一种航天器多类型复杂缺陷的量化评估方法技术

本发明专利技术公开了一种航天器多类型复杂缺陷的量化评估方法，包括：获得表征缺陷特征的红外重构图像，进行缺陷特征提取得到缺陷特征提取图像；得到缺陷特征检测图像；得到缺陷特征识别图像；对缺陷区域进行标定，实现缺陷像素粗定位；基于缺陷像素粗定位结果，根据提取到的缺陷边界像素点，实现亚像素缺陷特征定位；根据亚像素缺陷定位结果，对每一个标定的缺陷区域，对轮廓特征尺寸在水平方向和垂直方向，按照试件和图像的尺寸关系，分别进行映射以得到刻画缺陷不同特征参数的实际尺寸；进行缺陷特征量化计算。本发明专利技术有效提高了缺陷定位和量化的准确率，提高了缺陷定位的精度，解决了水平方向和垂直方向像素点像素尺度不同的问题。平方向和垂直方向像素点像素尺度不同的问题。平方向和垂直方向像素点像素尺度不同的问题。

【技术实现步骤摘要】
一种航天器多类型复杂缺陷的量化评估方法


[0001]本专利技术属于航空航天飞行器损伤检测与维修保障
，更具体地说，本专利技术涉及一种航天器多类型复杂缺陷的量化评估方法

技术介绍

[0002]针对空间碎片与航天器发生超高速撞击形成的多类型缺陷的检测问题，目前已开展了很多基于红外热成像检测技术的缺陷量化评估方面的研究。利用红外热成像检测技术对缺陷进行检测，对红外热图像序列处理获得表征缺陷特征的红外重构图像后，能够通过定性分析初步确定缺陷的形态特征。为了保障航天器运行安全，需要进一步对缺陷特征进行的量化评估。基于航天核心构件的复杂多类型损伤缺陷特征的量化评估结果能够指导进行超高速撞击损伤研究、航天器防护结构设计、航天器损伤修护等，为航天器在轨安全服役提供保障。
[0003]超高速撞击损伤具有种类多样、类型复杂和散布区域广的特点给缺陷检测与量化评估带来了困难。并且在检测过程中，航天器表面材料飞溅的颗粒物和噪声干扰均会影响缺陷的定量检测结果。对于超高速撞击损伤检测困难和客观存在的检测环境影响问题，为了更好的对复杂多类型的超高速撞击损伤进行识别，将定量检测分为定位和量化两个部分进行。对不同类型和分布在不同位置的缺陷分别定位，对复杂多类型的缺陷特征识别和修复具有重要意义。根据定位结果分别量化不同类型和不同区域的缺陷特征信息，半年内、为试件受损情况提供具体的数值参考。从定位和量化两个方面来描述超高速撞击形成的复杂多类型缺陷的形态特征和物理特征，根据不同损伤的特征制定维修方案。
[0004]在2021年6月1日公布的、公布号为CN112881467A、名称为“一种大尺寸复合材料损伤成像与定量识别方法”的中国专利技术专利申请中，在对大尺寸复合材料进行损伤定量检测的过程中，通过分割的方法提取红外重构图像中的缺陷特征，并利用外接矩形来标定缺陷区域，再根据矩形框的标定结果分别对各个缺陷区域进行检测并量化缺陷形态特征。
[0005]通过外接矩形框标定缺陷区域的方法针对大尺寸复合材料能够很好的识别检测出缺陷。然而在应用于超高速撞击损伤定量检测的过程中，超高速撞击损伤类型复杂，通过外接矩形来标定的缺陷区域与实际的缺陷区域位置可能存在较大的偏差，只能对缺陷进行粗略的定位，会影响缺陷特征识别结果和缺陷修复的效率。
[0006]针对外接矩形框只能进行粗略定位的问题，可以通过边界追踪法提取缺陷边界轮廓。缺陷的边界轮廓相较于外接矩形框包含更多的缺陷细节信息，基于缺陷的边界轮廓来定位缺陷能够提高缺陷定位精度。但是像素之间存在不可细分的间隙，当缺陷边界落在像素之间的间隙处时，整像素的定位方法会出现较大的误差。并且离散的缺陷像素轮廓放大后会失真，影响缺陷区域判定。
[0007]并且在量化缺陷物理特征时，基于缺陷图像计算得到的结果实际是像素尺度上的数值特征，需要根据图像尺寸和待测试件实际尺寸的比例关系进行换算才能得到实际尺寸。然而在实际计算过程中，由于图像大小和待测试件实际尺寸不同，位于水平方向和垂直
方向的像素点的像素尺度不同，因此没有统一的比例来计算缺陷的实际物理信息，导致一些衡量缺陷物理特征的参数无法计算。
[0008]针对上述问题，本专利技术提出了一种航天器多类型复杂缺陷的量化评估方法。由于红外重构图像中的像素点反映连续的温度变化，没有明确的类别划分，对此本专利技术选择了模糊C均值算法来进行分割处理。考虑到缺陷类型复杂和客观存在的热扩散现象对初步提取的缺陷特征的影响，在定量检测前，对初步提取的缺陷特征图像进行了后处理，并分别对不同类型和不同位置的缺陷进行了区域修正。对处理后的缺陷特征图像，先分别提取不同类型、不同位置损伤的边界特征，对缺陷区域进行标定，实现缺陷像素粗定位。再对每一个标定的缺陷区域利用曲线拟合的方式实现亚像素缺陷特征定位。在量化各个缺陷区域的特征参数前，将拟合得到的缺陷轮廓进行尺寸映射，再进一步量化计算缺陷的面积、周长、长径和短径等特征。结合空间位置信息和物理特征量化信息来描述缺陷特征，以满足对多类型复杂缺陷进行定量识别的需求。

技术实现思路

[0009]本专利技术的一个目的是解决至少上述问题和/或缺陷，并提供至少后面将说明的优点。
[0010]为了实现根据本专利技术的这些目的和其它优点，提供了一种航天器多类型复杂缺陷的量化评估方法，包括以下步骤：
[0011]步骤一、采集红外数据，对红外热图像序列数据处理，获得表征缺陷特征的红外重构图像Igs，并利用模糊C聚类分割的方式对表征缺陷特征的红外重构图像Igs进行缺陷特征提取得到缺陷特征提取图像Ige；
[0012]步骤二、利用基于隶属度对缺陷特征提取图像Ige进行后处理，优化分割结果，得到缺陷特征检测图像Igt；
[0013]步骤三、通过时序排齐法对缺陷特征检测图像Igt中的不同类型和不同位置的缺陷区域进行修正，得到缺陷特征识别图像Igc；
[0014]步骤四、通过8
‑
邻接Freeman链码来检测缺陷特征识别图像Igc中不同类型和不同位置缺陷的边界特征，对缺陷区域进行标定，实现缺陷像素粗定位；
[0015]步骤五、基于缺陷像素粗定位结果，根据提取到的缺陷边界像素点，对每一个标定的缺陷区域利用B
é
zier曲线拟合的方式实现亚像素缺陷特征定位；
[0016]步骤六、根据亚像素缺陷定位结果，对每一个标定的缺陷区域，对轮廓特征尺寸在水平方向和垂直方向，按照试件和图像的尺寸关系，分别进行映射以得到刻画缺陷不同特征参数的实际尺寸；
[0017]步骤七、进行缺陷特征量化计算。
[0018]优选的是，其中，所述步骤一中，进行缺陷特征提取得到缺陷特征提取图像Ige的具体步骤包括：
[0019]步骤1.1、设置聚类数目为C，初始化聚类中心v
k
，k＝1,
…
,C，初始化缺陷滤波图像Ige中像素点x
a
与聚类中心的隶属度v
k
的隶属度u
ak
，像素点x
a
的属度u
ak
满足
[0020]步骤1.2、计算并更新聚类中心v
k
：
[0021][0022]其中，m为平滑参数，N为缺陷滤波图像Igs中的像素点数目；
[0023]步骤1.3、更新像素点x
a
的隶属度函数u
ak
：
[0024][0025]步骤1.4、计算当前第t次迭代时的目标函数J
t
：
[0026][0027]步骤1.5、迭代终止条件判断：如果第t次迭代时的目标函数J
t
与第t
‑
1次迭代时的目标函数J
t
‑1的差值小于迭代条件判断阈值ε，即||J
t
‑
J
t
‑1||＜ε，或者达到最大迭代次数T
max
，迭代终止，得到最终的聚类中心集合v
k
，k＝1,...

【技术保护点】

【技术特征摘要】
1.一种航天器多类型复杂缺陷的量化评估方法，其特征在于，包括以下步骤：步骤一、采集红外数据，对红外热图像序列数据处理，获得表征缺陷特征的红外重构图像Igs，并利用模糊C聚类分割的方式对表征缺陷特征的红外重构图像Igs进行缺陷特征提取得到缺陷特征提取图像Ige；步骤二、利用基于隶属度对缺陷特征提取图像Ige进行后处理，优化分割结果，得到缺陷特征检测图像Igt；步骤三、通过时序排齐法对缺陷特征检测图像Igt中的不同类型和不同位置的缺陷区域进行修正，得到缺陷特征识别图像Igc；步骤四、通过8
‑
邻接Freeman链码来检测缺陷特征识别图像Igc中不同类型和不同位置缺陷的边界特征，对缺陷区域进行标定，实现缺陷像素粗定位；步骤五、基于缺陷像素粗定位结果，根据提取到的缺陷边界像素点，对每一个标定的缺陷区域利用B
é
zier曲线拟合的方式实现亚像素缺陷特征定位；步骤六、根据亚像素缺陷定位结果，对每一个标定的缺陷区域，对轮廓特征尺寸在水平方向和垂直方向，按照试件和图像的尺寸关系，分别进行映射以得到刻画缺陷不同特征参数的实际尺寸；步骤七、进行缺陷特征量化计算。2.如权利要求1所述的航天器多类型复杂缺陷的量化评估方法，其特征在于，所述步骤一中，进行缺陷特征提取得到缺陷特征提取图像Ige的具体步骤包括：步骤1.1、设置聚类数目为C，初始化聚类中心v
k
，k＝1,
…
,C，初始化缺陷滤波图像Ige中像素点x
a
与聚类中心的隶属度v
k
的隶属度u
ak
，像素点x
a
的属度u
ak
满足步骤1.2、计算并更新聚类中心v
k
：其中，m为平滑参数，N为缺陷滤波图像Igs中的像素点数目；步骤1.3、更新像素点x
a
的隶属度函数u
ak
：步骤1.4、计算当前第t次迭代时的目标函数J
t
：步骤1.5、迭代终止条件判断：如果第t次迭代时的目标函数J
t
与第t
‑
1次迭代时的目标函数J
t
‑1的差值小于迭代条件判断阈值ε，即||J
t
‑
J
t
‑1||＜ε，或者达到最大迭代次数T
max
，迭代终止，得到最终的聚类中心集合v
k
，k＝1,
…
,C和缺陷滤波图像Igs各像素点的隶属度矩阵u
ak
；
步骤1.6、缺陷滤波图像Igs像素点x
a
划分为隶属度矩阵u
ak
值最大的那一类，缺陷滤波图像Igs中所有的像素点x
a
划分结束得到最终的缺陷特征提取图像Ige。3.如权利要求1所述的航天器多类型复杂缺陷的量化评估方法，其特征在于，所述步骤二的具体步骤包括：步骤2.1、检测所有可能的错分像素点；检测所有像素点x
a
的r
×
r邻域区域中，各邻域像素点的分类标签，如果分类标签相同，则保持原分类标签不变，反之则认为标签不一致的像素点可能出现错分的情况，将其提取保存；步骤2.2、对提取的可能错分的像素点进行标签重置；对可能错分的像素点x
e
，统计x
e
的n
×
n邻域区域中的像素点x
p
的隶属度，重新计算像素点x
e
属于第k类的隶属度u
ek
'：其中，Ω
e
表示像素点x
e
的r
×
r邻域像素点集合；表示x
e
的邻域像素点属于第k类的隶属度；Γ
e
表示Ω
e
中像素点的数目，根据u
ek
'的计算情况，将x
e
划分为隶属度值最大的那一类，实现像素点标签重置；在进行像素点标签重置时需要注意，重置的标签必须是该像素点在步骤2.2中r
×
r邻域区域出现过的分类标签；对缺陷特征提取图像Ige中所有可能出现的缺陷区域像素点进行分类标签重置后得到缺陷特征检测图像Igt。4.如权利要求1所述的航天器多类型复杂缺陷的量化评估方法，其特征在于，所述步骤三中，将步骤二得到的缺陷特征检测图像Igt分为K个区域，对第k，k＝1,
…
,K个缺陷区域，通过对缺陷区域像素点进行相似性度量判断以获取热扩散区域的大小：
k
d
WEi
≥
k
ε
ttr_i
×
k
d
WEmax
其中，表示第k个缺陷区域中，像素点
k
x
i
与缺陷特征实际区域参考点之间的距离；为第k个缺陷区域的像素点数目；
k
d
WEmax
为第k个缺陷区域中的像素点与缺陷特征实际区域参考点之间的最大距离；
k
ε
ttr_i
为缺陷像素点
k
x
i
的热扩散判定阈值；通过分别度量缺陷区域像素点与缺陷特征实际区域参考点之间的温度热响应相关性和缺陷区域像素点与背景区域参考点之间的温度热响应相关性来计算第k个缺陷区域像素点
k
x
i
的热扩散判断阈值
k
ε
ttr_i
；考虑到客观存在的热扩散现象对缺陷区域进行修正，得到缺陷特征识别图像Igc的具体步骤为：步骤3.1、时序排齐法计算第k个缺陷区域像素点
k
x
i
的热扩散判断阈值
k
ε
ttr_i
步骤3.1.1、计算缺陷区域像素点
k
x
i
和背景区域参考点之间的瞬态热响应序列相关性系数；步骤3.1.1.1、判断需要进行时序移动的瞬态热响应序列；选择背景区域的特征瞬态热响应对应的像素点作为背景区域参考点其对应的温度热响应序列为bg
re
(bg
re1
,
…
,bg
reT
)，T为热序列采集时间；缺陷区域像素点
k
x
i
的瞬态热响应序列分别找到背景区域参考点的温度峰值所在帧数和缺陷区域像素点
k
x
i
的温度峰值所在帧数
k
t1；如果则是需要进行移动的瞬态热响应序列，记为ttr2，记bg
re
(bg
re1
,
…
,bg
reT
)为ttr1；否则，bg
re
(bg
re1
,
…
,bg
reT
)是需要进行移动的瞬态热响应序列，
记为ttr2，记为ttr1；步骤3.1.1.2、记ttr1的温度峰值所在帧数为t
max
，设置每次移动tt个时间单位，循环参数t
m
设置为1，有对ttr2进行时序移动，每次移动tt个时间单位，将ttr2的子序列和ttr1的子序列对齐并计算两个它们的相关性系数的相关性系数其中，E(
·
)表示瞬态热响应序列的期望；步骤3.1.1.3、t
m
＝t
m
+1，循环步骤3.1.1.2，每移动一个时间间隔，计算一次相应的皮尔逊相关系数，直到为止；得到相关系数集合步骤3.1.1.4、从中找到最大值作为第k个缺陷区域像素点
k
x
i
与背景区域参考点温度热响应序列相关系数
k
ρ
i&bg
：步骤3.1.2、按照步骤3.1.1相同的计算方式，计算第k个缺陷区域像素点与缺陷特征实际区域参考点温度热响应的相关系数
k
ρ
i&def
；根据相关系数
k
ρ
i&bg
和
k
ρ
i&def
得到第k个缺陷区域像素点x
i
的热扩散区域判定阈值
k
ε
ttr_i
：步骤3.2、根据计算得到的热扩散区域判定阈值
k
ε
ttr_i
，当缺陷像素点与缺陷特征实际区域参考点之间的距离
k
d
WEi
满足：认为像素点x
i
位于热扩散区域，则去掉像素点x
i
；重复步骤3.2直到缺陷特征识别图像Igc中第k个缺陷区域像素点x
i
都被访问到，去除所有位于热扩散区域的像素点x
i
，转至步骤3.3；步骤3.3、重复步骤3.1和步骤3.2直到K个缺陷区域像素点均被访问到，得到缺陷特征识别图像Igc。5.如权利要求1所述的航天器多类型复杂缺陷的量化评估方法，其特征在于，所述步骤四通过8
‑
邻接Freeman链码来检测缺陷特征识别图像Igc中不同类型和不同位置缺陷的边界特征，对缺陷区域进行标定，实现缺陷像素粗定位，其中，对第k，k＝1,
…
,K个缺陷区域进行像素标定定位的具体过程为：
选择第k个缺陷区域的边界跟踪的起始像素点，记为
k
E0，以链码值dir＝0的方向为开始边界搜索的方向，逆时针方向旋转45
°
，按照方向dir＝1搜索下一个像素点；由于经过提取得到的缺陷特征图像为二值图像，在这个二值图像中，表征缺陷轮廓像素点的像素值用“1”表示；基于此，在缺陷边界像素点的搜索过程中，如果像素点
k
x
t
的像素值为“1”，则认为像素点
k
x
t
是缺陷边界点，将其记为
k
E
t
并保存；并将
k
x
t
的链码值赋值给它的前一个点像素
k
x
t
‑1；将像素点
k
x
t
作为新的边界搜索起始点，逆时针方向旋转90
°
，按照方向dir＝2搜索下一个缺陷边界点；重复上述步骤，当搜索到起始点
k
b0时，缺陷区域搜索完毕；整个搜索过程中，检测到的边界点
k
E0,
…
,
k
E
M
即为缺陷的边界轮廓；边界点集合
k
Ω
L
，
k
Ω
L
＝(
k<...

【专利技术属性】
技术研发人员：黄雪刚，雷光钰，高延，罗庆，殷春，谭旭彤，石安华，于哲峰，
申请(专利权)人：中国空气动力研究与发展中心超高速空气动力研究所，
类型：发明
国别省市：