专利名称：处理用于对象检验的图像的方法和系统的制作方法
处理用于对象检验的图像的方法和系统
背景技术：
不同类型的测试系统可用于检验对象，例如检测诸如组件或零部件之类的对象中的内部缺陷(例如裂纹或皱纹)。测试系统可包括用于例如使用超声成像技术来检查组件的无损方法。作为一个示例，这些测试系统可用于确定任何缺陷或瑕疵是否存在于工业装置和系统的组成零部件中。可能在组件的原始制造期间引入的这些缺陷或瑕疵能够降低组件的有效使用寿命和/或引起其故障。因此，通常在制造过程期间和/或维护期间检验这些组件，以便确定任何缺陷是否存在或者指示缺陷的异常是否存在。在典型超声检验系统中，组件的内部结构的图像被获取并且向用户显示。用户则目视检验图像，尝试检测任何异常。例如，当复合结构形成组件时，用户可检验显示多层结构的图像，以便识别复合材料中的任何皱纹或其它缺陷。这种目视检验过程不仅是单调乏味和费时的，还尤其引入进行关于异常是否存在的确定的用户出错的可能性。
发明内容
在一个实施例中，提供一种用于使用至少一个处理器来识别被成像对象中的异常的非暂时计算机可读存储介质。非暂时计算机可读存储介质包括命令处理器得到与对象的至少一个部位对应的多个图像并且使用参考结构来执行多个图像的至少一个的矫正的指令。非暂时计算机可读存储介质还包括命令处理器对于对象的经矫正的多个图像执行梯度向量场分析以识别对象中的异常区域的指令。在另一个实施例中，提供一种包括处理器的检验系统，其中处理器配置成对于对象的多个图像执行梯度向量场分析以识别对象中的异常区域。检验系统还包括显示器，该显示器配置成在所显示图像上显示具有任何所识别异常区域的图像的至少一个。在另一个实施例中，提供一种用于自动识别被成像对象中的异常的方法，其中该对象具有内膜。该方法包括识别多个图像中的膜，确定对象的整体形状，使图像中的整体形状变形(warping)以使对象矫直，以及计算多个图像的强度梯度。该方法还包括确定图像强度的局部标准偏差，以便识别对象中的材料类型。该方法还包括计算和调整遍及多个图像中的感兴趣区域的强度梯度以确定梯度向量场，将旋度算子应用于梯度向量场，以及对旋度算子的结果定阈值以确定任何异常区域。该方法还包括对任何异常区域应用区域生长过程，并且在多个图像的至少一个上生成和显示标识任何异常区域的覆盖图。
图1是按照一个实施例所形成的检验系统的框 图2是具有可按照各个实施例来检验的叶片的飞行器结构的螺旋桨叶片的简 图3是按照各个实施例的、确定图像中的异常的方法的流程 图4是可按照各个实施例来处理以识别异常的超声图像；
图5是示出按照各个实施例所计算的梯度向量场的图表；
图6是示出按照各个实施例的、调整之后的图5的梯度向量场的图表； 图7是示出按照各个实施例的局部标准偏差定阈值过程的结果的图像；
图8是示出按照各个实施例的梯度向量场的局部旋度值的图表；
图9是示出按照各个实施例的阈值和生长过程的结果的图像；
图10是示出按照各个实施例所识别的异常区域的图4的超声图像。
具体实施例方式通过结合附图进行阅读，将会更好地理解各个实施例的以下详细描述。在附图示出各个实施例的功能块的简图的意义上，功能块不一定指示硬件电路之间的划分。因此，例如，功能块(例如处理器或存储器)的一个或多个可通过单片硬件(例如，通用信号处理器或者随机存取存储器块、硬盘等)或者多片硬件来实现。类似地，程序可以是独立程序，可结合为操作系统中的子例程，可以是已安装软件包中的功能，等等。应当理解，各个实施例并不局限于附图所示的布置和工具。本文所述的是用于识别被检验对象的图像中的异常的各个实施例。具体来说，各个实施例提供使用超声图像来自动检测和识别结构或组件中的异常。例如，可使用超声图像来提供复合结构(例如碳复合结构)中的异常的自动检测和识别，以便检验复合结构。应当注意，虽然结合将特定图像用于检验特定组件的某些异常来描述各个实施例，但是各个实施例可与不同图像(例如非超声图像)和/或零部件配合使用并且用于检验不同异常。各个实施例的至少一个技术效果是使用图像(例如超声图像)来自动检测和识别异常。通过实施各个实施例，可提供在组件的缺陷或瑕疵的检测中的增加速度和可重复性。图1示出按照一个实施例所形成的检验系统20，检测系统20可用于检验例如可以是诸如飞行器结构之类的工业复合零部件或结构的对象22。飞行器结构可以是发动机40的一部分(图2所示)。因此，在一个实施例中，检验系统20可用于检验由碳复合材料来形成的飞行器的一个或多个螺旋桨叶片42。在一个实施例中，检验系统20在组装到发动机40之前、例如在螺旋桨叶片制造过程期间检验叶片(一个或多个)42。应当注意，可检验其它叶片，例如涡轮发动机的叶片。虽然包括检验系统20的各个实施例结合检验飞行器发动机零部件来描述，但是各个实施例可用于检验在一些实施例中一般是工业零部件或组件的任何类型的组件。因此，对象22可具有任何可操作的形状、尺寸和配置。组件可由任何可操作基础材料来制作，基础材料非限制性地例如碳复合物和/或金属合金。更具体来说，虽然本文中针对飞行器发动机组件来描述各个实施例，但是应当理解，各个实施例能够适用于在蒸汽轮机、核电站、汽车发动机中使用的大量组件或者适用于检验任何机械组件。在各个实施例中，检验系统20包括:图像获取部分，其在所示实施例中包括探头部件22 ；以及数据获取/控制系统24。探头部件22包括:探头26，在所示实施例中是超声探头；以及耦合到探头26的探头操纵器28。探头26和探头操纵器28 (可共同或单独地)电耦合到数据获取/控制系统24，使得能够对探头26和操纵器28以及数据获取/控制系统24传送控制/数据信息，以及从它们传送。在另一个实施例中，检验系统20还包括可配置成在检验过程期间旋转对象22的夹具或固定器(未示出)。应当注意，可使用任何适当图像获取装置。数据获取/控制系统24包括接口 30、具有存储器34的诸如计算机器(例如个人计算机)之类的处理器32以及显示器36 (例如监视器)。处理器32可运行固件(未示出)中存储的指令，并且编程为执行本文所述的操作和功能。处理器32并不局限于本领域称作计算机的那些集成电路，而是广义表示计算机、处理器、微控制器、微型计算机、可编程逻辑控制器、专用集成电路和其它可编程电路，并且这些术语在本文中可互换地使用。另外，预计存储器34表示一个或多个易失性和/或非易失性存储设施，例如固态存储器(例如随机存取存储器(RAM)、只读存储器(ROM)和闪速存储器)、磁存储装置(例如磁盘和硬盘)和/或光存储装置(例如⑶-ROMXD-RW和DVD)。存储器34可以是处理器32的内部或外部的。在使用中，对象22安装在固定器的夹具(未示出)上，以便在检验期间将对象22固定到位，使得探头26使用任何适当技术来执行对象22的超声扫描。例如，在一个实施例中，探头26包括单个元件换能器，并且对于对象22在特定区域或部位上执行30-40B型扫描(又称作B扫描)，以便获取B扫描图像。探头26则可控制成执行B扫描的一个或多个附加集合，以便获取对象22的其它区域或部位的B扫描图像的一个或多个集合。扫描的多个集合可在所确定/所限定位置中执行，或者可随机选择。在所示实施例中，操纵器28是允许沿不同轴并且以不同视角对于对象22的扫描的六轴操纵器。探头26所产生的电信号(例如脉冲回波)由数据获取/控制系统24通过数据通信链路38经由接口 30来接收，并且存储在存储器34中。处理器32还通过通信链路38耦合到操纵器28，以便于控制对象22的扫描。应当注意，在一些实施例中，处理器32可使用不同通信链路(未示出)耦合到操纵器28。用户输入39 (例如键盘)耦合到处理器32，以便提供对象22的检验的操作员控制。在一个实施例中，可提供一个或多个外围装置、例如打印机(未示出)，以便生成由处理器32所生成的图像或报告的硬副本。在各个实施例中，检验系统20使用超声图像来提供例如复合零部件的自动化检验，以便检测和识别异常。在一个实施例中，图像是由探头26所获取的超声B扫描，探头26可由操纵器28 (例如机器人操纵器)来控制，操纵器28按照光栅图案对被检验对象22的表面进行扫描。各个实施例还提供可由处理器32来运行的图像处理算法，以便分析图像以识别指示内部零部件结构的特征以及缺陷、例如制造缺陷。应当注意，图像可使用任何适当图像获取过程来获取。按照各个实施例，自动分析超声图像，以便例如使用图3所示的方法50来确定对象22中的异常。应当注意，虽然结合识别复合结构、具体来说是复合螺旋桨中的异常来描述方法50，但是方法50可与其它对象22或零部件的检验结合使用。对超声B扫描图像的一个或多个集合执行方法50，以便识别例如重要内部结构和异常(例如潜在制造缺陷)。例如，图4示出示范超声图像80，其中超声图像80的表面部分81在左侧。超声图像80属于复合螺旋桨叶片的一部分。方法80包括在52识别对象的膜。例如，如图3所示，膜82由膜层来限定，膜层在复合结构中将碳复合层84所限定的复合材料与内部材料86分离。各个实施例识别膜82，膜可包含缺陷，并且其特性能够指示其它内部缺陷、例如皱纹，如下面更详细描述的那样。应当注意，在正常条件下，膜82指示整体预计形状，并且因此指示超声图像80中的梯度流。还应当注意，超声图像80表示例如用于螺旋桨叶片的包括螺旋桨叶片的顶面之上的玻璃纤维编织物88的碳复合结构。另外，还可对顶面上的水90进行成像。还应当注意，形成玻璃纤维编织物88的结构不同于对象、即螺旋桨叶片的内部结构，并且在本文所述的识别异常的图像分析期间被忽略。在各个实施例中，为了识别膜82，采取三维(3D)方式。具体来说，在一个实施例中，采用基于图表的最短路径方法，以形状先验信息、表面距离惩罚以及指示膜82的存在的检测信号信息来进行膜分割。例如，在一个实施例中，可使用代价函数，其中包含来自形状先验以及指示膜82的存在的检测信号的贡献。用于查找膜82的代价函数可定义如下:
权利要求
1.一种非暂时计算机可读存储介质，用于使用至少一个处理器来识别被成像对象中的异常，所述非暂时计算机可读存储介质包括命令所述处理器执行下列步骤的指令: 得到与对象的至少一个部位对应的多个图像； 使用参考结构来执行所述多个图像的至少一些的矫正；以及 对所述对象的所述经矫正的多个图像执行梯度向量场分析，以便识别所述对象中的异常区域。
2.如权利要求1所述的非暂时计算机可读存储介质，其中，所述多个图像是使用所述对象的B型扫描所获取的相邻超声图像。
3.如权利要求1所述的非暂时计算机可读存储介质，其中，所述指令命令所述处理器使用空间滤波器来确定所述对象的所述整体形状，并且通过使所述多个图像矫直来补偿所述对象的所述整体形状，所述矫直包括使所述多个图像中的多行像素移位。
4.如权利要求1所述的非暂时计算机可读存储介质，其中，所述对象包括膜，并且所述指令命令所述处 理器使用所述膜的模型来识别所述膜。
5.如权利要求4所述的非暂时计算机可读存储介质，其中，所述模型包括强度模型、平滑度模型和形状模型中的至少一个。
6.如权利要求4所述的非暂时计算机可读存储介质，其中，通过优化评估对所述模型的至少一个的拟合度或者与图像数据的一致性的代价函数，在所述多个图像中识别所述膜。
7.如权利耍求6所述的Ih朽ΙΙ、ΝΠ :机川'浈办储介质,几:十，所述代价W数定义为:
8.如权利要求1所述的非暂时计算机可读存储介质，其中，所述指令命令所述处理器通过计算所述强度梯度的幅值和取向来执行所述梯度向量场分析。
9.如权利要求8所述的非暂时计算机可读存储介质，其中，强度和取向的计算使用多尺度过程来执行。
10.如权利要求1所述的非暂时计算机可读存储介质，其中，所述指令命令所述处理器执行对遍及所述多个图像的梯度场的调整。
11.如权利要求10所述的非暂时计算机可读存储介质，其中，所述指令命令所述处理器使用加权梯度取向来执行所述调整。
12.如权利要求10所述的非暂时计算机可读存储介质，其中，所述指令命令所述处理器确定图像强度的局部标准偏差的值，并且对所述值定阈值以识别所述多个图像中的感兴趣区域。
13.如权利要求10所述的非暂时计算机可读存储介质，其中，所述指令命令所述处理器使用旋度算子来确定所述经调整的梯度向量场的多个旋度值。
14.如权利要求13所述的非暂时计算机可读存储介质，其中，所述指令命令所述处理器对于使用所述旋度算子所确定的多个旋度值定阈值，以便识别所述异常区域。
15.如权利要求14所述的非暂时计算机可读存储介质，其中，所述指令命令所述处理器将区域生长过程应用于所述所识别的异常区域。
16.如权利要求1所述的非暂时计算机可读存储介质，其中，所述指令命令所述处理器在所述多个图像的至少一个上显示识别至少一个异常区域的覆盖图。
17.如权利要求16所述的非暂时计算机可读存储介质，其中，所述指令命令所述处理器指示所述覆盖图中的异常的置信等级。
18.—种检验系统,包括: 处理器，配置成对于对象的多个图像来执行梯度向量场分析，以便识别所述对象中的异常区域；以及 显示器，配置成在所显示图像上显示具有任何所识别异常区域的图像的至少一个。
19.如权利要求18所述的检验系统，其中，所述处理器还配置成使用空间滤波器来确定所述对象的整体形状，并且通过使所述多个图像矫直来补偿所述对象的所述整体形状，所述矫直包括使所述多个图像中的多行像素移位。
20.如权利要求18所述的检验系统，其中，所述对象是包括内膜的螺旋桨叶片，并且所述处理器还配置成使用遍及所述多个图像所合计的全局代价函数来识别所述膜，其中所述全局代价函数定义为:
21.如权利要求18所述的检验系统，其中，所述处理器还配置成:(i)使用加权梯度取向来执行对遍及所述多个图像的梯度场的调整；以及(ii)确定图像强度的局部标准偏差的值，并且对所述值定阈值以识别所述多个图像中的感兴趣区域，所述处理器还配置成使用旋度算子来确定所述经调整的梯度向量场的多个旋度值，并且对于使用所述旋度算子所确定的多个旋度值定阈值，以便识别所述异常区域。
22.如权利要求18所述的检验系统，其中，所述处理器还配置成将区域生长过程应用于所述所识别的异常区域，并且在所述多个图像的至少一个上显示识别所述异常区域的覆盖图。
23.一种用于自动识别具有内膜的对象的图像中的异常的方法，所述方法包括: 识别所述对象的多个图像中的所述内膜； 确定所述对象的整体形状； 使所述图像中的所述整体形状变形，以使所述对象矫直； 确定图像强度的局部标准偏差，以便识别所述对象中的材料类型； 计算和调整遍及所述多个图像中的感兴趣区域的强度梯度，以便确定梯度向量场； 将旋度算子应用于所述梯度向量场； 对所述旋度算子的结果定阈值，以便确定任何异常区域； 将区域生长过程应用于任何异常区域；以及 在所述多个图像的至少一个上生成和显示识别任何异常区域的覆盖图。
全文摘要
提供用于处理图像的方法和系统。一种方法包括得到与对象的至少一个部位对应的多个图像，并且使用参考结构来执行多个图像的至少一些的矫正。该方法还包括对于对象的经矫正的多个图像执行梯度向量场分析，以便识别对象中的异常区域。
文档编号G06T5/00GK103218805SQ20121053710
公开日2013年7月24日 申请日期2012年12月13日 优先权日2011年12月13日
发明者G.W.布鲁克斯比, P.R.D.S.门唐卡, 刘树宝, 宋麒 申请人:通用电气公司