图像增强技术在超声成像检测中的应用

　　超声检测中常会碰到脉冲噪声的干扰,脉冲噪声的存在,对于以信号幅度达到某一阈值而报警的超声波自动探伤而言,将给缺陷判断造成极大困难,甚至无法进行自动探伤,而对提取缺陷信号进行处理与分析,或根据超声检测信号进行材料特性评价的实验室研究而言,会影响甚至严重干扰信号分析[1]。因此消除噪声的干扰就成为超声检测中至关重要的环节。最为有效而彻底的办法是杜绝脉冲噪声的产生。但由于检测仪器本身和周围恶劣环境等因素的影响,往往难于杜绝。因此,只有采取措施从检测信号中将脉冲噪声除去。在现代超声无损检测技术中,由于超声图像能直观地再现工件内部缺陷的大小、形状和位置等,数字超声成像技术在无损检测领域的应用日趋广泛。但是,在粗晶材料检测时,粗大晶粒的散射噪声往往使缺陷图像难以识别。如何提高信噪比,增加缺陷的可视化已成为此领域的研究热点。

　　本文介绍两种消噪方法,一种是用中值滤波的快速算法,另一种是采用基于小波变换的消噪方法,试验结果表明采用这两种方法能够有效地消除超声成像检测中的噪声,并且还使用了小波边缘检测技术来提取图像的边缘,对于缺陷的识别可提供极为重要的信息。

　　1　中值滤波快速算法的原理[2,3]

　　中值滤波是一种非线性的处理技术,可以用来抑制图像中的噪声而不使边缘模糊。一维形式的中值滤波是取一移动窗口,该窗口包含奇数个象素,用窗口内像素的中值取代窗口的中心像素灰度,作为中值滤波的输出。一维的中值滤波可以推广到二维的情况。二维的移动窗口中必须包含奇数个像素,通常采用正方形窗口。标准窗中值滤波是以窗口中N个像素的中值置换中心像素。设窗口大小为A=N×N(N为奇数),对窗口内的各像素灰度值进行比较排序,用其中值取代窗口中心象素的灰度值,即图像中第(i,j)点的灰度值将通过对该点邻域A内N2个点的灰度值取中值得到

　　中值滤波的关键在于选择合适的窗口大小及窗口形状,一般多采用以像素(i,j)为中心的正方形窗口,若图像大小为M×N像素,窗口大小为K×L像素,则窗口处理时,总计算量为O(M,N,K,L)量级,即窗口处理的计算量不仅与被处理图像大小成正比,也与所用窗口大小成正比。

　　按照传统的中值滤波算法,中值滤波后的图像中噪声将被有效地消除,因为邻域中亮度值发生随机突变的象素经过排序后,要么排在队列的队首,要么排在队列的队尾,而中心像素的新值是取自队伍中位的那个像素值。但在对超声检测图像进行平滑处理中发现,传统的标准窗中值滤波尽管对图像的边缘有较少的损失,但由于扫描进入计算机后的图像本身有边缘模糊特性,因而达不到真正改善图像质量的目的,对于所需的有用信息,经过滤波处理后没有突出地表现出来。因此,为了使超声图像处理具有高的准确性,必须对传统的中值滤波算法进行改进。因此采用快速中值滤波算法对超声图像行消噪处理。