一种陶瓷基复合材料结构密度均匀性的表征方法及系统

1.本发明涉及复合材料缺陷检测领域，特别是涉及一种陶瓷基复合材料结构密度均匀性的表征方法及系统。


背景技术：

2.随着航空航天飞行器服役过程中发动机性能的不断提高，对于先进高温结构材料的需求也日趋迫切。近年来，各大发动机生产厂商均加大投入力度，瞄准新一代耐高温材料——陶瓷基复合材料(cmc)。陶瓷基复合材料是以碳化硅或氮化硅等陶瓷材料作为基体，编制上各种纤维组成的一类复合材料。其耐温性能大大提高(近2000℃)，远超一般金属材料，而且在高温时的强度和刚度均较高。除此之外陶瓷基复合材料还具有耐腐蚀、抗高温蠕变、热导率低、热膨胀率系数低、耐化学腐蚀、强度高、硬度大及介电、透波、高比强度等诸多优点，上述优异的性能使陶瓷基复合材料在航空航天领域得到了长足的发展和广泛的使用，成为理想的高温结构的材料，越来越受到人们的重视，成为航空发动机、冲压发动机、固体和液体发动机用高温材料的热点，是各国争先发展的先进材料。
3.陶瓷基复合材料在化学气相渗透法(chemical vaporinfiltration，cvi)制备过程中因为工艺的稳定性、周围环境的变化以及原材料等问题会产生一些缺陷，诸如裂纹、气孔、夹杂、分层、密度不均、束丝断裂等。这些缺陷会降低材料的高比强、高比模、耐高温、耐磨损和耐化学腐蚀等方面的性能。传统图像表征工具如扫描电子显微镜(sem)和透射电子显微镜(tem)为破坏性平面表征手段，不能无损观察材料内部的三维结构，限制了对陶瓷基复合材料微观结构的研究，因此必须选择合适的无损检测方法来检测出这些缺陷，从而保证最终产品的质量。现有的无损检测方法包括电导率测量、渗透检测、x射线、超声波、ct、红外热成像、激光超声、微波及核磁共振等。
4.目前利用x射线的穿透性，应用工业ct无损检测技术对陶瓷基复合材料样件进行扫描，可以得到样件结构体缺陷的分布情况，但不能明确清晰的表示cmc结构体内数据层面的密度均匀性，缺少利用实际数字参数来表征cmc结构体内存在的缺陷对整体的密度带来的影响。
5.因此，亟需一种能够用具体参数准确表征陶瓷基复合材料结构密度均匀性的方法及系统。


技术实现要素：

6.本发明的目的是提供一种陶瓷基复合材料结构密度均匀性的表征方法及系统，能够对陶瓷基复合材料缺陷结构体结构的密度均匀性表征提供一个准确且具体化的参数。
7.为实现上述目的，本发明提供了如下方案：
8.一种陶瓷基复合材料结构密度均匀性的表征方法，包括：
9.采集陶瓷基复合材料结构的二维切片图像；
10.采用自适应小波阈值算法和基于多尺度顶帽的特征提取算法对所述二维切片图
像进行预处理，得到预处理后图像；
11.根据所述预处理后图像的灰度值定位所述陶瓷基复合材料结构的缺陷区域；
12.计算每一所述缺陷区域的分形维数；
13.根据所有所述分形维数表征所述陶瓷基复合材料结构的密度均匀性。
14.一种陶瓷基复合材料结构密度均匀性的表征系统，包括：
15.采集模块，用于采集陶瓷基复合材料结构体的二维切片图像；
16.预处理模块，用于采用自适应小波阈值算法和多尺度顶帽变换算法对所述二维切片图像进行预处理，得到预处理后的图像；
17.定位模块，用于根据所述预处理后的图像的灰度值定位所述陶瓷基复合材料结构体的缺陷区域；
18.计算模块，用于计算每一所述缺陷区域的分形维数；
19.表征模块，用于根据所有所述分形维数表征所述陶瓷基复合材料结构体的密度均匀性。
20.根据本发明提供的具体实施例，本发明公开了以下技术效果：
21.本发明提供了一种陶瓷基复合材料结构密度均匀性的表征方法及系统，经过工业ct无损检测技术对陶瓷基复合材料进行缺陷扫描，得到陶瓷基复合材料的二维切片图像；通过自适应小波阈值算法和基于多尺度顶帽的特征提取算法对二维图像进行滤波和图像增强操作，最后利用分形理论计算图像缺陷区域的分形维数，进而能够用具体数字准确表征陶瓷基复合材料结构的密度均匀性。
附图说明
22.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
23.图1为本发明实施例1提供的一种陶瓷基复合材料结构密度均匀性的表征方法流程图；
24.图2为本发明实施例1中工业ct检测装置的结构示意图；
25.图3为本发明实施例1中陶瓷基复合材料缺陷体经过初步缺陷定位后的图像；
26.图4为本发明实施例2提供的一种陶瓷基复合材料结构密度均匀性的表征系统结构图。
具体实施方式
27.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
28.本发明的目的是提供一种陶瓷基复合材料结构密度均匀性的表征方法及系统，能够对陶瓷基复合材料缺陷结构体结构的密度均匀性表征提供一个准确且具体化的参数。
29.为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
30.实施例1：
31.现存在对陶瓷基复合材料的密度均匀性的方法是利用图像的ct值与衰减系数之间的拟合线性关系进行一个粗略的估计，缺少一个具体的参数来对cmc结构的密度均匀性进行准确表征。对此，参阅图1，本实施例提供了一种陶瓷基复合材料结构密度均匀性的表征方法，包括：
32.s1：采集陶瓷基复合材料结构的二维切片图像；
33.本实施例采用工业ct检测装置采集陶瓷基复合材料结构的二维切片图像，如图2所示，工业ct检测装置包括射线源、机械扫描系统、探测器、计算机、数据库和图像显示系统；
34.其中射线源优选地采用x射线源锥形束，由于x射线强度相对于其他射线较强，使得扫描得到的图像信噪比更高，图像效果更好；
35.机械扫描系统采用锥束扫描方式，从而能够360度扫描被检测缺陷结构体，进而通过获取的投影数据对试件进行三维重建。机械扫描系统包括旋转台和电机控制系统，电机控制系统与旋转台连接，控制旋转台的旋转方向和旋转速度，被检测的陶瓷基复合材料结构体放置于旋转台上，射线源发出的光线照射在被检测的陶瓷基复合材料结构体上；
36.探测器通过将不可见光转换为可见光，然后将可见光转换为电信号并将其发送到数据采集系统，对投影数据的质量起着决定性作用；
37.计算机完成图像的矫正、去噪、重建等工作，提供工业ct无损检测非破坏性的图像结果，即陶瓷基复合材料结构的二维切片图像。
38.s2：采用自适应小波阈值算法和基于多尺度顶帽的特征提取算法对所述二维切片图像进行预处理，得到预处理后图像；
39.自适应小波阈值算法对处理复合材料的二维切片图像的效果十分明显，可以成功消除ct图像噪声的影响。
40.自适应小波阈值对图像的去噪方法具体包括：
41.(1)对存在噪声的二维切片图像用小波变换进行多尺度分解；
42.若记母小波为ψ(t)，伸缩和平移因子分别为a和b，则母小波ψ(t)生成的小波为：
[0043][0044]
其中a,b∈r，a≠0；t为时间序列号；
[0045]
母小波ψ(t)必须满足这一条件，其中为ψ(t)的傅里叶变换。通过这个条件可以得出，在时间域和数值波动性方面都要限制。
[0046]
信号f(t)的连续小波变换(continue wavelet transform,cwt)，表达式如下：
[0047][0048]
wf(a,b)对应于f(t)在函数族ψ
a,b
(t)上的分解，也可看成是原始信号f(t)和一组
不同尺度的小波带通滤波器的滤波运算，从而可把信号分解到一系列频带上进行分析处理。
[0049]
利用双尺度方程和小波方程得到的递推塔式算法，即mallat算法，使离散小波变换以数字qmf滤波器组的形式出现。多分辨率分析的小波分解公式为：
[0050][0051]
其中，an和bn分别表示由小波基构造的低通滤波器和高通滤波器；表示低通信号；表示利用低通滤波器对低通信号逐级分解得到的信号；表示利用高通滤波器对低通信号逐级分解得到的信号；
[0052]
重构公式为其中pk，qk是恢复滤波器。
[0053]
将小波变换由一维推广到二维，能将信号或图像分解成交织在一起的多种尺度成分，并采用相应粗细的时域或空域取样步长，对高频信号细处理，对低频信号粗处理，从而对图像进行去噪。
[0054]
(2)计算噪声方差σ2：
[0055]
式中y
i,j
＝subbandhh1，是从子带hh1估计出的噪声方差。
[0056]
(3)计算每一级对应的尺度参数β：
[0057]
式中j＝1,
……
，j，j表示小波系数的总层数，lk为每一层小波系数中第k级子带长度。随着j的改变，每一级的尺度参数会自适应改变。
[0058]
(4)计算1到j层的高频系数对应的标准方差σy。
[0059]
(5)计算阈值t：并对1到j层的高频系数进行阈值去噪。
[0060]
用阈值化的小波系数对二维图像信号进行重构，得到去噪后的图像信号。对于多层分解的小波系数，层数越大，噪声能量会变得越小。由于阈值的自适应性，每一层的噪声和图像有用信息都会被最大程度的进行分离。另外，本实施例选用db8小波基对图像进行分解。db8小波基支集长度长，消失矩和正则性高。消失矩阶数大，小波能量集中，正则性好，则二维图像重构后就越平滑。因此，为了去除含有噪声的ct图像，采用自适应阈值小波算法对原始二维切片图像进行去噪。
[0061]
为了对小波分解后的重构图像进行评估，采用峰值信噪比、模糊系数、边缘保持系数和结构相似度四个分析参数。分别对三层重构质量及相对应的指标进行计算，可知，第一层比第二、三层的模糊系数小、峰值信噪比高、边缘保持系数小及结构相似度更加接近1。因噪声主要集中在小波分解的第一层，且随着层数增加而减少，因此，第一层的重构质量远远
高于其他另外两层，故最终只选取第一层重构图像。
[0062]
如果图像的背景和噪点可以减少甚至消除，则图像分割效果将得到很大改善。根据数学形态学原理，使用5
×
5的矩形结构算子对图像执行顶帽转换(top-hat)，可以增强图像的缺陷部分。
[0063]
图像增强的基本思想是扩大图像中亮区域和暗区域的对比度，因此本实施例采用wth变换提取对应结构元素的亮区域，利用bth变换来提取对应结构元素的暗区域，常规的基于顶帽变换的图像增强算法的表达式为：
[0064]fen
＝f f
w-fbꢀꢀꢀ
(4)
[0065]
式中，f表示原始图像，f
en
表示所述增强图像，fw表示所述亮区域；fb表示所述暗区域。
[0066]
为了适应图像多尺度的变化，本实施例根据多尺度结构元素的定义，基于多尺度顶帽的特征提取算法对二维切片图像进行增强处理，具体包括：
[0067]
采用wth变换提取所述多层重构图像中第一层重构图像每一尺度下的亮区域，得到尺度亮区域；
[0068]
采用bth变换提取所述多层重构图像中第一层重构图像每一尺度下的暗区域，得到尺度暗区域；
[0069]
利用所述二维切片图像加上所有所述尺度亮区域，同时减去所有所述尺度暗区域，得到增强图像。
[0070]
本实施例用结构元素b对图像f进行数学形态学操作，为膨胀，f
·
b为腐蚀，可以得到在第s尺度上由wth提取的图像亮区域和在s尺度由bth提取的暗区域分别为和bths＝f
·bs-f。
[0071]
为了进一步提高增强效果，在上述方案提取每一尺度对应的尺度亮区域和尺度暗区域的基础上，选择所有所述尺度亮区域中灰度值最大的亮细节作为最终的多尺度亮细节，公式为式中，表示最终的多尺度亮细节；
[0072]
相邻尺度间的多尺度图像细节代表了在不同尺度间图像的亮细节和暗细节。在相邻s和s 1尺度间的亮细节可以表示为：wth
s(s 1)
＝wth
s 1-wths，基于此原理计算所有相邻尺度间的亮细节，得到相邻尺度亮细节；将灰度值最大的所述相邻尺度亮细节作为最终的多尺度图像亮特征，公式表示为：
[0073][0074]
式中，表示所述亮区域中的亮区域特征。
[0075]
同理，选择所有所述尺度暗区域中灰度值最大的暗细节作为最终的多尺度暗细节，公式为式中，表示最终的多尺度暗细节；
[0076]
在相邻s和s 1尺度间的暗细节可以表示为bth
s(s 1)
＝bth
s 1-bths，基于此原理计算所有相邻尺度间的暗细节，得到相邻尺度暗细节；将灰度值最大的所述相邻尺度暗细节作为最终的多尺度图像暗特征，表示为：
[0077]
[0078]
式中，表示所述暗区域中的暗区域特征。
[0079]
利用所述二维切片图像加上所述多尺度亮细节和所述多尺度图像亮特征，同时减去所述多尺度暗细节和所述多尺度图像暗特征，数学表达式为：
[0080][0081]
基于多尺度顶帽特征提取算法对缺陷图像的图像增强，通过开运算从图像去除较亮的区域，可以生成新的图像，并且清晰显示出已被灰度级操作去除的特征。射线图像经过图像增强要比原图像要清晰，图像细节和对比度也得到有效的增强。
[0082]
运用自适应小波阈值算法和基于多尺度顶帽特征提取算法对ct图像进行图像滤波消噪和缺陷增强处理，提高缺陷的对比度，对缺陷的量化更加准确，为后续结构均匀性表征提供缺陷结构细节清晰的图像。
[0083]
s3：根据所述预处理后图像的灰度值定位所述陶瓷基复合材料结构的缺陷区域；
[0084]
s4：计算每一所述缺陷区域的分形维数；
[0085]
s5：根据所有所述分形维数表征所述陶瓷基复合材料结构的密度均匀性。
[0086]
通过对预处理的缺陷图像的灰度值进行数据分析，可对缺陷的位置进行初步定位，后进行图像数据分析。含有缺陷的复合材料具有分形特征，可以通过计算孔隙形貌的分形盒维数来反映孔隙形貌的分布特点、复杂程度，进而分析表征缺陷的分布情况。采用分形理论中的分形维数这一特征量对缺陷图像进行数据分析，分形维数越大，分形曲线或曲面越复杂，越趋于充满整个空间。
[0087]
根据不同的定义方式，分形维数包括豪斯道夫维数dh，相似维数ds，容量维数dc，盒维数db。常用的分形维数的计算方法有垂直截面法、小岛法、尺码法、方差法、结构函数法、盒维数法等。本实施例采用运用盒维数db对缺陷图像进行分析，对于分形盒维数通常采用下式近似计算：
[0088][0089]
式中为与f相交的δk网立方体的个数，δk表示单位边长。在实际应用中，覆盖f的集合可以是球、立方体、一定边长的平面网格。
[0090]
陶瓷基复合材料缺陷图像分形盒维数介于1～2之间，根据初步定位后的不同图像区域的分形维数计算结果，通过具体的分形维数参数分析整体的缺陷细节的密度分布，进而分析表征缺陷结构体的结构均匀性。
[0091]
本发明中实施例中，使用分形理论中分形维数这一特征量表征陶瓷基复合材料缺陷结构体的均匀性，使用具体的参数得到表征结果。
[0092]
图3为陶瓷基复合材料缺陷体经过工业ct系统扫描后经过初步缺陷定位后的图像，通过图像可以观察到孔隙、裂缝等缺陷形式在陶瓷基复合材料缺陷结构体中的分布，提取存在缺陷特征区域作为计算分形维数的对象，为表征陶瓷基复合材料缺陷结构体的均匀性提供具体的参数，为后续研究其对陶瓷基复合材料在服役过程中性能的影响，提出的方法能够提高表征均匀性的准确度提供数据支持。
[0093]
实施例2：
[0094]
参阅图4，本实施例还提供了一种陶瓷基复合材料结构密度均匀性的表征系统，包括：
[0095]
采集模块m1，用于采集陶瓷基复合材料结构体的二维切片图像；
[0096]
预处理模块m2，用于采用自适应小波阈值算法和多尺度顶帽变换算法对所述二维切片图像进行预处理，得到预处理后的图像；
[0097]
定位模块m3，用于根据所述预处理后的图像的灰度值定位所述陶瓷基复合材料结构体的缺陷区域；
[0098]
计算模块m4，用于计算每一所述缺陷区域的分形维数；
[0099]
表征模块m5，用于根据所有所述分形维数表征所述陶瓷基复合材料结构体的密度均匀性。
[0100]
本说明书中每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
[0101]
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。