基于模糊集的相控阵超声监测成像图像增强研究*

孙亚杰,姜 剑,张永宏

(南京信息工程大学 信息与控制学院,南京 210044)



基于模糊集的相控阵超声监测成像图像增强研究*

孙亚杰*,姜 剑,张永宏

(南京信息工程大学 信息与控制学院,南京 210044)

利用超声信号处理的方法,得到更准确的监测图像。通过控制阵元激发信号的时间延迟来控制波束的指向,进而实现结构中的损伤监测。分析结构损伤状况下接收到的信号,根据相控阵原理控制信号的延迟和聚焦,获得更高信噪比的信号。并将相应角度上的监测信号用图像的灰度级来表示。因为原始数据得到的图像并不清晰,所以采用模糊集的图像增强方法进行处理,提高图像的可识别度。该方法在铝板结构中进行实验分析,验证了方法的正确性和有效性。

信号处理;损伤监测;图像增强;模糊集

随着复合材料结构在工程领域日益广泛的应用,其在服役过程中形成的损伤现象多样,判别困难,对整体结构形成潜在威胁,急切需要发展一种实时有效的监测方法解决上述问题。结构健康监测根据传感器元件定时取样获得的测量值,提取出反应结构内部损伤的特征因子,对其进行综合判定与分析,得到结构当前的健康状况[1]。通常情况下结构中的损伤会引起应力集中、裂纹扩展,使用普通声波监测不能得到预想效果。其中Lamb波由于对小损伤比较敏感,所以在结构健康监测中应用比较广泛[2-3]。相控阵监测成像方法在结构健康监测领域应用非常广泛,它由多个压电片按一定规律排列,逐次激发各个晶片完成多方向的扫查,实现对复杂结构损伤的精确监测[4-6]。然而采用结构健康监测技术监测所得信号是含有大量噪声的信号,由原始数据得到的损伤图像也是不完美的,需要进行处理,突出损伤位置[7-8]。图像增强作为图像处理的一个重要分支,其目的在于改善原始图像的视觉效果,达到某种程度上的滤噪,便于图像分析与模式识别。目前图像增强技术已经在天气预报、医疗图像分析等领域得到广泛应用[9]。将超声相控阵技术与图像处理技术相结合,属于崭新的应用领域。由于传统图像增强的过程中存在对比度减小和噪声放大的缺陷,导致图像细节信息丢失,本文将模糊的方法应用其中可以克服该缺陷,得到效果更好的增强后的图像。因此,利用模糊集的方法处理损伤图像,该方法能够很好的突出图像中不同层次的灰度信息和边缘信息,得到识别度高的监测图像。

本文通过分析结构损伤情况下散射信号的特征,选取相控阵原理控制信号的延迟、偏转、聚焦,并采用灰度图像的形式显示监测信号,针对原始监测图像表现出的不确定性,利用基于模糊集的图像增强方法对其进行处理,提高图像的可识别度。使用铝板结构作为监测对象进行实验分析,应用模糊集增强图像对比度,验证方法的正确性和有效性。

1 控阵监测原理与成像方法

(1)

式中Kl为信号在板中传播一定距离后幅值的衰减系数;Se(t)为阵元激发的信号;c为超声波在板中的传播速度;r/c是激励信号从坐标原点转播到P点需要的时间;δi(θ)表示第i个压电阵元相对于坐标原点到达P点的时间差,其表达式为:δi(θ)=xicosθ/c,i=0～M-1。

图1 相控阵监测原理图

由于各阵元与P点的距离不一致,导致各阵元激发的激励信号到达P点的时间也存在一定的差异,为了让各激励信号同时到达点P,必须对每个阵元附加相应的时间延迟Δti(θ),那么P点接收到的信号表达式为:

(2)

当时间差δi(θ)与时间延迟Δti(θ)相等,激励信号同时到达点P,该点接收到的信号幅值达到最大,SP(r,θ)的表达式可写为:

SP(t)=K1M·Se[t-(r/c)]

(3)

要求波束指向为θ,则各阵元激发的激励信号的时间延迟为:

(4)

外界环境不变的情况下,激励信号由阵元到监测点再由监测点到阵元,所需的传播时间是一致的,因此通过控制每个阵元的延迟可以在相应的偏转角接收信号。

利用相控阵技术对目标进行扫描时,阵元接收到回波信号幅值的大小由扫描角度决定,当波束扫描角度对准目标时,回波信号幅值最大,当波束扫描角度偏离目标时,回波信号幅值减弱。根据这样的原理,通过不断调整波束指向,当阵元接收到的回波信号幅值达到最大值时,此时的波束指向即为目标所在方向。

在扫描的过程中,以回波信号的幅值为参数,将扫描范围内不同角度上阵元接收信号的幅值以图像的形式显示出来,即用图像矩阵中各点的像素值表示阵元响应信号的幅值,图像最亮处对应的响应信号幅值最大,也就是损伤所在位置。这样就把图像中的有用信息转换为更加方便于人眼观察或者机器识别的形式,现实了相控阵成像监测。

2 基于模糊集的图像增强算法

根据模糊集理论,在相控阵监测图像数据处理的过程中,需要先把相控阵数据从空间域转换到模糊域,模糊域上的数据矩阵做非线性变换,得到模糊增强的后的图像,再经逆变换重新得到空间域上的图像,得到最终的增强后的图像。本节主要介绍应用模糊集算法增强图像的对比度,先从模糊集理论出发,接着介绍模糊集图像增强算法的具体步骤[10]。

2.1 图像的模糊特征平面

按照模糊集的概念,如果一幅图像大小为M×N,灰度级为L,可以映射为一个M×N的矩阵I,该矩阵可表示为:

(5)

式中Xij表示图像中第(i,j)点像素的灰度值,μi(0≤μi≤1)表示图像中第(i,j)点的模糊特征,矩阵中所有μi(i=1,2,…,M,j=1,2,…,N)组合在一起表示图像的模糊特征平面。

2.2 模糊特征隶属函数及图像增强方案

模糊隶属函数的定义方式有很多,选用最大灰度级Xmax来定义隶属函数,可表示为:

(6)

式中i=1,2,…,M,j=1,2,…,N。由上式可以看出,当Xij减小时,μi随之减小,Xij值增大时,μi随之增大,当Xij趋近于Xmax时,μi趋近于1。参数Fp是模糊因子的倒数,并且它的值大于零,其大小取决于图像空间分界点Xc的值。具体表示为:当XijXc时,μij>0.5,其取值会直接影响到模糊性的大小,即它的取值可以改变μi的曲线形状。

在图像的模糊特征平面上对μi进行非线性变换称为模糊增强,其结果是减小(当μij<0.5)或者增大(当μij>0.5)μi的值。选用如下增强算子:

μij=Tr(μij)=T1[Tr-1(μij)]r=1,2,…

(7)

式中

(8)

(9)

2.3 算法基本步骤

①提取原始图像的相对灰度等级作为模糊特征,得到图像在模糊域内的数据矩阵。②在图像的模糊特征平面上对μi进行若干次非线性变换,得到模糊域内增强后的图像。③在新的模糊特征平面上进行逆变换,得到空间域内增强后的图像。

图2 基于模糊集图像增强方案的算法框图

3 实验研究

实验中使用多通道扫查系统作为相控阵超声监测系统,系统框图如图3所示[11-12]。该系统连接了用户操作界面和压电阵列,其包含了终端处理器、激励波形产生模块、数字I/O模块、高速数据采集模块、功率放大器、电荷放大器以及通道组合选通器。该扫查系统具有多方面的优势,不仅能够发射特定频率的波形、控制电荷放大倍数、高效完成数据采集,还能实现信号波形可视化的界面显示。

图3 系统框图

实验过程中选择长1 800 mm、宽1 300 mm、高1.5 mm的防锈型铝板作为实验对象,如图4所示。各个阵元从上而下依次标为0～7号,以阵列所在位置中心点为原点,各阵元所在方向为x轴垂直方向为y轴,建立坐标系,如图5所示。每个阵元均为半径4 mm、厚度1.5 mm的压电元件,相邻压电元件之间的间距为12 mm。铝板损伤形式为钻孔,图5中标记8 mm的圆为钻孔位置,孔的中心点坐标为:(105°,210 mm)。

图4 实物图

压电元件作为驱动器时激发5波峰窄带正弦调制信号,该信号的最大幅值为5 V,中心频率为40 kHz,压电元件作为传感器采样频率为1.6 MHz,如图6所示。作为驱动器的压电元件经时间延迟激发得到不同方向上的激励信号,激励信号每间隔1°完成一次扫描,通过控制时间延迟最终完成0～180°整个范围的扫描。激励信号的触发时间由监测点相对于每个压电元件的监测角度决定,将相应角度计算得到的时间延迟附加于相应的驱动器完成延迟触发,即可得到相应角度上的激励信号。

图5 带钻孔时的结构示意图(单位mm)

图6 激励信号

压电元件作为传感器时,分别采集结构健康状态和损伤状态两种状态下的响应信号。将损伤状态下采集到的信号与健康状态下采集到的信号做差值得到该角度下的差信号。接着将所有的差信号在每个角度上做相应的时间延迟得到信噪比更高的波形。假设波束指向为θ,阵元个数为M,阵元标号为i,相邻阵元中心间距为d,超声波在板中传播速度为c,那么时间延迟Δt可表示为Δti(θ)=[i-(M-1)/2]dcos(θ)/c。实验过程中选用了8个压电元件,相邻压电元件之间的间距为12 mm,铝板结构中Lamb波的传播速度为1.5 km/s,这样就可以求得每个角度上相应压电元件的时间延迟,将传感器接收到的7×8个信号做时间延迟后,累加就可以得到该方向的合成信号。

取0～180°范围所有延迟叠加后信号的绝对值包络线,并对信号的绝对值包络线进行归一化处理,再按其所在角度转换为图像上相应的灰度级。如图7所示,横轴对应监测点到压电阵元的距离,纵轴对应角度,不同位置的灰度代表该位置信号的幅值,图像中显示灰度的从暗到亮代表信号幅值的从小到大,能量最强点(即亮点)的合成信号所在位置代表损伤所在位置。由带钻孔时的结构示意图可知,实际钻孔的中心点为(105°,210 mm),经归一化处理后所得图像显示钻孔中心点为(107°,217 mm),计算得角度误差为2°,距离误差10 mm。角度误差通过监测得到的钻孔位置与实际钻孔位置的所在角度相减得到,距离误差通过余弦定理得到,即:

(10)

式中θm为检测到的缺陷位置所在角度,θr为实际缺陷所在角度,Δθ为检测到的缺陷与实际缺陷之间的角度误差,rm为检测到的缺陷位置到原点的距离,rr为实际缺陷位置到原点的距离,Δr为检测到的缺陷位置与实际缺陷位置的距离误差。

由图7的监测结果原始图像可以看出,在未经模糊集算法增强前,除在钻孔中心位置(105°,210 mm)存在最大亮斑外,分别在(90°,330 mm)、(80°,380 mm)处也存在较大亮斑。图像中多个亮色区域,虽然不影响缺陷位置的判定,但是增加了判定难度。因此,利用基于模糊集的图像增强方法对其进行处理,使监测结果显示更加清晰,提高图像的可识别度。利用该方法处理后的图像显示如图8所示。

图7 监测结果原始图像

图8 模糊集对比度增强后图像

在设计实验的过程中,根据多组实验结果分析比较,选取分界点Xc的大小,该参数的选择直接影响了图像增强后呈现的缺陷孔尺寸的大小。为体现经模糊集算法增强后,图像前后对比明显,故选取了噪声比较大的一组数据完成实验验证。实验中,模糊特征隶属函数计算时,Xmax=1,分界点Xc取为0.8,根据选择Fp时需要满足的条件,将Xc=0.8时,μij=0.5代入式(6)得:Fp=0.2。再根据算法步骤就可以求得增强后的图像。观察图8发现,经模糊集对比度增强后的图像,呈现的灰度级明显减少,对应到图像上就是只存在一个亮点,可以很容易的判定缺陷位置。证明损伤点附近的噪声可以用模糊集图像增强方法降低,甚至消掉。

4 结论

(1)利用相控阵原理进行铝板结构损伤识别,根据孔洞损伤散射信号特点,采用相控阵原理控制信号的延迟聚焦,实现损伤定位。

(2)采用二维灰度图像的形式直观显示监测结果,图像中灰度的从暗到亮对应信号幅值的从小到大,灰度最亮处即为铝板孔处。

(3)采用模糊集图像增强方法处理相控阵结构健康监测图像,监测结果显示清晰,图像增强前后对比明显,提高了图像的可识别度。

[1] 袁慎芳. 结构健康监控[M]. 北京:国防工业出版社,2007:21-65.

[2]王强,袁慎芳,邱雷. 基于时间反转理论的复合材料螺钉连接失效监测研究[J]. 宇航学报,2007,28(6):1719-1723.

[3]Engholm M,Stepinski T. Adaptive Beamforming for Array Imaging of Plate Structures Using Lamb Waves[J]. Ultrasonics,Ferroelectrics and Frequency Control,IEEE Transactions on,2010,57(12):2712-2724.

[4]况迎辉. 超声相控阵探头的模型研究与参数优化[J]. 传感技术学报,2010,23(12):1731-1735.

[5]Yu L,Bottai-Santoni G,Giurgiutiu V. Shear Lag Solution for Tuning Ultrasonic Piezoelectric Wafer Active Sensors with Applications to Lamb Wave Array Imaging[J]. International Journal of Engineering Science,2010,48(10):848-861.

[6]Giurgiutiu V,Xu B,Liu W. Development and Testing of High-Temperature Piezoelectric Wafer Active Sensors for Extreme Environments[J]. Structural Health Monitoring,2010,9(6):513-525.

[7]孙亚杰,袁慎芳,蔡建. 基于超声相控阵的材料结构健康监测实验研究[J]. 宇航学报,2008,29(4):1393-1396.

[8]Purekar A S,Pines D J. Damage Detection in Thin Composite Laminates Using Piezoelectric Phased Sensor Arrays and Guided Lamb Wave Interrogation[J]. Journal of Intelligent Material Systems and Structures,2010,21(10):995-1010.

[9]盛道清. 图像增强算法的研究[D]. 武汉:武汉科技大学,2007:1-3.

[10]Acharya T,Ray A K. Image Processing Principles and Applications[M]. Published by John Wiley and Sons,Inc,Hoboken,New Jersey,2005:105-217.

[11]Qiu L,Yuan S. On Development of a Multi-Channel PZT Array Scanning System and Its Evaluating Application on UAV Wing Box[J]. Sensors and Actuators A:physical,2009,151(2):220-230.

[12]李鹏,陈裕泉,胡大可,等. 超声成像系统中自适应动态滤波器的设计[J]. 传感技术学报,2010,23(1):78-81.

孙亚杰(1980-),女,山东潍坊人,南京信息工程大学讲师,南京航空航天大学博士,主要从事超声检测的研究;

姜剑(1990-),男,江苏常州人,在读硕士研究生,主要从事信号信息处理的研究,jiangjianedu@163.com;

张永宏(1974-),男,山东临沂人,南京信息工程大学教授、博导,上海交通大学博士,主要从事超声检测的研究。

ResearchonPhasedArrayUltrasonicDamageDetectionandFuzzySetsBasedImageEnhancement*

SUNYajie*,JIANGJian,ZHANGYonghong

(School of Information and Control,Nanjing University of Information Science and Technology,Nanjing 210044,China)

Ultrasonic signal processing techniques to get more accurate image monitoring. Dominate the beam orientation by controlling the signal time delay,in order to monitor the structural damage. Analysis of the characteristics of signal of structural damage cases does a favor to enhance the signal-to-noise ratio. Then the monitoring signal can be displayed in the way of gray level image according to the scanning angle. Because of the defect of the original image,dealing the image with the photographic enhancement which bases on fuzzy sets can improve the image recognition. The method is analyzed in the aluminum sheet structure,validating the correctness and availability.

signal processing;damage monitoring;image enhancement;fuzzy sets

项目来源:国家自然科学基金资助项目(51305211);江苏省产学研联合创新资金计划(2012s028)

2014-06-20修改日期:2014-10-19

10.3969/j.issn.1004-1699.2014.11.015

TB553

:A

:1004-1699(2014)11-1522-05