Автоматизированная система кратномасштабной обработки и анализа рентгенографических снимков Текст научной статьи по специальности «Электротехника, электронная техника, информационные технологии»

и (М=

2/Пр

e 4в +

К-1

-(

к+1

(х+г

4в

2

+ e 4в «(5)¿5

О к+1 - ъ

U2 (М =

1

2/Пр

'2

О 2к

«1 (5) ¿5+

, x < О,

(¿Ч)2

^е 4в «1 (5)¿5+

+1

г -М)2 к , е 4в -—е к+1

4в

f2 (5) ¿5

х > О

(4)

1ПТе-'^ + к21 е'^ 181 (5)¿5+?е-ЧЯ82 (5)

Действуем на систему (4) преобразованием Фурье на оси с точкой сопряжения: § (Я,) = Б^^ ]=

__1_

В образах Фурье получим

е-вя2Г (Я) = и (Я). (5)

Применим метод регуляризации (см.: А.Н. Тихонов, В.Я. Арсенин. Методы решения некорректных задач. М. 1979). Для рассматриваемой задачи выбран стабилизирующий множитель:

?(Я, а):

1, |Я|<1; 11 ь

О,

III 1

Я > —; ь

(а=ь),

где Ь - величина шага сетки, на которой ищется решение системы (4). Образ Фурье регуляризо-

ванного решения имеет вид « (Я) =

г (Я, а)

КяГ

и (Я).

Действуем обратным преобразованием Фурье на оси с точкой сопряжения

« (х) = Г-1 р] (х) =

^ | е1хЯГ(Я)¿Я, х < О,

>/я( к +1) '2 (х ) = Г-1 [Г ] (х ) =

Це

к -1

Г(Я)¿Я, х > О.

Г к +1

Интегралы в преобразованиях Фурье аппроксимированы по формуле прямоугольников.

Задача гравиразведки в двухслойной области: пусть функция и(х,у) = 0(-х)и1 (х,у) +

+0( х) и2 (х,у) ограничена в области =

= {(х,у)| хе О)и(О, +~);уе (О, +~)} , где

0( х) - единичная функция Хевисайда.

Пусть в слое у > Ь (у - глубина под поверхностью Земли) расположены источники аномального гравитационного поля, а при О < у < Ь их нет;

х - горизонтальная координата; « (х) = 0(-х) « (х) + +0(х)« (х) - потенциал гравитационного поля при у = Ь. Тогда потенциал поля и (х,у) в области О < у < Ь является гармонической функцией:

д 2и Э 2и

\ = 1, 2;

(6)

Эх2 ду2

и (х,ь ) = « (х). (7)

При этом на прямой х=0 выполняются идеальные условия сопряжения: и, (О,у ) = и (О,у),

(8)

На поверхности Земли (у=0) величина и (х,0) может быть измерена: и (х,О) = 8(х), 8(х) = = 0(-х)81 (х) + 0(х)82 (х). Требуется найти потенциал поля при у=Ь, то есть « (х), \ = 1,2. Получим сепаратную систему интегральных уравнений Фредгольма I рода относительно искомых функций Г (х), \ = 1,2.

I ^ Ь

81 (х)=-

п

к-1

+т '2 (5) ¿5 ■ 1 ^

к+1О (х-5)2 + ь

(х -5) + Ь2 к + 1 (х+ 5) + Ь2

х < О,

« (5) ¿5+

( \ Ь §2(х)=~ п

+ /

о 11 (5) ¿5 + к +1 ¿( х -5)2 + Ь2

1 к-1 1

«2 (5) ¿5

,х > О

(9)

(х -5) + Ь2 к +1 (х+5) + Ь2

Для численного решения рассмотренной задачи может быть использован метод регуляризации.

Все программы, реализующие численное решение рассмотренных задач, написаны на языке Турбо Паскаль (Свид. о госрегистрации комплекта программ для ЭВМ № 50200601996).

1

О

О

1

1

О

1

АВТОМАТИЗИРОВАННАЯ СИСТЕМА КРАТНОМАСШТАБНОИ ОБРАБОТКИ И АНАЛИЗА РЕНТГЕНОГРАФИЧЕСКИХ СНИМКОВ

А.Л. Жизняков, к.т.н. (Муром)

Одно из ведущих мест при обеспечении надежности и безопасности эксплуатации трубопро-

водов занимает проблема недопущения снижения прочности стыковых сварных соединений до не-

которого критического уровня, определяющего работоспособность конструкции. При определении работоспособности соединений и оценке вероятности аварийной ситуации основной является информация о наличии в сварных соединениях дефектов, об их количестве, о типе и геометрических характеристиках. Для получения подобной информации чаще всего используются методы не-разрушающего контроля сварных соединений, в частности, методы рентгенографического контроля. Сегодня расшифровка снимков часто осуществляется операторами-дефектоскопистами с использованием негатоскопов, денситометров, специализированных луп и линеек. При этом скорость расшифровки остается относительно низкой, точность расшифровки ограничена погрешностями средств измерения, а качество подвержено влиянию человеческого фактора.

В условиях современного развития компьютерных технологий и методов цифровой обработки изображений очевидным путем решения задачи повышения качества, точности и скорости проведения контроля сварных соединений является создание автоматизированных систем расшифровки рентгенографических снимков.

Наиболее важным элементом системы автоматизированного контроля сварных соединений является подсистема обнаружения дефектов. При обнаружении дефектов необходимо выполнение ряда дополнительных операций. Во-первых, проведение предобработки рентгенографических снимков для повышения их качества, так как на точность обнаружения дефектов существенное влияние оказывает низкое качество рентгенограмм (низкие яркость и контрастность, наличие шумов). Во-вторых, необходимо обеспечить представление результата обнаружения дефектов в виде, удобном для решения задач дефектометрии.

Как показал анализ, подсистема обнаружения дефектов сварных соединений должна выполнять следующие операции: повышение яркости и контрастности снимков, оценку и подавление шумов, обнаружение дефектов, выделение и обработку контуров объектов.

Рентгенограммы являются двухмерными нестационарными стохастическими сигналами конечных размеров. Среди многочисленных методов обработки подобных сигналов перспективным подходом является использование вейвлет-пре-образования.

Выбор вейвлет-преобразования в качестве основы алгоритмов обработки рентгенограмм обусловлен рядом причин. Во-первых, переход к частотному представлению изображений исключает влияние низкой яркости и контрастности на процедуру обнаружения дефектов. Во-вторых, применение вейвлет-преобразования для фильтрации изображений привело к появлению эффективных алгоритмов подавления шумов. В-третьих, экви-

валентность вейвлет-преобразования свертке сигнала с фильтром позволяет обнаруживать объекты изображений по максимальным откликам используемых вейвлетов. В-четвертых, некоторые вейв-леты (например производные функции Гаусса) являются аналогами дифференцирующих масок (Собела, Превитт и др.) и могут быть использованы для выделения контуров объектов изображений. Другими словами, весь спектр задач по обнаружению дефектов сварных соединений может быть решен с использованием единого математического аппарата, что очень удобно с точки зрения разработки алгоритмов.

Обычно масштабирующий коэффициент вейвлет-преобразования кратен двум, то есть на каждом шаге вейвлет-разложения полоса пропускания фильтра уменьшается вдвое. Это упрощает программную реализацию, но в то же время снижает точность проводимых вычислений. В этой связи интерес представляют алгоритмы вейвлет-обработки изображений, использующие произвольный масштабирующий коэффициент (см.: А.Л. Жизняков, Н.В. Вакунов. Вейвлет-преобразование в анализе и обработке изображений. М. 2004).

В предлагаемой системе алгоритмы обнаружения дефектов построены на основе адаптивного к характеристикам изображения выбора масштабирующего коэффициента вейвлет-преобразова-ния. При фильтрации шума это позволило повысить точность определения характеристик шума на 10-15 %, что привело к повышению качества подавления помех. Более существенным является то, что применение адаптивного вейвлет-преобра-зования позволяет сохранить практически без изменений размеры и форму обнаруживаемых дефектов (отклонение от реальных характеристик дефектов не превышает 5 %).

Решение задач дефектометрии в предлагаемой системе осуществляется на основе традиционного подхода, основанного на определении характеристик площадных объектов (длины, ширины, центра тяжести и др.).

Предлагаемая система (рис. 1) выполняет ряд сервисных функций по визуализации анализируемых данных и результатов проведения экспертизы, генерации протоколов экспертизы и предварительных заключений о пригодности изделий к эксплуатации, взаимодействию с другими системами посредством функций импорта и экспорта (рис. 1-3).

Рис. 2. Схема подсистемы работы со снимками

Система состоит из трех подсистем. Основное назначение подсистемы регистрации и оцифровки

снимков заключается в преобразовании рентгенограмм в цифровую форму и ввод их в систему. Подсистема обработки снимков выполняет функ-

ции оценки и фильтрации шумов рентгенограмм, обнаружения дефектов, выделения и сглаживания контуров обнаруженных дефектов, а также функции определения параметров дефектов по полученным контурным представлениям. Функции классификации дефектов, генерации актов экспертизы, архивирования, импорта-экспорта данных и выдачи рекомендаций и справочной информации выполняет подсистема работы со снимками.

Работа каждой подсистемы полностью контролируется пользователем. Основным назначением системы автоматизированной обработки и анализа рентгенограмм является помощь операто-ру-дефектоскописту в принятии решений о наличии дефектов в сварных соединениях и пригодности изделий к эксплуатации на основе данных, получаемых в результате работы системы.

Таким образом, предлагаемая автоматизированная система кратномасштабной обработки и анализа рентгенографических снимков сварных соединений относится к классу систем поддержки принятия решений.

Разработанная система зарегистрирована в реестре программ для ЭВМ (А.Л. Жизняков, А.А. Фомин. Автоматизированная система кратно-масштабной обработки и анализа рентгенографических снимков сварных соединений. // ФИПС. 2007. № 2007611686). Система может быть использована на предприятиях, занимающихся прокладкой, эксплуатацией и обслуживанием водо-, нефте- и газопроводов для своевременного выявления дефектов сварки и обеспечения надежности и безопасности использования.

Рис. 3. Схема подсистемы кратномасштабной обработки рентгенограмм

АВТОМАТИЗАЦИЯ СИСТЕМЫ УДАЛЕННОЙ ДИСПАНСЕРИЗАЦИИ НАСЕЛЕНИЯ

Ю.И. Сенкевич, к.т.н. (Санкт-Петербург)

В системе здравоохранения наименее автоматизированным направлением отрасли является профилактика заболеваний. В большей степени это касается удаленных поселений и труднодоступных районов, где сложнее всего проводить диспансеризацию. Автоматизация профилактических мероприятий в таких районах связана с необходимостью применения сразу нескольких наукоемких технологий: получения качественного клинического материала в электронном виде, индивидуальной и групповой компьютерной диагностики, оперативной передачи значительных объемов результатов наблюдений и выводов в центры обработки обобщенной информации, анализа обобщенной информации и составления прогнозов с использованием экспертного сервиса. Попытка решить задачу автоматизации по частям невозможна, поскольку перечисленные части сильно

связаны между собой. Поэтому необходимо проводить комплексные исследования в границах профильной системы, обеспечивающей внутреннюю согласованность применяемых технологий. Необходимо понять, как должна быть построена система диспансеризации и какие из ее компонентов могут быть созданы с использованием программных средств автоматизации.

Разработка структуры системы диспансеризации. Предлагаемое решение основано на применении дистанционных методов медицинского наблюдения и диагностики с использованием технологий телемедицины. Такой подход облегчает задачу автоматизации системы удаленной диспансеризации (СУД) за счет применения известной технологии по новому назначению. Структура телемедицинской системы (ТМС) ориентирована на удаленные консультации по запросу абонентов