限制性的，本专业技术人员理解，在权利要求限定的精神与范围之内可对其进行许多修改、变化或等效，但是它们都将落入本发明的保护范围内。

Claims (5)

1.一种超声红外热图阈值分割方法，其特征在于，包括如下步骤：

步骤1：使用超声源以特定频率、脉冲时间长度、功率和压力条件激励被测试件，同时使用红外热像装置获得被测物体表面的热图序列，并将热图序列存储在通用存储器中；

步骤2：对所获得的热图序列T(u，v，t)进行减背景处理，即每幅图像均减掉超声激励前的图像，从而得到温升热图序列f(u，v，t)；

步骤3：选取时间点t₀，计算图像f(u，v，t₀)的直方图，其横坐标为温升，单位摄氏度，纵坐标为像素点数；

步骤4：提取该直方图中峰值对应温升值T_m及该峰值左右两端的半峰值对应的温升值T₁和T₂，其中T_m近似看作是噪声信号平均值；

步骤5：分别计算直方图中左右两端分布近似为高斯分布时的标准差σ_l和σ_r：σ_l＝(T_m-T₁)/1.1775，σ_r＝(T₂-T_m)/1.1775，这两个标准差的较小值近似看作是噪声信号的标准差；

步骤6：基于超声红外温升热图所对应直方图计算阈值T₀，其中N为热图的总像素点数：

$T_0=\left\{\begin{array}{cc}{T}_m+{\mathrm{\σ}}_l\×\sqrt{2\log N},& {\mathrm{\σ}}_l\≤{\mathrm{\σ}}_r\\ T_m+{\mathrm{\σ}}_r\×\sqrt{2\log N},& {\mathrm{\σ}}_l>{\mathrm{\σ}}_r\end{array}\right.;$

步骤7：对图像f(u，v，t₀)进行全局阈值处理，从而获得阈值分割后的黑白图像f_bw：

$f_{\mathrm{bw}}(u,v)=\left\{\begin{array}{cc}1,& f(u,v,t_0)>T_0\\ 0,& f(u,v,t_0)\≤T_0\end{array}\right..$

2.如权利要求1所述的超声红外热图阈值分割方法，其特征在于，所述超声源为超声焊枪，其频率为20KHz或40KHz，或是非单一频率激励。

3.如权利要求2所述的超声红外热图阈值分割方法，其特征在于，所述超声焊枪与被测试件是接触式的，或是采用非接触式。

4.如权利要求1所述的超声红外热图阈值分割方法，其特征在于，所述超声焊枪为固定或是手持式的。

5.如权利要求1所述的超声红外热图阈值分割方法，其特征在于，所述步骤3中的时间点t₀为超声激励前三分之一时间内的一时间点。

Images