基于区域特征脉冲耦合神经网络的航空发动机涡轮叶片DR 图像融合

宋艳艳，朱 倩，朱建伟，穆晨光

（1.中国航发上海商用航空发动机制造有限责任公司，上海201100；2.南昌航空大学无损检测教育部重点实验室，南昌330063）

引 言

航空发动机涡轮叶片质量检测的主要方法是数字射线成像（Digital radiography，DR）［1］。涡轮叶片形状复杂，在射线透照方向上的等效厚度差异比较大，对于动态范围有限的X 射线平板探测器来说，高射线能量使工件较厚部分的细节信息能够清晰地分辨，工件较薄部分灰度值接近于饱和，无法分辨当中的细节；射线能量较低时，工件较薄的部分正常曝光，细节清晰，工件较厚部分则显示过暗，无法分辨细节。因此对于涡轮叶片，常规的固定能量的成像模式无法在单一电压下使得整个部件同时正常成像，在同一幅DR 图像当中容易出现过曝光与曝光不足共存的现象，造成被检测对象的结构信息缺失。某典型叶片不同能量下的DR 图像如图1 所示，图1（a）显示在较低能量透照下叶身较薄，右侧前端较薄部分可以显示细节，左侧较厚部分不能显示细节；图1（b）显示在较高能量透照条件下，叶身部分和部分叶榫内部能显示细节，但叶身左侧部分边缘过曝光完全饱和，出现部分结构消失。为解决此问题出现了变能量DR 成像技术［2］，它是获取递变能量图像序列，通过图像融合技术获取被检对象完整结构信息的方法。

图像融合是最大限度提取多幅图像的有利信息，综合成一幅高质量图像的过程，融合后的图像较融合前的图像含有更多的有用信息。……