在实际对工件进行DR检测中,在射线图像中会产生大量的背景信息,大量的背景信息会对实际疵病检测造成严重的干扰,如果疵病特征信息比较弱,甚至会淹没在大量的背景信息中,基于这种情况,背景信息的剔除成为疵病特征增强的有效手段,同时我们发现这种背景信息往往处在图像的低频部分,因此,基于EMD在一维高频增强的良好效果,基于EMD图像特征增强技术将使射线图像特征识别更为准确,提高识别率。
为了说明经验模式分解应用于均匀密度轴对称件射线图像特征增强中的良好效果,本文以环形石墨工件为例,对一含疵病特征(外壁有一道划痕)的环形石墨工件利用射线成像系统获取的图像信号(如图3所示)应用上述方法来说明。
图 3 含疵病信息的图像
在图3中,未能明显发现疵病信息,并且有明显的中间亮两边暗的背景信息,
图4 提取第15行信号 图 5 最小二乘法(左)与EMD(右)提取低频趋势对比图
本文首先就图3中某一行来进行验证说明,图4为提取疵病图像中第15行的原始信号,信号中有毛刺,并且可以看出信号中间“杯顶”处有部分突起,疑为疵病信息,由于明显地受到噪声和“倒杯状”背景趋势的干扰,肉眼难以分辨,为了突显突起成分,需要对信号进行特征增强。本文利用上节中采用的低频背景趋势剔除以增强高频特征的方法,分别利用最小二乘法和经验模式分解对图4进行背景趋势提取。由图5(左)和图5(右)可知,采用最小二乘法分析该数据,得到的图像趋势与实际的趋势相差较大,而经EMD方法提取的趋势项与实际趋势信号非常的符合,误差也很小,有助于疵病特征信息的正确判断。从而再一次验证了EMD在提取低频成分比较传统方法的优势。
接着用图4所示第15行的信号减去图5(右)EMD提取的低频趋势,得到图6所示基于EMD特征增强后的信号。可以看出在特征增强后的信号中,疵病信息变得非常明显。
图6 基于EMD特征增强后的信号
最后,对图3按行分别进行EMD提取低频背景趋势,得到如图7所示低频背景趋势图,利用原始信号减去利用EMD提取的背景趋势,得到了如图8所示的消除背景趋势后的图像,图中的疵病特征信息清晰可见。
图7 低频背景趋势图
图8 基于EMD特征增强后的图像
3 结论
综上所述,对数字射线成像检测系统来说,检测过程中由于射线源和工件自身引起的“倒杯状”低频背景趋势会影响检测系统的灵敏度,从而影响被测工件疵病特征识别和检测的精度。文中提出了基于经验模式分解的通过对图像中背景信息剔除以达到疵病特征增强的方法。通过对环形石墨工件进行试验,验证了该方法在图像特征增强方面有较好的效果。
参考文献
[1] 侯宏花,郭保全,潘宏侠.分析在振动状态监测中的应用[J].华北工学院学报,2002,(2):105-108.
[2] HUANG N E,SHEN Z,LONG S R.The empirical mode decomposition and the Hilbert spectrum for nonlinear and nonstationary time series analysis [J].Proc Roy Soc London A,
1998,454(1):903—995.
[3] MAGRIN-CHAGNOLLEAU I,BARANIUK R G. Empirical mode decomposition based
frequency attributes[C]//Proc of 69th SEG Meeting,Houston,Texas,Etats-Unis,November 1999.
[4] 李凌,曾以成,雷雄国.EMD在说话人辨认中的应用[J].湘潭大学自然科学学报,2006,28(3):108—111.
[5] 祁克玉,何正嘉,訾艳阳.EMD方法在烟机摩擦故障诊断中的应用[J].振动、测试与诊断,2006,26(4):265—268.