用于通过主成分分析来处理体积图像的方法技术

一种用于处理多个X射线断层扫描体积图像(I_1，

【技术实现步骤摘要】
【国外来华专利技术】用于通过主成分分析来处理体积图像的方法


[0001]本专利技术属于工业部件的设计、表征和监测领域，特别是必须承受显著机械应力的部件，例如航空器发动机部件。本专利技术特别涉及一系列部件中出现的离散。

技术介绍

[0002]在现有技术中，航空器涡轮发动机的叶片(“风扇叶片”)的制造是一种特别关键的方法。这些叶片通常由嵌入树脂基体中的编织材料制成。编织可以是2D或3D编织。
[0003]因此，编织结构表现为必须具有预期形状但可能存在微观结构变化(例如股线之间的间距)的结构。通常希望最小化这些微观结构的变化。对于一系列部件，还可以参考机械性能的统计离散，并对这些离散进行量化。
[0004]离散或统计离散，是指来自同一生产线的不同部件之间可能出现的特征(尺寸、形状、构造、微观结构等)的任何变化。这种离散可能是可接受的，也可能不是可接受的，这取决于事先确定的规格。
[0005]在使用(2D和3D)编织形式的纤维增强的复合材料技术中，一旦被编织，继而被注入/浸渍，已知在机械特征方面的离散主要是由织物增强的称为几何离散的离散引入的。几何离散是以几何变化，例如形状、定位等为目标的离散。
[0006]特别难以知道几何离散和机械性能的离散之间的联系。通常对具有不同复合结构的平板进行测试，以量化机械性能(刚度、极限强度、耐久极限、维勒(Wohler)曲线等)的离散，然后将其考虑到最终产品(部件)上。这些测试特别昂贵。
[0007]可以注意到，在材料(例如编织板)水平上存在可观察到的离散，并且在成品部件水平上存在可观察到的离散。
[0008]根据现有技术，已知文献FR 13 63095，其描述了一种使用X射线断层扫描(用于计算机断层扫描的CT)的方法。该实验手段利用不同材料对X射线的差分吸收，通过计算从一系列X射线中重建所研究部件的三维图像。断层扫描图像中包含的信息是有价值的，因为它涉及到部件的整个体积，不仅可以看到它的微观结构，而且还可能看到它的缺陷。
[0009]在该先前的文献中，实现了应用于X射线断层扫描图像的体积图像相关(VIC)。该文献中提出的解决方案使得测量两个样本之间的几何差异成为可能。
[0010]根据现有技术，文献“在经验和认识不确定性下的随机分析和验证”也是已知的(MCKEAND AUSTIN M等人，RELIABILITY ENGINEERING AND SYSTEM SAFETY(可靠性工程和系统安全)，ELSEVIER APPLIED SCIENCE(爱思唯尔应用科学)，GB，第205卷，2020年10月2日，XP32539873，ISSN:0951
‑
8320,DOI:10.1016/J.RESS.2020.107258)，该文献描述了根据X射线断层扫描图像来检查涡轮发动机组件。
[0011]最后，已知文献“PCA
‑
based Adaptative Hierarchical Transform for correlated image groups(用于相关图像组的基于PCA的自适应分层变换)”(KOUNTCHEV ROUMEN等人，2013 11TH INTERNATIONAL CONFERENCE ON TELECOMMUNICATIONS IN MODERN SATELLITE,CABLE AND BROADCASTING SERVICES(2013第11届现代卫星、电缆和广播服务国
际会议)(TELSIKS)，IEEE，第1卷，2013年10月16日，323
‑
332页,XP32539873,DOI:10.1109/TELSKS.2013.6704941,ISBN:978
‑1‑
4799
‑
0899
‑
8)描述了一种主成分分析方法。
[0012]仅应用于两个图像的体积图像的相关无法说明针对一组部件的上述离散。本专利技术特别旨在克服这个缺点。

技术实现思路

[0013]为此，本专利技术提出了一种用于处理多个X射线断层扫描体积图像的方法，每个X射线断层扫描体积图像与一部件相关联(例如，一系列部件中的一个部件；例如，该系列部件的每个部件与多个体积图像中的一个体积图像相关联)，多个体积图像包括参考体积图像，包括：
[0014]‑
将体积图像相关以获得每个图像与参考图像之间的位移场，以获得使体积图像之间的差异最小化的多个位移场的步骤(也就是说，位移场的应用允许具有尽可能匹配的体积图像)，
[0015]‑
通过降维方法对多个位移场进行处理，以根据本征模来表示它们，
[0016]‑
对根据所述本征模表示的场进行统计分析。
[0017]该方法可以应用于每个都与不同部件相关联的X射线断层扫描体积图像。
[0018]对部件或体积图像的唯一几何形状来研究离散或统计离散过于复杂，无法实现有用的统计分析。已经观察到，通过对使体积图像匹配的位移场的研究，首先是降维，可以通过统计分析以有效的方式容易地推导统计信息。
[0019]事实上，通过降维方法定义的本征模空间是一个良好空间，用以表示最频繁的几何变化，从而使某些部件可能出现的异常值出现。
[0020]这里针对的是以“降维方法”为名的已知方法，尤其是被称为“谱”方法的方法。这些方法通常包括两个步骤(i)构造矩阵和(ii)提取该矩阵的本征模。
[0021]这类方法中最著名的是主成分分析(PCA)。其他方法是已知的，如所谓的“核主成分分析”(“Non
‑
linear Component Analysis as a Kernel Eigenvalue Problem(作为核特征值问题的非线性成分分析)”，Scholkopf等人，Neural Computation(神经计算)，第10卷，第5期，第1299
–
1319页)，“等距映射(Isomap)”(“A global geometric framework for non
‑
linear dimensionality reduction(非线性降维的全局几何框架)”，Tenenbaum等人，Science(科学)，290:2319
–
2323，2000年12月)，“局部线性嵌入”(“Non
‑
linear dimensionality reduction by locally linear embedding(通过局部线性嵌入进行非线性降维)”，Saul&Roweis，Science(科学)，v.290no.5500，2000年12月22日，第2323
‑
2326页)，“拉普拉斯特征图”(“Laplacian Eigenmaps for Dimensionality Reduction and Data Representation(用于降维和数据表示的拉普拉斯特征图本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种由计算机系统实现的方法，用于处理多个X射线断层扫描体积图像(I_1,
…
,I_N)，每个X射线断层扫描体积图像与一部件相关联，多个体积图像包括参考体积图像，包括：
‑
将体积图像相关以获得每个图像与参考图像之间的位移场，以获得使体积图像之间的差异最小化的多个位移场的步骤(P_VIC)，
‑
通过降维方法(P_PCA)对多个图像位移场进行处理以根据本征模来表示它们，
‑
对根据本征模表示的场进行统计分析。2.根据权利要求1所述的方法，其中根据本征模表示的场的统计分析是图形分析。3.根据权利要求1或2所述的方法，其中降维方法是主成分分析。4.根据权利要求3所述的方法，其中多个图像包含N个图像，每个图像与位移场相关联，其中n∈[1,N]，并且其中通过主成分分析进行的处理使得能够根据以下公式表示位移场：其中是本征模，σ
j
是本征值，β
jn
是相关联的右本征模，以及p是的自由度数量和N之间的最小值。5.根据权利要求1至4中任一项所述的方法，其中通过以下公式来实现对多个变换后的位移场V
ij
的降维方法：其中是多个位移场U
kj
的协方差矩阵。6.根据权利要求3所述的方法，其中通过主成分分析进行的处理使得能够根据以下公式来表示位移场其中n∈[1,N]：其中是多个位移场的协方差矩，是有限元方法中形状函数的基础，σ
j
是本征值，α

【专利技术属性】
技术研发人员：朱利安，
申请(专利权)人：赛峰航空器发动机巴黎萨克雷高等师范学院国家科学研究中心，
类型：发明
国别省市：