固体火箭发动机体空间缺陷特征精确测量技术*

朱敏，于光辉，卢洪义，李朋

(海军航空工程学院，山东 烟台 264001)

0 引言

固体火箭发动机结构简单,机动性好,可靠性高且易于维护，但在生产和贮存期间，推进剂药柱要承受各种载荷的作用，结构完整性可能被破坏，产生裂纹、气泡、脱粘等缺陷。这些缺陷的位置、形态和大小的不同对发动机的贮存和使用造成的影响也不同，因此需要弄清固体火箭发动机装药的内部结构。工业CT(computerized tomography)技术解决了发动机某一截面的内部结构问题，但仅靠检测人员观察工业CT检测系统提供的二维序列断层图像(检测时按照某一规律排列的一组图像)，很难建立起固体火箭发动机缺陷的三维空间结构，不能从空间的角度观察分析，难以准确判别缺陷的性质、空间位置和尺寸，容易造成误判和漏判。

因此，研究基于工业CT二维序列断层图像的固体火箭发动机体空间缺陷特征精确测量技术，实现三维空间缺陷特征参数的精确测量，是固体火箭发动机寿命预估和故障诊断的重要技术支撑。其关键技术包括固体火箭发动机缺陷提取技术、体数据可视化技术和三维空间缺陷精确测量技术3部分内容。

1 固体火箭发动机缺陷提取技术

1.1 现状基本情况

对固体火箭发动机缺陷的提取，受技术封锁的限制，未看到国外文献对此有详细叙述。国内对发动机的CT检测也不多，对固体火箭发动机主要进行X射线的缺陷检测，也进行少量的CT检测，但完全靠人工在二维CT图像中进行缺陷判读和缺陷尺寸的预测；从2000年开始对多型固体火箭发动机进行CT检测[1-3]，得到大量CT图像，在2008年已完成对二维CT图像缺陷的自动提取和识别，后期陆续展开了对序列CT图像的三维重建以及三维数据场的缺陷提取及测量工作[4-7]。

在医学等领域，研究人员对数据场的三维分割也提出了很多方法，这些方法虽然不能完全应用到固体发动机的缺陷提取中，但可为发动机缺陷的提取提供借鉴。这些分割方法主要包括阈值分割法和边缘检测法，有些方法虽然提出时间较早，但现在仍被广泛使用，且大多算法可从二维推广到三维。

1.2 阈值分割法和边缘检测法

阈值分割法是一种最常用的图像分割方法，其原理是：通过设定不同的特征阈值，把图像像素点分为若干类。该方法因实现简单、计算量小、性能较稳定而成为图像分割中最基本和应用最广泛的分割技术。根据阈值的作用范围，阈值分割法大致分为4类[8]：基于点的全局阈值法、基于区域的全局阈值法、局部阈值方法和多阈值方法。

根据阈值选取方式的不同，基于点的全局阈值法包含以下几种方法[9-12]：p分位数法、迭代方法阈值法、直方图凹面分析法、最大类间方差法、熵方法、最小误差阈值法、距量保持法、模糊集、均匀化误差阈值法、聚类法、神经网络法、数学形态法和小波分析与变换法等。

根据阈值选取方式的不同，基于区域的全局阈值法包含以下几种方法[13]：二维熵阈值分割方法、简单统计法和梯度值散射图法等。

用一个固定的全局阈值对整幅图像进行分割，因不能兼顾图像各处的情况而使分割效果受到影响，局部阈值方法用与像素位置相关的一组阈值对图像各部分分别进行分割，因此也称为动态阈值法或自适应阈值法。该方法主要包含以下几种方法[14-15]：分水岭法、基于阈值曲面的二维遗传算法、基于局部梯度最大值的插值方法、加权移动平均阈值方法、对比度度量阈值法等。这类算法时间和空间复杂度都较大，但抗噪能力强，对一些使用全局阈值法不宜分割的图像有较好的效果。

如果图像中含有占据不同灰度级区域的几个目标，则需要使用多个阈值才能将它们分开。多阈值分割，可以看作全局阈值分割的推广，全局阈值选取的方法，比如Otsu最大类间方差法、Kapur的最大熵方法、直方图分析法和聚类法等都可以推广到多阈值的情形[16]。

边缘检测法利用不同物质灰度上的差异，通过设计合适的边缘检测算子，获取检测图像或数据场的边缘，再根据边缘连通性或其他性质将图像或数据场分类。目前，边缘检测法大都是基于边缘检测算子的，常用的边缘检测算子有Roberts算子、Prewitt算子、Sobel算子、Canny算子、Zerocross算子和Log算子等。

1.3 发展趋势

阈值分割方法虽然种类繁多，但大都是基于整幅图像或整个体数据场灰度差异进行的分割，动态阈值法和多阈值法一定程度上考虑了分割与位置的关系，但与边缘检测法相比在位置关系考虑上仍存在很多不足。边缘检测法可以考虑到任意邻域中灰度的变化，是固体火箭发动机缺陷提取技术今后需要重点研究的方向。

2 固体发动机体数据可视化技术

2.1 现状基本情况

三维结构特征剖析建立在序列CT图像三维可视化的基础上，序列CT图像三维可视化，就是借助计算机图形图像技术，利用从CT检测设备获取的被检测物体的结构数据信息，在计算机上建立起三维模型，显示出被检测物体的三维图像与立体特征，并且能够实现交互模式下的旋转、平移、视角变换等各项功能。

现有的体数据三维可视化技术分为两大类[17]：面绘制和体绘制，三维效果如图1，2所示。面绘制中首先由三维体数据构造出中间几何图元，再由传统的计算机图形学技术实现画面绘制。体绘制直接由三维体数据产生屏幕上的二维图像。这2种方法各有优劣：面绘制的速度比较快，但不能反映体数据中各种因素的相互关系；体绘制可以表现物体中的细微结构和细小变化，但显示处理速度较慢。若采用面绘制技术，则无法准确显示缺陷内部信息及其在固体火箭发动机内部的空间位置，所以采用体绘制技术。

图1 面绘制结果Fig.1 Surface rendering results

图2 体绘制结果Fig.2 Volume rendering results

2.2 体绘制技术

对于体绘制，光线投射法、足迹表法、错切-变形法、频域体绘制法、基于纹理映射的体绘制法等众多算法先后被提出。

光线投射法是以图像空间为序的算法，从成像面的每个像素出发，将投射的光线穿过三维体数据场，在射线上作等距采样，并由距离每个采样点最近的8个数据点作三线性插值得出每个采样点的不透明度值和颜色值，计算出所有采样点的不透明度值和颜色值后，可采用由前到后或由后到前2种不同方法将每个采样点的不透明度值和颜色值进行合成，从而计算出屏幕上该像素点的颜色值。该法计算量非常大，成像速度慢，而光线投射提前终止[18]和体数据空间结构的相关性[19]2种方法的使用提高了计算速度。

足迹表法是以物体空间为序的体绘制算法，与以图像空间为序的体绘制算法不同，该算法的基本思想是逐层、逐行、逐个计算每一个体数据点对屏幕像素的贡献，并加以合成，形成最后的三维重建图像。该法会产生走样现象[20]，为此研究二维图像弯曲技术[21]和三维相邻数据结构[22]进行调整，提出抛雪球法[23]，消除了光面振荡的现象。

光线投影体绘制法和足迹表法都存在计算量大、计算时间长的问题。Cameron G. G.和Lacroute P.等人综合了图像空间和物体空间的优点，提出了错切-变形混合体绘制算法，将三维体数据场的投影变换分解为三维体数据场的错切变换和二维图像的变形来实现，大大减少了投影过程的计算量。虽然此方法的体绘制速度得以提高，但缺少切平面垂直方向上的深度信息，且三维重建的图像产生一定程度的失真。因此采用预先集成Shear-Warp算法框架、基于动态数据分布并行绘制、计算对应体数据中像素权值、基于八叉树快速分类、基于Warp系数改进Shear-Warp等方法[24]，提高了绘制的质量。

频域体绘制法是利用傅里叶投影-截面定理，在三维体数据相对应的频域场中，按给定的视线方向经过原点抽取一个截面，再将这个截面作傅里叶逆变换，就可在空域的图像平面中得到所需要的投影。该法采样计算降低一维。但生成的图像很像一张X光照片，没有深度信息。

2.3 发展趋势

以上4种体绘制算法都没有利用硬件来提高绘制速度，所有的改进算法也都是在软件的基础上提高绘制效率。而基于纹理映射的体绘制法中，重采样和插值运算等操作均由具有三维纹理映射能力的图形加速卡完成，提高了运算速度。对于大规模三维体数据，该法受图像加速卡内存容量的限制，必须被分成若干子数据块，引发频繁的输入/输出操作及重采样运算，使得体绘制性能急剧下降。因此，研究固体火箭发动机体数据空间跳跃技术、体数据快速装入技术和体数据智能分类技术，是提高固体火箭发动机大规模体数据场体绘制速度和精度的重点研究方向。

3 固体火箭发动机缺陷三维空间精确测量技术

3.1 现状基本情况

对固体火箭发动机缺陷的三维测量国外文献未见公开发表。国内对发动机缺陷的三维测量几乎空白，仅有少量的二维测量，2011年开始对固体火箭发动机序列CT图像生成的体数据场缺陷进行三维测量研究。

在工业其他领域及医学领域，研究人员对数据场的三维测量提出了很多方法，因为测量对象的形态、性质各不相同，被测物理量也多种多样，所以三维测量方法也有多种。有的方法很难用于固体发动机的缺陷三维测量中，但也有部分方法值得借鉴。目前主要有如下几种三维测量方法。

3.2 三坐标测量机法(CMM)

CMM(coordinate measuring machine)[25]可以实现任意曲面坐标点的测量和标记，并通过Pro/E，UG等专用扫描数据处理软件建立扫描曲面的计算机模型，用于反求工程。由于固体发动机装药缺陷在壳体内部，CMM无法进行扫描；对于得到的序列CT图像也不是实体，同样无法记录缺陷坐标，因此该方法不适于固体发动机装药缺陷的三维测量。

3.3 立体显微镜法

立体显微镜是依靠人眼观察获得的图像并进行判断的一种显微镜系统[26]，该系统利用投影仪将计算机产生的正弦强度光栅条纹投射于被测物上。由于被测物表面的深度变化，投射条纹将会产生变形，CCD采集被测客体的位图，利用相移技术以及相位重建技术对采集的位图上每一个像素点计算求得相对应点的三维数据信息，从而重建出被测物的表面轮廓。由于投影仪产生的光栅条纹无法穿透壳体，因此无法得到装药内缺陷的形态，也就无法进行三维测量了。

3.4 结构光法

结构光法是将激光器发出的光束，经过光学系统形成图案投向物面，在物面上形成图案并由摄像机摄取，而后由图像根据三角法和传感器结构参数进行计算、得到景物表面的深度图像，计算出物面的三维坐标值[27]。该法只适用于外表面的测量，对固体发动机装药缺陷也无能为力。

3.5 视觉重建法

根据物体的几幅图像定量恢复物体在三维空间的外形和位置，将该法应用于固体火箭发动机只能构建出发动机壳体的外观和位置，对装药内部情形一无所知。

3.6 基于CT体数据的三维测量方法

基于CT体数据的三维测量，是在得到物体三维CT图像或序列二维CT图像基础上对感兴趣区域进行的测量。根据用户的不同需求，测量的物理量主要包括：空间中两点间距离、空间中夹角、空间中剖切面面积、空间曲面面积、目标区域体积[28]等参数，对不同的测量物理量，都已有经典的测量方法。该方法与前述几种方法都不同，3.2～3.5节中所述的测量方法都是测量物体的外表面或内表面，主要完成对表面的建模和测量，而本节所述测量方法能够获得被测物体的内部信息，适用于固体火箭发动机缺陷的测量，可以借鉴，改进或改变某些物理量的经典测量方法，缩短缺陷测量时间，提高缺陷测量精度，是固体发动机三维空间缺陷精确测量的重点研究方向。

3.7 基于VTK，MITK等交互式三维测量方法

在体数据三维重构的基础上，采用VTK(visualization toolkit)，MITK(medical imaging toolkit)中的类[29]，实现鼠标拾取点的屏幕坐标向世界坐标的转换，利用距离公式或者余弦定理求出感兴趣2点间的距离或感兴趣2条线的夹角。该法可以为固体火箭发动机序列CT图像缺陷最大直径的交互式测量提供参考。

4 结束语

固体火箭发动机无损检测中，传统的基于二维CT图像检测手段容易出现误判、漏判，三维空间的缺陷检测、识别和测量是今后的发展方向。本文从固体火箭发动机缺陷提取技术、体数据可视化技术和三维空间缺陷精确测量技术3个方面入手，对固体火箭发动机体空间缺陷特征精确测量技术展开综述，分析了各项技术的国内外现状基本情况、关键技术进展，并指出了各项技术今后的重点研究方向。

参考文献：

[1] 卢洪义，杨兴根，孙有田．固体火箭发动机内部缺陷高分辨率检测[J]．推进技术，2003，24(1)：91-93.

LU Hong-yi,YANG Xing-gen,SUN You-tian. High Resolution Inspecting Investigation for Inner Defect of SRM[J].Journal of Propulsion Technology，2003,24(1):91-93.

[2] 卢洪义，杨兴根，程卫平．小张角扇形束CT 在固体发动机局部检测研究[J]．推进技术，2003，24(3)：251-253.

LU Hong-yi,YANG Xing-gen,CHENG Wei-ping. Local Tomography Inspecting Investigation for Inner Crack of SRM[J]. Journal of Propulsion Technology，2003,24(3):251-253.

[3] 卢洪义，徐明，于光辉．基于工业CT 技术的设备故障诊断与维修[J]．航空动力学报，2007，22(7)：1031-1034.

LU Hong-yi,XU Ming,YU Guang-hui. Fault Diagnosis and Maintenance of Equipment Based on Industrial CT Technology[J].Journal of Areospace Power， 2007,22(7):1031-1034.

[4] 朱敏，卢洪义，肖志斌，等．固体发动机CT图像的一种自动分割方法[J]．固体火箭技术，2008，31(2)：201-204.

ZHU Min,LU Hong-yi,XIAO Zhi-bin,et al. A Kind of Automatic Segmentation Method for Solid Motor CT Image[J]. Journal of Solid Rocket Technobgy， 2008,31(2):201-204.

[5] 朱敏，卢洪义，李海燕．固体火箭发动机三维可视化无损检测系统设计[J]．兵工学报，2008，29(7)：891-896.

ZHU Min,LU Hong-yi,LI Hai-yan. The Design of Solid Missile Motor 3D Visualization Nondestructive Inspection System[J]. Acta Armamentrii,.2008,29(7):891-896.

[6] 朱敏，卢洪义，丛培胜，等．固体发动机CT 检测中的一种缺陷识别方法[J]．航空动力学报，2009，24(1)：230-234.

ZHU Min, LU Hong-yi, CONG Pei-sheng, et al. A Method of Defect Recognition in Solid Motor CT Testing[J].Journal of Areospace Power， 2009,24(1):230-234.

[7] 朱敏，卢洪义，李海燕．固体发动机虚拟剖切故障诊断技术研究[J]．固体火箭技术，2010，33(4)：232-236.

ZHU Min,LU Hong-yi,LI Hai-yan. Research on Virtual Cutting Fault Diagnosis Technology of Solid Rocket Motors[J]. Journal of Solid Rocket Technobgy， 2010,33(4):232-236.

[8] Mark D Nixon, Albert S Aguado.特征提取与图像处理[M]．李实英，杨高波，译．2版.北京：电子工业出版社,2010.

LI Shi-ying,YANG Gao-bo,Translated. Feature Extraction and Image Processing Second Edition[M]. Beijing:Publishing House of Electronics Industry,2010.

[9] 马志强，孙世宇，王春平,等．基于迭代阈值的弹目图像边缘检测方法研究[J]．信息技术,2011，35(1)：26-28，51.

MA Zhi-qiang,SUN Shi-yu,WANG Chun-ping,et al. Research on Projectile and Target’s Image Edge Detection Method Based on the Iterative Threshold[J].Information Technology,2011,35(1):26-28,51.

[10] 景晓军，李剑峰，刘郁林．一种基于三维最大类间方差的图像分割算法[J]．电子学报,2003，31(9)：1281-1285.

JING Xiao-jun,LI Jian-feng,LIU Yu-lin. Image Segmentation Based on 3D Maximum Between-Cluster Variance[J].Acta Electronica Sinica, 2003,31(9):1281-1285.

[11] TSAI W. Moment-Preserving Thresholding: A New Approach[J]. Computer Vision, Graphics and Image Processing, 1985, 29(4): 377-393.

[12] CHANG S G, YU B, MARTIN V. Adaptive Wavelet Thresholding for Image Denoising and Ompression[J]. IEEE Transactions on Image Processing,2000, 9 (9):1532-1546.

[13] 刘俊，吴谨．一种基于梯度的直方图阈值图像分割改进方法[J]．计算机与数字工程,2010，38(4)：131-133.

LIU Jun,WU Jin. A Histogram Threshold Value Image Segmentation Improvement Method Based on Gradient[J].Computer and Digital Engineering,2010,38(4):131-133.

[14] Jong-Bae Kim, Hang-Joon Kim. Multiresolution-Based Watersheds for Efficient Image Segmentation [J]. Pattern Recognition Letters,2003, 24(1): 473-488.

[15] 薛景浩，章毓晋，林行刚．二维遗传算法用于图像动态分割[J]．自动化学报,2000，26(5)： 749-753.

XUE Jing-hao, ZHANG Yu-jin,LIN Xing-gang. Dynamic Image Segmentation Using 2-D Genetic Algorithms[J]. Acta Automatica Sinica, 2000,26(5): 749-753.

[16] HUANG D, WANG C. Optimal Multi-Level Thresholding Using a Two-Stage Otsu Optimization Approach [J]. Pattern Recognition Letters,2009,30(3):275-284.

[17] BRODLIE K, WOOD J. Recent Advances in Volume Visualization[J]. Computer Graphics Forum,2001, 20 (2): 125-148.

[18] BARTZ D, MEIBNER M. Voexls Versurs Polygons:A Comparative Approach for Volume Graphics[C]∥Proc Volume Graphics 99, Swansea, 1999:33-48.

[19] MORA B, JESSEL J, CAUBET R. A New Object-Order Ray-Casting Algorithm[C]∥ Washington:Proc. of the IEEE Visualization 2002: 203-210.

[20] Edward Swan J. Object-Order Rendering of Discrete Objects[D]. Ohio USA:The Ohio State University, 1998.

[21] 高艳，唐晓英，张军莉．基于物体空间序法的CT图像三维重建算法的研究[J]．北京生物医学工程,2003，22(3)：180-183.

GAO Yan,TANG Xiao-ying,ZHANG Jun-li. A Study on CT Image 3-D Reconstruction Algorithm Based on Method of Space Sequence of Objects[J]. Beijing Biomedical Engneering, 2003,22(3):180-183.

[22] Orchard J Tmoller. Accelerated Splatting Using a 3D Adjacency Data Structure[C]∥Graphics Interface 2001, 2001: 191-200.

[23] MUELLER K, CRAWFIS R. Eliminating Propping Artifacts in Sheet Buffer-Based Splatting[C]∥Proc Visualization 98, 1998: 239-245.

[24] SCHULZE J P, KRAUS M, LANG U. Integrating Pre-Integration Into the Shear-Warp Algorithm [C]∥Proceedings of the Third International Workshop on Volume Graphics, Tokyo, 2003: 109-118.

[25] 蒋祖信．自由曲面的三维测量与反求工程[J]．机电一体化，2003,9(4)：15-18.

JIANG Zu-xin. Three Coordinate Measuring and Reverse Engineering Technology of Freedom Surface[J]. Mechatronics, 2003,9(4):15-18.

[26] 刘莉，姜志国，谢凤英,等．光学体视显微图像立体测量系统研究与开发[J]．中国体视学与图像分析,2003，12(4)：220-224.

LIU Li, JIANG Zhi-guo, XIE Feng-ying, et al. Research and Development of Stereoscopic System Based on Stereo Light Microscope Image[J]. Chinese Journal of Stereology and Image Analysis,2003,12 (4):220-224.

[27] JOAQUIM S, JORDI P, JOAN B. Pattern Codification Strategies in Structured Light Systems[J]. Pattern Recognition,2004, 37 (4):827-849.

[28] HARA T,YAMAMOTO A,ZHOU Xiang-rong,et al. Automated Volume Measurements of Pulmonary Emphysema on 3-D Chest CT Images[C]∥International Congress Series,2003,1256:1043-1048.

[29] 李燕．交互式空间物体三维测量方法的研究与实现[D]．西安：西北大学，2005.

LI Yan. Research on the Method of Interactive 3-D Object Measurements and Its Realization[D]. Xi′an:Northwest University, 2005.