CN105388218A - 一种用于粗晶奥氏体不锈钢焊缝超声检测的图像降噪方法 - Google Patents

Abstract

一种用于粗晶奥氏体不锈钢焊缝超声检测的图像降噪方法，属于超声无损检测领域。首先，该方法采用一套包括探伤仪、探头、扫查装置的超声检测系统对焊缝进行检测，获得超声图像并导出构成图像的A扫描信号数据。然后，通过对信号的时移和幅值叠加处理重建超声图像。最后，利用希尔伯特变换提取A扫描信号的相位信息，并基于相位的标准差建立用于表征重建图像各点相位分布的权重因子，放大信号相位分布对图像中缺陷回波幅值的贡献，实现相位随机分布的结构噪声幅值抑制，为粗晶材料超声缺陷检测问题提供解决途径，具有较好的应用及推广价值。

Description

一种用于粗晶奥氏体不锈钢焊缝超声检测的图像降噪方法

技术领域

本发明涉及一种用于粗晶奥氏体不锈钢焊缝超声检测的图像降噪方法，其属于超声无损检测领域。

背景技术

粗晶奥氏体不锈钢焊缝材料广泛应用于核电和化工等领域，其安全性备受关注。超声检测(ultrasonictesting，UT)具有方向性好，能量高，穿透力强，对人体无害，能够对介质中的缺陷定位定量等优点，且对危害较大的面积型缺陷敏感，是常用的焊缝检测方法。然而，奥氏体不锈钢焊缝中粗大的弹性各向异性晶粒与超声波之间的交互作用会导致超声信号/图像中出现强烈的结构噪声，造成缺陷漏检或误判现象的发生。

近年来国内外研究者利用合成孔径聚焦(syntheticaperturefocusingtechnique，SAFT)算法的延时和幅值叠加抑制超声图像中的结构噪声幅值。但是，受有效孔径宽度的限制，SAFT算法的结构噪声抑制能力较为有限，无法更有效地抑制奥氏体不锈钢焊缝中的强烈结构噪声。由于结构噪声源自晶粒的背散射，因此其频带宽度与缺陷回波基本相同，诸如高通、低通等一般滤波方法无法滤掉此类噪声。虽基于分离谱处理(splitspectrumprocessing，SSP)技术的信号处理方法能够通过分离时域或频域信号的方法滤掉结构噪声，但此类方法对波数、带宽和波形等参数的选择过于敏感，某些缺陷信息可能在处理过程中被滤掉。而且SSP的操作复杂，需要繁琐的信号调频及迭代处理。

发明内容

发明的目的是一种用于粗晶奥氏体不锈钢焊缝超声检测的图像降噪方法。针对奥氏体不锈钢焊缝结构引起的超声图像中结构噪声强、缺陷信噪比低的问题，基于构成超声图像A扫描信号数据的相位标准差，建立用于表征相位分布的权重因子，放大相位分布对图像中缺陷回波幅值的贡献，有效抑制了结构噪声的幅值，显著增强了粗晶奥氏体焊缝超声图像的缺陷信噪比，为粗晶材料超声缺陷检测问题提供解决途径。同时本发明还可以拓展至所有引起结构噪声的粗晶材料超声检测，具有良好的推广及应用前景。

本发明采用的技术方案是：一种用于粗晶奥氏体不锈钢焊缝超声检测的图像降噪方法，基于构成超声图像的A扫描信号数据相位标准差，建立用于表征相位分布的权重因子，放大相位分布对图像中缺陷回波幅值的贡献，抑制图像中相位随机分布的结构噪声幅值，进而增强超声图像的缺陷信噪比，为粗晶材料超声缺陷检测问题提供解决途径，所述方法的步骤如下：

(1)超声检测参数的确定

对被检奥氏体不锈钢焊缝进行超声检测，根据被检焊缝厚度和缺陷形状、位置选择探头频率、探头晶片尺寸、楔块角度、探头对中心间距、扫查步进增量超声检测参数；

(2)超声图像及A扫描信号数据的获得

根据步骤(1)中确定的超声检测参数对缺陷进行检测，获得N个A扫描信号构成的超声扫描图像，并通过与探伤仪相配的分析软件将A扫描信号数据导出；

(3)A扫描信号的时移量计算

进行合成孔径聚焦图像重建前，需要计算超声图像中各信号的时移量，探头由发射探头T和接收探头R构成，发射探头T与接收探头R之间的探头中心距为2S，探头以步进长度Δs由位置1向右扫查至位置N，当其位于位置i时，根据探头T_i、R_i与聚焦点G之间的几何关系，推导出由T_i发出的声波经由聚焦点G传播到R_i的声程，那么A扫描信号X(t_i)中到达聚焦点G的时刻t_i为

$t_i=\left(\right|T_{i}G|+|T_{i}G\left|\right)/c_l=(\sqrt{{(i\mathrm{\Δ}s-m-S)}^2+n^2}+\sqrt{{(i\mathrm{\Δ}s-m+S)}^2+n^2})/c_l---\left(1\right)$

式中，m和n分别为聚焦点G的横坐标和纵坐标，c_l为材料的平均纵波声速；

根据上述几何关系还可知，当缺陷位于两探头连线的中垂线上时，最短声时t₀的数学表达式为

$t_0=2\sqrt{S^2+n^2}/c_l---\left(2\right)$

因此，探头对处于位置i时的时移量为

$\mathrm{\Δ}t=t_i-t_0=(\sqrt{{(i\mathrm{\Δ}s-m-S)}^2+n^2}+\sqrt{{(i\mathrm{\Δ}s-m+S)}^2+y^2}-2\sqrt{S^2+n^2})/c_l;---\left(3\right)$

(4)超声图像的SAFT重建

将成像区域划分为m×n个网格，对超声图像中各步进位置i(1≤i≤N)采集到的A扫描信号数据进行时移和幅值叠加处理，算得成像区域中每个网格的叠加幅值，进而实现超声图像的重建，其表达式为

$I(m,n)=\underset{i=1}{\overset{N}{\Σ}}X\left(t_i\right)---\left(4\right)$

式中，I(m,n)为成像区域内网格点(m,n)的叠加幅值；

(5)成像区域的信号相位特征提取

对各步进位置i(1≤i≤N)采集到的信号X(t_i)进行希尔伯特变换求得信号的相位信息：

式中，︱h︱为信号的模，为信号的相角，和分别为信号相位的实部和虚部；

根据公式(4)，上述m×n个网格组成的成像区域中，每个网格的A扫描信号相位实部和虚部叠加值分别为

(6)基于A扫描信号数据相位标准差的SAFT重建图像加权过程时移和叠加处理后的A扫描数据相位方差为

对var(X)进行开根号，即得到各时移信号的相位标准差，并对其进行归一化处理使其值域为[0,1]，进而求得重建图像的权重因子的数学表达式

权重矩阵C_W(m,n)中，相位分布杂乱处的权重值趋近于0，相位分布相同处的权重值趋近于1；利用C_W(m,n)对构成重建图像的矩阵I进行加权处理，算得新图像的幅值I_C为：

I_C(m,n)＝|C_W(m,n)I(m,n)|。(10)

本发明的有益效果是：与现有的超声图像处理和降噪技术相比，相位标准差权重算法是一种自适应后处理成像技术，整个处理过程避免了现有算法中繁琐、复杂的信号调频及迭代处理。经相位标准差权重算法处理后，粗晶材料超声图像中的结构噪声幅值得到抑制，显著增强粗晶奥氏体焊缝超声图像的缺陷信噪比，为粗晶材料超声缺陷检测问题提供解决途径。同时，本发明可操作性强，并对硬件系统无额外要求，具有较好的应用及推广价值。

附图说明

下面结合附图和实例对本发明做进一步说明。

图1是一发一收模式超声测试系统连接示意图。

图2是奥氏体不锈钢焊缝的宏观金相和缺陷分布示意图：(a)焊缝；(b)缺陷分布。

图3是信号的时移、幅值叠加及图像重建过程。

图4是奥氏体不锈钢焊缝的原始B扫描图像。

图5是奥氏体不锈钢焊缝的相位标准差重建图像。

具体实施方式

用于粗晶奥氏体不锈钢焊缝超声检测的图像降噪方法，采用的超声测试系统如图1所示，其中包括超声检测仪、集成常规分析功能软件的计算机、一发一收模式超声探头对等。具体测量及处理步骤如下：

(1)待检试块。选取核电主管道窄间隙奥氏体不锈钢焊缝及母材试块为研究对象，验证相位标准差权重算法的降噪效果。截取试块剖面，并进行切割、打磨、抛光，采用10％草酸溶液对试块的轴-径向截面进行电解腐蚀，得到如图2(a)所示的宏观金相组织。由图可知，试块中的焊缝由奥氏体柱状晶组成，晶粒长度约为0.5mm～4mm，宽度约为0.2mm～0.6mm。母材由晶粒直径为0.1mm～0.4mm的奥氏体等轴晶组成。如图2(b)所示，壁厚为78mm的试块焊缝中加工了深度为20mm、40mm和60mm的Φ3边钻孔。

(2)超声检测参数的确定。利用OmniscanMX2数字探伤仪，采用一发一收模式的超声探头对奥氏体不锈钢焊缝进行B扫查，初步确定缺陷的位置和深度，据此选择适当的探头频率、探头晶片尺寸、楔块角度、探头对中心间距、扫查步进增量等参数。最终，确定探头中心频率5MHz、晶片直径12mm、楔块角度45°、中心间距60mm、步进增量0.5mm。

(3)超声B扫描图像及A扫描信号数据的获得。根据步骤(2)中确定的检测参数以步长Δs进行B扫查，获得N个A扫描信号构成的B扫描图像，并通过OmniscanMX2自带分析软件将A扫描信号数据导出。

(4)A扫描信号的时移量计算。进行SAFT图像重建前，需要计算B扫描图像中各信号的时移量。如图3所示，假设探头对由发射探头T和接收探头R组成，T和R之间的探头中心距为2S。探头对由位置1向右扫查至位置N，当其位于位置i时，根据图3中探头T_i、R_i与聚焦点G之间的几何关系，可推导出由T_i发出的声波经由聚焦点G传播到R_i的声程，那么A扫描信号X(t_i)中到达聚焦点G的时刻t_i为

$t_i=\left(\right|T_{i}G|+|T_{i}G\left|\right)/c_l=(\sqrt{{(i\mathrm{\Δ}s-m-S)}^2+n^2}+\sqrt{{(i\mathrm{\Δ}s-m+S)}^2+n^2})/c_l---\left(1\right)$

式中，m和n分别为聚焦点G的水平和深度坐标，c_l为奥氏体不锈钢焊缝的平均纵波声速，声速值为5750m/s。

根据上述几何关系还可知，当缺陷位于两探头连线的中垂线上时，最短声时t₀的数学表达式为

$t_0=2\sqrt{S^2+n^2}/c_l---\left(2\right)$

因此，探头对处于位置i时的时移量为

$\mathrm{\Δ}t=t_i-t_0=(\sqrt{{(i\mathrm{\Δ}s-m-S)}^2+n^2}+\sqrt{{(i\mathrm{\Δ}s-m+S)}^2+y^2}-2\sqrt{S^2+n^2})/c_l---\left(3\right)$

(5)超声B扫描图像的SAFT重建。将成像区域划分为m×n个网格，对B扫描图像中各步进位置i(1≤i≤N)采集到的A扫描信号数据进行时移和幅值叠加处理，算得成像区域中每个网格的叠加幅值，进而实现超声图像的重建，其表达式为

$I(m,n)=\underset{i=1}{\overset{N}{\Σ}}X\left(t_i\right)---\left(4\right)$

式中，I(m,n)为成像区域内网格点(m,n)的叠加幅值。

(6)成像区域的信号相位特征提取。对各步进位置i(1≤i≤N)采集到的信号X(t_i)进行希尔伯特变换求得信号的相位信息：

式中，︱h︱为信号的模，为信号的相角，和分别为信号的实部和虚部。

根据公式4，上述m×n个网格组成的成像区域中，每个网格的A扫描信号数据相位实部和虚部叠加值为

(7)基于A扫描信号数据相位标准差的SAFT重建图像加权过程。时移和叠加处理后的A扫描信号数据相位方差为

对var(X)进行开根号，即可得到各时移信号的相位标准差，并对其进行归一化处理使其值域为[0,1]，进而求得重建图像的权重因子的数学表达式

权重矩阵C_W(m,n)中，相位分布杂乱处的权重值趋近于0，相位分布相同处的权重值趋近于1。利用C_W(m,n)对构成重建图像的矩阵I进行加权处理，算得新图像的幅值I_C为：

I_C(m,n)＝|C_W(m,n)I(m,n)|(10)

(8)超声B扫描图像、SAFT图像和相位权重图像之间的对比。如图4所示，奥氏体不锈钢焊缝及母材中粗大晶粒之间的声阻抗差异引起了强烈的超声背散射，导致B扫描图像中出现了幅值很高的结构噪声。经统计，B扫描图像中深度20mm、40mm和60mm缺陷的信噪比分别为10.1dB、7.9dB和11.2dB。由操作步骤(6)和(7)可知，本发明提出的相位标准差加权算法处理过程中无需任何关键参数的提取和选择，且避免了繁琐、复杂的调频及迭代处理。基于相位标准差加权算法能够通过权重矩阵放大相位分布对于幅值的贡献，有效抑制相位分布散乱的结构噪声幅值，进而使图像中缺陷的信噪比显著提高。由图5可知，相位标准差处理图像中三缺陷的信噪比分别为31.5dB、32.4dB和31.9dB，较B扫描图像分别提高了21.4dB、24.5dB和20.7dB。

Claims (1)

1.一种用于粗晶奥氏体不锈钢焊缝超声检测的图像降噪方法，基于构成超声图像的A扫描信号数据相位标准差，建立用于表征相位分布的权重因子，放大相位分布对图像中缺陷回波幅值的贡献，抑制图像中相位随机分布的结构噪声幅值，进而增强超声图像的缺陷信噪比，为粗晶材料超声缺陷检测问题提供解决途径；其特征是：所示方法的步骤如下：

(1)超声检测参数的确定

对被检奥氏体不锈钢焊缝进行超声检测，根据被检焊缝厚度和缺陷形状、位置选择探头频率、探头晶片尺寸、楔块角度、探头对中心间距、扫查步进增量超声检测参数；

(2)超声图像及A扫描信号数据的获得

根据步骤(1)中确定的超声检测参数对缺陷进行检测，获得N个A扫描信号构成的超声扫描图像，并通过与探伤仪相配的分析软件将A扫描信号数据导出；

(3)A扫描信号的时移量计算

进行合成孔径聚焦图像重建前，需要计算超声图像中各信号的时移量，探头由发射探头T和接收探头R构成，发射探头T与接收探头R之间的探头中心距为2S，探头以步进长度Δs由位置1向右扫查至位置N，当其位于位置i时，根据探头T_i、R_i与聚焦点G之间的几何关系，推导出由T_i发出的声波经由聚焦点G传播到R_i的声程，那么A扫描信号X(t_i)中到达聚焦点G的时刻t_i为

式中，m和n分别为聚焦点G的横坐标和纵坐标，c_l为材料的平均纵波声速；

根据上述几何关系还可知，当缺陷位于两探头连线的中垂线上时，最短声时t₀的数学表达式为

因此，探头对处于位置i时的时移量为

(4)超声图像的SAFT重建

将成像区域划分为m×n个网格，对超声图像中各步进位置i(1≤i≤N)采集到的A扫描信号数据进行时移和幅值叠加处理，算得成像区域中每个网格的叠加幅值，进而实现超声图像的重建，其表达式为

式中，I(m,n)为成像区域内网格点(m,n)的叠加幅值；

(5)成像区域的信号相位特征提取

对各步进位置i(1≤i≤N)采集到的信号X(t_i)进行希尔伯特变换求得信号的相位信息：

式中，︱h︱为信号的模，为信号的相角，和分别为信号相位的实部和虚部；

根据公式(4)，上述m×n个网格组成的成像区域中，每个网格的A扫描信号相位实部和虚部叠加值分别为

(6)基于A扫描信号数据相位标准差的SAFT重建图像加权过程时移和叠加处理后的A扫描数据相位方差为

对var(X)进行开根号，即得到各时移信号的相位标准差，并对其进行归一化处理使其值域为[0,1]，进而求得重建图像的权重因子的数学表达式

权重矩阵C_W(m,n)中，相位分布杂乱处的权重值趋近于0，相位分布相同处的权重值趋近于1；利用C_W(m,n)对构成重建图像的矩阵I进行加权处理，算得新图像的幅值I_C为：

I_C(m,n)＝|C_W(m,n)I(m,n)|。(10)。