基于标准固体火箭发动机CT结构图像配比的缺陷自动提取方法①

于光辉，卢洪义，朱 敏，侯志强，徐 明

(1.海军航空工程学院，烟台 264001;2.92514部队，烟台 264001)

基于标准固体火箭发动机CT结构图像配比的缺陷自动提取方法①

于光辉1，卢洪义1，朱 敏1，侯志强1，徐 明2

(1.海军航空工程学院，烟台 264001;2.92514部队，烟台 264001)

针对固体火箭发动机CT检测图像因存在算法上的伪影和噪声影响缺陷识别这一问题，提出基于标准固体火箭发动机CT结构图像配比的缺陷自动提取方法。通过缺陷对CT成像影响的理论分析和固体火箭发动机缺陷配比自动提取的仿真和实验验证，得出该方法中配比图像分割最佳阈值为30，以此阈值能有效、准确地提取固体火箭发动机CT图像缺陷。

固体火箭发动机;缺陷提取;CT图像

0 引言

固体火箭发动机是导弹常用的动力装置之一，其健康状况直接影响导弹的使用［1］，为此需要对固体火箭发动机进行检测［2-3］。工业CT因其检测结果直观、检测精度高［4-5］，成为当前最先进的检测方式［6］，但受CT重建算法、CT检测线束数量的限制和某些随机因素的影响［7］，重建图像不可避免都会出现多种伪影和噪声［8］，为缺陷的自动提取造成很大障碍。由于成像过程极其复杂，根除伪影和噪声极其困难，影响了图像处理效果。

同一发动机在同一截面经过同一CT检测，由于硬件设备、成像方法相同，图像伪影和噪声极其相似，因此提出基于标准固体火箭发动机CT结构图像配比的缺陷自动提取方法，使缺陷提取不再受到CT重建算法和CT检测线束数量限制。该法实现方法如下:建立标准发动机CT图像库，即某型无缺陷发动机各截面的CT图像;通过比较同型号、同位置实际检测图像与库图像的差别，生成配比图;对配比图进行图像二值化分割，自动提取缺陷。

1 缺陷对CT图像的影响

1.1 缺陷点对CT图像的影响

滤波反投影算法是基于像素的运算，该算法中像素被近似成一个个的小正方形，每个像素点的灰度由经过像素点的所有射线的投影值之和决定［9］，因而确定缺陷部位对图像各点像素值的贡献大小，只需确定经过缺陷点且穿过像素的射线［10］，后续称之为有效射线，有效射线数与经过像素点的所有射线数的比值称为有效系数，反应成像时缺陷点对其余点的影响。图1中O为缺陷点，CT角度步长为0.312 5°，经过O点的射线共有180÷0.3125=576条，图1中画出第一象限部分射线。

图1 第一象限过O点射线Fig.1 Radial through point O in first quadrant

为确定各像素有效射线条数，将第一象限分为4部分，O点、O点上方、O点右方、O点右上方。

对O点右上方部分:

有效系数:O点上方部分，有效系数:

同理，O点右方部分，有效系数:

若O点的像素灰度为hO，同样位置无缺陷时灰度为，则由于缺陷造成的这一位置的灰度变化ΔhO=hO-，其余点由于O点灰度变化造成的灰度变化Δh=ΔhO·η。

图2是根据式(1)～式(3)［11］做出的有效系数图，可得出:有效系数在O点形成尖峰，O点周围有效系数值迅速降低，说明缺陷点对临近的像素灰度有影响，对距离缺陷点大于18个像素的有效系数已经小于0.01，可忽略不计，即单个缺陷点的存在影响了成像，但影响范围仅限于缺陷点周围，对整体成像影响不大。

1.2 区域缺陷对CT图像的影响

区域缺陷是缺陷点的集合，如果缺陷区域缺陷点共有M个，由于缺陷造成的相对标准图像的灰度变化分别为 Δh1，Δh2，…，ΔhM，对某一像素X的有效系数分别为，，…，ηMX，则该像素的灰度变化值ΔhX，像素灰度变化值等于缺陷区域各像素点灰度变化值与缺陷点对像素的有效系数乘积之和，因而缺陷区域越大对成像影响越大，缺陷区域越小对成像影响越小。

2 仿真验证

脱粘和夹渣是固体火箭发动机的严重缺陷，选取这2种缺陷进行仿真验证。

2.1 标准CT图像库和实际检测图像构造

对图像的Radon变换可仿真CT的扫描过程，对投影数据的Radon反变换就是成像过程，因此选取Radon变换和反变化模拟工业CT扫描成像过程。

设二维图像为f(x，y)，则沿路径L的Radon变换为

Radon 反变换为［12］

基于上述原理进行仿真验证，CT库图像和实际检测图像构造如图3中实线流程和虚线流程所示。以实线流程构建库图像结果如图3虚框所示，图4是加入脱粘和夹渣缺陷图像及其根据图3虚线流程构造的检测图像。

2.2 配比图像生成

无缺陷CT图像、标准CT图像、人工缺陷CT图像和实际检测CT图像尺寸相同，假设4者的灰度矩阵分别是。则人工加入缺陷图像:，该矩阵除去缺陷位置都为0，二值化矩阵为生成的配比图像，若将配比图像进行阈值分割得到的二值化矩阵为，令，则Hm×n中非零元素越少说明提取效果越好，反之越差。配比生成图像如图5 所示［13］。

图3 CT库图像和实际检测图像构造流程Fig.3 Flow chart of construction of both warehouse CT image and detection CT image

图4 含脱粘和夹渣CT图像及其检测CT图像Fig.4 CT images and its detection CT images of debonding and slag inclusion

图5 含脱粘、夹渣缺陷的配比图像Fig.5 Matching images with debonding and slag inclusion

2.3 配比图像二值化分割

根据以往的检测经验，固体火箭发动机的各部分灰度值为:粘接界面Hz=70，药柱Hy=60，脱粘、气泡缺陷部位Ht=Hq=10，夹渣缺陷部位Hj=120。

出现脱粘缺陷时脱粘部位灰度变化ΔHt=|Hz-Ht|=60，出现气泡缺陷时缺陷部位灰度变化ΔHq=|Hy-Hq|=50，出现夹渣缺陷时缺陷部位灰度变化ΔHj=|Hj-Hy|=60。

从单个缺陷点对CT图像的影响分析中已经得出:有效系数最大值为0.25，因而在不明确缺陷类型的情况下，可取配比图像二值化阈值为:T=max{ΔHt，ΔHq，ΔHj}×0.25=60 ×0.25=15，分割后如识别出缺陷类型是脱粘和气泡，则可调整阈值为12.5，进行更精确的缺陷提取。以15为阈值的缺陷提取脱粘和夹渣缺陷如图6所示。

图6 二值化脱粘及夹渣提取结果Fig.6 Bianry defect images of debonding and slag inclusion

为检验缺陷提取效果，对脱粘和夹渣2种缺陷下的Hm×n进行计算，脱粘缺陷中:Hm×n所有元素和为38;夹渣缺陷中:Hm×n所有元素和为1。虽然2种缺陷都得到了较好的提取，但不难看出，文中设置的脱粘缺陷面积大于夹渣缺陷面积，缺陷越微小，Hm×n所有元素和也越小，即基于标准固体火箭发动机CT结构图像配比的缺陷自动提取方法越准确，说明文中方法对微缺陷有极好的提取效果。

3 实验验证

为验证仿真结果，以模型发动机为检测对象进行实验验证。图7为模型发动机CT检测图像及配比图像，图8分别是以15、20、30为阈值对配比图像分割提取的结果。可以看出:由于检测中模体发动机中钢钉和随机噪声的影响，以15为阈值提取的缺陷偏大，含有噪声;以20为阈值提取的缺陷稍小，噪声减小;以30为阈值提取的缺陷大小接近实际缺陷大小，几乎不含噪声。因此，实际工程检测中以30作为阈值对配比图像进行二值化分割提取。

图7 模型发动机CT图像及配比图像Fig.7 CT images and matching image of model motor

图8 二值化提取结果Fig.8 Bianry extraction results

4 结论

(1)基于标准固体火箭发动机CT结构图像配比的缺陷自动提取方法可有效去除算法上的伪影和噪声，能有效、准确地提取缺陷，尤其是微缺陷。

(2)工程检测中受缺陷和随机噪声影响，配比图像二值化分割的阈值取30，大于理论分析值15。

［1］蔡虹.包覆药柱界面粘结质量的无损检测［J］.上海航天，2004，21(3):52-55.

［2］张吉堂，陆宏年.火箭发动机多层粘接结构的双模式检验［J］.固体火箭技术，2003，26(4):79-82.

［3］张斌兴.固体火箭发动机燃烧室界面脱粘的声振检测［J］.上海航天，2002，19(4):54-57.

［4］史源源，王召巴，金永.大型固体火箭发动机脱粘CT检测技术［J］.弹箭与制导学报，2006，26(1):928-929，933.

［5］卢洪义，徐明，于光辉.基于工业CT技术的设备故障诊断与维修［J］.航空动力学报，2007，7(2):5-9.

［6］丁国富.大型高能工业CT在固体火箭发动机检测方面的应用［J］.CT 理论与应用研究，2005，14(3):35-39.

［7］孙少华，高文焕，张丽.工业CT中探测器失效伪影的校正［J］.核技术，2003，26(6):484-488.

［8］谷建伟，张丽，陈志强.工业CT图像的伪影成因和校正方法综述［J］.CT 理论与应用研究，2005，14(3):24-28.

［9］Seeram E，et al.Computed tomography technology［M］.Phlla.Saunders，1982.

［10］Herman G T.Image reconstruction from projection:the fundamentals of computerized tomography［M］.New York，Academic Press，1980.

［11］张志涌.精通MatLab6.5版［M］.北京航空航天大学出版社，2003.

［12］庄天戈.CT原理与算法［M］.上海:上海交通大学出版社，1992.

［13］张德丰.MatLab数字图像处理［M］.机械工业出版社，2009.

Defect automatic extraction based on matching of standard solid rocket motor CT image

YU Guang-hui1，LU Hong-yi1，ZHU Min1，HOU Zhi-qiang1，XU Ming2
(1.Naval Aeronautical and Astronautical University，Yantai264001，China;2.Troop 92514 ，Yantai264001，China)

Aiming at the problem that arithmetical artifacts and noises of solid rocket motor＇CT image may affect defect extraction，the mothod of defect automatic extraction based on matching of standard solid rocket motor CT image was put forward.Through the theoretical analysis of influence caused by defect during imaging and the verification of both simulation and experiment，it was found that the best threshold for segmentation of matching image of the method is 30.Defects of solid rocket motor CT image can be extracted effectively and accurately using the threshold.

solid rocket motor;defect extraction;CT image

V435

A

1006-2793(2012)03-0423-04

2011-04-29;

2011-09-26。

国家自然科学基金项目(51005242)。

于光辉(1983—)，男，博士研究生，研究方向为发动机测试与故障诊断。E-mail:ygh01111@163.com

(编辑:吕耀辉)