基于激光散斑的蜂窩復(fù)合材料缺陷檢測(cè)

楊慶峰，孫金立，宋建俊，李金浩

(1.海軍航空大學(xué)青島校區(qū) 航空機(jī)械工程與指揮系， 青島 266041；2.海軍航空大學(xué) 91883部隊(duì)，長(zhǎng)治 046000)

蜂窩結(jié)構(gòu)的蒙皮材料通常為鋁合金或碳纖維復(fù)合材料，蜂窩夾芯有鋁蜂窩、玻璃布蜂窩、棉布蜂窩和芳綸紙(Nomex)蜂窩等，蜂窩與蒙皮間通過(guò)膠接拉伸法或波紋壓型膠接法制成[1]，蜂窩結(jié)構(gòu)示意如圖1所示。

圖1 蜂窩結(jié)構(gòu)示意

民用飛機(jī)的表面大量使用蜂窩復(fù)合材料，飛機(jī)地板也采用了蜂窩結(jié)構(gòu)，使得飛機(jī)的質(zhì)量大大減小。軍用飛機(jī)的襟翼艙、副翼艙、機(jī)翼翼尖后段、平尾后段、方向舵后段等都使用蜂窩復(fù)合材料結(jié)構(gòu)，如：美軍鷹式和鷹隼戰(zhàn)斗機(jī)的平尾，大黃蜂戰(zhàn)斗機(jī)的方向舵都采用了蜂窩材料；ARH-70直升機(jī)的槳葉，某直升機(jī)的整機(jī)也使用了大量的蜂窩復(fù)合材料[2]。

筆者基于散斑干涉原理，對(duì)圖像降噪進(jìn)行了研究分析，結(jié)果表明，通過(guò)傅里葉濾波等圖像綜合處理技術(shù)可有效提取散斑干涉信息。

1 激光錯(cuò)位散斑檢測(cè)原理

激光散斑干涉的原理是用激光對(duì)物體的表面進(jìn)行照射，當(dāng)物體表面出現(xiàn)形變時(shí)，根據(jù)激光高相干性和惠更斯原理，物體表面的反射光會(huì)相干疊加于空間中形成干涉條紋，在被測(cè)物受到載荷時(shí)，存在缺陷的部位會(huì)比正常部位產(chǎn)生更大的形變，干涉條紋會(huì)將這種微小的形變放大，由此可檢出缺陷。

激光錯(cuò)位散斑干涉的基本原理示意如圖2所示。檢測(cè)時(shí)，激光器發(fā)出激光，由分光鏡照射到被測(cè)物的表面，經(jīng)反射后進(jìn)入圖像錯(cuò)位裝置，穿過(guò)成像透鏡后在電荷耦合器件(CCD)攝像機(jī)里形成散斑圖。

圖2 激光散斑干涉檢測(cè)基本原理示意

圖像錯(cuò)位裝置是錯(cuò)位散斑檢測(cè)技術(shù)最重要的部分，其主要作用就是將入射光按一定角度分為兩束，從而形成兩個(gè)圖像。常見(jiàn)的圖像錯(cuò)位裝置有邁克爾遜光路、光楔等，文中的檢測(cè)系統(tǒng)為L(zhǎng)TI-6200便攜式熱加載激光錯(cuò)位散斑檢測(cè)系統(tǒng)，采用邁克爾遜干涉原理(見(jiàn)圖3)[3]。

圖3 邁克爾遜干涉原理示意

激光照射物體P，P的反射光經(jīng)過(guò)分光棱鏡形成兩束光，經(jīng)過(guò)反射鏡1，2后再次通過(guò)分光棱鏡，在CCD像面成像，P1,P2的距離為錯(cuò)位量。錯(cuò)位相經(jīng)模擬/數(shù)字(A/D)轉(zhuǎn)換后被圖像采集系統(tǒng)采集并進(jìn)行處理，最后儲(chǔ)存在計(jì)算機(jī)中。

LTI-6200激光錯(cuò)位散斑檢測(cè)系統(tǒng)是一種便攜式熱加載檢測(cè)系統(tǒng)，該系統(tǒng)主要由SC-6200S檢測(cè)探頭、TC-6200S運(yùn)輸箱和IP-6200S圖像處理器3個(gè)部分組成，是一款融合了(邁克爾遜)激光干涉儀和熱加載裝置的系統(tǒng)。

2 激光散斑干涉條紋圖的處理

由條紋中心法可知，條紋中灰度極值點(diǎn)的相位相同，相比于相移法，條紋中心法應(yīng)用起來(lái)更加方便，對(duì)試驗(yàn)系統(tǒng)要求較低，其不足之處在于噪聲影響較大，精度較低，難以自動(dòng)化處理。條紋中心法的處理步驟如圖4所示。

圖4 條紋中心法的處理步驟

2.1 條紋預(yù)處理

在一幅圖像中，既有所需要的中心目標(biāo)，也有干擾目標(biāo)的背景和噪聲，將中心目標(biāo)從諸多干擾中提取出來(lái)，常用的方法就是設(shè)置閾值T。以閾值T為基準(zhǔn)，將圖像數(shù)據(jù)分為兩個(gè)部分，稱(chēng)為圖像的二值化。

效果好的二值化圖像能較好地將圖像局部和整體特征表現(xiàn)出來(lái)，這就需要選取合適的閾值作為基準(zhǔn)。在數(shù)字圖像處理中，利用二值化來(lái)減少圖像的數(shù)據(jù)量，有助于使接下來(lái)的圖像處理更簡(jiǎn)單快捷。用255來(lái)表示那些像素的灰度不小于閾值的目標(biāo)物體的灰度值，其余像素點(diǎn)的灰度值則表示為0，其定義如式(1)所示。

(1)

全局二值化在圖像細(xì)節(jié)的表現(xiàn)上仍有欠缺，而局部二值化能夠克服這個(gè)缺點(diǎn)。其本質(zhì)就是將一幅存在N個(gè)區(qū)域的圖像，對(duì)其每個(gè)區(qū)域按照統(tǒng)一的閾值T進(jìn)行處理，但在每個(gè)區(qū)域仍存在細(xì)節(jié)模糊的缺陷，局部自適應(yīng)二值化就能夠有效地彌補(bǔ)該缺陷。其方法為：設(shè)定自由參數(shù)a、b、c，結(jié)合區(qū)域內(nèi)3個(gè)像素相關(guān)參數(shù)，利用方程T=a×P+b×S+c×Q(P為區(qū)域像素的平均值，S為像素之間的平方差，Q為像素之間的均方根)，由此得出自適應(yīng)的閾值T，從而表現(xiàn)出二值化圖像中的細(xì)節(jié)。

雖然通過(guò)局部自適應(yīng)得到的二值化圖像能夠表現(xiàn)圖像中的細(xì)節(jié)，但是圖像會(huì)有較為粗糙的邊界，為了解決這個(gè)問(wèn)題，去除干擾信息，這里引入基于迭代法的圖像二值化。該算法的思想為：設(shè)閾值Th為起始值，而后按照一定方法，通過(guò)迭代來(lái)持續(xù)更新這一閾值，當(dāng)閾值達(dá)到一定時(shí)停止迭代，循環(huán)如下所述。

(1) 對(duì)于一幅圖像，假設(shè)當(dāng)前像素為f(x,y)，設(shè)定一閾值Th，根據(jù)當(dāng)前閾值，循環(huán)f(x,y)，將圖像分為兩類(lèi)像素的集合A、B。

(2) 分別計(jì)算集合A、B的像素均值μA和μB，公式如式(2),(3)所示。

(2)

(3)

式中:NA為集合A的像素個(gè)數(shù)；NB為集合B的像素個(gè)數(shù)。

(3) 更新閾值公式如式(4)所示。

(4)

(4) 判斷差值：若本次閾值與上次閾值的差值小于約束值Tc，則停止計(jì)算。所求Th為最佳值，否則返回到第二步。

迭代法二值化圖像能夠彌補(bǔ)條紋邊界粗糙和內(nèi)部空洞的不足，但初始化選取閾值Th過(guò)于單一，不利于全場(chǎng)二值化分割。因此，引入局域均值閾值T(x)來(lái)進(jìn)行初始化Th選值的優(yōu)化，其中以圖像中每個(gè)像素點(diǎn)(2n+1)×(2m+1)鄰域的灰度值均值作為該點(diǎn)的閾值Th。

2.2 條紋中心檢測(cè)

條紋的中心檢測(cè)是為了得到全場(chǎng)的條紋中心，即單位寬度的連通線，需要將二值化圖像進(jìn)行層層剝離，此過(guò)程稱(chēng)為二值化圖像細(xì)化。這里使用常用的細(xì)化方法——Hilditch細(xì)化算法。細(xì)化處理的主要思路是剔除不會(huì)影響圖像性質(zhì)的標(biāo)記像素。條紋細(xì)化示意如圖5所示，其中標(biāo)記目標(biāo)像素刪除需要滿足6個(gè)條件。

X3X2X1X4PX0X5X6X7

圖5 條紋細(xì)化示意

P不作為背景，其灰度值為255；X0、X2、X4、X6至少有一個(gè)不是255(否則會(huì)導(dǎo)致P被刪除，圖像形成空心);X0～X7中至少有2個(gè)255(如果X0～X7都不為255，則P為孤立點(diǎn)，不能去除；如果X0～X7只含一個(gè)255，則P為端點(diǎn)，去除后將影響圖像)。

當(dāng)Nc(p)=1時(shí)，即P的相連區(qū)域?yàn)?，則P為可去除點(diǎn)；設(shè)X2=0時(shí)，即X2去除，P的聯(lián)通連接數(shù)為1；設(shè)X4=0時(shí)，即X4去除，P的聯(lián)通連接數(shù)為1。

迭代像素的順序?yàn)橛捎抑磷?，由上到下。在迭代循環(huán)過(guò)程中,如果像素P符合以上6個(gè)要求，則對(duì)其進(jìn)行標(biāo)記，當(dāng)該次迭代完成時(shí)，用背景的灰度值來(lái)替代已標(biāo)記像素。如果迭代過(guò)程中沒(méi)有標(biāo)記點(diǎn)，則運(yùn)算結(jié)束。連接數(shù)表達(dá)式如式(5)所示。

(5)

當(dāng)2i+2=8時(shí)，x8=x0，i=1-xi(0或1)。

2.3 條紋定級(jí)、插值

在條紋預(yù)處理及細(xì)化之后，用Floodfill算法標(biāo)記各區(qū)塊，把連通的色塊表示出來(lái)，根據(jù)區(qū)塊的相鄰關(guān)系構(gòu)建拓?fù)潢P(guān)系圖，最終得到各塊級(jí)數(shù)，再對(duì)條紋定級(jí)。

在圖像變換時(shí)，像素之間容易產(chǎn)生一定的空隙，即圖像部分信息會(huì)在低分辨率轉(zhuǎn)換到高分辨率的過(guò)程中丟失，而插值用為彌補(bǔ)轉(zhuǎn)換時(shí)產(chǎn)生的這種缺陷。這里主要介紹三次內(nèi)插法，該方法是在相鄰兩個(gè)節(jié)點(diǎn)區(qū)間上利用三次多項(xiàng)式S(x)來(lái)求最佳插值函數(shù)S(x)/x，其數(shù)學(xué)表達(dá)式為

(6)

通過(guò)三次內(nèi)插法可以得到較好的圖像效果，不足之處在于其計(jì)算量較大。

2.4 基于傅里葉濾波中心條紋法的圖像信息提取

利用條紋中心法來(lái)對(duì)缺陷圖像進(jìn)行相位提取，主要處理步驟如下所述。

(1) 條紋預(yù)處理，采用傅里葉濾波進(jìn)行圖像預(yù)處理。

(2) 圖像二值化及細(xì)化，利用迭代法圖像二值化對(duì)預(yù)處理圖像進(jìn)行處理，并用Hilditch細(xì)化法對(duì)二值化結(jié)果進(jìn)行細(xì)化。

(3) 條紋定級(jí)，標(biāo)定方法：設(shè)某一條紋級(jí)數(shù)為n，條紋為封閉式，相鄰條紋的最大相差級(jí)數(shù)為±1，其中向峰頂方向?yàn)檎?，反之為?fù)[4]。

(4) 條紋插值，先使用三次內(nèi)插法對(duì)已標(biāo)定級(jí)數(shù)的圖像進(jìn)行插值，然后進(jìn)行圖像平滑處理，從而獲得更準(zhǔn)確的相位信息。

圖6為使用條紋中心法對(duì)缺陷圖像進(jìn)行圖像信息提取的結(jié)果。由圖6(b)可以看出,對(duì)缺陷圖像使用迭代分割法可以得到較好的二值化圖像，缺陷及背景區(qū)分明顯。圖6(c)為缺陷圖像的骨架提取，可以看出條紋邊緣比較粗糙，骨架線有較多的毛刺，且背景有較多的白點(diǎn)，這與其原始圖中的背景噪聲有關(guān)。圖6(d)為缺陷圖像的相位展開(kāi)3D圖，可以清楚看到兩個(gè)由散斑圖像明暗條紋形成的凹凸峰，所對(duì)應(yīng)的就是缺陷所在的位置。

圖6 條紋中心法提取的缺陷散斑圖相位

3 應(yīng)用實(shí)例

利用激光散斑檢測(cè)系統(tǒng)對(duì)層壓板試件進(jìn)行檢測(cè),并通過(guò)圖像綜合處理技術(shù)對(duì)缺陷信息進(jìn)行提取,然后對(duì)某飛機(jī)雷達(dá)罩進(jìn)行檢測(cè)，檢查其是否存在缺陷。該飛機(jī)層壓板試件和雷達(dá)罩外觀如圖7所示。

圖7 某飛機(jī)層壓板試件及雷達(dá)罩外觀

3.1 層壓板試件檢測(cè)

層壓板試件的大小(長(zhǎng)×寬)為20 mm×25 mm，分層缺陷埋藏深度為5 mm，缺陷直徑為18 mm。通過(guò)不同的圖像綜合處理技術(shù)組合(共3組)，得到的層壓板試件缺陷散斑圖如圖8～10所示。

圖8 層壓板試件的第一組試驗(yàn)處理效果圖

圖9 層壓板試件的第二組試驗(yàn)處理效果圖

試驗(yàn)組合如下所述。

第一組：① 低通濾波; ② 灰度處理; ③ 圖像線性趨勢(shì)處理; ④ 分步解包。

第二組：① 中值濾波; ② 灰度處理; ③ 圖像線性趨勢(shì)處理; ④ 分步解包。

第三組：① 傅里葉濾波; ② 灰度處理; ③ 圖像線性趨勢(shì)處理; ④ 分步解包。

由圖8～10可知，經(jīng)過(guò)第三組圖像綜合處理得到的層壓板試件圖像的清晰度和對(duì)比度較高，辨識(shí)度能達(dá)到要求，整體效果較好，且3組試驗(yàn)所提取到的缺陷尺寸基本一致，缺陷位置也一樣，因此圖像綜合處理技術(shù)能夠有效提取層壓板結(jié)構(gòu)缺陷的散斑干涉信息。

圖10 層壓板試件的第三組試驗(yàn)處理效果圖

3.2 雷達(dá)罩檢測(cè)

對(duì)某型飛機(jī)雷達(dá)罩進(jìn)行檢測(cè),并對(duì)其缺陷進(jìn)行信息提取。由于雷達(dá)罩面積較大，將其分為12個(gè)區(qū)域(見(jiàn)圖11)，分別對(duì)每個(gè)區(qū)域?qū)嵤z測(cè)，利用圖像綜合處理技術(shù)對(duì)檢測(cè)結(jié)果進(jìn)行處理，結(jié)果如圖12所示，序號(hào)對(duì)應(yīng)檢測(cè)區(qū)域。

圖11 某型飛機(jī)雷達(dá)罩分區(qū)外觀

由圖12可知，在區(qū)域2和區(qū)域5存在分層缺陷，缺陷直徑大小分別為48,8.13,29.72 mm。

圖12 某型飛機(jī)雷達(dá)罩檢測(cè)結(jié)果處理圖像

4 結(jié)論

簡(jiǎn)要介紹了蜂窩復(fù)合材料的缺陷形式，提出將傅里葉濾波處理技術(shù)和條紋中心法相結(jié)合的圖像處理技術(shù)運(yùn)用到激光錯(cuò)位散斑檢測(cè)干涉特征的相位提取中，并結(jié)合某型飛機(jī)蜂窩復(fù)合材料缺陷進(jìn)行了具體化的應(yīng)用。研究發(fā)現(xiàn)，該技術(shù)能夠較好地處理缺陷散斑圖像特征，提高了檢測(cè)的有效性和可靠性。