CN105403627A - 一种用于增强超声检测图像横向分辨率的方法 - Google Patents

Abstract

一种用于增强超声检测图像横向分辨率的方法，属于超声无损检测领域。该方法采用一套包括超声探伤仪、检测探头、扫查装置的超声检测系统对缺陷进行检测，获得图像，并导出构成图像的A扫描信号。首先对检测图像中所得到的A扫描信号进行图像重建。然后，利用欧拉公式提取A扫描信号的相位信息，基于时间延时和相位叠加得到相位分布矩阵。利用相位分布矩阵对重建图像进行加权处理后，增强了检测图像中缺陷的横向分辨率。本发明提出的增强超声检测图像横向分辨率的方法可嵌入到探伤仪中，实现超声检测系统的自动实时成像，具有较好的推广及应用价值。

Description

一种用于增强超声检测图像横向分辨率的方法

技术领域

本发明涉及一种用于增强超声检测图像横向分辨率的方法，其属于超声无损检测技术领域。

背景技术

为有效评价被检测对象的物理完整性，就必须对缺陷进行检测，以及精确定位、定量。超声检测技术以原理简单、可靠性好、检测简便快捷、结果直观等特点被应用于无损检测中。然而，由于探头声束具有一定覆盖范围，导致检测图像中缺陷图像的横向分辨率低，干扰了对裂纹端点的准确捕捉，影响缺陷的定量和定位精度。

为克服上述不利因素，合成孔径聚焦法、小变换法等方法相继被提出，并用于增强图像的横向缺陷分辨率。合成孔径聚焦法很大程度上抑制了检测图像中的干扰信息，使缺陷特征信息得到增强。但是，其图像增强能力有限，实际应用中难以保证小尺寸缺陷的检测精度。小波变换可通过小波包的分解实现图像中缺陷特征信息的增强，但处理结果对参数选择过于敏感，导致缺陷检测的可靠性较低。

发明内容

本发明的目的是一种用于增强超声检测图像横向分辨率的方法。针对检测图像中低分辨率引起的缺陷识别困难、定量、定位精度低的问题。对A扫描信号进行图像重建，并构建其相位分布矩阵，通过相位分布矩阵的加权处理，使声束宽度减小，有效增强了检测图像的横向分辨率。

本发明采用的技术方案是：一种用于增强超声检测图像横向分辨率的方法，对超声检测图像中得到的A扫描信号进行图像重建，然后，利用欧拉公式提取A扫描信号的相位信息，得到相位分布矩阵，利用相位分布矩阵对重建图像进行加权处理，实现超声检测图像横向分辨率的增强，所示方法的步骤如下：

(a)根据被检对象，选择合适的探头频率和角度，并调整探头中心间距、时间窗口范围、检测灵敏度、脉冲重复频率和扫查增量等超声检测参数；

(b)根据步骤(a)中确定的参数对缺陷进行扫查并生成检测图像，通过分析软件将构成检测图像的A扫描信号导出；

(c)根据公式(a)和(b)对导出的A扫描信号进行图像重建，

$I(x,z)=\underset{k=1}{\overset{N}{\Σ}}y\left(t_i\right)---\left(1\right)$

式中，I为目标区域中各聚焦点(x,z)的叠加幅值，N为扫查的步进总数，k为扫查的步进次数，t为根据探头-缺陷几何关系确定的延时时间，其表达式为

$t=\frac{\sqrt{{\left(k\mathrm{\Δ}S-x-S\right)}^2+z^2}+\sqrt{{\left(k\mathrm{\Δ}S+S-x\right)}^2+z^2}}{c_l}-2\frac{\sqrt{S^2+z^2}}{c_l}---\left(2\right)$

式中，S为探头中心距的一半，x、z分别为聚焦点的水平和深度方向坐标；

(d)利用欧拉公式提取A扫描信号的相位信息，

式中，︱h︱为信号的模，为信号的相角；

然后重建图像的相位分布矩阵，

$C(x,z)=1-\sqrt{1-{\left(\frac{1}{N}\underset{k=1}{\overset{N}{\Σ}}sign\right(cos\mathrm{\φ}\left)\right)}^2}---\left(4\right)$

式中，C(x,z)为整个目标区域的相位分布矩阵，sign为signum函数，表示若实部相位大于0，则sign值为1；等于0，sign值为0；小于0，sign值为-1；

利用相位分布矩阵对重建图像进行加权处理，增强检测图像的横向分辨率，

I_C(x,z)＝|C(x,z)I(x,z)|(5)

式中，I_C为处理后新图像的幅值。

本发明的有益效果是：与现有的超声检测图像横向分辨率增强方法相比，该方法利用信号相位信息构建相位分布矩阵，通过加权作用减小了声束宽度，进一步增强了检测图像的缺陷横向分辨率，提高了超声检测的缺陷定量和定位精度。本发明提出的超声检测图像横向分辨率增强方法可嵌入到探伤仪中，使超声检测系统进行自动实时成像，且无需进行任何检测参数的选择和判别，具有较好的推广及应用价值。

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TOFD超声测试系统连接示意图。

图2是被检工件人工裂纹(开口槽)分布及TOFD探头放置示意图。

图3是高度20mm人工裂纹的原始B扫查图像。

图4是高度20mm人工裂纹的重建图像。

图5是高度20mm人工裂纹的权重处理后图像。

具体实施方式

一种用于增强超声检测图像横向分辨率的方法中，采用的超声测试系统如图1所示，其中包括TOFD超声探伤仪、集成常规分析功能软件的计算机、标称频率5MHz的TOFD探头等。测量及处理步骤如下：

(a)研究对象为碳钢试块，试块尺寸300mm×30mm×50mm，其中底面开口裂纹高度为20mm，深度为30mm，材料纵波声速为5900m/s。TOFD超声检测的探头频率5MHz，晶片尺寸6mm，楔块角度为60°，并设置探头中心间距2S＝104mm，如图2所示。A扫描时间窗口起始位置设置为直通波到达接收探头之前，终止位置为缺陷信号到达接收探头后，采样频率100MHz。

(b)如图2所示，将一对TOFD探头对称放置于被检工件缺陷上方进行B扫查，得到如图3所示的B扫查图像。由图可知，缺陷的甩弧现象严重，横向分辨率差，干扰了裂纹端部特征点的准确捕捉。通过TOFD分析软件将构成B扫查图像的A扫描信号导出。

(c)将B扫查目标区域离散化为若干个网格点，对A扫描信号进行图像重建：

$I(x,z)=\underset{k=1}{\overset{N}{\Σ}}y\left(t_i\right)---\left(1\right)$

式中，I为目标区域中各网格点(x,z)的叠加幅值，N为B扫查的步进总数，k为B扫查的步进次数。t为根据探头-缺陷几何关系确定的延时时间，其表达式为

$t=\frac{\sqrt{{(k\mathrm{\Δ}S-x-S)}^2+z^2}+\sqrt{{(k\mathrm{\Δ}S+S-x)}^2+z^2}}{c_l}-2\frac{\sqrt{S^2+z^2}}{c_l}---\left(2\right)$

如图4所示，重建后的图像中缺陷的横向分辨率较原始B扫查图像明显增强，且甩弧现象得到了有效的削弱。

(d)根据欧拉公式，提取A扫描信号y(t_i)的相位信息：

式中，︱h︱为信号的模，为信号的相角。

根据所提取的A扫描信号的相位信息，利用公式(4)构建相位分布矩阵

$C(x,z)=1-\sqrt{1-{\left(\frac{1}{N}\underset{k=1}{\overset{N}{\Σ}}sign\right(cos\mathrm{\φ}\left)\right)}^2}---\left(4\right)$

式中，C(x,z)为整个目标区域的相位分布权重矩阵。sign为signum函数，表示若实部相位大于0，则sign值为1；等于0，sign值为0；小于0，sign值为-1。

利用相位分布矩阵C(x,z)对重建图像进行加权处理，处理后新图像的幅值I_C为：

I_C(x,z)＝|C(x,z)I(x,z)|。(5)

如图5所示，该方法可提取A扫描信号的相位信息并构建相位分布矩阵，通过加权处理减小了声束宽度，使缺陷图像横向分辨率得到提升。因此，本实施例中该方法处理后图像的缺陷回波-3dB水平宽度较重建图像和B扫查图像分别缩短了60.52％和92.14％，进一步增强了TOFD图像的缺陷横向分辨率，提高了TOFD检测的缺陷定量和定位精度。该增强超声检测图像横向分辨率的方法可嵌入到探伤仪中，使TOFD检测系统进行自动实时成像，且无需进行任何检测参数的选择和判别，具有较好的推广及应用价值。

Claims (1)

1.一种用于增强超声检测图像横向分辨率的方法，其特征是：对超声检测图像中得到的A扫描信号进行图像重建，然后，利用欧拉公式提取A扫描信号的相位信息，得到相位分布矩阵，利用相位分布矩阵对重建图像进行加权处理，实现超声检测图像横向分辨率的增强，所示方法的步骤如下：

(a)根据被检对象，选择合适的探头频率和角度，并调整探头中心间距、时间窗口范围、检测灵敏度、脉冲重复频率和扫查增量等超声检测参数；

(b)根据步骤(a)中确定的参数对缺陷进行扫查并生成检测图像，通过分析软件将构成检测图像的A扫描信号导出；

(c)根据公式(a)和(b)对导出的A扫描信号进行图像重建，

$I(x,z)=\underset{k=1}{\overset{N}{\Σ}}y\left(t_i\right)---\left(1\right)$

式中，I为目标区域中各聚焦点(x,z)的叠加幅值，N为扫查的步进总数，k为扫查的步进次数，t为根据探头-缺陷几何关系确定的延时时间，其表达式为

$t=\frac{\sqrt{{(k\mathrm{\Δ}S-x-S)}^2+z^2}+\sqrt{{(k\mathrm{\Δ}S+S-x)}^2+z^2}}{c_l}-2\frac{\sqrt{S^2+z^2}}{c_l}---\left(2\right)$

式中，S为探头中心距的一半，x、z分别为聚焦点的水平和深度方向坐标；

(d)利用欧拉公式提取A扫描信号的相位信息，

式中，︱h︱为信号的模，为信号的相角；

然后重建图像的相位分布矩阵，

$C(x,z)=1-\sqrt{1-{\left(\frac{1}{N}\underset{k=1}{\overset{N}{\Σ}}sign\right(cos\mathrm{\φ}\left)\right)}^2}---\left(4\right)$ 式中，C(x,z)为整个目标区域的相位分布矩阵，sign为signum函数，表示若实部相位大于0，则sign值为1；等于0，sign值为0；小于0，sign值为-1；

利用相位分布矩阵对重建图像进行加权处理，增强检测图像的横向分辨率，

I_C(x,z)＝|C(x,z)I(x,z)|(5)

式中，I_C为处理后新图像的幅值。