首页 > 论文 > 中国激光 > 47卷 > 1期(pp:114001--1)

小波去噪在太赫兹无损检测中的应用

Application of Wavelet Denoising in Terahertz Nondestructive Detection

  • 摘要
  • 论文信息
  • 参考文献
  • 被引情况
  • PDF全文
分享:

摘要

提出了层析短时积分成像法,并通过实验验证了该方法的数据质量更高,成像效果优于传统的层析成像法;在小波去噪理论方面,结合太赫兹信号的特点提出δ-σ评价规则,利用该评价规则遴选出最优的小波去噪组合(即sym7小波,分解尺度为5),并以此为基础设计酚醛塑料样件进行无损检测层析短时积分成像实验,对比不同的小波去噪组合,从识别缺陷数量、缺陷识别率这两个主观评价指标和韦伯对比度这一客观评价指标上对比小波去噪的效果,结果表明:sym7小波(分解尺度为5,软阈值处理)对酚醛楔形缺陷无损检测信号小波去噪具有良好的效果,信号预处理后的样件无损检测图像背景噪声带得到了有效抑制,预制缺陷与背景区域的对比效果更加明显,能够清晰准确地获取样件的内部结构变化。

Abstract

This paper proposes a tomographic short-time integral imaging method. In terms of terahertz tomography, the experimental results show that the data quality and imaging effect of the proposed short-time integral imaging method are better than those of the traditional method. In the wavelet denoising theory, a δ-σ evaluation rule is proposed based on the characteristics of the terahertz signal, and the optimal wavelet denoising combination (e.g., the sym7 wavelet with a decomposition scale of 5) is selected using the evaluation rule. Based on this, the short-time integral imaging experiment of nondestructive detection tomography of phenolic plastic samples is set up, and different wavelet denoising combinations are compared. The effect of wavelet denoising is compared from two subjective evaluation indexes of defect number and defect recognition rate and the objective evaluation index of Weber contrast. Results prove that the sym7 wavelet (with the decomposition scale of 5, soft-threshold processing) is effective in wavelet denoising of nondestructive detection signals of phenolic wedge defects. The background noise in the nondestructive detection image of the sample after signal preprocessing is effectively suppressed. The contrast effect between prefabricated defects and the background area is more obvious, and the internal structural changes in the sample can be detected easily and accurately.

广告组6 - 调制器
补充资料

中图分类号:TN911.74; O4343.1

DOI:10.3788/CJL202047.0114001

所属栏目:太赫兹技术

基金项目:国家863计划;

收稿日期:2019-07-04

修改稿日期:2019-10-09

网络出版日期:2020-01-01

作者单位    点击查看

张霁旸:长春理工大学光电工程学院光电测控与光信息传输技术教育部重点实验室, 吉林 长春 130022长春理工大学光电工程学院光电工程国家级实验教学示范中心, 吉林 长春 130022
任姣姣:长春理工大学光电工程学院光电测控与光信息传输技术教育部重点实验室, 吉林 长春 130022长春理工大学光电工程学院光电工程国家级实验教学示范中心, 吉林 长春 130022
陈思宏:长春理工大学光电工程学院光电测控与光信息传输技术教育部重点实验室, 吉林 长春 130022长春理工大学光电工程学院光电工程国家级实验教学示范中心, 吉林 长春 130022
李丽娟:长春理工大学光电工程学院光电测控与光信息传输技术教育部重点实验室, 吉林 长春 130022长春理工大学光电工程学院光电工程国家级实验教学示范中心, 吉林 长春 130022
赵常双:中国人民解放军93367部队, 吉林 四平 136000

联系人作者:李丽娟(custjuan@126.com)

备注:国家863计划;

【1】Guan A H, Li Z, Ge H Y. The qualitative and quantitative detection of potassium alum in sweet potato starch based on terahertz time-domain spectroscopy [J]. Spectroscopy and Spectral Analysis. 2018, 38(1): 267-270.
管爱红, 李智, 葛宏义. 红薯淀粉中添加剂明矾的定性和定量太赫兹时域光谱技术检测 [J]. 光谱学与光谱分析. 2018, 38(1): 267-270.

【2】Zhu X, He X, Wang P, et al. Development of terahertz imaging technology in the assessment of burn injuries [J]. Journal of Biomedical Engineering. 2016, 33(1): 184-187.

【3】Li M. Study on quality factors and improvement of terahertz time-domain spectroscopy [D]. Tianjin: Tianjin University. 2011.
李萌. 太赫兹时域光谱品质影响因素及改进研究 [D]. 天津: 天津大学. 2011.

【4】Bao R M, Wu S X, Zhao K, et al. Applying terahertz time-domain spectroscopy to probe the evolution of kerogen in close pyrolysis systems [J]. Science China Physics, Mechanics and Astronomy. 2013, 56(8): 1603-1605.

【5】Zhang D D, Ren J J, Li L J, et al. Terahertz non-destructive testing technology for glass fiber honeycomb composites [J]. Acta Photonica Sinica. 2019, 48(2): 0212002.
张丹丹, 任姣姣, 李丽娟, 等. 玻璃纤维蜂窝复合材料的太赫兹无损检测技术 [J]. 光子学报. 2019, 48(2): 0212002.

【6】Ren J J, Li L J, Zhang D D, et al. Terahertz time domain spectral reflective tomography technology [J]. Infrared and Laser Engineering. 2018, 47(2): 0225002.
任姣姣, 李丽娟, 张丹丹, 等. 太赫兹时域光谱反射式层析成像技术 [J]. 红外与激光工程. 2018, 47(2): 0225002.

【7】Wang F. Research and application of signal de-noising based on wavelet analysis [D]. Chengdu: Xihua University. 2009.
王芳. 小波分析在信号去噪中的应用研究 [D]. 成都: 西华大学. 2009.

【8】Ma X H, Cao J P, Dong S F. Wavelet analysis and application [J]. Microcomputer Development. 2003, 13(8): 93-94, 100.
马秀红, 曹继平, 董晟飞. 小波分析及其应用 [J]. 微机发展. 2003, 13(8): 93-94, 100.

【9】Gao Y D, Wang H L, You S H, et al. X-ray pulsar signal denoising based on two-parameter threshold function and multi-layer threshold [J]. Acta Optica Sinica. 2019, 39(12): 1204001.
高迎东, 王宏力, 由四海, 等. 基于双参数阈值函数和多层阈值的X射线脉冲星信号消噪 [J]. 光学学报. 2019, 39(12): 1204001.

【10】Liu X Y, Nie W, Wei H. Research of image edge detection based on wavelet multi-resolution analysis [J]. Software Engineer. 2015, 18(7): 55-56.
刘小豫, 聂维, 魏浩. 基于小波多分辨率分析的图像边缘检测研究 [J]. 软件工程师. 2015, 18(7): 55-56.

【11】Xiang J Y, Liu C X, Ma F G. Research progress on high performance silicone-modified phenolic resin [J]. Silicone Material. 2019, 33(1): 71-74.
向靖宇, 刘春霞, 马凤国. 高性能有机硅改性酚醛树脂的研究进展 [J]. 有机硅材料. 2019, 33(1): 71-74.

【12】Gao S S, Jin W Q, Wang Y J, et al. Target-background perceptual contrast metric for gray fusion images [J]. Infrared and Laser Engineering. 2015, 44(5): 1660-1665.
高绍姝, 金伟其, 王延江, 等. 灰度融合图像目标与背景感知对比度客观评价模型 [J]. 红外与激光工程. 2015, 44(5): 1660-1665.

引用该论文

Zhang Jiyang,Ren Jiaojiao,Chen Sihong,Li Lijuan,Zhao Changshuang. Application of Wavelet Denoising in Terahertz Nondestructive Detection[J]. Chinese Journal of Lasers, 2020, 47(1): 0114001

张霁旸,任姣姣,陈思宏,李丽娟,赵常双. 小波去噪在太赫兹无损检测中的应用[J]. 中国激光, 2020, 47(1): 0114001

您的浏览器不支持PDF插件,请使用最新的(Chrome/Fire Fox等)浏览器.或者您还可以点击此处下载该论文PDF