Page 120 - 无损检测2021年第八期

魏延杰, 等:

长脉冲红外无损检测的图像增强技术

T ( t ) 随冷却时间t 的变化可表示为 [ 9 ] 文章提出了一种红外相位图像的细节增强算
t 法。该方法包括图像分离和增强两个步骤, 合成图
p ∞ 2 2
W n πα ( t+ τ )

T ( t ) = 1+2 ∑ ex p - d 2 dτ 像再采用局部自适应伽马算法进行校正。
∫ Cd

0 ρ n=1
文章采用引导滤波的处理方法从相位图中提取
( 1 )
缺陷的边缘细节, 利用导向图像把相位图分为细节
为卤素灯的激励时间; W 为试样表面的热
式中: t p
层和背景层, 通过选择性地增强细节层, 达到增强缺
流密度; α 为试样的热扩散系数; 和C 分别为材料
ρ
陷边缘的目的, 然后再进行图像融合, 提高缺陷在相
的密度和比热容; n 为热图像张数。
位图中的对比度。
采用红外相机记录物体表面的温度场信息, 以
红外无损检测采集到的序列图像经过增强处理
初始时刻的图像为参考, 记t 时刻的温度变化 ΔT
后, 得到一组包含与缺陷相关相位信息的 8 位格式
为序列图像与参考图像的灰度差。由于相位数据的
序列图像。研究发现, 较深的缺陷通常出现在低频
信噪比( SNR ) 高于原始温度数据的, 所以文章采用
对应的相位图中, 随着频率的增大, 深度较大缺陷的
一维傅里叶变换将温度测量从时域逐像素地转变到
边缘变得模糊, 而浅层缺陷的边缘变得清晰。对于
频域, 频率k 处的相位 表示为
ϕ k 一定深度的缺陷, 缺陷与无缺陷区域的相位差会随
N
T ( n ) cos ( 2πkn / N ) 着频率的增大先达到某一峰值, 然后随着频率的继
∑
n=1
ϕ k = arctan N ( 2 ) 续增大而逐渐减小。可以通过主成分分析来实现多
∑ T ( n ) sin ( 2πkn / N ) 张增强相位图的融合, 重构包含所有缺陷的检测图

n= 1
式中: T ( n ) 为序列中第 n 幅图像像素点的温度; N 像。长脉冲红外热成像序列图像的处理流程如图 2
为获取的热像图的总数。 所示。
在相位图中, 相位分布为[ -π~π ], 缺陷处的
相位比无缺陷处的相位小。一个典型构件的内部存
在不同深度的缺陷, 通过傅里叶位相分析, 笔者发现
无缺陷 区 域 的 相 位 通 常 大 于 缺 陷 区 域 的 相 位 ( 见
图 1 )。该发现提供了一种定位缺陷位置以及缺陷
深度的方法。由图 1 ( b ) 可见, 每条曲线上都有一个
相位差峰值, 当缺陷较深时( 缺陷 1 ), 峰值较小, 对
应的频率也较低。这意味着很难用单张相位图清晰
地显示不同深度的所有缺陷。

图 2 长脉冲红外热成像序列图像的处理流程
2 试验设计

2.1 设备
笔者开发的长脉冲红外无损检测系统外观如

图3所示。激励源是两个功率为1000W 的卤素灯,
图 1 含不同深度缺陷构件的结构示意及 热辐射时间可调。试验使用的热像仪是 FLIR 公司
缺陷相位差变化曲线 生产 的 A6700sc 科 研 型 热 像 仪, 工 作 波 段 为 3~
8
7

2021 年 第 43 卷 第 8 期
无损检测