129 These

UNIVERSITE DE BOURGOGNE UFR SCIENCES ET TECHNIQUES
THESE

prsente par

BOLLAND Patrice

pour obtenir le grade de

DOCTEUR DE L'UNIVERSITE

TRAITEMENT D'IMAGES ULTRASONORES:
ETUDE ET APPLICATION DE LA
TRANSFORMATION DE HOUGH AUX ECHOS
DE DIFFRACTION

Soutenue le 17 dcembre 1999

Jury :

Alain DIOU Professeur Prsident du jury
Patrick GORRIA Professeur Directeur de thse
Lew LEW YAN VOON Matre de confrences Encadrant
Rachid BENSLIMANE Professeur Rapporteur
Michel ROUSSEL Professeur Rapporteur
Bruno GREMILLET Ingnieur Examinateur

Remerciements
i
Remerciements Remerciements
Je remercie Monsieur F. TRUCHETET, Professeur, directeur du Laboratoire L.E.2.I. et
Monsieur P. GORRIA, directeur du site du Creusot, de m'avoir accueilli au sein du
Laboratoire L.E.2.I..
Je remercie mon directeur de thse, Monsieur P. GORRIA, et Monsieur L. LEW YAN
VOON, pour m'avoir encadr pendant ces annes. Je les remercie pour leurs prcieux
conseils, pour l'intrt qu'ils ont port mon travail, leur disponibilit et leur patience.
Que Monsieur M. ROUSSEL, Professeur l'I.U.T. de Troyes, Universit de Reims
Champagne Ardennes, et Monsieur R. BENSLIMANE, Professeur l'Ecole Suprieure de
Technologie de Fs, au Maroc, acceptent mes sincres remerciements pour avoir accept le
travail de rapporteurs.
Je remercie galement Monsieur A. DIOU, Prsident du Jury, et Monsieur
B. GREMILLET d'avoir accept de faire partie de ce jury.
Je remercie le Conseil Rgional de Bourgogne, et l'entreprise Framatome pour le
financement de cette thse, ainsi que Monsieur J. PORTRAT de Bourgognes Technologies.
J'exprime toute ma reconnaissance aux membres du laboratoire L.E.2.I., pour leur
accueil, et l'ambiance agrable qu'ils font rgner au sein de ce laboratoire.
Une pense particulire pour Eric, Christelle, Nathalie, Dominique et Marie-Pierre qui
m'ont apport un important soutien technique et moral tout au long de ce travail.
Que tout ceux qui ont particip, directement ou indirectement, au bon droulement de
mon travail, trouvent ici l'expression de ma reconnaissance.
Enfin, j'adresse des remerciements particuliers mes proches, pour leur prsence, leur
soutien, et leurs encouragements permanents.

Rsum
ii
Rsum Rsum
Cette thse, ralise au laboratoire L.E.2.I. est consacre une tude de dtection,
caractrisation et localisation de dfauts en imagerie ultrasonore tridimensionnelle.
Nous introduisons dans la premire partie le contrle non destructif par ultrasons de
pices mtalliques pour l'industrie nuclaire. Nous dcrivons les techniques existantes
utilises pour dtecter et caractriser les dfauts et les principes d'acquisition ultrasonore.
Nous dtaillons plus particulirement la technique d'acquisition "Time Of Flight Diffraction"
(T.O.F.D.) base sur une exploitation des ondes diffractes par les extrmits de fissures.
La seconde partie prsente le problme de la reconnaissance de formes et de courbes en
traitement d'images. Une approche particulire base sur la recherche de formes paramtres
dans une image est prsente: la transformation de Hough. Une application la recherche
d'alignements de points est propose, mettant en vidence les intrts et les difficults de cette
mthode.
Une exploitation originale de cette transformation est ensuite dveloppe dans la
troisime partie. Une modlisation des arcs de diffraction par un nombre de paramtres rduit
est ralise. Le fort gradient prsent le long des arcs de diffraction est mis en vidence par
une technique de filtrage optimal. Ce gradient est alors intgr dans la construction de
l'espace des paramtres.
La dernire partie prsente une approche tridimensionnelle exploitant le contour et la
forme tridimensionnels du dfaut. Une exploitation de la variation des intensits des pixels
constituant l'arc de diffraction tridimensionnel permet la construction de l'espace des
paramtres. Une gnralisation l'espace tridimensionnel de l'approche dveloppe au
chapitre trois est galement prsente. La combinaison de ces deux concepts a permis la mise
au point d'un oprateur de reconnaissance de formes global montrant l'intrt de l'approche
tridimensionnelle en contrle non destructif ultrasonore.
Nous prsentons pour les deux approches dcrites aux chapitres trois et quatre, une
validation sur d'importants jeux de test issus d'une application industrielle. Nous avons ainsi
Rsum
iii
pu dvelopper un systme de dtection de fissures dans les lment mtalliques du circuit
primaire de centrales nuclaires pour la socit Framatome.
Mots cls: Traitement tridimensionnel, contrle non destructif, imagerie ultrasonore, vision
artificielle, reconnaissance de formes, transformation de Hough.

Abstract
iv
Abstract Abstract
This thesis, done at the laboratory L.E.2.I., is dedicated to the study of defect detection,
characterization and localization from three dimensional ultrasound images.
We present in the first part the nondestructive inspection by ultrasounds of metallic
structures for the nuclear industry. We describe the existing techniques used for detecting and
characterizing the defects and the principles of ultrasound data acquisition. We next give a
more detailed description of the Time Of Flight Diffraction (T.O.F.D.) technique which is
based on the exploitation of the ultrasound waves diffracted by the tips of crack defects.
The second part presents the problem of pattern recognition in image processing. A
particular approach based on the search of parametric curves in an image is described: the
Hough Transform. An application of this method to the detection of points aligned on a
straight line is proposed showing the interests and difficulties of the method.
An original exploitation of the Hough Transform on two dimensional ultrasound images
is presented in the third part. The diffraction arcs searched for in the images are modeled by a
reduced set of parameters. The high gradient value along these arcs are determined by an
optimal filtering technique. This gradient value is used in the computation of the Hough
space.
The last part deals with a three dimensional approach of the Hough Transform which
exploits the contour and the three dimensional shape of the diffraction arcs. A study of the
variation of the intensity of the pixels belonging to the three dimensional diffraction arcs is
done. This intensity information is used to compute the Hough space for the three
dimensional image. The generalization of the approach developed in chapter three to three
dimensional images is also presented. The combination of the two concepts has allowed the
development of a global pattern recognition operator, showing the interest of a three
dimensional approach in nondestructive inspection by ultrasounds.
The two approaches (two and three dimensional) have been validated on an important
set of test images resulting from an industrial application. Finally, we have developed a
Abstract
v
software tool for detecting crack defects in metallic structures used in the primary circuit of
nuclear plants for the company Framatome.
Key words: Three dimensional image processing, non destructive testing, ultrasonic imaging,
artificial vision, pattern recognition, Hough transform.

Table des matires
vi
Table des matires Table des matires
Introducti on Introducti on. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 2
Chapi t re 1 Chapi t re 1
Contrle non destructif ultrasonore Contrle non destructif ultrasonore . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 8
1.1 Principes des acquisitions ultrasonores.........................................................................8
1.2 Modes de reprsentation...............................................................................................9
1.2.1 Signal A-Scan...........................................................................................................9
1.2.2 Cartographies B-Scan.............................................................................................11
1.2.3 Cartographies C-Scan.............................................................................................11
1.2.4 Cartographies D-Scan ............................................................................................12
1.3 Les techniques de contrles ultrasonores....................................................................12
1.3.1 Dimensionnement 6 dB.....................................................................................13
1.3.2 Mthode "Distance Gain Size"...............................................................................13
1.3.3 Inconvnients des techniques bases sur la rflexion............................................14
1.4 Time Of Flight Diffraction..........................................................................................14
1.4.1 Principes de la technique T.O.F.D. ........................................................................14
1.4.2 Modlisation des chos de diffraction dans un plan B-Scan..................................15
1.5 Exploitation des acquisitions T.O.F.D. .......................................................................19
1.5.1 Amlioration du modle thorique.........................................................................19
1.5.2 Comparaison entre le modle thorique et l'arc de diffraction rel .......................21
1.5.3 Dtection et localisation du dfaut .........................................................................22
1.6 Conclusion..................................................................................................................23
Transformati on de Hough Transformati on de Hough. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26 26
2.1 Reconnaissance de courbes et de formes ....................................................................26
2.2 La transformation de Hough.......................................................................................28
2.2.1 Dfinition gnrale de la transformation de Hough...............................................30
2.2.2 Transformation de m 1 ........................................................................................30
2.2.3 Transformation de 1 m........................................................................................31
2.2.4 Interprtation de la transformation de Hough........................................................31
2.3 Application la dtection de droites ou d'alignements de points ...............................32
2.3.1 Reprsentations d'une droite ..................................................................................32
2.3.2 Application de la transformation de Hough avec une reprsentation
cartsienne ..............................................................................................................33
2.3.3 Application de la transformation de Hough avec une reprsentation
polaire.....................................................................................................................35
2.4 Conclusion..................................................................................................................36
Table des matires
vii
Appl i cati on de l a transformati on de Hough aux i mages ul trasonores Appl i cati on de l a transformati on de Hough aux i mages ul trasonores
B B - - Scan Scan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39 39
3.1 Dfinition du problme en terme de traitement d'images ...........................................39
3.2 Mise en uvre de la transformation de Hough...........................................................40
3.2.1 Dfinition du modle mathmatique et de l'espace des paramtres .......................40
3.2.2 Optimisation de l'espace des paramtres ................................................................42
3.2.3 Origine temporelle des acquisitions .......................................................................46
3.2.4 Bornes de l'espace des paramtres .........................................................................47
3.2.5 Prtraitement ncessaire la transformation de Hough.........................................47
3.2.6 Mise en uvre pratique de la transformation de Hough........................................48
3.2.7 Quelques rsultats de la transformation de Hough avec une accumulation
de l'intensit............................................................................................................50
3.3 Traitement des effets de bords ....................................................................................51
3.3.1 Explication des effets de bords...............................................................................51
3.3.2 Compensation des effets de bords ..........................................................................52
3.3.3 Mise en uvre pratique de la transformation de Hough avec
normalisation..........................................................................................................52
3.3.4 Quelques rsultats de la transformation de Hough avec normalisation.................53
3.4 Phase de dcision........................................................................................................54
3.5 Evaluation de la transformation de Hough avec normalisation..................................55
3.6 Amlioration de lalgorithme......................................................................................56
3.6.1 Intgration du gradient dans la construction de lespace des paramtres ..............56
3.6.2 Extraction des pixels situs sur la normale ............................................................58
3.6.2.1 Algorithme d'extraction des pixels appartenant la normale............................58
3.6.2.2 Relev des profils de normales l'arc de diffraction.........................................60
3.6.3 Filtrage optimal et dtection de contours ...............................................................61
3.6.3.1 Mthodes drivatives .........................................................................................63
3.6.3.2 Filtrage de Canny-Deriche ................................................................................64
3.6.3.3 Filtrage de Shen et Castan.................................................................................65
3.6.3.4 Comparaison des deux mthodes ......................................................................66
3.6.3.5 Caractristiques des filtres de Canny-Deriche et de Shen et Castan mis
en uvre ............................................................................................................67
3.6.4 Mise en uvre de la transformation de Hough avec calcul du gradient ................68
3.6.5 Rsultats de la transformation de Hough avec calcul du gradient .........................68
3.7 Conclusion..................................................................................................................70
Appl i ca Appl i ca t i on de l a Transf ormat i on de Hough aux acqui si t i ons t i on de l a Transf ormat i on de Hough aux acqui si t i ons
ultrasonores multidimensionnelles ultrasonores multidimensionnelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72 72
4.1 Transformation de Hough tridimensionnelle ..............................................................73
4.1.1 Modle de la forme tridimensionnelle, espace des paramtres ..............................73
4.1.2 Exploitation de l'arc de diffraction tridimensionnel...............................................74
4.1.2.1 Observation des pixels au centre de l'arc de diffraction....................................74
4.1.2.2 Extraction des pixels appartenant l'arc de diffraction.....................................75
Table des matires
viii
4.1.2.3 Approximation polynomiale du profil des intensits releves ..........................79
4.1.3 Fonction caractristique de la transformation de Hough .......................................81
4.1.4 Mise en uvre de la transformation de Hough......................................................82
4.1.5 Fichiers dvaluation..............................................................................................83
4.1.6 Test de la transformation de Hough tridimensionnel.............................................83
4.1.7 Suppression des maxima dus au bruit dans l'espace des paramtres .....................84
4.2 Combinaison des traitements tridimensionnel et bidimensionnel ..............................86
4.3 Evaluation de l'amlioration apporte par le traitement tridimensionnel ...................87
4.3.1 Evaluation par la dynamique des arcs....................................................................88
4.3.1.1 Limite de fonctionnement du traitement bidimensionnel..................................88
4.3.1.2 Limite de fonctionnement du traitement tridimensionnel .................................89
4.3.2 Evaluation par le taux de morcellement des arcs ...................................................89
4.3.2.1 Limite de fonctionnement du traitement bidimensionnel..................................90
4.3.2.2 Limite de fonctionnement du traitement tridimensionnel .................................90
4.3.3 Comparaison quantitative des rsultats des traitements .........................................91
4.4 Conclusion..................................................................................................................92
Conclusion gnrale Conclusion gnrale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94 94
Bibliographie Bibliographie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98 98
Annexe A Annexe A
Jeu de test bidimensionnel Jeu de test bidimensionnel. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107 107
Annexe B Annexe B
Jeu de test tridimensionnel Jeu de test tridimensionnel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112 112
Annexe C Annexe C
Rsul t at s de l a t ransf ormat Rsul t at s de l a t ransf ormat i on de Hough sur l e j eu de t est i on de Hough sur l e j eu de t est
bi di mensi onnel bi di mensi onnel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117 117
Annexe D Annexe D
Rsul t at s de l a t ransf ormat i on de Hough sur l e j eu de t est Rsul t at s de l a t ransf ormat i on de Hough sur l e j eu de t est
tridimensionnel tridimensionnel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121 121
Annexe E Annexe E
Prsentation du logiciel de traitements Prsentation du logiciel de traitements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126 126

Introduction Introduction

Introduction
2
Introduction Introduction
Framatome est le premier constructeur mondial actuel de racteurs eau pressurise
pour les centrales nuclaires de 900, 1000, 1300, et 1500 mgawatts. Les activits de ce
groupe industriel couvrent trois grands domaines: les appareils de mesure, la connectique, et
le nuclaire. L'tablissement de Saint Marcel en Sane et Loire ralise les lments
principaux du circuit primaire des centrales nuclaires et comporte un Centre Technique
regroupant trois sections: Soudage, Essais Polyvalents, et Essais Non Destructifs. Cette
dernire section dveloppe en particulier des systmes d'acquisition par ultrasons et traite des
problmes d'analyse et d'interprtation des acquisitions ultrasonores ralises sur des lments
mtalliques fabriqus au sein de l'entreprise.
Actuellement, les acquisitions de donnes ultrasonores sont ralises de manire
automatique. Les analyses et interprtations sont effectues, a posteriori, sur des
cartographies appeles images ultrasonores. Le but est de mettre en vidence et caractriser
des dfauts dans le matriau par une recherche de proprits caractristiques (par exemple,
une forme particulire, une variation locale de l'intensit). L'analyse des images
ultrasonores est effectue manuellement par un oprateur. Celui-ci slectionne les images
analyser et recherche visuellement la prsence de dfauts. Il dtermine ensuite prcisment la
position et les dimensions de ces dfauts.
Le traitement d'images tait difficilement envisageable, il y a une quinzaine d'annes,
pour analyser des donnes d'acquisition tridimensionnelles (temps de calcul important, faible
capacit mmoire des calculateurs, cot important). Aujourd'hui, les normes progrs
raliss dans le domaine des semi-conducteurs (augmentation de la capacit des mmoires et
de la rapidit des calculateurs) et le dveloppement considrable des algorithmes de
traitement permettent d'exploiter et interprter des donnes volumiques importantes.
L'application des outils de traitement d'images prend donc une place grandissante dans
de nombreux domaines techniques et scientifiques, et en particulier, dans celui du contrle
non destructif. Le traitement d'images est en gnral appliqu des images issues de capteurs
vido dans le domaine du visible. Il voit aujourd'hui son champ d'applications largi aux
Introduction
3
images dites "non naturelles" provenant de contrle non destructif par rayons x, ultrasons, ou
magntoscopie par exemple.
Les oprations de localisation et dimensionnement effectues manuellement par
l'oprateur peuvent aujourd'hui tre ralises par des algorithmes et techniques de traitement
d'images ayant fait l'objet de nombreuses recherches au cours des dix dernires annes.
Le travail de recherche dcrit dans cette thse vise runir la fois les expriences et
comptences de Framatome dans le domaine des essais non destructifs (ultrasonores en
particulier) et celles du Laboratoire d'Electronique, Informatique et Image (L.E.2.I.) de
l'Universit de Bourgogne dans celui du traitement d'images. Un projet de collaboration entre
le Centre Technique de Framatome et le L.E.2.I. a vu le jour. Ce projet a t cofinanc par le
Conseil Rgional de Bourgogne.
Le L.E.2.I., issu de la fusion de plusieurs quipes de recherche de l'Universit de
Bourgogne en 1996, dveloppe de nombreuses activits de recherche dans le domaine de
l'image. Nous pouvons noter en particulier les activits lies au contrle qualit par vision
artificielle. Le laboratoire a acquis une trs grande exprience dans ce domaine comme en
tmoignent les nombreuses tudes menes en collaboration avec des entreprises rgionales
(Snecma, Vallourec Prcision Soudage, Thomson, Reboul Cosmtique) et le Conseil
Rgional de Bourgogne. Ses activits regroupent le contrle d'aspect et le contrle
dimensionnel en temps rel sur des produits statiques ou en dfilement, la modlisation de
l'clairage, la mise au point de capteurs spcifiques et le dveloppement d'algorithmes de
traitement d'images.
Df i ni t i on du proj et Df i ni t i on du proj et
Pour parvenir une dfinition prcise du projet de recherche, nous avons effectu un
recensement des besoins auprs des personnes concernes par le contrle non destructif par
ultrasons Framatome. Chacun a pu exposer ses besoins et attentes en terme de contrle
automatis en rpondant un questionnaire. A l'issue de ce recensement, plusieurs directives
de recherche sont apparues. En accord avec le responsable technique du projet Framatome,
nous sommes parvenus la dfinition du projet de recherche suivant.
L'objectif principal de l'tude est la mise au point d'algorithmes permettant d'interprter
au mieux les donnes contenues dans une acquisition. Un contrle ultrasonore permet
Introduction
4
d'inspecter un objet ou une matire dans son volume. Les donnes rsultant de ce type de
contrle sont tridimensionnelles. Elles sont constitues d'une succession d'images
reprsentant des plans parallles du volume inspect. Dans la plupart des cas, les outils
logiciels existants exploitent ces donnes plan par plan.
Le traitement tridimensionnel de donnes issues de contrle non destructif est
aujourd'hui de plus en plus tudi. Il permet d'exploiter de nombreuses informations
contenues dans les acquisitions, non prises en compte lorsque l'on traite sparment chaque
plan. L'exploitation de ces informations augmente la robustesse des outils de contrle et vite
des inspections multiples de la matire souvent ncessaires pour dtecter la prsence d'un
dfaut.
Ce projet vise donc tudier et dvelopper des outils de traitement des donnes
tridimensionnelles permettant de dtecter et localiser des dfauts plans (fissures). La premire
partie de l'tude dcrit des outils traitant les plans ultrasonores sparment. La seconde partie
exploite le traitement bidimensionnel mis au point afin de raliser un traitement
tridimensionnel des donnes. Les informations liant les plans entre eux sont exploites et
combines celles contenues dans chaque plan. Les algorithmes raliss utilisent pour cela
les informations bases sur la forme et le contour d'un dfaut dans une image et ses plans
voisins. Une recherche de forme tridimensionnelle permet de dtecter des dfauts
partiellement visibles par un oprateur.
Les acquisitions ultrasonores utilises pour l'tude sont obtenues par la technique
T.O.F.D.. Les dfauts plans recherchs donnent lieu des arcs de diffraction dans les images
ultrasonores. Un exemple est donn sur la figure 1.1.
Arcs de diffraction

figure 1.1: Exemple d'arcs de diffraction
Un dfaut est en gnral visible dans plusieurs images successives, mais l'il humain
n'est pas capable de contrler simultanment un nombre important d'images. Lorsque
Introduction
5
l'intensit du dfaut est faible, l'oprateur le dtectera difficilement, aprs plusieurs
observations de l'ensemble des images. Les images ultrasonores ont apport l'oprateur une
facilit d'interprtation des donnes: ceux-ci ne disposaient l'origine que des tirs
ultrasonores visualiss sur un oscilloscope pour dtecter les dfauts. La prise en compte des
donnes tridimensionnelles dans leur globalit est donc, a priori, une source d'informations
importante, que l'il humain n'est pas capable de traiter.
A l'issue de l'tude thorique, une plate-forme de validation a t ralise. Constitu
d'une interface utilisateur graphique et de modules de traitement d'images bidimensionnelles
et tridimensionnelles, cet outil permet l'utilisateur de:
slectionner dans l'espace des donnes une zone bidimensionnelle ou
tridimensionnelle traiter (avec ou sans dfaut).
choisir un traitement appliquer la zone slectionne et entrer les paramtres lis
aux traitements.
visualiser et sauvegarder les rsultats du traitement.
L'efficacit des traitements dvelopps est valide sur un ensemble de fichiers test.
Organi sati on du document Organi sati on du document
Nous rappelons au premier chapitre les principes de base du contrle non destructif par
ultrasons ainsi que les diffrents modes de reprsentation des donnes ultrasonores. Nous
dcrivons ensuite les techniques de contrle non destructif ultrasonore utilises pour dtecter
et caractriser des dfauts. Nous terminons ce chapitre par une description dtaille de la
technique T.O.F.D. utilise pour obtenir les donnes dont nous disposons pour notre tude.
Le second chapitre est consacr une tude bibliographique et la prsentation des
outils de reconnaissance de formes. Aprs avoir rappel les diffrentes familles de traitements
dcrits dans la littrature, nous prsentons plus particulirement la transformation de Hough
retenue pour rsoudre notre problme. Nous dcrivons en fin de chapitre une application de la
transformation de Hough la dtection d'alignements de points.
Dans le troisime chapitre, nous dcrivons la mise en uvre de la transformation de
Hough applique aux images ultrasonores. Les algorithmes dvelopps sont tests et valids
Introduction
6
sur un ensemble d'images test et un rsum des rsultats obtenus est prsent au cours du
chapitre. La totalit des rsultats est dtaille en annexe C.
Le quatrime et dernier chapitre est consacr l'application de la transformation de
Hough des acquisitions ultrasonores tridimensionnelles. Nous prsentons, dans un premier
temps, les informations contenues dans les donnes d'acquisition tridimensionnelles non
prises en compte dans les traitements bidimensionnels dcrits au chapitre trois. L'objectif est
d'exploiter ces informations et les combiner celles utilises par les traitements
bidimensionnels. L'intgration des informations dans un traitement global des donnes est
propose, ainsi que la validation des rsultats obtenus.

Chapitre 1 Chapitre 1
Contrle non destructif ultrasonore Contrle non destructif ultrasonore

Chapitre 1
Contrle non destructif ultrasonore
8
Contrle non destructif ultrasonore Contrle non destructif ultrasonore
Ce chapitre prsente une tude bibliographique des techniques courantes de contrle
non destructif par ultrasons. Nous prsentons, dans un premier temps, le principe des
acquisitions ultrasonores. Les diffrents modes de reprsentation des donnes ultrasonores
sont ensuite dtaills. Ces reprsentations permettent de visualiser et d'exploiter au mieux la
masse d'informations contenues dans les donnes, afin de mettre en vidence les dfauts
prsents dans le matriau. Lorsquun dfaut est prsent, des zones dont lintensit et la forme
sont caractristiques du dfaut apparaissent dans les images ultrasonores. La recherche de ces
informations permet de conclure la prsence ou non d'un dfaut. Nous prsentons ensuite
les techniques de contrle non destructif par ultrasons couramment utilises. Enfin, nous
dtaillons la technique T.O.F.D. utilise pour l'acquisition des donnes notre disposition.
1. 1 1. 1 Pri nci pes des acqui si t i ons ul t rasonores Pri nci pes des acqui si t i ons ul t rasonores
Lacquisition des donnes ultrasonores pour le contrle dun volume est ralise en
gnral partir dune seule surface laide d'un ou plusieurs palpeurs. Ces palpeurs, selon le
type d'acquisition souhaite, peuvent tre de type mono-capteur ou multi-capteurs, aussi bien
en mission qu'en rception. Dans le domaine du contrle ultrasonore, le terme capteur
dsigne la fois l'metteur et le rcepteur. Les caractristiques de chaque capteur (telles que
l'angle de tir, la focalisation, la frquence) peuvent tre diffrentes selon le type et la
localisation du dfaut recherch.
Pour effectuer une acquisition ultrasonore, la surface de contrle de la pice est balaye
de manire rgulire en utilisant un couple metteur/rcepteur ultrasonore. En chaque point
du balayage, un tir ultrasonore est ralis par l'metteur et l'cho retourn par la matire est
enregistr par le rcepteur. Nous obtenons ainsi pour un capteur donn (ou couple de
capteurs), un champ de donnes ultrasonores de dimension quatre: les coordonnes du capteur
(x, y), le temps (t) mis par les chos pour atteindre le rcepteur, et l'amplitude (a) des chos.
Chapitre 1
9
Afin de pouvoir mettre en vidence certains dfauts, plusieurs tirs sont parfois ncessaires.
Ces tirs sont raliss avec des capteurs de caractristiques diffrentes.
x
y
z

figure 1.1: Dplacement des capteurs ultrasonores
La figure 1.1 illustre le sens de balayage des capteurs. Lacquisition des donnes est
ralise dans un seul sens du balayage.
1. 2 1. 2 Modes de reprsent at i on Modes de reprsent at i on
Les donnes issues d'une acquisition ultrasonore peuvent tre reprsentes sous la
forme d'un ensemble de signaux monodimensionnels, ou sous la forme dimages permettant
une visualisation simple et une interprtation rapide des informations contenues dans les
donnes d'acquisition.
Nous dcrivons dans les sous-paragraphes suivants les reprsentations courantes de
donnes ultrasonores: la reprsentation monodimensionnelle A-Scan et les reprsentations
bidimensionnelles B-Scan, C-Scan et D-Scan.
1. 2. 1 1. 2. 1 Si gnal A Si gnal A- - Scan Scan
Le signal A-Scan est une reprsentation de l'amplitude des chos enregistrs par le
rcepteur en fonction du temps. C'est un signal monodimensionnel obtenu lorsqu'un tir
ultrasonore est ralis pour une position donne (x, y) du couple metteur/rcepteur.
Chapitre 1
10
amplitude de l'cho
temps
Echo de surface
Echo de diffraction Echo de fond
bruit
bruit

figure 1.2: Exemple de signal A-Scan
La figure 1.2 prsente un exemple de signal A-Scan, observ lors d'une acquisition
base sur la technique d'acquisition ultrasonore T.O.F.D. avec un couple metteur/rcepteur
en tandem. Le mode de reprsentation A-Scan est la base de toutes les premires mthodes
d'exploitation et d'interprtation de donnes ultrasonores en contrle non destructif. Il ne
ncessite pas beaucoup de matriel: une sonde et un oscilloscope sont ncessaires. Ce premier
mode a t longtemps utilis et apprci des techniciens chargs de l'expertise ultrasonore.
L'axe des ordonnes correspond aux amplitudes des diffrents chos enregistrs par le
rcepteur ultrasonore. L'axe des abscisses reprsente le temps mis par ces chos pour
atteindre le rcepteur. Les signaux enregistrs et reprsents sur ce A-Scan sont des ondes
latrales propages le long de la surface de contrle du matriau (chos de surface), des ondes
diffractes par une extrmit de fissure (chos de diffraction), et des ondes rflchies par la
surface oppose la surface de contrle (chos de fond). Le reste du signal est constitu
d'oscillations correspondant au bruit d'acquisition.
Une bonne connaissance technique du contrle ultrasonore est ncessaire pour exploiter
ce type de signal. Il est difficile de dterminer quels maxima sont reprsentatifs d'chos de
diffraction et donc de dfauts. Au terme d'une longue exprience, un expert en contrle
ultrasonore est capable de donner une interprtation chacun de ces maxima, par intgration
visuelle du signal lors du dplacement plus ou moins rapide des capteurs. Il peut ainsi
apprcier l'importance d'un cho et sa gravit. Mais aujourd'hui, les acquisitions ultrasonores
sont automatises. L'expert n'a plus la matrise du dplacement des capteurs et ne peut plus
faire un balayage rapide autour d'un point suspect de la pice pour effectuer une vrification.
La mise en vidence d'un dfaut est maintenant faite par une analyse a posteriori des donnes
d'acquisition partir de cartographies.
Chapitre 1
11
1. 2. 2 1. 2. 2 Cart ographi es B Cart ographi es B- - Scan Scan
Une cartographie B-Scan est une image engendre par la succession des A-Scan selon
la direction principale de balayage de la surface contrle (direction x sur la figure 1.3).
B-Scan
x
y
z
Plan B-Scan

figure 1.3: Construction d'une cartographie B-Scan
La figure 1.4 prsente un exemple de cartographie B-Scan. Elle est obtenue pour une
position (y) donne des capteurs.
temps de vol
x
cho de fond cho de surface dfaut

figure 1.4: Exemple de cartographie B-Scan
Les coordonnes des pixels reprsentent la position (x) des capteurs et le temps de vol
de l'onde ultrasonore (t). Les images B-Scan sont des reprsentations de coupes de la pice.
1. 2. 3 1. 2. 3 Cart ographi es C Cart ographi es C- - Scan Scan
Une cartographie C-Scan est obtenue partir des signaux A-Scan en effectuant la
projection, sur un plan parallle la surface de contrle, du maximum relev sur les signaux
A-Scan associ chaque position (x, y) des capteurs (figure 1.5).
Chapitre 1
12
C-Scan
maximum du A-Scan aux
coordonnes (x,y)
x
y
z
Plan C-Scan

figure 1.5: Construction d'une cartographie C-Scan
Le C-Scan est en gnral utilis pour reprer rapidement un endroit suspect de la pice.
Une analyse plus fine est ensuite ralise en utilisant les B-Scan. Le C-Scan est surtout
exploit lors du dimensionnement de dfauts volumiques.
1. 2. 4 1. 2. 4 Cart ographi es D Cart ographi es D- - Scan Scan
Comme la cartographie C-Scan, une cartographie D-Scan est obtenue en projetant le
maximum relev sur les A-Scan aux coordonnes (x, t) ou (y, t) sur une surface orthogonale
la surface de contrle (plan D-Scan 1 ou plan D-Scan 2 sur la figure 1.6).
Projection 2
Projection 1
x
y
t (z)
Plan D-Scan 2
Plan D-Scan 1

figure 1.6: Construction d'une cartographie D-Scan
1. 3 1. 3 Les t echni ques de cont rl es ul t rasonores Les t echni ques de cont rl es ul t rasonores
Il existe de nombreuses mthodes de dtection et de dimensionnement de dfauts en
imagerie ultrasonore [COR88] [MOY92a]. Certaines techniques (mthodes SAFT [LUD89]
[LOR91] [MAC90] et ALOK [GRO82] [HEU89] [STA88]) permettent d'amliorer les
images ultrasonores, en intervenant directement pendant le processus d'acquisition. Ne
Chapitre 1
13
pouvant pas intervenir pendant cette phase d'acquisition, nous nous sommes intresss aux
mthodes intervenant aprs l'acquisition. La plupart de ces mthodes cherchent mesurer la
longueur des dfauts plutt que leur largeur. En effet, la gravit d'un dfaut est dtermine
principalement par sa longueur. De plus, il est souvent possible d'valuer la largeur d'une
fissure partir de la mesure de sa longueur.
Parmi les techniques les plus rpandues, deux mthodes sont bases sur l'observation
d'chos de rflexion, et, une troisime est base sur l'observation d'chos de diffraction. Nous
dcrivons dans un premier temps, les deux techniques traditionnelles "-6dB" et "Distance
Gain Size". La troisime technique T.O.F.D. est ensuite dcrite.
1. 3. 1 1. 3. 1 Di mensi onnement Di mensi onnement 6 dB 6 dB
Une des premires mthodes mise en uvre lors de problmes de dimensionnement a
t la mthode "-6 dB". A partir de la visualisation d'un dfaut sur les diffrentes
cartographies B-Scan et C-Scan, l'amplitude maximum au centre du dfaut recherch est
mesure.
Dimensionnement 6 dB (gris fonc)
du dfaut (gris clair)
Enveloppe
prsume du dfaut

figure 1.7: Dimensionnement 6 dB de dfaut volumique
La mthode consiste relever les limites prsumes du dfaut constitu des points dont
l'intensit est suprieure au maximum relev moins 6 dB (enveloppe gris fonc sur la figure
1.7). On obtient ainsi un dimensionnement global du dfaut permettant de juger de sa gravit
[COR88]. Par sa facilit de mise en uvre, cette mthode est depuis trs longtemps utilise.
Cependant, elle a pour inconvnient majeur de sous-dimensionner la taille relle du dfaut.
1. 3. 2 1. 3. 2 Mt hode "Di s t ance Gai n Si ze" Mt hode "Di s t ance Gai n Si ze"
Lorsque la taille des dfauts est assez faible, la technique "Distance Gain Size" est
prfre la mthode "6 dB". Celle-ci met en uvre des abaques permettant d'attribuer au
dfaut un diamtre quivalent celui d'un rflecteur circulaire qui provoquerait la mme
Chapitre 1
14
variation de l'cho mesure [SON91]. L'exprience montre que les rsultats obtenus varient
non seulement en fonction de la taille et de l' orientation du dfaut recherch, mais aussi en
fonction de divers paramtres du faisceau ultrasonore (frquence, focalisation).
1. 3. 3 1. 3. 3 I nconvni ent s des t echni ques bas es s ur l a rf l exi on I nconvni ent s des t echni ques bas es s ur l a rf l exi on
Les techniques de contrle non destructif par ultrasons bases sur la rflexion sont
valides si les dfauts sont plans et leur orientation est telle qu'ils renvoient une rflexion
spculaire vers le rcepteur. En ralit, il est trs rare que le dfaut soit normal la focale et
qu'il renvoie une rflexion spculaire vers le rcepteur. Nanmoins, les ondes ultrasonores
tant diffractes et rflchies dans le matriau, elles se propagent dans plusieurs directions. La
multiplicit de ces ondes permet alors d'observer un grand nombre de dfauts. Les chos
enregistrs par le rcepteur ultrasonore sont, dans ce cas, souvent faibles (rflexions
multiples). Plusieurs acquisitions des angles de tir diffrents sont alors ncessaires pour un
dimensionnement prcis des dfauts.
1. 4 1. 4 Ti me Of Fl i ght Di f f ract i on Ti me Of Fl i ght Di f f ract i on
Lorsqu'une onde incidente rencontre l'extrmit d'une fissure, celle-ci gnre plusieurs
types d'ondes: ondes rflchies, ondes diffractes, ondes de Rayleigh Le Dr Maurice SILK
du "National NDT Center" Harwell a exploit ces ondes diffractes et mis au point la
technique T.O.F.D.. Cette technique a beaucoup volu au cours des quinze dernires annes
et est aujourd'hui l'une des techniques les plus utilises pour mesurer la longueur d'une fissure
dans un matriau [SIL82a], [SIL82b], [SIL87], [CHA89], [NOT90]. Elle s'est avre tre
beaucoup plus prcise que les techniques traditionnelles bases sur les ondes rflchies.
1. 4. 1 1. 4. 1 Pri nci pes de l a t echni que T. O. F. D. Pri nci pes de l a t echni que T. O. F. D.
La technique T.O.F.D. est base sur l'exploitation des ondes de diffraction gnres par
les extrmits de fissures. Elle consiste balayer la pice contrler en utilisant des
metteurs/rcepteurs disposs de faon privilgier les ondes de diffraction au dtriment des
ondes rflchies, et mesurer le temps de parcours (ou temps de vol) de ces ondes dans le
matriau.
La surface de contrle est balaye par une paire de capteurs tandem metteur/rcepteur.
La configuration en un seul capteur metteur/rcepteur est rarement utilise du fait de la
Chapitre 1
15
faiblesse du rayonnement, et donc, de la difficult de dtection. Cependant, l'utilisation de
capteurs focaliss a aujourd'hui tendance compenser ce problme.
Lacquisition des donnes ultrasonores est faite selon le principe dcrit sur la figure 1.8.
Emetteur
Rcepteur
Ondes latrales
Fond de pice
Surface de contrle
z1
z2
fissure
x
z
y

figure 1.8: Principe de la technique T.O.F.D.
A chaque position du couple de capteurs, un tir ultrasonore est ralis et les chos
retourns sont enregistrs. En absence de fissure, le rcepteur reoit en gnral deux types
d'chos: un cho de surface d une propagation de l'onde le long de la surface de contrle et
un cho de fond d la rflexion de l'onde sur la surface oppose la surface de contrle. En
prsence d'une fissure, le rcepteur reoit, en plus des chos de surface et de fond, des chos
de diffraction dus aux extrmits de la fissure.
Les donnes enregistres (coordonnes (x, y) des capteurs, temps de vol de londe, et
amplitude de lcho retourn) sont gnralement reprsentes sous forme d'images B-Scan.
1. 4. 2 1. 4. 2 Modl i sat i on des cho Modl i sat i on des cho s de di f f ract i on dans un pl an B s de di f f ract i on dans un pl an B- - Scan Scan
Une image B-Scan, issue dune acquisition T.O.F.D. ralise au dessus d'une fissure,
contient des arcs de diffraction dus linteraction entre le signal ultrasonore gnr par
lmetteur et les extrmits des fissures prsentes dans le matriau (figure 1.9).

figure 1.9: Temps de vol des ondes ultrasonores dans la technique T.O.F.D.
Chapitre 1
16
L'objectif de ce paragraphe est la modlisation de ces arcs de diffraction observs sur
les images B-Scan.
Echo de surface
z
2d
E R
Echo de fond
Emetteur
d-d
x
d+d
x
t1
t2
Rcepteur
dx
f i ssure

figure 1.10: Temps de vol des ondes ultrasonores dans la technique T.O.F.D.
Considrons la figure 1.10 dans laquelle nous supposons que la fissure est oriente
perpendiculairement la surface de contrle.
En pratique, lorientation de la fissure est quelconque. Pour un angle de tir donn,
seules les fissures ayant une certaine orientation sont mises en vidence. Afin de mettre en
vidence les fissures, quelle que soit leur orientation, plusieurs tirs ultrasonores sont raliss
avec des angles de tir diffrents.
Le matriau est suppos isotropique et homogne (les caractristiques physiques du
matriau sont les mmes dans tous les directions). La vitesse de propagation de l'onde
ultrasonore est ainsi considre constante.
Le temps de vol de l'onde ultrasonore peut tre crit de la faon suivante (quation 1.1):
quation 1.1
2 2 2 2
2 1
) (
1
) (
1
) ( ) ( ) (
x x x x x
d d z
c
d d z
c
d t d t d t + + + + +
o :
t
1
(d
x
) reprsente le temps mis par londe ultrasonore mise par lmetteur pour
atteindre la fissure,
t
2
(d
x
) reprsente le temps mis par londe ultrasonore diffracte par lextrmit
suprieure de la fissure pour arriver au rcepteur,
c est la vitesse de propagation de l'onde ultrasonore dans le matriau,
Chapitre 1
17
d est la demi-distance entre l'metteur et le rcepteur (l'metteur et le rcepteur sont
spars par une distance constante gale 2d),
z correspond la profondeur de la fissure dans le matriau,
d
x
= x x
0
, avec x, position du centre du tandem metteur/rcepteur, et x
0
, position de
la fissure dans le repre de la pice. d
x
est en fait la position relative du centre du
tandem metteur/rcepteur par rapport la fissure.
Les hypothses faites permettent de dcrire le temps de vol de l'onde ultrasonore par
cette quation. Charlesworth [CHA89] propose une description plus complexe en prenant en
compte d'autres paramtres tels que le diamtre des capteurs, la distance entre le cristal pizo-
lectrique et la surface de contact du capteur, les phnomnes de rfraction au niveau de la
surface de contact capteur/matriau, l'orientation de la fissure
L'quation 1.1 peut tre approxime par une quation du second degr:
2 2 2 2
2 1
) (
1
) (
1
) ( ) ( ) (
x x x x x
d d z
c
d d z
c
d t d t d t + + + + +
( ) ( ) ( )
1
]
1
+ + + + + +
2
1
2 2 2
2
1
2 2 2
2 2
1
x x x x x
d d d d z d d d d z
c
d t
( )
1
1
1
]
1
,
_
+
+
+ +
,
_
+
+
2
1
2 2
2
2
1
2 2
2 2 2
2
1
2
1
d z
d d d
d z
d d d
c
d z
d t
x x x x
x

D'aprs le dveloppement limit de (1+x)
l'ordre 2, on obtient l'quation suivante:

( )
1
]
1
+
+
+
2 2 2
2 2
2 2
2 2 2
) (
8
8
1 2
2
1
2
d z
d d
d z
d
c
d z
d t
x x
x

( )
1
]
1
,
_
+
+
+
2
2 2 2
2
2 2
2 2
) (
1
2
x x
d
d z
d
d z c
d z
d t
( )
2
2 / 3 2 2
2 2 2
.
) .(
. 2
x x
d
d z c
z
c
d z
d t
+
+
+

Chapitre 1
18
Le dveloppement limit de (1+x)
l'ordre 2 impose certaines restrictions. Ce

dveloppement tant valable lorsque x est petit devant 1, il est ncessaire de prendre garde
aux valeurs prises par d
x
, d et z.
En pratique, il est difficile de fixer des limites d'utilisation de ce dveloppement. Lors
d'une acquisition, z et d tant fixes, les limites devront tre fixes par le dplacement d
x
des
capteurs. Dans la plupart de cas, la distance d et la profondeur z ont le mme ordre de
grandeur. Il faudra donc veiller ce que dx soit faible devant z pour que le dveloppement
limit soit utilisable.
En posant:
2 / 3 2 2
2
) .( d z c
z
Ouv
+

et
quation 1.2
c
d z
t
2 2
0
. 2 +

nous obtenons une quation du second degr du temps de vol t en fonction du dplacement
relatif d
x
du tandem metteur/rcepteur par rapport la fissure:
quation 1.3
0
2
) ( t d Ouv d t
x x
+
avec
c
d
t
2
0
.
Le temps
c
d
t
2
0
correspond au temps de vol de londe ultrasonore lorsque la fissure
est en surface. Cette limite de t
0
est obtenue en faisant tendre z (la profondeur de la fissure)
vers zro dans l' quation 1.2.
Les arcs de diffraction observs sur les B-Scan peuvent donc tre modliss par des arcs
de parabole. La figure 1.11 est une reprsentation de l' quation 1.3.
Chapitre 1
19
Dplacement des
capteurs (x)
Temps de vol (t)
t
0
x
0

figure 1.11: Modle mathmatique des arcs de diffraction
L'quation 1.2 met en vidence le lien entre le temps de vol t
0
des chos de diffraction
et la profondeur z du dfaut dans le matriau lorsque la fissure est au centre du couple
metteur/rcepteur en tandem:
quation 1.4
2
2 2
0
4
d
c t
z avec
c
d
t
2
0

La connaissance du temps t
0
(coordonne t du sommet de l'arc de diffraction) permet de
calculer la profondeur du dfaut dans le matriau (quation 1.4).
1. 5 1. 5 Expl oi t at i on des acqui si t i ons T. O. F. D. Expl oi t at i on des acqui si t i ons T. O. F. D.
1. 5. 1 1. 5. 1 Aml i orati on du modl e thori que Aml i orati on du modl e thori que
Le modle thorique obtenu suppose que l'onde ultrasonore mise par l'metteur est une
impulsion (figure 1.12).
temps
amplitude du signal
a
0

figure 1.12: Onde thorique envoye par l'metteur ultrasonore
L'onde diffracte par le dfaut et reue par le rcepteur est constitue d'une partie de
l'nergie envoye par l'metteur. Lorsque le pulse d'mission est un dirac, la reprsentation de
l'onde diffracte dans un plan B-Scan est un arc de parabole unique de faible paisseur.
L'onde diffracte capte par le rcepteur ultrasonore est la suivante:
Chapitre 1
20
temps
amplitude du signal
k.a
0
t
0

figure 1.13: Onde thorique enregistre par le rcepteur ultrasonore
En pratique, l'onde mise par le capteur ultrasonore est diffrente: l'impulsion initiale
comporte un temps de monte et un temps de descente non nuls. Le capteur tant constitu
d'un cristal pizo-lectrique, le signal mis oscille et peut tre assimil une sinusode
amortie (figure 1.14.a). Le signal diffract correspondant est aussi une sinusode amortie
(figure 1.14.b).
temps
a) signal mis
a
0
temps
b) signal reu
k.a
0
t
0
amplitude amplitude

figure 1.14: Ondes rellement mise et reue par les capteurs
Le modle de l'onde correspondant est le suivant:
( )
( )
t
t
a t a
.
sin
.
0

o est la frquence d'mission ultrasonore etest le coefficient d'amortissement du signal.
Le signal d'mission tant chantillonn, il est en fait constitu d'une srie d'impulsions
(telles que celle constituant le signal thorique) d'amplitudes comprises dans l'intervalle
[-a
0
; a
0
] dcales sur l'axe des temps.
La rponse ce signal dans un plan B-Scan n'est donc pas un arc de parabole tel que
celui prsent sur la figure 1.11, mais un ensemble d'arcs de parabole ayant le mme axe de
symtrie.
Chapitre 1
21
En considrant que la proportion de l'nergie diffracte par une fissure par rapport
l'nergie mise est la mme, quelle que soit l'amplitude du signal mis, les diffrents arcs de
diffraction prsents dans l'image B-Scan auront des intensits alternativement positives et
ngatives, comprises entre [-k.a
0
; k.a
0
] (avec 0<k<1) (figure 1.15).
t
0
x
0

figure 1.15: Modle correspondant au signal ultrasonore rellement mis
1. 5. 2 1. 5. 2 Comparai son entre l e modl e thori que et l ' arc de di ffracti on rel Comparai son entre l e modl e thori que et l ' arc de di ffracti on rel
La figure 1.16.a prsente une cartographie B-Scan avec une reprsentation thorique
d'arcs de diffraction gnrs par un dfaut plan de type fissure en absence de bruit.
dplacement des
capteurs (x)
Temps de vol (t)
a) Echo de diffraction thorique
dplacement des
capteurs (x)
2
3
1
b) Echo de diffraction relev
Temps de vol (t)

figure 1.16: Image B-Scan d'un arc de parabole thorique et pratique
Chapitre 1
22
La figure 1.16.b (1) prsente un exemple d'arcs de diffraction rels. Nous pouvons noter
que la distance verticale sparant les diffrents arcs de diffraction dans le plan B-Scan dpend
essentiellement de la frquence du capteur ultrasonore, paramtre connu pour chaque
acquisition.
Nous pouvons noter sur l'acquisition de la figure 1.16.b les phnomnes d'cho de
surface (2) et d'cho de fond (3). Ces phnomnes entranent l'apparition dans les plans B-
Scan de zones horizontales trs intenses.
Des tudes de dconvolutions frquentielle et temporelle ont t ralises pour prendre
en compte le problme des arcs de diffraction multiples [HAY88]. La dconvolution est
possible si l'on connat le signal reu par le rcepteur ultrasonore et la rponse impulsionnelle
de l'metteur. Ce dernier paramtre n'tant pas matrisable dans le cas de notre tude, il nous
est impossible de mettre en uvre de telles techniques.
1. 5. 3 1. 5. 3 Dt ect i on et l ocal i sat i on du df aut Dt ect i on et l ocal i sat i on du df aut
Le problme de dtection d'une fissure est quivalent la recherche d'arcs de diffraction
dans une image B-Scan. Le temps de vol t
0
des chos de diffraction est directement li la
profondeur du dfaut dans le matriau lorsque la fissure est au centre du couple
metteur/rcepteur. S'il est possible de mettre en vidence la prsence d'chos de diffraction
et de dterminer le temps t
0
de ces chos, la profondeur z laquelle se situe le dfaut est
calculable par l' quation 1.4. t
0
peut tre dtermin facilement sur la cartographie B-Scan. Ce
temps correspond la position sur l'axe des abscisses du premier sommet des arcs de
diffraction.
Une autre mthode de dtermination de la profondeur en fonction du temps de vol est
parfois utilise. Loprateur utilise une courbe de correspondance entre la profondeur d'un
dfaut et le temps de vol de l'cho diffract par ce dfaut. Cette courbe est ralise en
contrlant un bloc de mme matire que l'lment contrl dans lequel sont effectus des
trous parallles la surface de contrle (appels gnratrices) des profondeurs rgulires.
Chapitre 1
23
temps de vol t
profondeur z

figure 1.17: Relation z = f ( t ) - Etalonnage des capteurs ultrasonores
Une approximation polynomiale des mesures ralises (en gnral du second degr) est
calcule. L'oprateur est ainsi capable, pour toute valeur du temps de vol t, d'valuer la
profondeur z correspondante.
1. 6 1. 6 Concl us i on Concl us i on
Le contrle non destructif par ultrasons consiste balayer de manire rgulire une
surface accessible de la pice, et enregistrer les ondes ultrasonores mises par lmetteur et
retournes par la matire. Ces donnes peuvent tre reprsentes selon diffrents modes de
reprsentation et analyses afin de mettre en vidence des dfauts.
Les modes de reprsentation couramment utiliss sont le signal monodimensionnel A-
Scan et les cartographies B-Scan, C-Scan et D-Scan. Les A-Scan sont des reprsentations de
lamplitude des ondes ultrasonores en fonction du temps. Les B-Scan, C-Scan et D-Scan sont
des coupes et projections de la pice contrle.
Les techniques de contrle sont essentiellement de deux types: les mthodes exploitant
les chos de rflexion et celles exploitant les chos de diffraction. Nous nous sommes
intresss dans ce chapitre plus particulirement la technique T.O.F.D. base sur la mesure
du temps de vol des chos de diffraction. La technique T.O.F.D. est trs utilise car elle
permet de mesurer la longueur de dfauts plans avec une meilleure prcision que les
mthodes exploitant les chos de rflexion. Cette technique est celle utilise pour les
acquisitions que nous exploitons.
Nous avons dcrit le fonctionnement de la technique T.O.F.D. et tabli un modle
thorique des arcs de diffractions observs sur les cartographies B-Scan. Ce modle a t
compar des arcs de diffraction rels et nous avons constat que, contrairement au modle
Chapitre 1
24
thorique, plusieurs arcs de diffraction reprsentent un seul dfaut. Cette diffrence est
explique par la forme du signal ultrasonore mis par le capteur (sinusode amortie).
Enfin, nous avons expliqu comment dterminer la profondeur d'un dfaut partir de la
mesure du temps de vol d'un cho diffract.

Chap Chapitre 2 itre 2
Transformation de Hough Transformation de Hough

Chapitre 2
Reconnaissance de formes et transformation de Hough
26
Transformation de Hough Transformation de Hough
2. 1 2. 1 Reconnai ssance de courbes et de f ormes Reconnai ssance de courbes et de f ormes
Une image "naturelle" est une reprsentation plane d'un objet ou d'une scne existant en
gnral dans un repre tridimensionnel. Elle est en gnral issue d'un capteur et reprsente
une quantit de lumire. Il existe aujourd'hui un grand nombre d'images dites "non naturelles"
reprsentatives elles aussi de grandeurs physiques, plus difficilement observables directement
par l'il, telles que l'amplitude de rayons x, un signal radar ou des ondes ultrasonores. Ces
images taient observables, il y a quelques annes, uniquement sous forme de clich
photographique. Aujourd'hui, elles constituent une collection d'informations numriques
auxquelles on peut, l'aide d'outils spcifiques, extraire des paramtres pertinents pour mieux
les interprter. La machine, par le biais du "traitement d'images", a pris le pas sur l'tre
humain (au moins sur son il), ralisant des contrles souvent plus fiables et plus rapides.
En traitement d'images, il n'y a pas de mthode unique permettant de rsoudre tous les
problmes d'interprtation. Le choix de la mthode mettre en uvre dpend d'un vaste
ensemble de critres prendre en compte:
La nature de l'objet, de la scne ou de la matire observer: en particulier l'clairage
appliqu, les conditions d'acquisition, la prsence de bruit, etc
Les contraintes matrielles: capacit mmoire de la machine, limitation en temps de
calcul, complexit des algorithmes, etc
Les critres et primitives extraire de l'image: contours, formes gomtriques, texture,
rgions, etc
Un systme d'analyse d'images peut tre dcompos de la manire suivante:
phase d'acquisition des images,
Chapitre 2
27
phase de traitement,
phase de dcision.
Traitement Dcision
Capteur
Scne

figure 2.1: Systme de traitement d'images
L'acquisition des images est une tape importante. Les choix des capteurs, des
conditions d'acquisition, influent considrablement sur la qualit des images. Plus
l'acquisition sera soigne, plus les traitements seront simples et efficaces. Malheureusement,
les conditions d'acquisition ne sont pas toujours matrisables. Dans notre cas, les procdures
d'acquisition d'images ultrasonores sont normalises et figes. La phase de traitement doit
alors s'adapter aux contraintes d'acquisition (bruit, peu de contraste), ce qui a pour effet de
la rendre plus complexe et dlicate.
Traditionnellement, on distingue deux types de traitements: bas niveau et haut niveau.
Les traitements bas niveau oprent sur l'information brute de l'image (intensits, positions)
sans raliser de liens avec la ralit de la scne observe par les capteurs. Les traitements haut
niveau oprent quant eux sur des donnes de nature "symbolique", refltant la ralit de la
scne.
La phase de dcision, troitement lie au type de traitement mis en uvre, fait partie
des traitements haut niveau. Par exemple, une mthode de classification dveloppe au
L.E.2.I. est la classification par polytopes de contrainte [MIT94]: partir d'un ensemble de
paramtres discriminants extraits lors du traitement, un espace de paramtres est construit et
est divis en hypercubes, permettant de sparer les diffrentes classes d'objets dtects dans
l'image.
La reconnaissance de formes est un concept visant classer des objets dont l'aspect a
vari par rapport un objet type [DUB90]. Le terme "forme" est traduit en anglais par
"pattern" dont la racine signifie "patron" au sens de modle. La reconnaissance de formes est
Chapitre 2
28
en fait l'opration d'associer une forme observe une forme type (appele prototype)
laquelle elle ressemble le plus.
Gnralement, on reconnat deux familles de reconnaissance de formes: la
reconnaissance structurelle, base sur une reprsentation l'aide de grammaires, et la
reconnaissance statistique, s'appuyant quant elle sur une reprsentation numrique des
formes.
La reconnaissance statistique dfinit une forme par un ensemble de paramtres
constituant un espace. Une forme est reprsente par un point de cet espace de reprsentation.
Lors de l'observation d'une scne ne comportant que des formes types parfaitement dfinies
dans l'espace de reprsentation, la tche de reconnaissance est triviale. En pratique, de
nombreuses perturbations marquent les formes observes, les diffrenciant ainsi des
prototypes. A chaque forme type est donc associe dans l'espace des paramtres une zone
gomtrique appele classe. Le problme principal de la reconnaissance de formes est
l'obtention des frontires sparant les classes.
Les mthodes de reconnaissance de formes sont nombreuses. Duda et Hart [DUD73]
dressent un panorama trs complet des mthodes utilises: ils traitent en particulier les
problmes lis l'espace de reprsentation, les prtraitements bas niveau, et les diffrentes
approches de la reconnaissance: mthodes base sur le domaine frquentiel, description de
courbes ou de formes...
La mthode que nous avons choisi de dvelopper est base sur la reconnaissance de
courbes dans une image. Duda et Hart [DUD72] prsentent une approche visant faire passer
un nombre dtermin de droites par un ensemble de points. Leur tude est largement base
sur une mthode paramtrique mise au point par Hough, plusieurs annes auparavant: la
transformation de Hough.
2. 2 2. 2 La t ransf La t ransf ormat i on de Hough ormat i on de Hough
La transformation de Hough a t propose et brevete par P.V.C. Hough [HOU62] en
1960 pour dtecter des alignements de points l'aide d'un oscilloscope et de deux camras
vidos. Plus gnralement, les travaux de Rosenfeld [ROS69], au dbut des annes 70,
prsentent cette transformation comme une mthode permettant de dtecter une forme
gomtrique paramtrable (citons par exemple les cercles, ellipses, et plus gnralement les
Chapitre 2
29
coniques). De nombreux travaux ont ensuite t raliss aussi bien d'un point de vue
thorique, que d'un point de vue industriel pour ses applications en reconnaissance de formes.
Plusieurs tudes de synthses ont t publies [MAI85], ainsi que de nombreux travaux
concernant la dtection de formes paramtriques trs diverses (en particulier les cercles
[SLA78] et les paraboles [IAN78]).
De nombreuses dfinitions de la transformation de Hough ont t nonces dans la
littrature. On regroupe usuellement sous le nom de transformation de Hough une
transformation permettant de dtecter dans des images la prsence de courbes paramtriques
appartenant une famille connue, partir d'un ensemble de points slectionns, appels
points caractristiques. La transformation de Hough utilise essentiellement l'information
spatiale des points caractristiques mais parfois prend galement en compte l'information
contenue dans le signal lui mme: la luminance par exemple ou d'autres informations plus
riches et plus complexes. Mme si la plupart des images utilises par la transformation de
Hough sont bidimensionnelles, il est important de noter que l'on peut appliquer ce type doutil
des images multi-dimensionnelles, 3 dimensions en particulier (imagerie mdicale,
contrle non destructif, squence d'images animes ...).
La transformation de Hough est un outil de dtection ou de classification dun espace
n dimensions vers un espace m dimensions, o m est le nombre de paramtres ncessaires
la dfinition du modle de la forme.
L'approche est base sur une prise en compte globale du contour ou de la forme.
L'information concernant ce contour est en gnral issue d'un modle spatial, contrairement
aux mthodes drivatives utilisant un modle de variation de la luminance. Le contour
recherch est caractris par une courbe paramtrique, ou plus globalement par un modle
mathmatique reprsentant une famille connue.
La transformation de Hough peut tre aborde par une approche discrte ou une
approche intgrale continue. Les tudes concernant l'approche intgrale continue et sa relation
avec la transformation de Radon continue sont nombreuses. A. Diou [DIO96] propose en
particulier une approche analytique originale permettant de calculer la transformation de
Hough thorique pour des images standards dans le cas de la recherche de droites.
Chapitre 2
30
2. 2. 1 2. 2. 1 Df i ni t i on gnral e de l a t ransf ormat i on de Hough Df i ni t i on gnral e de l a t ransf ormat i on de Hough
H. Matre [MAI85] propose la dfinition suivante de la transformation de Hough:
Soit R
n
l'espace des points de l'image traiter, et E un ensemble de N points de R
n

slectionns par un prtraitement donn: { }
n
R ... 1 , N i M E
i
. Un point M de R
n
est
dfini par ses coordonnes x dans l'espace.
Soit R
p
un sous espace de R
p
et F une famille de courbes dans l'espace R
n

paramtre par a:
( ) { } { } a R x a x f x F
n
: , , 0 , :
La transformation de Hough associe la famille F est une transformation qui fait
correspondre l'ensemble E de l'espace R
n
une fonction g dfinie sur .
Il existe de nombreuses transformations de Hough (selon la formulation de la fonction
g). Les deux principales sont les suivantes:
Transformation dite de m 1,
Transformation dite de 1 m
2. 2. 2 2. 2. 2 Transformati on de m 1 Transformati on de m 1
Une courbe de la famille F peut tre dfinie de manire unique par un nombre minimal
m de points.
Soit E
(m)
l'ensemble de tous les m-uples issus de E.
( )
{ } { } E M M M M M E
ik im i i
m
i
m
: ,... ,
2 1
) (

avec
( )
( )
m
N
m
C E Card
A tout m-uple M
i
(m)
de E
(m)
est associ une courbe de F de paramtre a
i
. Soit c(a) la
fonction caractristique de R
p
. La transformation de Hough de m 1 est dfinie par:
Chapitre 2
31

La fonction caractristique c(a) est la contribution l'accumulateur g(a) du m-uple M
i
(m)

associ la courbe de F de paramtre a
i
. Cette contribution peut tre, par exemple, une valeur
constante quelconque, le nombre de points du m-uple (c'est--dire m) ou la somme des
niveaux de gris des m points du m-uple.
2. 2. 3 2. 2. 3 Transf ormat i on de 1 m Transf ormat i on de 1 m
Par tout point M
i
de R
n
, repr par ses coordonnes x
i
, passent m courbes de la famille
F. Soit A
i
l'ensemble des valeurs de a, telles que f(x
i
, a) = 0.
La transformation de Hough de 1 m est dfinie par:
( ) ( )

i k i
A a
k
E M
a a c a g
La fonction caractristique c(a) est la contribution l'accumulateur g(a) du point M
i
par
lequel passent les m courbes de F. Cette contribution peut tre gale 1 ou au niveau de gris
du point M
i
ou toute autre fonction pour l'ensemble des valeurs a
k
de l'espace des
paramtres.
La transformation de 1 m conduit en pratique des calculs beaucoup moins nombreux
que la transformation de m 1 car elle vite une recherche combinatoire parmi les points. De
plus, sa structure paralllisable se prte trs bien des implantations "rapides". C'est cette
transformation que nous tudions tout au long de ce document.
2. 2. 4 2. 2. 4 Int erprt at i on de l a t ransf ormat i on de Hough Int erprt at i on de l a t ransf ormat i on de Hough
S'il existe dans l'espace image quelques reprsentants de la famille F, et si le
prtraitement ventuellement ralis a permis de slectionner des points M judicieux, il est
probable que la fonction g(a) possde dans l'espace soit des maxima marqus, soit des
accumulations de valeurs. La tche de reconnaissance de formes dans R
n
revient donc une
tche de recherche de maxima ou de recherche de nuages de valeurs.
Ainsi, la transformation de Hough permet non seulement de dtecter la prsence d'une
ou plusieurs courbes (ou formes) dans une image mais aussi de les localiser.
Chapitre 2
32
En pratique, la fonction g(a) est usuellement construite partir d'une reprsentation
quantifie de l'espace . A chaque cellule de quantification reprsentant une valeur de a, est
associe un compteur. Pour chaque point M, est incrment un ou plusieurs compteurs de .
En fin de calcul de la transformation de Hough, la valeur de g(a) est prise gale au compteur
associ la cellule a.
Cette dfinition a mis en vidence un certain nombre de problmes qui se posent lors de
sa mise en uvre: prtraitement pour la slection des points, dfinition de la famille de
courbes, quantification correcte de l'espace des paramtres.
2. 3 2. 3 Appl i cat i on l a dt ect i on de droi t es ou d' al i gnement s de Appl i cat i on l a dt ect i on de droi t es ou d' al i gnement s de
poi nt s poi nt s
Afin de montrer les problmes de la mise en uvre pratique de la transformation de
Hough, nous prsentons un exemple de dtection d'alignements de points ou de droites dans
des repres cartsien et polaire. Cet exemple montre que le choix de l'expression du modle
de la forme recherche (ou famille de courbes) est cruciale.
2. 3. 1 2. 3. 1 Reprsent at i ons d' une droi t e Reprsent at i ons d' une droi t e
Une droite dans une image peut tre reprsente de deux faons:
reprsentation cartsienne: b x a y + ou 0 + + c x b y a
reprsentation polaire: sin cos y x +
Selon la reprsentation, l'espace des paramtres peut tre bidimensionnel ou
tridimensionnel:
reprsentation cartsienne: l'espace des paramtres est bidimensionnel ou
tridimensionnel suivant que la droite est modlise par une quation deux
paramtres (a, b) ou trois paramtres (a, b, c),
reprsentation polaire: l'espace des paramtres est bidimensionnel caractris par les
deux paramtres (, ) de l'quation en coordonnes polaires de la droite.
Chapitre 2
33
y
x
b
i
a
i
y
i
= a
i
x
i
+ b
i
M
i

a) reprsentation cartsienne
i
y
x
i
= x
i
cos
i
+ y
i
sin
i
M
i

b) reprsentation polaire
figure 2.2: Reprsentations paramtriques cartsienne et polaire d'une droite
2. 3. 2 2. 3. 2 Appl i cati on de l a transformati on de Hough avec une reprsentati on Appl i cati on de l a transformati on de Hough avec une reprsentati on
cart si enne cart si enne
Un des problmes de la reprsentation cartsienne est la difficult de prise en compte
des droites verticales (a ). Deux approches sont possibles.
La premire a pour modle:
y = a x + b
La transformation de Hough de 1 m associe tout point M
i
de l'image, un ensemble
de points A
i
dfinissant les droites passant par M
i
.
x
y
0 200
0
200
M
i

espace image
b
a
0 200
0
200
i
i
i
x
y
b
x
a +
1

espace des paramtres
figure 2.3: Transformation de 1 m d'un point en coordonnes cartsiennes
Ces droites vrifient l'quation suivante dans l'espace des paramtres :
quation 2.1:
i
i
i i
i
i
x
y
b
x x
y
x
b
a +
+
1

Chapitre 2
34
Cette transformation de 1 m born (car born) associe une droite dans l'espace des
paramtres un point M
i
de l'image (figure 2.3). Ce point M
i
est l'intersection de toutes les
droites de l'espace image dont les valeurs des paramtres (a, b) vrifient l' quation 2.1.
De la mme faon, tout point (a
i
, b
i
) de l'espace des paramtres est associ dans
l'espace image une droite (figure 2.4) d'quation:
i i
b x a y +
x
y
0 200
0
200
i i
b x a y +

espace image
b
a
0 1
0
40
(ai, bi)

figure 2.4: Transformation de 1 m d'une droite en coordonnes cartsiennes
Cette premire approche ne prend pas en compte le problme des droites de pente (a) infinie.
Une seconde approche du paramtrage cartsien est la suivante:
0 + + c y b x a
Cette mthode, plus gnrale que la prcdente, prend en compte le cas des droites
verticales (les droites verticales sont paramtres en annulant b). Cependant, cette mthode
n'est pas avantageuse en temps de calcul et en facilit d'interprtation car l'espace est
maintenant tridimensionnel.
En rsum, le paramtrage cartsien n'est pas adapt la transformation de Hough.
L'inhomognit de l'espace des paramtres (en particulier la pente a), la non prise en compte
de droites verticales (a ) rendent ce paramtrage inadapt. C'est pourquoi on utilise
gnralement le paramtrage polaire.
Chapitre 2
35
2. 3. 3 2. 3. 3 Appl i cati on de l a transformati on de Hough avec une re Appl i cati on de l a transformati on de Hough avec une re prsentation prsentation
pol ai re pol ai re
Le paramtrage cartsien entranant une forte inhomognit de l'espace , le
paramtrage polaire lui est trs souvent prfr. Dans cette reprsentation, une droite dans
l'image est dfinie par l'quation suivante:
sin cos y x +
Les relations entre les paramtres polaires et cartsiens sont:
tan
1
a
sin
b
La transformation de 1 m associe tout point M
i
de l'image l'ensemble A
i
des
paramtres dfinissant des droites passant par M
i
. Ces droites vrifient l'quation suivante
dfinissant une sinusode dans l'espace :
sin cos
i i
y x +
La figure 2.5 prsente la transformation de 1 m d'un point de l'espace image dans
l'espace dont les bornes sont [0; 2] pour et [0; 200] pour .
x
y
0 200
0
200
M
i

espace image
0 2
0
200
sin cos y x +

figure 2.5: Transformation de 1 m d'un point en coordonnes polaires
Lorsque plusieurs points sont aligns dans l'image, nous obtenons dans l'espace des
paramtres un ensemble de sinusodes dont l'intersection correspond au couple de valeurs des
paramtres (, ) caractrisant la droite passant par l'ensemble de ces points (figure 2.6).
Chapitre 2
36
x
y
0 200
0
200

espace image
0
2
-200
200

figure 2.6: Transformation de 1 m d'une droite en coordonnes polaires
Pour une variation de [0;2], une droite est dfinie deux fois ( et + dfinissent
la mme droite). On peut ainsi noter dans l'espace des paramtres la prsence de deux nuages
de valeurs symtriques.
Selon l'orientation des droites dans l'image, les bornes des paramtres ainsi que le pas
de quantification doivent tre dtermins de faon observer l'ensemble des nuages de points.
De nombreux travaux ont trait ce problme: Duda et Hart ont propos le choix de la
paramtrisation normale [DUD72], Timousi [TIM85] a trait le problme de la dfinition de
entre [0, ] ou [0, 2]. Sloan et O'Rourke [ORO81] [ORO84] se sont penchs sur une
quantification dynamique visant partitionner l'espace des paramtres de faon adaptative
par des cellules de taille variable.
Le problme de dtection de dfauts de type fissure dans un matriau en utilisant la
technique d'acquisition ultrasonore T.O.F.D. est un problme de reconnaissance de formes.
Nous avons introduit, au dbut de ce chapitre, la reconnaissance de formes en traitements
d'images.
Nous avons retenu la mthode de la transformation de Hough, mthode paramtrique de
recherche de formes appartenant la famille des approches contour. Cette mthode est
adapte notre problme. Son implantation informatique ncessite des temps de calcul
importants. Ne travaillant pas en temps rel, le temps de calcul n'est pas une contrainte pour
nous, dans la mesure o il reste raisonnable.
Chapitre 2
37
Nous avons prsent le principe de la transformation de Hough et une application la
recherche d'alignements de points (ou de droites) dans une image pour illustrer la mthode.

Application de la transformation de Hough Application de la transformation de Hough
aux images ultrasonores B aux images ultrasonores B- -Scan Scan

Chapitre 3
Application de la transformation de Hough aux images ultrasonores B-Scan
39
Application de la transformation de Hough aux Application de la transformation de Hough aux
images ultrasonores B images ultrasonores B- - Scan Scan
Ce chapitre prsente une mthode de dtection des arcs de diffraction prsents dans un
plan ultrasonore B-Scan, reprsentatifs de dfauts de type fissure [BOL96] [LEW97].
L'approche est base sur la transformation de Hough. La mise au point de l'algorithme final a
ncessit plusieurs tapes. Nous prsentons, pour chacune d'elles, une description du
traitement, les objectifs recherchs, la mise en uvre algorithmique, les rsultats obtenus, les
points forts et les points faibles de la mthode. Nous montrons les amliorations chaque
tape, en prsentant les rsultats obtenus sur lensemble du jeu de test dfini en annexe C, et
en quantifiant le taux de bonne et de mauvaise dtections.
3. 1 3. 1 Df i ni t i on du probl me en t erme de t rai t ement d' i mages Df i ni t i on du probl me en t erme de t rai t ement d' i mages
La prsence d'un cho de diffraction est caractrise par une srie d'arcs de paraboles
ayant le mme axe de symtrie (parallle l'axe du temps de vol). Nous observons une
succession d'arcs clairs et sombres (alternances positives et ngatives de l'cho d'mission du
capteur ultrasonore).
En pratique, l'oprateur ralisant l'expertise recherche le premier arc de diffraction clair
correspondant la rponse ultrasonore de la premire alternance positive du signal mis. Afin
de localiser le dfaut, l'oprateur relve soit la position du sommet de la transition arc de
diffraction sombre / arc de diffraction clair (reprsent par (1) sur la figure 3.1), soit le
maximum de l'arc de diffraction clair au niveau du sommet de l'arc (reprsent par (2) sur la
figure 3.1).
Chapitre 3
40
B-Scan A-Scan
Premier arc de
diffraction clair
Premire transition arc de
diffraction sombre / arc de
diffraction clair
232
199
166
133
100
67
0 14 28 42 56 70 84
Niveau
Position
3
2
1

figure 3.1: Positions recherches par l'oprateur pour la localisation du dfaut
Quelle que soit la position recherche (1) ou (2), l'oprateur est capable de localiser le
dfaut, puisque ces deux informations sont corrles. En effet, le temps de vol sparant les
deux positions dpend de la frquence d'mission de l'onde ultrasonore. Il est gal un quart
de la priode de l'onde ultrasonore. Les deux maxima successifs (2) et (3) correspondent
une priode de l'onde ultrasonore mise. L'oprateur est donc capable de localiser
prcisment le dfaut si la nature de l'information fournie par le traitement est prcise
(transition ou maxima).
3. 2 3. 2 Mi se en uvre de l a t ransf ormat i on de Hough Mi se en uvre de l a t ransf ormat i on de Hough
Nous avons prsent au chapitre 2 la transformation de Hough discrte. La dfinition
nonce fait appel un modle mathmatique du dfaut recherch. Nous dfinissons
prcisment ce modle dans le paragraphe suivant laide des caractristiques observes sur
les images B-Scan. L'espace image de cette transformation est constitu des plans B-Scan
analyser. Nous dfinissons ensuite lespace des paramtres ncessaire la transformation de
Hough discrte, et une reprsentation de cet espace permettant l'interprtation des rsultats.
3. 2. 1 3. 2. 1 Df i ni t i on du modl e mat hmat i que et de l ' espace des paramt res Df i ni t i on du modl e mat hmat i que et de l ' espace des paramt res
Les arcs de diffraction peuvent tre modliss par (quation 1.3):
( ) ( )
0
2
0
t x x Ouv x t +
o
2 / 3 2 2
2
) .( d z c
z
Ouv
+

Chapitre 3
41
et
c
d z
t
2 2
0
2 +

Cette quation est celle d'une sous-famille de la famille F de toutes les paraboles d'un
espace bidimensionnel dfinie par:
( ) ( ) ( ) { } ( ) { }
4
0 0
2
0 0
R , , , : , R , , 0 , , , , , : , Ouv t x t x Ouv t x t x f t x F
o:
quation 3.1
( ) ( ) ( ) ( ) ( ) ( ) ( )
2
0 0 0 0
sin cos cos sin , t t x x Ouv t t x x t x f + +
Elle reprsente les arcs de paraboles dont l'axe de symtrie est parallle l'axe des
abscisses. En d'autres termes, elle reprsente la sous-famille G de paraboles pour lesquelles le
paramtre d'orientation est nul.
( ) ( ) ( ) { } ( ) { }
3
0 0
2
0 0
R , , : , R , , 0 , , , , : , Ouv t x t x Ouv t x t x g t x G
o:
quation 3.2 ( ) ( ) ( )
0
2
0
, t t x x Ouv t x g
Un exemple d'lment de la sous-famille G est prsent sur la figure 3.2.
t
( ) ( ) ( )
0
2
0
, t t x x Ouv t x g
x

figure 3.2: Exemple d'lment de la sous-famille G
Chapitre 3
42
Plusieurs formulations mathmatiques de g(x, t) sont possibles. L'quation 3.2 est
quivalente la suivante:
quation 3.3 ( ) 0 ,
2
c bx x a t t x g
En pratique, le choix de l'expression mathmatique du modle peut avoir des
consquences importantes sur la mise en uvre et l'analyse des rsultats. L'exemple de
l'application de la transformation de Hough la dtection d'alignements de points en utilisant
la reprsentation cartsienne d'une droite d'une part, et la reprsentation polaire d'autre part
montre les consquences de ce choix.
La formulation dcrite par l' quation 3.2 est la plus adapte notre problme. L'objectif
tant de dtecter et de localiser le sommet d'arcs de diffraction, le rsultat obtenu peut tre
dcrit l'aide des deux paramtres (x
0
, t
0
) du modle mathmatique de l' quation 3.2. Dans le
cas de l' quation 3.3, la localisation du sommet doit tre calcule partir de la connaissance
des paramtres a, b, c.
Le modle mathmatique pour le calcul de la transformation de Hough dfinit l'espace
des paramtres suivant: Ouv, x
0
, t
0
(figure 3.3).
t
x
Espace Image
I(x0, t0)
t0
x0
Espace des paramtres
Ouv
Ouv
H(x0, t0, Ouv)
Paramtres ncessaires:
x0 , t0 et Ouv

figure 3.3: Espaces image et espace des paramtres de la transformation de Hough
3. 2. 2 3. 2. 2 Opt i mi sat i on de l ' espace des paramt res Opt i mi sat i on de l ' espace des paramt res
Le facteur prpondrant de laugmentation du temps de calcul de la transformation de
Hough est la multiplicit des paramtres ncessaires une bonne dtection. Ce problme, trs
souvent rencontr dans les applications de la transformation de Hough, est un frein important
son dveloppement. L'axe de symtrie commun tous les arcs de diffraction (parallle
l'axe des temps) permet de rduire le nombre de paramtres de quatre trois sans
dtrioration du modle (le paramtre supprim est l'orientation ).
Chapitre 3
43
Nous avons tabli la relation suivante du temps de vol t en fonction du dplacement
relatif d
x
du centre du tandem metteur / rcepteur par rapport la fissure:
0
2
) ( t d Ouv d t
x x
+
dans laquelle:
quation 3.4
2 / 3 2 2
2
) .( d z c
z
Ouv
+

et
quation 3.5
c
d z
t
2 2
0
2 +
pour z 0
L'quation 3.5 peut tre crite sous la forme:
quation 3.6
2
2 2
0
4
d
c t
z avec
c
d
t
2
0

Nous pouvons tablir la relation liant l'ouverture Ouv en fonction du temps de vol t
0

(quation 3.7) en remplaant z par son expression en fonction de t
0
dans l' quation 3.4:
quation 3.7
( )
3
0
4
2 2
0
2
4 2
t c
d t c
Ouv
avec
c
d
t
2
0

La redondance entre les paramtres de profondeur et d'ouverture tant tablie, un de ces
deux paramtres peut tre supprim. L'espace des paramtres est alors rduit deux
dimensions. Le problme pos est de savoir quel paramtre supprimer? Plusieurs aspects sont
considrer pour rpondre cette question:
Le choix permettant une mise en uvre aise du traitement,
le choix offrant la meilleure interprtation des rsultats obtenus.
Le paramtre temps de vol tant discret et le paramtre Ouverture rel, il est prfrable
de conserver le temps de vol puisque nous travaillons dans un domaine discret. Il n'est alors
Chapitre 3
44
pas ncessaire d'arrondir la valeur calcule de louverture (une erreur, mme faible sur ce
paramtre modifie considrablement la forme).
De plus, en conservant le temps de vol des arcs de diffraction, l'espace des paramtres
correspond physiquement aux axes de limage traite. Linterprtation est ainsi immdiate.
Par consquent, en remplaant Ouv dans l'quation suivante:
( ) ( ) ( ) 0 ,
0
2
0
t t x x Ouv t x f
par son expression en fonction de t
0
(quation 3.7), nous obtenons l'expression suivante du
modle:
quation 3.8 ( )
( )
( ) ( ) 0
4 2
,
0
2
0 3
0
4
2 2
0
2

t t x x
t c
d t c
t x f
La nouvelle reprsentation de l'espace des paramtres rduit deux paramtres est la
suivante (figure 3.4):
t
x
Espace Image
I(x
0
,t
0
)
t
0
x
0
Espace des paramtres
H(x
0
, t
0
)
Paramtres ncessaires:
x
0
, t
0

figure 3.4: Nouveaux espaces image et des paramtres de la transformation de Hough
Le trac de l' quation 3.7 reprsente l'volution du paramtre douverture en fonction
du temps de vol t
0
. (figure 3.5) pour les valeurs d = 20 mm, et c = 5,8 m/s.
Chapitre 3
45
0
0,5
1
1,5
2
2,5
3
3,5
0,01 0,02 0,03 0,04 0,05
Ouv (m
-2
s)
Temps de vol t
0
(sec)

figure 3.5: Evolution de louverture en fonction de la profondeur
La profondeur laquelle nous recherchons des dfauts est techniquement nomme la
zone des trente premiers millimtres (TPM). Cette zone concerne la partie ascendante de la
courbe de la figure 3.5 (jusqu'au temps de vol t
0
= 0,012 sec).
La substitution du paramtre ouverture par son expression en fonction de la profondeur
(ou du temps de vol t
0
) ne pose en thorie pas de problme. En pratique, la relation entre ces
paramtres n'est pas toujours trs bien vrifie. La comparaison entre la mesure de louverture
relle dun arc de diffraction une profondeur donne et sa valeur thorique prsente parfois
une diffrence significative. Cela entrane videmment un risque derreur lors de la
construction de lespace des paramtres. Si louverture retenue est errone, les points de
limage considrs pour la construction de chaque lment de lespace des paramtres (o sur
la figure 3.6) ne sont pas toujours ceux qui devraient tre utiliss.
o: Points utiliser
x: Points considrs

figure 3.6: Erreur due au calcul de l'ouverture
Chapitre 3
46
3. 2. 3 3. 2. 3 Ori gi ne t emporel l e des acqui si t i ons Ori gi ne t emporel l e des acqui si t i ons
Le paramtre d'ouverture Ouv est calcul en fonction du temps de vol t
0
. L'origine
temporelle des signaux n'tant pas toujours prsente dans les plans B-Scan, celle-ci est
dtermine partir de la connaissance d'une rfrence temporelle. En pratique, il n'y a pas de
rfrence temporelle stable pour l'ensemble des images B-Scan du jeu de test. L'cho de
surface ou de revtement (figure 3.7) est en gnral stable, mais n'est pas toujours enregistr
dans les donnes d'acquisition. L'cho de fond, un peu moins stable, est quant lui prsent
dans la totalit des images B-Scan.
temps de vol
x
cho de surface cho de fond

figure 3.7: Exemple d'cho de surface et d'cho de fond
La corrlation entre ces diffrents chos est importante et dpend des dimensions
gomtriques de la pice inspecter. En effet, la relation entre le temps de vol t et la
profondeur z est la suivante:
c
d z
t
2 2
2
+

Le temps de vol de l'cho de surface correspond la valeur de t pour z=0, d'o
( )
c
d
surface de cho t
2

De la mme faon, connaissant l'paisseur e de la pice, le temps de vol de l'cho de
fond est calcul en posant z = e :
( )
c
d e
fond de cho t
2 2
2
+

Chapitre 3
47
Par consquent, en prsence d'un cho de rfrence (soit l'cho de surface, soit l'cho de
fond), nous pouvons dterminer le temps de vol de tout point de l'image B-Scan. Si t
1

(respectivement t
2
) reprsente le temps de vol relatif du point considr par rapport l'cho
de surface (respectivement cho de fond), le temps de vol est dtermin par:
( )
1 1
2
t
c
d
t surface de cho t t + +
ou
( )
2
2 2
2
2
t
c
d e
t fond de cho t t
+

Le choix du type d'cho de rfrence (et de sa localisation) est dtermin par l'oprateur
lors de l'exploitation des donnes (voir annexe E).
3. 2. 4 3. 2. 4 Bornes de l ' es pace des paramt res Bornes de l ' es pace des paramt res
L'espace rsultant de la transformation de Hough est constitu de deux paramtres: x
0
et
t
0
correspondant au sommet de l'arc de diffraction. Les dfauts recherchs pouvant tre situs
n'importe o dans la zone de calcul du traitement, les valeurs prises par x
0
et t
0
voluent dans
des plages de variation correspondant celles de l'espace image I(x, t). Les dimensions de
l'espace des paramtres sont donc identiques celles de l'image contrle.
3. 2. 5 3. 2. 5 Prt rai t ement ncessai re l a t ransf ormat i on de Hough Prt rai t ement ncessai re l a t ransf ormat i on de Hough
Lors de la dfinition de la transformation de Hough, nous avons introduit la ncessit
d'un prtraitement pour le choix des points utiles la construction de l'espace des paramtres.
H. Maitre [MAI85] insiste dans sa dfinition gnrale sur le choix et lefficacit de ce
prtraitement raliser: plus les points retenus sont judicieux, meilleur est le rsultat.
En gnral, ce prtraitement se limite dans le cas des droites une segmentation base
sur des lments caractristiques de limage tel que le niveau de gris par exemple. L'avantage
du prtraitement est la mise en valeur dans l'ensemble des points de l'image traiter d'un sous
ensemble de points rduit servant construire l'espace des paramtres. Le temps de calcul est
ainsi considrablement rduit.
Chapitre 3
48
Lorsque le prtraitement n'est pas parfaitement adapt, il introduit une perte
d'informations importante influant sur le bon fonctionnement de la transformation de Hough.
Il est difficile de dterminer des critres caractristiques, communs aux exemples de la figure
3.8, permettant de gnrer un prtraitement efficace. A partir des quelques exemples suivants,
il serait possible de dfinir un prtraitement efficace, mais la robustesse de nos traitements
serait dpendante de celui-ci.

figure 3.8: Quelques exemples caractristiques d'images traiter
C'est pourquoi, n'tant pas tributaire du temps de calcul et tant donn la diversit des
images traiter (en particulier au niveau du bruit et de la dynamique), nous avons choisi de
ne pas raliser de prtraitement.
3. 2. 6 3. 2. 6 Mi se en uvre prat i que de l a t ransf ormat i on de Hough Mi se en uvre prat i que de l a t ransf ormat i on de Hough
L'algorithme de la transformation de Hough consiste :
1) balayer tout l'espace des paramtres,
2) dterminer, pour chacun des points (x
0
, t
0
) de cet espace des paramtres H, tous les
points de l'espace image I(x, t) vrifiant l'quation suivante:
( )
( )
( ) ( ) 0
4 2
,
0
2
0 3
0
4
2
2
0
2
,
_
t t x x
t c
d t c
t x f rnd avec
c
d
t
2
0

o rnd ( ) est la fonction arrondie.
Le rsultat de la fonction ( ) t x f , tant rel et l'espace des paramtres tant discret, il
est ncessaire d'arrondir ce rsultat l'entier le plus proche.
3) incrmenter l'accumulateur associ au point considr de l'espace des paramtres
d'une valeur pour chaque point de l'espace image dtermin l'tape 2.
Chapitre 3
49
Le pseudocode peut tre dcrit de la manire suivante:
Pour toute valeur de x
0

| Pour toute valeur de t
0

| | Pour tout pixel de l'image (x, t)
| | | Si ( ) ( ) 0 , t x f rnd
| | | | ( ) +
0 0
, t x H
| | | Fin Si
| | Fin Pour tout pixel (x, t)
| Fin Pour t
0

Fin Pour x
0

Un point important de l'algorithme est le facteur d'incrmentation de l'espace des
paramtres . Si un prtraitement efficace permet de ne prendre en compte qu'un nombre
restreint de pixels reprsentatifs des formes recherches, le paramtre peut tre choisi
constant (dans ce cas, seuls les pixels issus du prtraitement sont considrs dans la
construction de l'espace des paramtres).
Lorsqu'aucun prtraitement n'est ralis, tous les pixels de l'image sont a priori
reprsentatifs d'un arc de parabole. L'espace des paramtres ne peut donc pas contenir de
"nuages de valeurs" maximum caractrisant la prsence d'un ou plusieurs arcs de diffraction.
Afin de rsoudre ce problme, une mthode consiste modifier le facteur d'incrmentation
lors de la construction de l'espace des paramtres. Si une valeur reprsentative de la prsence
de dfauts est affecte ce paramtre, tous les pixels de l'image n'ont plus la mme influence.
Les pixels reprsentatifs d'un dfaut ont une contribution plus importante que ceux
reprsentatifs du bruit.
Le facteur d'incrmentation a donc une importance capitale dans la construction de la
transformation de Hough. L'observation des images B-Scan montre la forte intensit des
pixels constituant les arcs de diffraction. Le facteur d'incrmentation peut donc tre choisi,
dans un premier temps, proportionnel l'intensit des pixels:
( ) t x I ,
Chapitre 3
50
3. 2. 7 3. 2. 7 Quel ques rsul t at s de l a t ransf ormat i on de Hough avec une Quel ques rsul t at s de l a t ransf ormat i on de Hough avec une
accumul at i on de l ' i nt ensi t accumul at i on de l ' i nt ensi t
Nous prsentons dans ce paragraphe quelques exemples de rsultats. Ces exemples sont
une reprsentation partielle mais raliste de l'ensemble du jeu de test. La figure 3.9 illustre
des acquisitions avec un bruit peu intense et des dfauts assez marqus, d'autres o le bruit est
trs fort et les dfauts trs intenses et enfin des cas o le bruit est fort et les dfauts peu
marqus.

figure 3.9: Quelques exemples caractristiques d'images traiter
La taille des acquisitions tant importante, nous ne prsentons pas les plans B-Scan
comportant ces dfauts dans leur globalit mais uniquement les zones o se situent les dfauts
et sur lesquelles le traitement est appliqu. Les rsultats obtenus sont prsents sur la figure
3.10.

figure 3.10: Espaces des paramtres obtenus
Le choix d'un facteur d'incrmentation proportionnel l'intensit des pixels est
intressant: les fortes intensits correspondant aux alternances positives de l'onde diffracte
sont reprsentatives de l'arc de diffraction. Des nuages de valeurs importantes apparaissent
la position des dfauts. Cependant, de fortes valeurs sont aussi prsentes d'autres endroits de
l'image, en particulier l o se situent les chos de surface, en gnral trs intenses. Lorsque
ces chos de surface sont plus intenses que les dfauts recherchs (c'est le cas pour un certain
nombre d'images B-Scan), cela engendre de mauvaise dtection.
Une autre constatation importante est l'apparition d'une zone trs intense au centre de la
partie suprieure de l'espace des paramtres, trs visible sur le premier exemple. Ce problme
Chapitre 3
51
est li au fait que l'image possde des dimensions finies. Le nombre de pixels pris en compte
dans le calcul de l'espace des paramtres dpend alors de la valeur des paramtres traits.
3. 3 3. 3 Trai t ement des ef f et s de bords Trai t ement des ef f et s de bords
3. 3. 1 3. 3. 1 Expl i cat i on des ef f et s de bords Expl i cat i on des ef f et s de bords
Lors du calcul d'un lment de l'espace des paramtres, le nombre de points de l'espace
image contribuant sa valeur est variable. En effet, un lment de l'espace des paramtres est
incrment par la valeur de l'intensit des pixel (x, t) de l'image vrifiant l'quation:
( ) ( ) 0 , t x f rnd
Ce nombre de pixels est directement li la position de l'lment de l'espace des
paramtres considr. C'est le nombre de pixels appartenant l'arc de parabole dfini par
f(x, t) et paramtr par x
0
et t
0
. Si les valeurs des paramtres (x
0
, t
0
) reprsentent l'arc de
parabole de la figure 3.11.a, le nombre de pixels appartenant l'arc de parabole est plus
important que dans le cas de la figure 3.11.b et encore plus important que dans le cas de la
figure 3.11.c.
t
x

a)
t
x

b)
t
x

c)
figure 3.11: Reprsentation des effets de bord
Une reprsentation en niveaux de gris du nombre de points de l'image intervenant dans
la construction d'un lment de l'espace des paramtres est prsente sur la figure 3.12
(transformation de Hough applique l'image compose de pixels ayant des niveaux de gris
identiques).
Chapitre 3
52
x
0
t
0
figure 3.12: Transformation de Hough applique une image uniforme
Ce rsultat illustre parfaitement les zones de trs fortes intensits observes sur la figure
3.10.
3. 3. 2 3. 3. 2 Compens at i on des ef f et s de b Compens at i on des ef f et s de bords ords
Les effets de bords importants apparaissant lors de la construction de lespace des
paramtres peuvent tre rsolus en effectuant une opration de normalisation de lespace des
paramtres [DIO96]. Elle consiste raliser une division lment par lment de l'espace
rsultant de la transformation de Hough de l'image traiter H
image
par l'espace des paramtres
d'une image uniforme de mme dimension H
fond
.
Espace des paramtres normalis ( )
( )
( )
0 0
0 0
0 0
,
,
,
t x H
t x H
t x H
fond
image

0 0
, t x
Un lment (x
0
, t
0
) situ au centre de la partie suprieure de l'espace des paramtres est
ainsi incrment d'une valeur plus faible qu'un lment situ par exemple dans le coin
infrieur gauche de cet espace.
3. 3. 3 3. 3. 3 Mi se en uvre prat i que de l a t ransf ormat i on d Mi se en uvre prat i que de l a t ransf ormat i on de Hough avec e Hough avec
normal i sat i on normal i sat i on
Le pseudo-code de la transformation de Hough avec normalisation de l'espace des
paramtres est le pseudo-code prcdent auquel nous ajoutons le calcul de l'espace des
paramtres pour une image uniforme de taille identique l'image B-Scan traite. Une division
accumulateur accumulateur des deux espaces des paramtres (espace des paramtres de
l'image traite divis par celui de l'image uniforme) est ralise afin d'obtenir l'espace des
paramtres rsultat normalis.

Chapitre 3
53
Pour toutes les valeurs de l'espace des paramtres (x
0
, t
0
)
| Pour tout pixel de l'image (x, t)
| | Si ( ) ( ) 0 , t x f rnd
| | | ( ) ( ) t x I t x HIM , ,
0 0
+
| | | ( ) 1 ,
0 0
+ t x HFOND
| | Fin Si
| Fin Pour tout pixel de l'image (x, t)
Fin Pour toutes les valeurs de l'espace des paramtres (x
0
, t
0
)

0
, t
0
)
| ( ) ( ) ( )
0 0 0 0 0 0
, / , , t x HFOND t x HIM t x H
0
, t
0
)
3. 3. 4 3. 3. 4 Quel ques rsul t at s de l a t ransf ormat i o Quel ques rsul t at s de l a t ransf ormat i o n de Hough avec n de Hough avec
normal i sat i on normal i sat i on
Les rsultats obtenus sur les exemples prsents au paragraphe prcdent (figure 3.10)
sont compars ceux obtenus avec le traitement normalis (figure 3.13). Ils mettent en
vidence limportance de cette normalisation.
Image initiale

Espace obtenu
sans
normalisation

Espace obtenu
avec
normalisation

figure 3.13: Exemples dimage traite sans normalisation puis avec normalisation
Chapitre 3
54
L'algorithme ralis gnre dans lespace des paramtres des nuages de points pouvant
tre reprsentatifs darcs de diffraction prsents dans les images. La phase de dcision, en
aval de la transformation de Hough, indique le fait quun nuage de points de lespace des
paramtres est reprsentatif ou non dun dfaut (l'objectif tant de dtecter des dfauts
lorsqu'ils sont prsents mais aussi d'indiquer leur absence le cas chant).
3. 4 3. 4 Phas e de dci s i on Phas e de dci s i on
La phase de dcision s'appuie sur la prsence des maxima de l'espace des paramtres.
La valeur des pics d'intensit de l'espace des paramtres est cependant trs relative. En
fonction de la dynamique obtenue lors de l'acquisition et du matriau contrl, la valeur du
maximum obtenu fluctue normment.
Le seuil est dtermin en fonction de l'cart type des variations des amplitudes de
l'espace. L'cart type nous a permis dtablir la relation suivante dfinissant un seuil de
dcision efficace de l'espace des paramtres:
quation 3.9
( ) ( )
2
2
, ,
2
, ,
3 3
n
x t H x t H n
Seuil
j i
j i
j i
j i
n
,
_

o n est le nombre de points constituant l'espace des paramtres et H l'espace des paramtres
normalis de la transformation de Hough.
Cette relation permet de dtecter lexistence du dfaut dans la grande majorit des cas
du jeu de test. Seul le cas o la zone de travail contient un cho de surface ou de revtement
trs intense conduit une non dtection. Cependant, ces images sont des cas particuliers
dacquisition non reprsentatifs des images habituellement traites.
Le pseudo-code de la phase de dcision implante est le suivant:
Calcul du seuil de dcision suivant l' quation 3.9
0
, t
0
)
| Rechercher les maxima suprieurs seuil
0
, t
0
)
Proposer les maxima ventuellement trouvs loprateur
Chapitre 3
55
3. 5 3. 5 Eval uat i on de l a t ransf ormat i on de Hough avec Eval uat i on de l a t ransf ormat i on de Hough avec
normal i s at i on normal i s at i on
Nous prsentons les rsultats obtenus sur lensemble du jeu de test en annexe C. Les
taux de bonne et non dtections sont dfinis de la manire suivante:
Taux de bonne dtection des images comportant des dfauts: le rapport entre le
nombre de dfauts trouvs et le nombre total de dfauts prsents dans le jeu:
dfauts de total Nb
trouvs dfauts de Nb
dtection bonne de Taux
.
.

Taux de non dtection de dfauts pour des images ne comportant pas de dfaut: le
rapport entre le nombre d'images dans lequel aucun dfaut n'a t dtect et le nombre
total d'images sans dfaut:
dfaut sans images d total Nb
trouves dfaut sans images d Nb
dtection non de Taux
' .
' .

Le tableau de la figure 3.14 indique les taux de bonne et non dtections obtenus pour les
plans B-Scan avec dfaut et ceux sans dfaut de l'annexe C.
B-Scan avec dfaut:
Taux de bonne dtection
B-Scan sans dfaut:
Taux de non dtection
84% 70%
figure 3.14: Performances de la transformation de Hough normalise
Les mauvaises dtections ont principalement lieu lorsque l'intensit des pixels des
dfauts est faible. Il semble donc que le choix d'un facteur d'incrmentation de l'espace des
paramtres proportionnel l'intensit des pixels ne soit pas satisfaisant. En prsence de zones
trs intenses non reprsentatives de dfaut (un cho de surface par exemple), des nuages de
fortes valeurs apparaissent dans l'espace des paramtres, non reprsentatifs de dfauts.
Chapitre 3
56
3. 6 3. 6 Aml i orat i on de l al gori t hme Aml i orat i on de l al gori t hme
Une analyse des rsultats de lannexe C montre les limites de l'algorithme pour dtecter
des arcs de diffraction en prsence de bruit. Une particularit des diffrentes images est qu'il
apparat un important gradient tout au long de l'arc de diffraction: les pixels constituant les
arcs de diffraction sont visibles mme lorsque le bruit d lacquisition est trs fort.
Zone de fort gradient

figure 3.15: Exemple de dfaut avec un contour fort gradient
Ce fort gradient sur le contour des dfauts peut tre pris en compte lors de
lincrmentation de lespace des paramtres.
3. 6. 1 3. 6. 1 Int grat i on d Int grat i on du gradi ent dans l a const ruct i on de l espace des u gradi ent dans l a const ruct i on de l espace des
paramt res paramt res
Le gradient le long du dfaut est maximal dans une direction normale la parabole. Il
est donc ncessaire de dterminer les pixels composant cette normale si l'on souhaite intgrer
ce gradient dans la construction de l'espace des paramtres. Lorsque nous traitons un point
prcis de lespace image (x
p
, t
p
) et un point prcis de lespace des paramtres (x
0
, t
0
), nous
sommes capables de dfinir lquation de la normale ce point (x
p
, t
p
) de la parabole dfinie
par les paramtres (x
0
, t
0
).
Lquation de la parabole recherche tant la suivante:
( ) ( ) ( ) 0 ,
2
0 0
x x Ouv t t t x f
avec
( )
3
0
4
2 2
0
2
4 2
t c
d t c
Ouv

la pente de la tangente au point (x
p
, t
p
) est obtenue en drivant cette quation par rapport x.
En posant x = x
p
:
Chapitre 3
57
( )
( )
0
2 x x Ouv
dx
x dt
p
p

Lquation de la normale la parabole au point (x
p
, t
p
) est alors dfinie par:
( )
( )
( )
0
2
,
0

x x Ouv
x x
t t t x N
p
p
p

Ouv
x0
t0
x
t
x
p
t
p
Normale pour le
calcul du gradient

figure 3.16: La normale l'arc de parabole pour le calcul du gradient
Connaissant lquation de la normale en tout point (x
p
, t
p
) de la parabole, le calcul du
gradient est possible.
Le gradient au point (x
p
, t
p
) peut tre calcul par une soustraction entre l'intensit du
pixel courant (1 sur la figure 3.17) et celle du pixel voisin extrieur (2 sur la figure 3.17) la
parabole sur la normale.
2
1
t
x

figure 3.17: Calcul simple du Gradient dans le cas d'une image binaire
Malheureusement, la simplification de l'espace des paramtres (ouverture en fonction
du temps de vol) introduit parfois une erreur dans le choix des pixels considrer (en
particulier au niveau des branches de l'arc de diffraction) (voir figure 3.18).
Chapitre 3
58
Erreur due au
modle

figure 3.18: Erreur commise due au modle approximatif
De plus, les transitions entre les arcs de diffractions clair et sombre ne sont pas de type
"saut d'amplitude". La pente des transitions peut tre variable selon les conditions
d'acquisition. Par consquent, le calcul simple du gradient tel que nous venons de le dcrire
n'est pas assez robuste. Une recherche du gradient maximum le long de la normale est
indispensable: elle permet la dtection de la vritable position de la transition entre l'arc de
diffraction et le bruit de l'image. Les accumulateurs de l'espace des paramtres sont ainsi
incrments par la valeur optimale du gradient. Cela a pour effet de rsoudre le problme de
l'inexactitude du modle considr (figure 3.18),
L'algorithme mettant en uvre le calcul du gradient recherche le sommet de la
transition entre un arc de diffraction sombre et un arc de diffraction clair. L'algorithme
exploitant l'intensit des pixels, recherchait le sommet au centre d'un arc de diffraction clair.
Cette diffrence ne pose pas de problme de localisation du dfaut car la distance sparant les
deux points dtects dpend de la frquence du signal ultrasonore mis (paramtre
d'acquisition connu).
3. 6. 2 3. 6. 2 Ext ract i on des pi xel s si t us sur l a normal e Ext ract i on des pi xel s si t us sur l a normal e
3. 6. 2. 1 3. 6. 2. 1 Al gor i t hme d' e xt r ac t i on de s pi xe l s appar t e nant l a nor mal e Al gor i t hme d' e xt r ac t i on de s pi xe l s appar t e nant l a nor mal e
Le critre dfini pour le choix des pixels est un critre de distance illustr sur la figure
3.19.
Chapitre 3
59
0
1 2
3
4 5
6 7 8
Normale passant
par le pixel "0"
a
b
b
a

figure 3.19: Critre de choix des pixels
Les coordonnes sont prises au centre du pixel 0 pour lequel la normale est calcule.
Les pixels voisins (de distance 1) retenus pour la construction de la normale sont ceux dont le
centre est le plus proche de la valeur thorique de la normale. Dans le cas de la figure 3.19,
les pixels retenus sont les pixels 3 et 6 (leurs centres sont plus proches de la normale que ceux
des pixels 4 et 5). Ce mme critre est appliqu aux pixels de distance deux, puis trois
L'axe sur lequel est appliqu le critre de distance est dtermine par un calcul de la
pente de la normale:
lorsque la pente est infinie, nulle, ou gale t1, il n'y a pas de critre de distance: le
choix des pixels est immdiat (figure 3.20). Ce sont les pixels situs respectivement
sur la verticale (pixels 0, 2 et 7), sur l'horizontale (pixels 0, 4 et 5), ou sur les
diagonales (pixels 0, 3 et 6, lorsque la pente est gale 1, et pixels 0, 1 et 8, lorsque la
pente est gale -1).
Pente = t
Pente = 0
Pente = 1
Pente = -1
0
1 2
3
4 5
6 7 8

figure 3.20: Pixels extraire lorsque la pente de la normale est gale , 0 ou 1
Chapitre 3
60
lorsque la pente appartient aux intervalles ]- , -1[ ou ]1 , +[, le critre de distance
est appliqu suivant l'axe horizontal. Dans l'exemple de la figure 3.21, les pixels les
plus proches de la normale passant par le pixel 0 sont les pixels 2 et 7.
1 < Pente < - < Pente < -1
0
1 2
3
4 5
6 7 8
Normale

figure 3.21: Cas de l'axe horizontal pour le calcul de distance
lorsque la pente appartient aux intervalles ]0 , 1[ ou ]-1 , 0[, le critre de distance est
appliqu suivant l'axe vertical. Dans le cas de la figure 3.22, les pixels les plus proches
de la normale passant par le pixel 0 sont les pixels 4 et 5.
0 < Pente < 1
-1 < Pente < 0
0
1 2
3
4 5
6 7 8
Normale

figure 3.22: Cas de l'axe vertical pour le calcul de distance
3. 6. 2. 2 3. 6. 2. 2 Re l e v de s pr of i l s de nor mal e s l ' ar c de di f f r ac t i on Re l e v de s pr of i l s de nor mal e s l ' ar c de di f f r ac t i on
Nous prsentons quelques profils des intensits le long de ces normales (figure 3.23).
Chapitre 3
61

figure 3.23: Quelques relevs de profils des normales
Les oprateurs de filtrage optimal sont particulirement adapts la recherche de
gradient reprsentatifs de ce type de contours. Le paragraphe suivant prsente les diffrents
filtres existants.
3. 6. 3 3. 6. 3 Fi l t rage opt i mal et dt ect i on de cont ours Fi l t rage opt i mal et dt ect i on de cont ours
Un contour est dfini par la frontire sparant deux rgions ayant des intensits
diffrentes [GON87]. Il existe diffrents types de contours selon la raideur des variations dans
la zone de transition. Si la pente au centre de cette transition est infinie, le contour est dit de
type "saut d'amplitude". En gnral, les images ultrasonores comportent un bruit important et
les contours ont des formes proches de celle prsente sur la figure 3.24.
I(x)
x

figure 3.24: Allure des contours prsents dans les images B-Scan
J.P. Cocquerez [COC95] dans son ouvrage sur le filtrage et la segmentation prsente un
panorama des mthodes de filtrage, et en particulier, parmi les approches de type frontire,
une synthse des mthodes drivatives.
Dans une image, les variations d'intensit reprsentent en gnral des changements de
proprits physiques ou gomtriques de l'objet observ. Quelques reprsentations de ces
variations sont:
les variations d'illumination, ombres,
les changements d'orientation ou de distance l'observateur,
Chapitre 3
62
les changements de rflectance de surfaces,
les variations d'absorption d'ondes et de rayons (lumineux, X, ...)
Ces variations d'intensit sont en traitement d'images des informations trs importantes
car elles constituent les frontires des rgions correspondant aux bords des dfauts, ou plus
gnralement des objets contenus dans une image.
Un contour peut se situer entre les pixels appartenant des rgions ayant des intensits
moyennes diffrentes (contours de type saut d'amplitude) ou il peut correspondre une
variation locale d'intensit prsentant un maximum ou un minimum (contours de type toit).
Mme si ces deux exemples ne reprsentent pas la totalit des cas (en particulier les rgions
de textures diffrentes), ils sont un bon aperu de ce que peut tre un contour.
Les approches de type contour sont composes de trois familles: les mthodes
drivatives, surfaciques et morphologiques. Chacune de ces mthodes prsentent des
avantages et des inconvnients dcrits dans [COC95].
L'approche drivative est la plus immdiate pour la dtection et la localisation des
variations d'un signal. Les contours sont reprsents par le rsultat d'un fort gradient ou d'une
drive seconde du signal nulle.
L'approche surfacique met en vidence la transition entre deux rgions par l'utilisation
d'un gabarit surfacique. Un contour est prsent lors de la mise en correspondance de ce
gabarit avec une zone de l'image, ou lorsque l'approximation par facettes de la surface fournit
une quation locale permettant de calculer de manire trs prcise la position du contour et
ses caractristiques.
Enfin, l'approche morphologique exploite les maxima et minima des intensits du
voisinage de chaque pixel. Par exemple, un contour de type saut d'amplitude est dtect
lorsque la diffrence entre le maximum et le minimum d'amplitude du voisinage est
importante.
La grande diversit des intensits dans les images et la prsence de bruit parfois trs
important rendent la mise en uvre des mthodes surfaciques et morphologiques difficiles.
Aussi, nous avons choisi de mettre en uvre les mthodes drivatives, actuellement trs
dveloppes.
Chapitre 3
63
3. 6. 3. 1 3. 6. 3. 1 Mt hodes dri vat i ves Mt hodes dri vat i ves
La diversit des variations pouvant engendrer la prsence d'un contour est telle qu'il
n'existe pas de solution optimale la dtection de contours. Les mthodes drivatives posent
le problme de la recherche d'extrma locaux du gradient du signal ou de la recherche de
zros de la drive seconde ou du laplacien du signal.
F. Truchetet [TRU98] montre que les mthodes du gradient et du laplacien donnent des
rsultats trs voisins. Le problme essentiel est de trouver une mthode permettant d'estimer
ce gradient et ce laplacien.
Les mthodes drivatives aujourd'hui implantes peuvent tre classes en trois
catgories principales: les oprateurs drivatifs du premier ordre, du second ordre, et les
oprateurs par filtrage optimal.
Parmi les oprateurs du premier ordre, nous pouvons citer ceux de Prewitt et Sobel, de
Kirsh, MDIF et NAGDIF. Dans les deux premiers cas, les contours obtenus sont pais.
L'oprateur est facile implanter et rapide, mais aujourd'hui l'volution des calculateurs
permet la mise en uvre d'oprateurs beaucoup plus performants. Les oprateurs MDIF et
NAGDIF sont une combinaison d'un lissage et d'une drivation. Les contours obtenus sont
intressants pour des images peu bruites dont l'paisseur des transitions ne dpasse pas
quelques pixels.
Les oprateurs drivatifs du second ordre, tels que Marr et Hildreth, Huertas-Medioni,
sont bass sur la localisation du passage par zro du laplacien. Comme pour les oprateurs
drivatifs du premier ordre, ces techniques ne sont pas robustes lors de la prsence de bruit
intense. C'est pourquoi nous avons choisi de mettre en uvre la troisime catgorie
d'oprateurs: le filtrage optimal.
Les techniques bases sur le filtrage optimal sont nombreuses. Il existe deux approches
trs rpandues conduisant toutes deux des ralisations sous forme de filtres rcursifs d'ordre
faible. Ces ralisations font l'objet de nombreuses tudes proposant un nombre important de
variantes et optimisations. La premire approche est celle de Canny et Deriche [DER87]
suivie de celle de Shen et Castan [CAS89].
La mise en forme de ces types de filtre pour la dtection de contours dans des images
bruites ncessite des critres d'optimalit.
Chapitre 3
64
Le contour recherch en filtrage optimal est dfini par un chelon additionn un bruit
blanc (figure 3.25).
0
0.2
0.4
0.6
0.8
1
-2 -1.6 -1.2 -0.8 -0.4 00 0.4 0.8 1.2 1.6 2

figure 3.25: Contour thorique recherch
Un contour tant caractris par la prsence d'un maximum local de la drive premire
du signal, ou un passage par zro de la drive seconde, les mthodes drivatives sont bases
sur la recherche d'un modle optimal de filtre permettant la localisation de ce maximum ou de
ce passage par zro. Les diffrents filtres optimaux sont en gnral bass sur une forme
gaussienne et diffrent par des critres d'optimalit propres. Nous avons mis en uvre deux
filtres: celui de Canny-Deriche et celui de Shen et Castan. Nous prsentons ci-dessous les
diffrences entre ces deux filtres et leurs applications aux signaux issus des normales aux arcs
de diffraction.
3. 6. 3. 2 3. 6. 3. 2 Fi l t r age de Canny Fi l t r age de Canny - - De r i c he De r i c he
Les critres retenus par Canny sont au nombre de trois [CAN86]:
le premier est le rapport signal bruit, rapport de la rponse un signal non bruit et
de la rponse du filtre au bruit seul.
le deuxime concerne la prcision de la localisation du contour dtect. Ce critre
dtermine l'inverse de l'cart type de la distance entre le maximum dtect en prsence
de bruit et le maximum dtect en l'absence de bruit.
le troisime critre est bas sur la non multiplicit des rponses: la distance moyenne
entre les maxima de la rponse du filtre au bruit doit tre maximum.
Chapitre 3
65
Ces critres et leur optimisation sont parfaitement dfinis par Canny [CAN86]. Ils
permettent de dfinir le filtre optimal reprsent sur la figure 3.26.
0
0.2
0.4
0.6
0.8
1
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2

-1
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
f(x,a,w)

figure 3.26: Drives premire et seconde du filtre optimal de Canny-Deriche
L'quation de la drive premire correspondante est la suivante:
( ) ( )
x a
e x x f
+ 1
et l'quation de la drive seconde est:
quation 3.10 ( )
x a
e x x g

o est le paramtre de normalisation et est celui de rglage de la largeur du filtre.
3. 6. 3. 3 3. 6. 3. 3 Fi l t r age de She n e t Cas t an Fi l t r age de She n e t Cas t an
Shen et Castan [CAS89] ont propos indpendamment, de 1986 1989, une approche
trs voisine de celle de Canny. Le critre de dtermination du filtre optimal combine la fois
la bonne dtection (rapport signal bruit) et la bonne localisation. Ce critre a amen Shen et
Castan la dfinition du filtre optimal reprsent sur la figure 3.27.
Chapitre 3
66
0
0.2
0.4
0.6
0.8
1
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2

-1
-0.8
-0.6
-0.4
-0.2
0
0. 2
0. 4
0. 6
0. 8
1
-2 -1.5 -1 -0.5 0 0. 5 1 1. 5 2
g(x,d,b)

figure 3.27: Drives premire et seconde du filtre optimal de Shen et Castan
L'quation de la drive premire correspondante est:
( ) 0
x pour e d x f
x p

( ) 0 < x pour e d x f
x p

et l'quation de la drive seconde est:
quation 3.11 ( ) 0 >
x pour e d x g
x p

( ) 0 < x pour e d x g
x p

et ( ) 0 0 g
3. 6. 3. 4 3. 6. 3. 4 Comparai s on des deux mt hodes Comparai s on des deux mt hodes
Une comparaison des deux mthodes suivant des critres discrets est propose dans
[COC95]. Ces critres bass sur les points essentiels de mise en uvre cits ci-dessus ne
permettent pas de faire un choix catgorique par rapport notre jeu de test. En pratique, les
rsultats obtenus laide des deux mthodes sont trs similaires. Il est difficile de prfrer
une des deux mthodes. En observant les deux filtres discrets (figure 3.26 et figure 3.27),
nous pouvons noter, tant donn le nombre de coefficients du filtre retenus pour notre
application (15), que les filtres sont dailleurs trs ressemblants.
Chapitre 3
67
0 10 20 30 40 50 60 70 80
-100
0
100
Profil de la normale
0 10 20 30 40 50 60 70 80
-200
0
200
Profil aprs filtrage - Canny Deriche
0 10 20 30 40 50 60 70 80
-200
0
200
Profil aprs filtrage - Shen et Castan
Transition bruit/arc
Gradient maximum
Gradient maximum

figure 3.28: Rsultats obtenus sur un profil monodimensionnel
La figure 3.28 prsente une comparaison des deux filtres sur un profil de normale
typique. La position du gradient maximum observ est identique dans les deux cas.
3. 6. 3. 5 3. 6. 3. 5 Ca r a c t r i s t i que s de s f i l t r e s de Ca nny Ca r a c t r i s t i que s de s f i l t r e s de Ca nny - - De r i c he e t de She n e t Cas t an mi s e n De r i c he e t de She n e t Cas t an mi s e n
uvre uvre
Pour un faible nombre de coefficients, les filtres de Canny-Deriche et Shen et Castan
sont assez proches. La diffrence se situe dans la zone centrale de transition ngatif / positif
du filtre. Selon l'chantillonnage du filtre, cette diffrence peut apparatre de manire plus ou
moins grande. Diffrents paramtres interviennent lors de la mise en uvre: la raideur du
filtre (coefficient de l' quation 3.10 pour Canny-Deriche et coefficient p de l' quation 3.11
pour Shen et Castan), l'amplitude (coefficient de l' quation 3.10 et coefficient d de
l'quation 3.11 pour Shen et Castan), ainsi que le nombre de coefficients.
La mise au point de ce type de filtre tant base sur la recherche de transition de type
chelon noy dans un bruit blanc, les paramtres du filtre dpendent directement de l'allure de
cette transition. Aprs observation des signaux normaux l'arc de diffraction, les valeurs
suivantes des coefficients influants sur la forme des filtres sont retenues:
Chapitre 3
68
Canny-Deriche: = 0,6
Shen et Castan: p = 2
Les coefficients pour Canny-Deriche et d pour Shen et Castan sont calculs afin de
normaliser le filtre (somme des coefficients gale 1).
Le nombre de coefficients retenu pour l'chantillonnage est limit par la longueur du
signal trait. Dans notre cas, les signaux exploits ayant une longueur assez faible (de l'ordre
de 60 pixels) et les effets de bords rduisant la zone exploitable du signal, nous avons retenu
15 coefficients. Ce nombre de coefficients est un compromis suffisamment grand pour ne pas
dtriorer l'allure du filtre lors de l'chantillonnage, et suffisamment petit pour tre
exploitable sur les signaux de faible longueur.
La longueur des signaux traits est limite d'une part par le fait que les dfauts traits
sont parfois proches des limites physiques d'acquisition, et d'autre part, par la prsence
d'autres transitions ne correspondant pas celle recherche (par exemple la transition autour
d'une branche de l'arc de diffraction alors que l'on recherche la transition de l'autre branche
dans le cas d'arcs de diffraction multiples).
3. 6. 4 3. 6. 4 Mi se en uvre de l a t ransf ormat i on de Hough avec cal cul du Mi se en uvre de l a t ransf ormat i on de Hough avec cal cul du
gradi ent gradi ent
Le pseudo-code de construction de l'espace des paramtres est identique celui du
paragraphe 3.2.6. Seule la fonction d'incrmentation de l'accumulateur est modifie.
L'espace des paramtres est incrment de la valeur du gradient maximum obtenue par le
filtrage optimal.
3. 6. 5 3. 6. 5 Rsul t at s de l a t ransf ormat i on de Hough avec cal cul du gradi ent Rsul t at s de l a t ransf ormat i on de Hough avec cal cul du gradi ent
La figure 3.29 prsente quelques exemples de zones dimages B-Scan sur lesquelles le
nouvel algorithme est appliqu, et les rsultats obtenus. Les valeurs du gradient maximum le
long des normales aux arcs de diffraction sont obtenues en utilisant les filtres de Canny-
Deriche et de Shen et Castan. Nous remarquons sur ces exemples qu'il existe peu de
diffrences entre les rsultats obtenus par le filtre de Canny-Deriche et ceux obtenus par le
filtre de Shen et Castan.
Chapitre 3
69
Image initiale

Espace obtenu
avec Canny-
Deriche

Espace obtenu
avec Shen-
Castan

figure 3.29: Exemples d'espaces des paramtres obtenus avec les filtres de Canny-
Deriche et de Shen et Castan
L'annexe C prsente les rsultats obtenus sur l'ensemble du jeu de test avec le filtre
optimal de Shen et Castan, les deux filtres ayant les mmes taux de bonne et mauvaise
dtections.
Une comparaison entre les rsultats obtenus avec le traitement bas sur le gradient et
ceux obtenus avec le traitement bas sur l'intensit montre un net rehaussement du pic
correspondant au dfaut dans l'espace des paramtres. A linverse, un effet de tassement
apparat lorsque nous ne sommes pas en prsence de dfaut.
Un avantage important de la transformation de Hough bas sur le gradient est la
distinction faite entre un arc de diffraction et un cho de surface (sauf dans le cas particulier
o la forme de l'cho de surface peut tre confondue avec la forme du sommet d'un arc de
diffraction).
Le tableau de la figure 3.30 permet de comparer les rsultats obtenus avec les deux
algorithmes.

Type de traitement B-Scan avec dfaut:
Taux de bonne dtection
B-Scan sans dfaut:
Taux de non dtection
Intensit 84% 70%
Gradient 88% 80%
figure 3.30: Tableau comparatif des rsultats
Chapitre 3
70
Le traitement bas sur le gradient a permis une augmentation de 4% du taux de bonne
dtection pour les fichiers avec dfaut, et de 10% pour les fichiers sans dfaut du jeu de test.
Toutes les acquisitions de donnes ont t ralises sur des blocs mtalliques contenant,
soit des fissures ralises par lectrorosion, soit des trous circulaires parallles la surface
de contrle. Une description des donnes ultrasonores (ou jeu de test) ainsi que les
caractristiques de ces donnes est fournie en Annexe A.
Nous avons rappel que les traitements doivent permettre de dtecter des arcs de
diffraction caractristiques de dfauts et localiser indiffremment, soit le sommet de la
transition arc de diffraction sombre / arc de diffraction clair, soit le maximum de l'arc de
diffraction clair au niveau du sommet.
Nous avons ensuite dcrit en dtail la mise en uvre et l'application des algorithmes
bass sur la transformation de Hough la dtection d'arcs de diffraction. Deux mthodes ont
t dveloppes. La diffrence entre ces deux algorithmes est lie la fonction caractristique
des accumulateurs de l'espace des paramtres. Dans un premier cas, l'intensit des pixels
vrifiant le modle de la forme recherche a t choisie, et dans l'autre cas, la valeur du
gradient maximum le long de la normale l'arc de diffraction a t retenue.
L'valuation de ces deux approches sur l'ensemble des fichiers constituant le jeu de test
a montr que la mthode base sur le calcul et l'accumulation du gradient est plus
performante. Il permet d'obtenir un taux de bonne dtection plus lev (augmentation du taux
de bonne dtection de 4% pour le fichiers avec dfaut et de 10% pour les fichiers sans
dfaut).

Application de la Transformation de Hough Application de la Transformation de Hough
aux acquisitions ultrasonores aux acquisitions ultrasonores
multidimensionnelles multidimensionnelles

Chapitre 4
Application de la Transformation de Hough aux images ultrasonores multidimensionnelles
72
Application de la Transformation de Hough aux Application de la Transformation de Hough aux
acquisitions ultrasonores multidimensionnelles acquisitions ultrasonores multidimensionnelles
Le contrle non destructif gnre une quantit importante de donnes pour le traitement
d'images tridimensionnel. Electricit De France (E.D.F.), en particulier, value depuis
plusieurs annes l'intrt de tels outils. Plusieurs rapports d'activit ont t publis par la
Direction des Etudes et Recherches (D.E.R.) dE.D.F. Parmi ceux-ci, nous pouvons citer les
travaux de Fertay proposant une extension des techniques de traitement d'images
bidimensionnels gnraliss au traitement tridimensionnel afin d'aider les oprateurs pour
l'interprtation et la visualisation de donnes [FER93]. Lavayssire propose des mthodes
d'analyse multidimensionnelle appliques la radiographie industrielle [LAV92] et s'intresse
plus particulirement l'aspect fusion de donnes multidimensionnelles en contrle non
destructif dans le cadre du projet PACE [LAV94] [LES94].
Nous prsentons dans ce chapitre une approche de traitement tridimensionnel sur la
base du traitement bidimensionnel dcrit prcdemment [LEW98]. Cette mthode est aussi
base sur la transformation de Hough, applique dans ce cas un espace image
tridimensionnel. La forme recherche est un arc de diffraction tridimensionnel modlis par
un parabolode tridimensionnel constant dans les plans B-Scan.
Cette approche intgre dans la fonction caractristique de la transformation de Hough,
les informations tridimensionnelles contenues dans l'ensemble des plans. Ces informations
sont lies, d'une part, la variation de l'intensit des pixels au centre des arcs de diffraction et
au gradient le long dans l'arc de diffraction tridimensionnel. Il s'agit donc d'une approche
combinant dans la Transformation de Hough, la fois le gradient le long du dfaut
tridimensionnel, et la continuit tridimensionnelle des intensits constituant l'arc de
diffraction.
Chapitre 4
73
4. 1 4. 1 Transf ormat i on de Hough t ri di mensi onnel l e Transf ormat i on de Hough t ri di mensi onnel l e
4. 1. 1 4. 1. 1 Modl e de l a f orme t ri di mensi onnel l e, espace des paramt res Modl e de l a f orme t ri di mensi onnel l e, espace des paramt res
En gnral, un arc de diffraction prsent dans un plan B-Scan est aussi prsent dans les
plans suivants. Les reprsentations d'un arc dans les diffrents plans sont trs ressemblantes,
jusqu'aux plans extrmes o le dfaut n'est quasiment plus observable (voir figure 4.1).

figure 4.1: Reprsentation d'un arc dans les diffrents plans B-Scan
La forme recherche est donc un arc de diffraction tridimensionnel. En considrant
uniquement les plans o l'arc de diffraction est facilement observable, la forme peut tre
considre constante le long de l' axe des plans B-Scan (figure 4.2).
x
Plans B-Scan
successifs
t
p

figure 4.2: Modle tridimensionnel de la forme recherche
L'quation du modle correspondant est:
( ) ( )
0
2
0
t x x Ouv x t +
( ) constante p t
Le modle de la forme tridimensionnelle dpend de deux variables x
0
et t
0
. L'espace des
paramtres de la transformation de Hough est donc bidimensionnel. Un maximum dans
lespace des paramtres reprsente la position du sommet de l'arc de diffraction
tridimensionnel dans les images B-Scan.
Chapitre 4
74
4. 1. 2 4. 1. 2 Expl oi t at i on de l ' arc de di f f ract i on t ri di mensi onnel Expl oi t at i on de l ' arc de di f f ract i on t ri di mensi onnel
La fonction caractristique de la transformation de Hough prend en compte les critres
pertinents de la forme recherche. Pour cela, une tude prcise de la rgion et du contour
constituant l'arc de diffraction est ncessaire. La mthode mise au point au chapitre prcdent
concernant le contour du dfaut est gnralisable la recherche de la forme tridimensionnelle.
La prise en compte des informations lies la rgion est base sur une observation de
l'intensit des pixels constituant le dfaut.
4. 1. 2. 1 4. 1. 2. 1 Obs e r vat i on de s pi xe l s au c e nt r e de l ' ar c de di f f r ac t i on Obs e r vat i on de s pi xe l s au c e nt r e de l ' ar c de di f f r ac t i on
Le profil des intensits d'un arc de diffraction le long d'un "curseur parabolique" est
prsent sur la figure 4.3 ( droite).
Curseur parabolique
Zone o l'arc est visible

figure 4.3: Profil des intensits au centre d'un arc de diffraction
Nous observons sur ce profil, en considrant uniquement la zone o l'arc de diffraction
est visible, que l'intensit des pixels du profil dcrot lorsque l'on s'loigne du sommet de l'arc
de diffraction. Cette variation de l'intensit est observable sur la plupart des acquisitions.
Hormis les plans extrmes o l'arc de diffraction n'est quasiment plus visible, le profil de ces
intensits est le mme d'un plan l'autre.
En considrant la zone du profil et les plans B-Scan o l'arc de diffraction est
exploitable, le modle tridimensionnel de la variation des intensits au centre de l'arc est
proche de celui prsent sur la figure 4.4.
Chapitre 4
75
Intensit des pixels I
p Plans B-Scan successifs
x
Pixels du profil

figure 4.4: Variation des intensits le long de la forme recherche
La forme ainsi dfinie tant constant le long de l'axe des plans B-Scan, le modle
correspondant peut tre dfini de la faon suivante:
( )
0 1
2
2
c x c x c x I + +
( ) constante p I
4. 1. 2. 2 4. 1. 2. 2 Ext r ac t i on de s pi xe l s appar t e nant l ' ar c de di f f r ac t i on Ext r ac t i on de s pi xe l s appar t e nant l ' ar c de di f f r ac t i on
La construction du profil des intensits ncessite l'extraction des pixels situs au centre
de l'arc de diffraction (figure 4.5).
Enveloppe de l'arc
Pixels considrer

figure 4.5: Pixels considrer pour la construction d'un profil
Lors de la construction de ce profil, si une erreur de localisation du pixel prendre en
compte est commise, la forme de ce profil peut diffrer sensiblement, en particulier lorsque le
bruit autour des arcs de diffraction est important. La figure 4.6, o sont reprsents en noir les
points reprsentant un arc de diffraction et en blanc les points reprsentatifs du bruit illustre
ce problme.
Chapitre 4
76
Temps
x
Pixel pris en
compte par erreur

figure 4.6: Construction du profil d'un arc de diffraction
Un point clair, reprsentatif du bruit, est pris en compte lors de la construction du profil.
Ce point peut avoir une incidence non ngligeable sur la forme du profil. Pour viter ce
problme, il est judicieux de vrifier si chaque point est situ au centre de larc de diffraction
(et donc reprsentatif du dfaut recherch).
Les techniques de filtrage optimal sont particulirement adaptes l'extraction de pixels
situs sur une ligne de crte. La figure 4.7 reprsente deux exemples de profils d'intensit le
long de la normale un arc de diffraction. Ces profils sont des contours de type "ligne de
crte".

figure 4.7: Profils de normales un arc de diffraction
L'tude bibliographique du chapitre trois a prsent l'approche drivative pour la
dtection de contours de ce type. En particulier, Djemel Ziou, exploitant la mme dmarche
que Canny, utilise comme modle de contour une crte (figure 4.8) reprsente par la
fonction [ZIO89]:
( ) ( ) x A x F exp
o A est une constante positive.
Chapitre 4
77
0
2
4
6
8
10
-4 -2 0 2 4

figure 4.8: Modle de contour de type crte
Le filtre drivateur optimal f(x) mis au point par Ziou [ZIO91] a pour objectif de
dtecter le sommet de la ligne (x = 0), en amplifiant le maximum dj existant. Les critres
d'optimalit du filtre sont les suivants:
filtre symtrique,
rponse nulle un signal constant,
filtre rponse impulsionnelle infinie (R.I.I.)
La rponse impulsionnelle correspondant ce filtre est donne par l'quation suivante:
( ) ( ) ( ) ( ) ( ) x x b x a x f + exp cos sin
o a, b, et sont les paramtres de rglage du filtre.
Cette fonction est symtrique et s'tend l'infini, mais elle ne donne pas de rponse
nulle un signal constant. Afin de vrifier cette dernire proprit, le filtre doit vrifier
l'quation suivante:
( )

b a
b a
dx x f
+
+
0 2
2 2

La solution de cette quation est:
c b et c a
Chapitre 4
78
o c, et sont des constantes positives. Le paramtre reprsente l'chelle du filtre
(largeur mi-hauteur) correspondant la finesse du contour dtect. Le paramtre est un
coefficient d'oscillation du filtre augmentant le facteur de multiplicit des rponses lors de la
dtection.
La rponse impulsionnelle rsultante est:
( ) ( ) ( ) ( ) ( ) x x c x c x f + exp cos sin
La figure 4.9 reprsente le profil du filtre drivateur. Il s'agit d'une bonne approximation
de la drive seconde d'une gaussienne quand = , et pour petit.
-0.04
-0.02
0
0.02
0.04
0.06
0.08
0.1
-40 -20 0 20 40

figure 4.9: Profil du filtre optimal drivateur de Djemel Ziou
La mise en uvre de ce filtre sur les profils de normales l'arc de diffraction est
ralise avec les valeurs de coefficients suivantes:
c = 1, = 0,2, = 1
Un exemple des rsultats obtenus est reprsent sur la figure 4.10.
0 20 40 60 80 100 120 140
-100
-50
0
50
100
Profil de la normale

Chapitre 4
79
0 20 40 60 80 100 120 140
-4000
-2000
0
2000
4000
Profil aprs filtrage Ziou

figure 4.10: Filtrage obtenu pour un profil monodimensionnel
Ce filtre permet bien de dterminer les pixels situs au centre des arcs de diffraction.
4. 1. 2. 3 4. 1. 2. 3 Appr oxi mat i on pol ynomi al e du pr of i l de s i nt e ns i t s r e l e v e s Appr oxi mat i on pol ynomi al e du pr of i l de s i nt e ns i t s r e l e v e s
Afin d'exploiter la dcroissance apparente de l'intensit des points, il est ncessaire de
comparer le profil des intensits releves au modle thorique dfini. Le modle est un
polynme d'ordre deux:
( )
0 1
2
2
c x c x c x I + +
( ) constante p I
Cette opration est ralise par une approximation du profil au polynme par la
mthode des moindres carrs. Le problme principal est de dterminer les valeurs optimales
des coefficients c
2
, c
1
et c
0
du modle.
L'influence de ces paramtres sur le modle montre que:
La position du sommet du profil sur l'axe des intensits est fonction du paramtre c
0

(figure 4.11). Ce paramtre dpend de la dynamique des intensits de l'image et peut
a priori avoir des valeurs trs variables et rendent le paramtrage difficile.
Chapitre 4
80
Numro du pixel
Intensit
f(c
0
)
Reprsentation de la projection du modle parabolique sur le plan (intensit, numro du pixel)

figure 4.11: Influence du paramtre c
0
du modle
La position du sommet du profil sur l'axe des pixels dpend de c
1
(figure 4.12). Le
profil des intensits est symtrique lorsque l'arc de diffraction est complet. Par
consquent, la valeur du paramtre c
1
doit tre telle que le sommet du profil soit
centr.
Pixel situ au sommet
Numro du pixel
Intensit d = f(c
1
)

1
du modle
Le paramtre c
2
est caractristique de l'ouverture du profil (figure 4.13). Une analyse
empirique sur des plans B-Scan rels montre que ce coefficient dpend
essentiellement de la profondeur laquelle le dfaut est recherch. Les fichiers utiliss
tant raliss partir d'arcs de diffraction synthtiss, ce paramtre est mal matris.
Une valeur moyenne lui est affecte et peut tre ajuste par l'oprateur en cours de
traitement.
Chapitre 4
81
Numro du pixel
Intensit
f(c
2
)

2
du modle
4. 1. 3 4. 1. 3 Fonct i on caract ri st i que de l a t ra Fonct i on caract ri st i que de l a t ra nsf ormat i on de Hough nsf ormat i on de Hough
Les paramtres c
2
et c
1
caractrisent respectivement louverture et la symtrie du
modle. Ces deux paramtres sont utiliss lors du calcul de l'accumulateur de l'espace des
paramtres. Une analyse des diffrents fichiers dvaluation montre que le paramtre
douverture c
2
est plus pertinent que le paramtre de symtrie c
1
. Les facteurs de contribution
de c
2
et c
1
dans la fonction caractristique sont dfinis de la manire suivante:
quation 4.1 symtrie de Note ouverture d Note
3
1
'
3
2
+
o la note douverture et la note de symtrie sont calcules en fonction des coefficients c
2
et
c
1
(figure 4.14), et les valeurs thoriques de ces paramtres (estime en fonction de la
profondeur du dfaut dans la pice).
Note Max
Note d'ouverture
C2
Max Min Valeur attendue
Note Max
Note de symtrie
C1
Max Min Valeur attendue

figure 4.14: Fonctions de calcul des notes d'ouverture et de symtrie
Les valeurs minimum et maximum des paramtres c
2
et c
1
par rapport aux valeurs
attendues (figure 4.14) sont dfinies par lutilisateur.
Chapitre 4
82
4. 1. 4 4. 1. 4 Mi se en uvre de l a t ransf ormat i on de Hough Mi se en uvre de l a t ransf ormat i on de Hough
La mise en uvre pratique de la transformation de Hough tridimensionnelle consiste
pour toutes les valeurs possibles des paramtres (x
0
, t
0
) de la forme recherche :
Extraire les pixels situs au centre de l'arc de diffraction dans tous les B-Scan du
fichier d'acquisition (figure 4.15).
Intensit des pixels
Plans
B-Scan successifs
Numro du
pixel

figure 4.15: Intensit des pixels appartenant larc de diffraction 3D
Dterminer les valeurs des paramtres c
2
et c
1
du modle parabolique reprsentant au
mieux la variation de l'intensit des pixels appartenant l'arc de diffraction par la
mthode d'approximation des moindres carrs.
Intensit des pixels
Plans B-Scan successifs
Numro du pixel

figure 4.16: Approximation par la mthode des moindres carrs
Incrmenter l'accumulateur correspondant de l'espace de paramtres d'une valeur
dfinie par l' quation 4.1.
Chapitre 4
83
Le pseudo-code de l'algorithme est le suivant:
Pour toutes les valeurs de x
0
et t
0

| Pour tous les plans B-Scan
| | Extraction des pixels situs au centre de l'arc de diffraction
| Fin Pour tous les plans B-Scan
| Approximation polynmiale par la mthode des moindres carrs
| ( ) symtrie de note ouverture d note t x H
3
1
'
3
2
,
0 0
+ +
Fin Pour toutes les valeurs de x
0
et t
0
4. 1. 5 4. 1. 5 Fi chi ers d val uat i on Fi chi ers d val uat i on
Les fichiers dvaluation sont constitus de huit B-Scan de synthse obtenus par
addition d'images contenant des arcs de diffraction rels et d'images ne contenant que du bruit
d'acquisition.
Plan 0 Plan 1 Plan 2 Plan 3 Plan 4 Plan 5 Plan 6 Plan 7
a)

b)

c)

figure 4.17: Un exemple de synthse d'un fichier d'valuation
La figure 4.17 reprsente un exemple de synthse de fichier d'valuation. La premire
srie d'images correspond huit images contenant un bruit additif, issues de diffrents B-Scan
d'une mme acquisition (figure 4.17.a). La deuxime srie d'images correspond huit arcs de
diffraction diffrents issus d'une mme acquisition (figure 4.17.b). La somme des deux sries
d'images est prsente sur la dernire srie d'images (figure 4.17.c). L'ensemble des fichiers
d'valuation est prsent en annexe B.
4. 1. 6 4. 1. 6 Test de l a t ransf ormat i on de Hough t ri di mensi onnel Test de l a t ransf ormat i on de Hough t ri di mensi onnel
Lalgorithme bas sur la transformation de Hough tridimensionnelle est test sur les
fichiers de l'annexe B.
Chapitre 4
84
L'application du traitement au fichier dcrit figure 4.17 est prsente sur la figure
4.18.a.

a) image non-seuille

b) image seuille et rode
figure 4.18: Un exemple de rsultat de la transformation de Hough tridimensionnelle
L'espace des paramtres contient de nombreux maxima de valeurs trs proches. Un
seuillage (figure 4.18.b) permet d'observer un nuage de maxima et quelques maxima isols.
En thorie, chaque maxima reprsente une forme plus ou moins proche du modle
recherch. L'exemple de la figure 4.18. a correspond un fichier comportant un seul arc de
diffraction pais (plusieurs pixels). De nombreux maxima ne sont donc pas reprsentatifs de
dfauts. Le rsultat de la transformation de Hough tridimensionnelle est donc difficilement
exploitable en l'tat.
4. 1. 7 4. 1. 7 Suppressi on des maxi ma dus au brui t dans l ' espace des paramtres Suppressi on des maxi ma dus au brui t dans l ' espace des paramtres
Une phase supplmentaire de suppression des maxima ponctuels est ncessaire. Les
arcs de diffraction ne correspondent pas exactement au modle mathmatique recherch
(paisseur d'environ quatre cinq pixels et prsence d'un bruit important). La reprsentation
d'un arc de diffraction dans l'espace des paramtres n'est pas un maximum ponctuel mais un
nuage de fortes valeurs. Les maxima ponctuels de l'espace des paramtres ne sont donc a
priori reprsentatifs d'aucun dfaut. Afin de supprimer ces maxima, un seuillage adapt de
l'espace des paramtres est ralis. Il permet de dfinir deux classes: la premire (classe 1)
regroupe les nuages de valeurs de forte intensit (lments reprsentatifs de dfauts) et les
maxima ponctuels (reprsentatifs de bruit); la seconde est constitue des autres lments de
l'espace des paramtres. Un oprateur de morphologie mathmatique tel que l'rosion est
ensuite appliqu aux lments de la classe 1.
Chapitre 4
85
L'exploitation du rsultat de la transformation de Hough est ainsi possible. Elle consiste
en une recherche du maximum parmi les lments de la classe 1 de l'espace des paramtres.
L'opration de suppression des maxima ponctuels se rsume ainsi:
Espace des paramtres niveaux de gris
Segmentation adapte
Espace des
paramtres binaire
Erosion
Espace binaire sans
maxima ponctuels
Recherche du maximum dans
l'espace niveaux de gris
parmi les points quivalents
non nuls de l'espace binaire
Localisation du dfaut

figure 4.19: Recherche des maxima
L'exemple suivant illustre cette opration. La figure 4.20 prsente un espace des
paramtres avant la suppression des maxima ponctuels.
Maxima ponctuels
Zone de maxima
reprsentative
de dfaut

figure 4.20: Reprsentation de l'espace des paramtres binaire
L'lment structurant d'rosion est un masque de 3x3 pixels (figure 4.21).
Chapitre 4
86
0 1 0
1 1 1
0 1 0

figure 4.21: Elment structurant de l'oprateur d'rosion
Le rsultat de l'opration d'rosion est prsent sur la figure 4.22.
Plus de maxima
ponctuels
Zone de maxima
reprsentative
de dfaut aprs
rosion

figure 4.22: Rsultat de l'opration d'rosion
4. 2 4. 2 Combi nai son des t rai t ement s t ri di mensi onnel et Combi nai son des t rai t ement s t ri di mensi onnel et
bi di mensi onnel bi di mensi onnel
L'objectif de cette approche est de rendre plus robuste les outils bidimensionnels par un
traitement global des donnes tridimensionnelles, sans pour autant dvelopper de nouveaux
outils. Notre dmarche peut tre reprsente par la figure 4.23.
Traitements de continuit 3D
des arcs de diffraction
Traitement global des

donnes
tridimensionnelles
Traitements de gradient 2D
gnralis des arcs de diffraction

figure 4.23: Traitement tridimensionnel des donnes
Elle consiste combiner les rsultats issus du traitement bidimensionnel avec calcul du
gradient appliqu chacun des B-Scan du fichier d'valuation tridimensionnel, avec les
rsultats du traitement tridimensionnel.
La dernire tape tant de raliser la fusion des donnes issues du traitement
tridimensionnel et de celles issues du traitement bidimensionnel appliqu chaque plan B-
Chapitre 4
87
Scan (prsent au chapitre prcdent). Les donnes issues des traitements sont des espaces
deux dimensions. Les paramtres constituant ces espaces sont de mme nature (x
0
, t
0
). La
combinaison de ces deux espaces pose cependant un problme. Les deux traitements dtectent
diffremment une forme parabolique: le traitement bidimensionnel dtecte le somment de la
transition arcs de diffraction sombre / clair ( (1) sur la figure 4.24), alors que le traitement
tridimensionnel est plus adapt la dtection du centre du sommet d'un arc de diffraction ( (2)
sur la figure 4.24).
Maximum au niveau du premier
arc de diffraction clair
(2)
Sommet de la premire
transition arc de diffraction
sombre / clair
(1)

figure 4.24: Les deux types de sommets qui sont dtects
Afin d'obtenir un seul maximum lors de la combinaison des espaces de paramtres, un
dcalage de l'axe t
0
de l'espace rsultant du traitement bidimensionnel est ralis. La valeur de
ce dcalage est gale au quart de la priode du signal ultrasonore mis par le capteur (une
demi-priode correspond la largeur d'un arc de diffraction).
La combinaison des espaces de paramtres est alors ralise par l'addition lment par
lment. La prsence d'un dfaut correspond alors la prsence d'un maximum de l'espace
des paramtres. Ce maxima correspond la transition arcs sombre / clair au sommet de l'arc
de diffraction.
Le traitement tridimensionnel ne comporte pas de phase de dcision. Les fichiers de test
comportant tous un seul dfaut, la dcision de prsence ou non de dfaut n'est pas ncessaire.
4. 3 4. 3 Eval uat i on de l ' aml i orat i on apport e par l e t rai t e Eval uat i on de l ' aml i orat i on apport e par l e t rai t e ment ment
t ri di mensi onnel t ri di mensi onnel
La comparaison entre le traitement global (tridimensionnel et bidimensionnel avec
calcul de gradient) et le traitement bidimensionnel avec calcul du gradient est ralise suivant
deux critres: le rapport signal sur bruit dans le cas d'arcs de diffraction complets et le taux de
morcellement dans le cas d'arcs de diffraction incomplets.
Chapitre 4
88
4. 3. 1 4. 3. 1 Eval uat i on par l a dynami que des arcs Eval uat i on par l a dynami que des arcs
L'valuation de l'amlioration apporte par la mthode tridimensionnelle est ralise sur
des fichiers contenant des arcs de diffraction complets dont la dynamique des intensits est
variable par rapport au bruit de fond. Les fichiers sont caractriss par un rapport signal sur
bruit:
( )
( ) ( )
2
2
10
_
log 10
Bruit Moy Bruit I
n diffractio de Arc I
RSB
o I(Arc de diffraction) est l'intensit des pixels appartenant l'arc de diffraction, I(Bruit),
l'intensit des pixels du bruit et Moy_Bruit, la valeur moyenne du bruit. Pour obtenir des
fichiers de RSB diffrents, la dynamique de l'intensit des pixels appartenant aux arcs de
diffraction est modifie avant d'effectuer l'addition avec le bruit de fond.
L'valuation consiste dterminer la valeur limite du RSB partir de laquelle le
traitement bidimensionnel ne fonctionne plus, alors que le traitement tridimensionnel
fonctionne encore. Une seconde valeur limite du RSB est ensuite dtermine partir de
laquelle le traitement tridimensionnel ne fonctionne plus.
4. 3. 1. 1 4. 3. 1. 1 Li mi t e de f onc t i onne me nt du t r ai t e me nt bi di me ns i onne l Li mi t e de f onc t i onne me nt du t r ai t e me nt bi di me ns i onne l
La limite de fonctionnement du traitement bidimensionnel est atteinte lors du test du
fichier cont_050 (l'intensit des points appartenant larc de diffraction varie de 0 50).
Cette limite correspond un RSB = -10,3 dB. Le fichier correspondant est prsent sur la
figure 4.25

figure 4.25: B-Scan correspondant la limite de fonctionnement du traitement 2D
Le rsultat du traitement tridimensionnel obtenu pour ce fichier est prsent sur la
figure 4.26.
Chapitre 4
89
T.H. Gradient 3D

T.H. Continuit 3D

T.H. Combine 3D

figure 4.26: Rsultat obtenu la limite de fonctionnement du traitement 2D
Il est important de noter qu' cette limite, le traitement bidimensionnel ne permet de
dtecter aucun des arcs prsents dans les huit plans. Pour un RSB = -4,3 dB (dynamique de
100), deux arcs ne sont dj plus dtects (voir l'annexe D).
4. 3. 1. 2 4. 3. 1. 2 Li mi t e de f onc t i onne me nt du t r ai t e me nt t r i di me ns i onne l Li mi t e de f onc t i onne me nt du t r ai t e me nt t r i di me ns i onne l
La limite de fonctionnement du traitement tridimensionnel est atteinte lors du test du
fichier cont_030. Cette limite correspond un RSB = -14,8 dB. Le fichier correspondant est
prsent sur la figure 4.27. La dynamique trs faible ne permet plus de distinguer
visuellement les arcs de diffraction.

figure 4.28
T.H. Gradient 3D

T.H. Continuit 3D

T.H. Combine 3D

4. 3. 2 4. 3. 2 Eval uat i on par l e t aux de morcel l ement des arcs Eval uat i on par l e t aux de morcel l ement des arcs
L'valuation de l'amlioration apporte par la mthode tridimensionnelle est ralise sur
des fichiers ultrasonores composs d'arcs de diffraction morcels alatoirement et caractriss
par un taux de morcellement dfini par:
arc l t constituan initial pixels de Nb
conservs pixels de Nb
'

Chapitre 4
90
Le taux de morcellement est identique dans chacun des huit B-Scan mais les pixels
conservs sont diffrents dun B-Scan lautre. Les diffrents fichiers ont un taux diffrent,
modifi par la suppression de pixels appartenant aux arcs de diffraction de manire arbitraire
avant l'addition des images.
Une premire limite est obtenue pour laquelle le traitement bidimensionnel ne
fonctionne plus et le traitement tridimensionnel fonctionne encore. Une seconde est ensuite
atteinte pour laquelle le traitement tridimensionnel ne fonctionne plus.
4. 3. 2. 1 4. 3. 2. 1 Li mi t e de f onc t i onne me nt du t r ai t e me nt bi di me ns i onne l Li mi t e de f onc t i onne me nt du t r ai t e me nt bi di me ns i onne l
La limite de fonctionnement du traitement bidimensionnel est atteinte lors du test du
fichier disc_050 (Taux de morcellement de 0,5). Cette limite correspond un RSB = -10,3
dB. Le fichier correspondant est prsent sur la figure 4.29.
plan 0 plan 1 Plan 2 plan 3 plan 4 plan 5 plan 6 plan 7

figure 4.30.
T.H. Gradient 3D

T.H. Continuit 3D

T.H. Combine 3D

4. 3. 2. 2 4. 3. 2. 2 Li mi t e de f onc t i onne me nt du t r ai t e me nt t r i di me ns i onne l Li mi t e de f onc t i onne me nt du t r ai t e me nt t r i di me ns i onne l
La limite de fonctionnement du traitement tridimensionnel est atteinte lors du test du
fichier disc_030. Cette limite correspond un RSB = -2,3 dB. Le fichier correspondant est
prsent sur la figure 4.31.
plan 0 plan 1 Plan 2 plan 3 plan 4 plan 5 Plan 6 Plan 7

Chapitre 4
91
Le rsultat obtenu pour ce fichier est prsent sur la figure 4.32
T.H. Gradient 3D

T.H. Continuit 3D

T.H. Combine 3D

4. 3. 3 4. 3. 3 Comparai son quant i t at i ve des rsul t at s des t rai t ement s Comparai son quant i t at i ve des rsul t at s des t rai t ement s
Nous avons valu l'amlioration apporte par le traitement tridimensionnel.
Cependant, les jeux de test tant diffrents, il est impossible de quantifier le taux de bonne
dtection du traitement tridimensionnel. Les limites de traitement suivantes ont t obtenues
lors du test des fichiers tridimensionnels:
Cas des arcs de diffraction complets:
la limite de fonctionnement du traitement bidimensionnel est obtenue pour un
RSB gal -10,3 dB (on considre la limite atteinte lorsqu'aucun des plans B-
Scan ne fonctionne avec le traitement bidimensionnel). Notons cependant que
certains plans B-Scan ne fonctionnent dj plus pour un RSB gal -4,3 dB.
la limite de fonctionnement du traitement tridimensionnel est obtenue pour un
RSB gal -14,8 dB.
Cas des arcs de diffraction incomplets:
la limite de fonctionnement du traitement bidimensionnel est atteinte pour un
taux de morcellement gal 0,5 (les arcs sont composs de 50% des points des
arcs du fichier source).
la limite obtenue pour le traitement tridimensionnel correspond un taux de
morcellement gal 0,3.
Le gain apport par le traitement tridimensionnel est donc de plus de 4 dB.
Chapitre 4
92
4. 4 4. 4 Co Co ncl us i on ncl us i on
Nous avons prsent un oprateur tridimensionnel bas sur la transformation de Hough
prenant en compte des caractristiques et informations non encore exploites par l'approche
bidimensionnelle. Ces caractristiques sont un modle parabolique tridimensionnel de l'arc de
diffraction et de la variation de l'intensit des pixels appartenant cet arc.
La mise au point de notre approche est ralise sur des fichiers synthtiss partir
d'arcs de diffraction rels et de bruit de fond rel. Deux types de fichiers de synthse ont t
utiliss: des fichiers contenant des arcs de diffraction complets et d'autres contenant des arcs
de diffraction partiels. L'application de la transformation de Hough tridimensionnelle
certains fichiers de synthse montre sa sensibilit au bruit. Par consquent, afin de filtrer les
maxima dus au bruit dans l'espace des paramtres, un oprateur bas sur la morphologique
mathmatique de l'espace des paramtres a t ncessaire.
Cette approche est combine la mthode bidimensionnelle applique chacun des B-
Scan du fichier ultrasonore tridimensionnel. Une fusion des donnes issues des deux
mthodes est ralise. Les rsultats obtenus pour l'ensemble des fichiers de test, montrent
l'intrt de l'approche tridimensionnelle par rapport au concept bidimensionnel dcrit au
chapitre prcdent. Dans le cas des jeux de test avec arcs de diffraction complets, la mthode
bidimensionnelle devient inefficace pour un RSB infrieur -10,3 dB, alors que l'approche
tridimensionnelle permet de traiter des jeux de test dont le RSB atteint 14,8 dB. Dans le cas
des jeux de test avec arcs de diffraction morceles, une amlioration des rsultats aussi est
constate (la limite de la mthode bidimensionnelle est atteinte pour un taux de morcellement
gal 50% contre un taux gal 30% pour la mthode tridimensionnelle).

Conclusion gnrale Conclusion gnrale

Conclusion gnrale
94
Concl usi on gnral e Concl usi on gnral e
Nous avons prsent dans ce document l'tude de mthodes permettant la dtection et la
localisation de dfauts observables sur des images B-Scan en contrle non destructif par
ultrasons. Les mthodes tudies devaient parvenir une analyse automatique d'une
acquisition ultrasonore (ou d'une partie de l'acquisition): dtecter les chos caractristiques
d'un dfaut, localiser le dfaut et interprter ces chos.
La plupart des techniques de contrle non destructif exploitent les ondes de rflexion
propages dans la matire. Aujourd'hui, la technique T.O.F.D. permet de mettre en vidence
des fissures dans la matire en exploitant les ondes de diffraction gnres par les dfauts.
Ces ondes font apparatre dans les images B-Scan des arcs de diffraction.
L'analyse des techniques actuelles de caractrisation de dfauts a montr des procdures
manuelles lourdes peu adaptes la masse importante d'informations contenues dans une
acquisition ultrasonore. Les traitements d'images ultrasonores existants ne sont pas adapts
l'exploitation d'chos de diffraction. La plupart d'entre eux cherchent valuer les dimensions
d'chos de rflexion, reprsentatifs de dfauts volumiques. L'objectif a donc t de mettre au
point une mthode base sur la recherche de la forme particulire des arcs de diffraction dans
l'ensemble de donnes tridimensionnelles.
Une approche paramtrique initialement mise au point par Hough, puis par Duda et
Hart, la transformation de Hough, est particulirement bien adapte notre problme. Cette
mthode permet de dtecter des formes particulires dans une image ds lors que l'on est
capable de modliser mathmatiquement la forme.
Une tude de la technique T.O.F.D. nous a permis de modliser les arcs de diffraction
prsents dans une image B-Scan. Ce modle a t utilis pour la mise au point d'une
utilisation originale de la transformation de Hough.
Gnralement, un prtraitement de slection des points reprsentatifs de la forme
recherche est ncessaire au bon fonctionnement de la transformation de Hough. La diversit
et la complexit des images ultrasonores compliquant la mise au point de ce prtraitement,
Conclusion gnrale
95
nous avons dvelopp une approche dans laquelle le prtraitement est remplac par une
slection des points reprsentatifs de la forme cherche dans la fonction caractristique de
construction de l'espace des paramtres.
La contribution de l'intensit des pixels dans la fonction caractristique a permis
d'obtenir des rsultats satisfaisants. Elle a cependant montr des limites, en particulier dans le
cas o les images sont peu contrastes ou en prsence d'chos de surface ou de fond trs
intenses dans la zone de traitement.
Un deuxime algorithme a t tudi, prenant en compte le contour marqu des arcs de
diffractions. La fonction caractristique de la transformation de Hough est base sur le calcul
du gradient maximal le long des normales de la forme obtenue par le filtre optimal de Shen et
Castan. Cette mthode, beaucoup plus robuste, a permis de dtecter la plupart des dfauts
prsents dans les acquisitions.
Le temps de calcul, frein important au dveloppement de la transformation de Hough, a
dans notre cas t rduit: l'exploitation d'un nombre raisonnable de paramtres et la pleine
exploitation des possibilits des calculateurs actuels rendent ce problme mineur.
Les arcs de diffraction tant souvent partiellement visibles dans une image B-Scan,
nous avons intgr un modle tridimensionnel du dfaut recherch. Ce modle prend en
compte la fois le critre de contour dvelopp prcdemment et une information de
continuit des intensits de l'arc de diffraction entre chaque plan, et de dcroissance dans un
plan donn.
Une validation sur un jeu de test important a dmontr l'intrt de l'approche
tridimensionnelle. Ces rsultats encourageants ouvrent des perspectives intressantes. Une
tude thorique de la propagation des ondes de diffraction dans les diffrentes directions d'un
matriau permettrait de dfinir un modle tridimensionnel plus complet et rendre plus robuste
l'algorithme de traitement. L'application de ce traitement d'autres types de dfauts est aussi
possible. En particulier, l'analyse de dfauts volumiques (actuellement ralise par traitements
spars des plans C-Scan et B-Scan) peut tre intgr ce type de traitement aprs une tude
de modle.
Conclusion gnrale
96
Cette tude a permis de montrer qu'une adaptation originale des mthodes appliques en
imagerie peut apporter des solutions efficaces au problme d'expertise automatique de
donnes ultrasonores multidimensionnelles.

Bibliographie Bibliographie

Bibliographie
98
Bi bl i ographi e Bi bl i ographi e
[BAL86] B. BALIGAND, M. GROZELLIER, "Analyse spectrale en contrle non destructif
par ultrasons", Traitement du Signal, Vol 3, n 4, pp. 35-43, 1986.
[BOL96] P. BOLLAND, L.F.C. LEW YAN VOON, B. GREMILLET, L. PILLET, A. DIOU,
P. GORRIA, "The application of Hough Transform on Ultrasonic Images for the
Detection and Characterization of Defects in Non-Destructive Inspection",
Proceedings of the third International Conference on Signal Processing ICSP'96,
Beijing, CHINA, pp. 393-396, 1996.
[BOL97a] P. BOLLAND, L.F.C. LEW YAN VOON, P. GORRIA, B. GREMILLET,
L. PILLET, "Gradient based Discrete Hough Transform for the Detection and
Localization of Defects during Non-Destructive Inspection", Poster session of the
1997 International Conference on Quality Control by Artificial Vision - QCAV'97,
Le Creusot, Bourgogne, FRANCE, pp. 287-292, 1997.
[BOL97b] P. BOLLAND, L.F.C. LEW YAN VOON, P. GORRIA, B. GREMILLET,
L. PILLET, "Gradient based Hough Transform for the Detection and Localization of
Defects during Non-Destructive Inspection", CD-ROM Proceedings of Advanced
Intelligent Mechatronics - AIM'97, Waseda University, Tokyo, JAPAN, 1997.
[BOU93] E. BOURENNANE, M. PAINDAVOINE, F. TRUCHETET, "Amlioration du filtre
de Canny-Deriche pour la dtection de contours sous forme de rampe", Traitement
du Signal, Vol 10, n 4, pp. 297-310, 1993.
[CAN86] J.F. CANNY, "A computional approach to edge detection", IEEE Trans on PAMI,
vol 8, n 6, pp. 679-698, 1986.
[CAS89] S. CASTAN, J. ZHAO, J. SHEN, "Une famille de dtecteurs de contours base sur
le filtre exponentiel optimal", 7
me
Congrs AFCET-RFIA, Paris, 1989.
[CHA89] J.P. CHARLESWORTH, J.A.G. TEMPLE, "Engineering Applications of Ultrasonic
Time Of Flight Diffraction", Research Studies Press LTD, 1989.
[COC85] J.P. COCQUEREZ, J. DEVARS, "Dtection de contours dans les images ariennes:
nouveaux oprateurs", Traitement du Signal, vol 2, n 1, 1985.
Bibliographie
99
[COC95] J.P. COCQUEREZ, S. PHILIPP, "Analyse d'images: filtrage et segmentation",
Collection Enseignement de la Physique, Editions Masson, septembre 95.
[COR88] G. CORNELOUP, "Traitement Numrique d'images ultrasonores", Thse de
Doctorat, INSA de Lyon, 28 septembre 1988
[COR94] G. CORNELOUP, J. MOYSAN, I.E. MAGNIN, "Ultrasonic image data processing
for the detection of defects", Ultrasonics, Vol 32, n 5, pp. 367-374, 1994.
[COW83] A.E. COWART, W.E. SNYDER, W.H. RUEDGER, "The detection of unresolved
targets using the Hough Transform", Computer Vison, Graphics and Image
Processing, 21, pp. 222-238, 1983
[CZE93] R.N. CZERWINSKI, D.L. JONES, W.D. O'BRIEN, "An approach to boundary
detection in ultrasound imaging", Proceedings IEEE Ultrasonics Symposium, pp. 1-
4, 1993
[DEL87] C. DELEBARRE, C. BRUNEL, J.E. LEFEBVRE, J.M. ROUVAEN, J. FROLY,
"Analyse cepstrale en contrle non destructif des milieux htrognes", Traitement
du Signal, Vol 4, n 4, pp. 311-317, 1987.
[DER87] R. DERICHE, "Using Canny's criteria to derive a recursively implemented optimal
edge detector", Int. Journal of Computer Vision, Vol 1, n 2, pp. 167-187, 1987.
[DER90] R. DERICHE, "Fast algorithm for low level decision", IEEE Transactions on PAMI,
Vol 12, n 1, pp. 78-87, 1990.
[DIO96] A. DIOU, Y. VOISIN, C. SANTO "La transforme de Hough, nouvelle approche"
Proceedings of Vision Interface'96, Toronto, Canada, pp. 101-108, 1996.
[DUB90] B. DUBUISSON, "Diagnostic et reconnaissance des formes", Trait des Nouvelles
Technologies, Editions Herms, 1990.
[DUB91] J. DUBRESSON, "Caractristiques dominantes et volutions des matriels de
C.N.D.", Sciences et Techniques Connexes, pp. 41-54, Mars Avril 1991.
[DUD72] R.O. DUDA, P.E. HART, "Use of the Hough Transform to detect curves and lines in
pictures", Communications of the ACM, Vol 15, n 1, pp. 11-15, January 1972.
[DUD73] R.O. DUDA, P.E. HART, "Pattern classification and scene analysis", Wiley-
interscience publication, 1973.
Bibliographie
100
[FER93] G. FERTEY, S. BARASCUD, "Extension des techniques de traitement d'images 2D
des champs de donnes 3D afin d'aider la visualisation et l'interprtation de
simulations numriques", Note interne de la Direction des Etudes et Recherches
E.D.F. n 93NJ00057, Mars 93.
[GEO92] B. GEORGEL, D. GARREAU, "Traitement du signal et de l'image en surveillance
et contrle Electricit de France", Note interne de la Direction des Etudes et
Recherches E.D.F. n 93NB00168, Avril 1992.
[GEO94] B. GEORGEL, "Caractristiques spcifiques des donnes de contrle non destructif
et algorithmes de traitement: nouveaux remdes aux vieilles douleurs", Note interne
de la Direction des Etudes et Recherches E.D.F. n 95NB00027, 1994.
[GON87] R.C. GONZALES, P. WINTZ, "Digital Image Processing", Arch. Elecktron.
Uebertag.-Tech. Dtsch D.A., Vol 30, n 2, pp. 90-96, 1976.
[GRE91] B. GREMILLET, "Fissures circonfrentielles: analyse dimensionnelle des
indications US", Note interne du Centre Technique de Framatome Saint Marcel
MC/TE R-91.1767, 1991.
[GRO82] N. GROHS, O.A. BARBIAN, W. KAPPES, H. PAUL, F.W. HH,
"Characterization of flaw location, shape and dimensions, with the ALOK System",
Material Evaluation, vol 40, pp. 84-89, 1982.
[HAY88] S. HAYKIN, "Modern signal processing", Signal Processing and Patterm
Recognition in Non Destructive Evaluation of Materials, NATO ASI Series, vol F44,
pp. 39-47, 1988.
[HEU89] R. HEUMLLER, K. GTLLING, "First Experience with Siemens ALOK UT
inspection system", Proceedings of telwth World Conference on Nondestructive
Testing, Amsterdam, Elseveir Science Publishers, pp. 270-272, 1989.
[HOU62] P.V.C. HOUGH, "Method and means for recognizing complex pattern", U.S. Patent
n 3, 069,654, 1962.
[IAN78] A. IANNINO, S.D. SHAPIRO, "A survey of the Hough Transform and its extensions
for curve detection", Pattern Recognition and Image Processing, IEEE Conference,
Chicago, United States, pp. 32-39, May 1978.
[JOU94] A. JOUSSELIN, B. RICARD, J. MOREL, R. CHEVALIER, B. MONNIER, "PSAD:
Architecture intgre pour une surveillance et un diagnostic intelligent des centrales
Bibliographie
101
E.D.F.", Note interne de la Direction des Etudes et Recherches E.D.F.,
n 95NJ00043, 1994.
[KOT94] C. KOTTROPOULOS, X. MAGNIASALIS, I. PITAS, M.G. STRINTZIS,
"Nonlinear Ultrasonic Image Processing Based on Signal-Adaptative Filters and
Self-Organizing Neural Networks", IEEE Transactions on Image Processing, Vol 3,
n 1, pp. 65-77, January 1994.
[KUN91] M. KUNT, "Traitement Numrique des Signaux", Presses polytechniques
universitaires romandes, 1991.
[LAV92] B. LAVAYSSIERE, B. GEORGEL "Analyse multidimensionnelle en radiographie
industrielle", Note interne de la Direction des Etudes et Recherches E.D.F.,
n 93NJ00192, 1992.
[LAV94] B. LAVAYSSIERE, "Fusion de donnes en C.N.D. pour le projet PACE", Note
interne de la Direction des Etudes et Recherches E.D.F., n 94NJ00140, Mars
1994.
[LAV95] B. LAVAYSSIERE, P. BRUNEL, E. FLEUET "Traitement d'images pour la
surveillance des centrales nuclaires", International Conference on Quality Control
by Artificial Vision - QCAV'95, Le Creusot, FRANCE, pp. 209-214, Mai 17-19,
1995.
[LAV96] B. LAVAYSSIERE, E. FLEUET, B. GEORGEL, "Reconstruire en 3D: un nouveau
dfi en radiographie industrielle", Note interne de la Direction des Etudes et
Recherches E.D.F., n 96NB00081, 1996.
[LEF96] M. LEFEVRE, F. PRETEUX, B. LAVAYSSIERE, "Classification par approches
connexionnistes applique au contrle non destructif", Note interne de la Direction
des Etudes et Recherches E.D.F., n 96NB00052, 1996.
[LES94] J.L. LESNE, "Le Poste d'Analyse pour le Contrle et l'Expertise: Une structure
d'accueil des donnes et des traitements pour le contrle non destructif", Direction
des Etudes et Recherches E.D.F., RGN 1994, n 5, Septembre - Octobre 1994.
[LEW97] L.F.C. LEW YAN VOON, P. BOLLAND, O. LALIGANT, P. GORRIA,,
B. GREMILLET, L. PILLET, "Gradient based Discrete Hough Transform for the
Detection and Localization of Defects during Non-Destructive Inspection",
Bibliographie
102
IS&T/SPIE Symposium on Electronic Imaging: Science and Technology 1997, San
Jose, California, USA, pp. 140-146, February 08-14, 1997.
[LEW98] L.F.C. LEW YAN VOON, P. BOLLAND, P. GORRIA, E. RENIER,
F. TRUCHETET, B. GREMILLET, L. PILLET, "Application of Digital Image
Processing Techniques in Ultrasonic Inspection of Engineering Structures",
Proceedings of the 1998 International Conference on Quality Control by Artificial
Vision - QCAV'98, Takamatsu, JAPAN, pp. 521-528, November 10-12, 1998.
[LOR91] M. LORENZ, VAN DER WAL, A.J. BERKHOUT, "Ultrasonic imaging with
multisaft: Nondestructive characterization of defects in steel components", Non
Destructive Testing Evaluation, 1991, vol 6, n 3, pp. 131-148, 1991.
[LUD89] R. LUDWIG, "A non destructive imaging system for detection of flaws in metal
blocks", IEEE Transactions on Instrumentation and measurement, vol 3, n 1,
pp. 113-118, 1989.
[MAC90] D.E. MACDONALD, "Images of flaw in generator retaining rings using SAFT
reconstruction of T.O.F.D. data", Review of Progress in Quantitative Nondestructive
evaluation, Edited by D.O. THOMSON and D.E. CHIMENTI, New York, vol 9,
Plenum Press, pp. 765-772, 1990.
[MAH82] M.A.M. MAHMOUD, J.M. BOAG, D.J. BURNS, "Ultrasonic sizing of surface
fatigue cracks unsing crack tip echo times", I Mech E, pp. 169-178, October 1982.
[MAI85] H. MAITRE, "Un panorama de la Transformation de Hough", Traitement du Signal,
Vol 2, n 4, pp. 305-317, 1985.
[MAI86] H. MAITRE, "Contribution to the prediction of performances of the Hough
Transform", Pattern Analysis and Machine Intelligence, vol 8, n 5, pp. 669-674,
1986.
[MAI92] H. MAITRE, F. PRETEUX, "Progress in digital image processing with applications
to medical imaging", 14
th
international IEEE conference on Engineering in medicine
and Biology Society, Paris, October 29
th
November 1
st
, 1992.
[MIT94] J. MITERAN, "Performances et intgration d'un algorithme de classification
gomtrique par apprentissage. Applications en traitements d'images", Thse de
Doctorat, Universit de Bourgogne, 1994.
Bibliographie
103
[MOY92a] J.MOYSAN, "Imagerie numrique ultrasonore pour la dtection automatique de
dfauts en contrle non destructif", Thse de Doctorat, INSA de Lyon,
07 octobre 1992.
[MOY92b] J. MOYSAN, G. CORNELOUP, I.E. MAGNIN, P. BESNOIT, "Crack-like defect
detection and sizing from image segmentation through co-occurrence matrix
analysis", Ultrasonics, Vol 30, n 6, pp. 359-363, 1992.
[MOY94] J. MOYSAN, G. CORNELOUP, I.E. MAGNIN, P. BESNOIT, "Seuillage
automatique d'images ultrasonores, utilisation de la matrice de co-occurence",
Revue pratique de contrle industriel, supplment au n 188, octobre 1994.
[NOT90] L.D. NOTTINGHAM, D.E. MACDONALD, "Time of Flight Diffraction ultrasonic
measurement of IGSCC in generator training rings", 1Oth N.D.E. in N.P.V.I., 1990.
[ORO81] J. OROURKE, "Dynamically quantized spaces for focusing the Hough transform",
Proceedings of the 7
th
International Joint Conference on Artificial Intelligence,
Vancouver, Canada, pp. 737-739, 1981.
[ORO84] J. OROURKE, K.R. SLOAN, "Dynamic quantization : Two adaptative data
structures for multidimensional spaces", IEEE Transactions on Pattern Analysis and
Machine Intelligence, PAMI-6, n 3, pp. 266-280, 1984.
[PAR86] L. PARADIS, Y. SERRYUS, R. SAGLIO, "A time of Flight Method for crack
Evaluation Using Focused Ultrasonic Probes", Materials Evaluation, n 44, pp. 568-
570, April 1986.
[PER93] Jean PERDIJON, "Le Contrle non destructif par ultrasons", Collection Trait des
Nouvelles Technologies, Editions Herms, Fvrier 93.
[ROB95] M.C. ROBINI, I.E. MAGNIN, B. LAVAYSSIERE, "Wavelet packets based flaw
detection in ultrasonic B-Scan images", International Conference on Quality Control
by Artificial Vision - QCAV'95, Le Creusot, FRANCE, pp. 37-47, Mai 17-19, 1995.
[ROS69] A. ROSENFELD, "Pictures processing by computer", Academic Press, New York,
1969.
[SHA78] S.D. SHAPIRO, "Feature space transforms for curve detection", Pattern
Recognition, Vol 10, pp. 129-143, 1978.
Bibliographie
104
[SHA79] S.D. SHAPIRO, A. IANNINO, "Geometric constructions for predicting Hough
Transform Performances", Pattern Analysis and Machine Intelligence, vol 1, n 3,
pp. 310-317, July 1979.
[SHE92] J. SHEN, S. CASTAN, "An optimal linear operator for step edge detection", IEEE
CVGIP, Vol 54, pp. 112-133, 1992.
[SIL82a] M.G. SILK, "The use of diffraction-based time of flight measurements to locate and
size defects", British Journal of NDT, pp. 208-213, september 1982.
[SIL82b] M.G SILK, "The fundamental accuracy of ultrasonic time of flight testing
techniques", I Mech E, pp. 125-133, 1982.
[SIL87] M.G. SILK, "Changes in ultrasonic defect locating and sizing", NDT International,
Vol 20, n 1, pp. 9-14, February 1987.
[SLA78] J. SLANSKY, "On the Hough Technique for Curve Detection", IEEE Transactions
on Computers, Vol c-27, n 10, pp. 923-926, 1978.
[SON91] S.J. SONG, L.W. SCHMERR, A. SEDOV, "D.G.S. diagrams and frequency
response curves for a flat-bottom hole: a model based approach", Research in
Nondestructive Evaluation, New York, United States, pp. 201-219, 1991.
[STA88] H.K. STANGER, W. KAPPES, P. HLLER, "Application of the ALOK procedure
in ultrasonic inspection of complicated geometries", Proceedings of the ninth
International Conference on Nondestructive Evaluation in the nuclear Industrie,
Material Parks, Tokyo, Japan, pp. 417-420, 1988.
[TIM85] R. TIMOUMI, "Quelques aspects thoriques et numriques de la transformation de
Hough", Thse de doctorat, Universit Paris XI, Juin 1985.
[TRU98] F. TRUCHETET, "Traitement linaire du signal numrique", Editions Herms,
1998.
[VRA89] D. VRAY, G. GIMENEZ, C. CACHARD, "Exploitation de l'amplitude et de la
phase pour le traitement d'chos ultrasonores", Actes du 12
me
Colloque GRESTI
Juan les Pins, pp. 87-90, Juin 1989.
[ZIO89] D. ZIOU, B. WROBEL-DAUTCOURT, "Filtres rcursifs pour la dtection de
contours lignes de crtes et marche", Actes du 12
me
Colloque GRESTI
Juan les Pins, pp. 637-639, Juin 1989.
Bibliographie
105
[ZIO91] D. ZIOU, "Line Detection unsing an optimal IIR filter", Pattern Recognition, Vol 24,
n 6, pp. 465-478, 1991.

Annexe A Annexe A
Jeu de test bidimensionnel Jeu de test bidimensionnel

Annexe A
Jeu de test bidimensionnel
107
Annexe A Annexe A
Jeu de test bidimensionnel Jeu de test bidimensionnel
Les jeux de test sont issus de plusieurs acquisitions ralises sur des blocs mtalliques "talons". Les
donnes ultrasonores nont pas pu tre acquises directement sur des lments de centrales nuclaires en
activit car laccs ces installations et lextraction de donnes sont trs fortement rglements. Electricit
de France gre l'activit de ces centrales et prvoie des priodes darrt pour la surveillance et la
maintenance. Il est difficile de faire des acquisitions particulires durant ces priodes. Cest pourquoi nous
exploitons des donnes correspondant des fissures ralises par lectrorosion sur des blocs simulant les
lments de centrale. Ces fissures, l'image des dfauts "naturels" apparaissant sous le revtement des
cuves de centrales, sont prsentes la jonction de deux matriaux diffrents.
Un jeu de test correspond une acquisition ralise sur un bloc comportant des gnratrices (trous
circulaires parallles la surface de contrle) des profondeurs rgulires. Ces dfauts engendrent des
chos trs proches de ceux observs sur des acquisitions issues de blocs fissurs, plus intenses, et donc
intressants pour la mise au point dalgorithmes.
Chaque acquisition est constitue dun ensemble de B-Scan (figure A.1). Afin de fournir une
information de prsence ou non de dfauts et de localiser ces dfauts, nous avons choisi un jeu de test
constitu de plans contenant un ou plusieurs dfauts, et d'autres plans ne contenant pas de dfaut.
Annexe A
108
B
-
S
c
a
n

0
2
B
-
S
c
a
n

0
1
B
-
S
c
a
n

0
3
B
-
S
c
a
n

0
4

Surface inspecter
Balayage mcanique
des capteurs
x
y
t

figure A.1: Gnration dun jeu de test
Les dfauts sont rpertoris par un numro global, le numro du plan B-Scan ainsi que le nom du
fichier dont ils sont extraits (figure A.2).
dfaut 1 dfaut 2
Fichier n 01
Fichier n 02
Fichier n 03
B
-
S
c
a
n

0
2
B
-
S
c
a
n

0
1
B
-
S
c
a
n

0
3
B
-
S
c
a
n

0
4
. . .
.

.

.

figure A.2: Hirarchie du jeu de test
Lensemble des plans B-Scans d'un fichier dacquisition peut tre considr comme une
reprsentation volumique du matriau inspecter lorsque les plans acquis sont proches lun de lautre.
Certains plans conscutifs contiennent des informations caractrisant des anomalies de la matire alors que
d'autres refltent la prsence d'un matriau sain.
Nous prsentons ici l'ensemble des images B-Scan avec dfauts, sur lesquels nous avons test les
algorithmes bidimensionnels dvelopps. Ces arcs de diffraction caractristiques des dfauts, entours sur
les images B-Scan, sont numrots de D01 D25.
Annexe A
109
D01
D02

D04
D03

D05

D08
D07
D06

D09

Annexe A
110
D10

D12
D11

D13

D14
D15
D16

D17

Annexe A
111
D18

D19
D20

D22
D23

D24
D25

Annexe B Annexe B
Jeu de test tridimensionnel Jeu de test tridimensionnel

Annexe B
Jeu de test tridimensionnel
112
Annexe B Annexe B
Jeu de test tridimensionnel Jeu de test tridimensionnel
Cette annexe se dcompose en deux parties: l'ensemble des fichiers de test constitus d'arcs
de diffraction complets et l'ensemble des fichiers de test constitus d'arcs de diffraction morcels.
B. 1 B. 1 Arcs de di f f ract i on compl et s Arcs de di f f ract i on compl et s
Les fichiers sont tris par ordre dcroissant du Rapport Signal/Bruit (RSB):
( )
( ) ( )
2
2
1 0
_
log 10
Bruit Moy Bruit I
n diffractio de Arc I
RSB
o I(Arc de diffraction) est l'intensit des pixels appartenant l'arc de diffraction, I(Bruit), l'intensit
des pixels du bruit et Moy_Bruit, la valeur moyenne du bruit.
Nous avons indiqu pour chaque ensemble de B-Scan d'un fichier test tridimensionnel: le RSB
pour l' ensemble des B-Scan, la dynamique retenue pour les arcs, l'ouverture de continuit retenue
par l'oprateur, et la position du sommet de l'arc de diffraction. La dynamique des arcs est dfinie
comme tant la plage de variation du niveau de gris des pixels appartenant l'arc de diffraction. Par
exemple, une dynamique de 50 signifie que le niveau de gris des pixels appartenant l'arc de
diffraction varie entre 0 et 50. Le nombre terminant le nom de fichier correspond la dynamique des
arcs de diffraction.
B. 1 . 1 B. 1 . 1 F Fi c hi e r t e s t CONT_ 1 5 0 i c hi e r t e s t CONT_ 1 5 0
Pl a ns B Pl a ns B - - Sc a n c o ns t i t ua nt l e f i c hi e r t e s t Sc a n c o ns t i t ua nt l e f i c hi e r t e s t

Ca r a c t r i s t i que s du f i c hi e r t e s t Ca r a c t r i s t i que s du f i c hi e r t e s t
RSB ( dB) RSB ( dB) Dynami que Dynami que Ouve r t ur e ( ms . pi x Ouve r t ur e ( ms . pi x
- -
2 2
) )
Pos i t i on du s omme t Pos i t i on du s omme t
( x, t ) ( x, t )
-0,733 150 - 0,33 (6, 18)
Annexe B
113
B. 1 . 2 B. 1 . 2 Fi c hi e r t e s t CONT_ 1 2 5 Fi c hi e r t e s t CONT_ 1 2 5
Pl a ns B Pl a ns B - - Sc an c ons t i t uant l Sc an c ons t i t uant l e f i c h i e r t e s t e f i c h i e r t e s t

- -
2 2
) )
( x, t ) ( x, t )
-2,32 125 - 0,29 (6, 18)
B. 1 . 3 B. 1 . 3 Fi c hi e r t e s t CONT_ 1 0 0 Fi c hi e r t e s t CONT_ 1 0 0

Ca r a c t r i s t i que Ca r a c t r i s t i que s du f i c hi e r t e s t s du f i c hi e r t e s t
- -
2 2
) )
( x, t ) ( x, t )
- 4,27 100 - 0,25 (6, 18)
B. 1 . 4 B. 1 . 4 Fi c hi e r t e s t CONT_ 5 0 Fi c hi e r t e s t CONT_ 5 0

RSB ( dB) RSB ( dB) Dynami que Dynami que Ouve r t ur e Ouve r t ur e ( ms . pi x ( ms . pi x
- -
2 2
) )
( x, t ) ( x, t )
- 10,34 50 - 0,13 (6, 18)

- -
2 2
) )
( x, t ) ( x, t )
- 14,84 30 - 0,05 (6, 18)
Annexe B
114

- -
2 2
) )
( x, t ) ( x, t )
- 18,45 20 - 0,03 (6, 18)
B. 2 B. 2 Arcs de di f f ract i on i ncompl et s Arcs de di f f ract i on i ncompl et s
Les fichiers test avec arcs de diffraction incomplets sont tris par ordre dcroissant de taux de
morcellement:
arc l t constituan initial pixels de Nb
conservs pixels de Nb
'

Nous indiquons pour chaque fichier, le taux de morcellement approximatif pour l'ensemble des
donnes tridimensionnelles, l'ouverture de continuit releve, et la position du sommet de l'arc de
diffraction.
B. 2 . 1 B. 2 . 1 Fi c hi e r t e s t DI SC_ 9 0 Fi c hi e r t e s t DI SC_ 9 0

Taux Taux Ouve r t ur e ( ms . pi x Ouve r t ur e ( ms . pi x
- - 2 2
) ) Pos i t i on du s omme t ( x, Pos i t i on du s omme t ( x, t t ) )
90 % - 0,48 (6, 18)

- - 2 2
) ) Pos i t i on du s omme t ( x, Pos i t i on du s omme t ( x, t ) t )
80 % - 0,47 (6, 18)
Annexe B
115
Pl a ns B Pl a ns B - - Sc a n c o ns t i t ua Sc a n c o ns t i t ua nt l e f i c hi e r t e s t nt l e f i c hi e r t e s t

- - 2 2
70 % - 0,45 (6, 18)

Car ac t r i s t i que s du f i c hi e r t e Car ac t r i s t i que s du f i c hi e r t e s t s t
- - 2 2
60 % - 0,35 (6, 18)

- - 2 2
50 % - 0,28 (6, 18)

- - 2 2
40 % - 0,27 (6, 18)
Pl a ns B Pl a ns B - - Sc a n c o ns t i t ua nt l e f i c hi e Sc a n c o ns t i t ua nt l e f i c hi e r t e s t r t e s t

Annexe B
116
- - 2 2
30 % - 0,1 (6, 18)

Taux Taux Ouv Ouve r t ur e ( ms . pi x e r t ur e ( ms . pi x
- - 2 2
20 % - 0,03 (6, 18)

Annexe C Annexe C
Rsultats de la transformation de Hough Rsultats de la transformation de Hough sur sur
le jeu de test bidimensionnel le jeu de test bidimensionnel

Annexe C
Rsultats de la transformation de Hough sur le jeu de test bidimensionnel
117
Annexe C Annexe C
Rsultats de la transformation de Hough Rsultats de la transformation de Hough sur l e jeu sur l e jeu
de test bidimensionnel de test bidimensionnel
Nous prsentons dans cette annexe les traitements bidimensionnels utilisant la transformation de
Hough avec calcul et accumulation de la valeur du gradient sur l'ensemble des fichiers du jeu de test
bidimensionnel, ainsi que sur un ensemble de zones de B-Scan ne contenant que du bruit.
C. 1 C. 1 Fi chi ers cont enant des df aut s Fi chi ers cont enant des df aut s
Le tableau (figure C. 1) reprsente les rsultats de l'application de la transforme de Hough pour un
gradient maximal aux 25 zones de dfauts issues des fichiers de test avec dfauts. Le filtre optimal utilis
pour le calcul du gradient est celui de Shen et Castan.
Nous reprsentons la zone de l'image traite, l'espace des paramtres obtenu, la position du sommet
de l'arc de diffraction trouve et le rsultat de la localisation. Nous considrons que le sommet a t
correctement localis lorsqu'il a t trouv moins de 2 pixels de la position recherche. Le taux de bonne
dtection est:
% 88 100
25
22
No. du No. du
df aut df aut
I mage I mage So ur c e So ur c e Es pac e de s Es pac e de s
par am t r e s par am t r e s
Re pos i t i onne me nt Re pos i t i onne me nt
du df aut du df aut
D f aut D f aut
c or r e c t e me nt c or r e c t e me nt
l o c a l i s l o c a l i s
D01

oui
D02

oui
D03

oui
Annexe C
118
No. du No. du
df aut df aut
du df aut du df aut
D f aut D f aut
D04

oui
D05

oui
D06

non
D07

oui
D08

oui
D09

oui
D10

oui
D11

oui
D12

oui
D13

oui
D14

oui
D15

non
Annexe C
119
No. du No. du
df aut df aut
du df aut du df aut
D f aut D f aut
D16

non
D17

oui
D18

oui
D19

oui
D20

oui
D21

oui
D22

oui
D23

oui
D24

oui
D25

oui
figure C. 1: Rsultats de la transformation de Hough avec calcul du gradient sur les 25 dfauts
C. 2 C. 2 Fi chi ers ne cont enant pas de df aut s Fi chi ers ne cont enant pas de df aut s
La transformation de Hough base sur le calcul et l'accumulation de la valeur du gradient maximal a
t teste sur 10 zones B-Scan ne contenant pas de dfauts.
Annexe C
120
Les rsultats sont indiqus figure C. 2 o la zone traite, l'espace des paramtres obtenu, et le
rsultat dune ventuelle dtection sont prsents. Le taux de bonne dtection est:
% 80 100
10
8
No No I mage Sour c e I mage Sour c e Es pac e de s Es pac e de s
D f aut d t e c t ? D f aut d t e c t ?
( oui / non) ( oui / non)
1

Non
2

Non
3

Oui
4

Non
5

Non
6

Oui
7

Non
8

Non
9

Non
10

Non
figure C. 2: Rsultats de la transformation de Hough avec calcul du gradient sur les 10 zones B-
Scan sans dfaut

Annexe D Annexe D
Rsultats de la tr Rsultats de la transformation de Hough sur ansformation de Hough sur
le jeu de test tridimensionnel le jeu de test tridimensionnel

Annexe D
Rsultats de la transformation de Hough sur le jeu de test tridimensionnel
121
Annexe D Annexe D
Rsul tats de l a tr Rsul tats de l a transformation de Hough sur le ansformation de Hough sur le
jeu de test tridimensionnel jeu de test tridimensionnel
Cette annexe rsume les rsultats obtenus suite l'application du traitement combin
(traitements bidimensionnel avec calcul du gradient et tridimensionnel) l'ensemble des fichiers test
tridimensionnels.
D. 1 D. 1 Arcs de di f f ract i on compl et s Arcs de di f f ract i on compl et s
Les rsultats du test des fichiers constitus d'arc de diffraction complets avec des RSB
diffrents sont tris par ordre dcroissant du RSB. Nous prsentons les espaces de paramtres
obtenus avant et aprs la combinaison des traitements et le repositionnement du dfaut.
D. 1. 1 D. 1. 1 Fi c hi e r t e s t CONT_ 1 5 0 ( RSB = Fi c hi e r t e s t CONT_ 1 5 0 ( RSB = - - 0 , 7 3 3 d B) 0 , 7 3 3 d B)
Pl a ns B Pl a ns B - - Sc a ns c o ns t i t ua nt l e j e u de t e s t Sc a ns c o ns t i t ua nt l e j e u de t e s t

R s ul t at de Tr ai t e me nt 3D R s ul t at de Tr ai t e me nt 3D
T. H. Gr adi e nt 3D T. H. Gr adi e nt 3D T. H. Cont i nui t 3D T. H. Cont i nui t 3D T. H. Combi n e 3D T. H. Combi n e 3D Re pos i t i onne me nt Re pos i t i onne me nt

D. 1. 2 D. 1. 2 Fi c hi e r t e s t CONT_ 1 2 5 ( RSB = Fi c hi e r t e s t CONT_ 1 2 5 ( RSB = - - 2 , 3 2 dB) 2 , 3 2 dB)


Annexe D
122
D. 1. 3 D. 1. 3 Fi c hi e r t e s t CONT_ 1 0 0 ( RSB = Fi c hi e r t e s t CONT_ 1 0 0 ( RSB = - - 4 , 2 7 dB) 4 , 2 7 dB)


D. 1. 4 D. 1. 4 Fi c hi e r t e s t CONT_ 5 0 ( RSB = Fi c hi e r t e s t CONT_ 5 0 ( RSB = - - 1 0 , 3 4 d B) 1 0 , 3 4 d B)



T. H. Gr adi e nt 3D T. H. Gr adi e nt 3D T. H. T. H. Co nt i nui t 3 D Co nt i nui t 3 D T. H. Combi n e 3D T. H. Combi n e 3D Re pos i t i onne me nt Re pos i t i onne me nt



Annexe D
123
D. 2 D. 2 Arcs de di f f ract i on i ncompl et s Arcs de di f f ract i on i ncompl et s
Les rsultats du traitement tridimensionnel ralis sur les fichiers constitus d'arc de diffraction
morcels sont tris par ordre dcroissant du taux de morcellement. Nous prsentons les espaces de
paramtres obtenus avant et aprs la combinaison des traitements et le repositionnement du dfaut.
D. 2. 1 D. 2. 1 Fi c hi e r t e s t DI SC_ 9 0 Fi c hi e r t e s t DI SC_ 9 0

T. H. Gr adi e nt 3D T. H. Gr adi e nt 3D T. H. Cont i nui t 3D T. H. Cont i nui t 3D T. H. Combi n e 3D T. H. Combi n e 3D Re pos i t i onne me n Re pos i t i onne me n t t



Pl a ns B Pl a ns B - - Sc a ns c o ns t i t ua nt l e j e u de Sc a ns c o ns t i t ua nt l e j e u de t e s t t e s t



Annexe D
124
T. H. Gr adi e nt 3D T. H. Gr adi e nt 3D T. T. H. Cont i nui t 3D H. Cont i nui t 3D T. H. Combi n e 3D T. H. Combi n e 3D Re pos i t i onne me nt Re pos i t i onne me nt



D. 2. 6 D. 2. 6 Fi c hi e r Fi c hi e r t e s t DI SC_ 4 0 t e s t DI SC_ 4 0





Annexe D
125
T. H. Gr adi e nt 3D T. H. Gr adi e nt 3D T. H. Cont i nui t 3D T. H. Cont i nui t 3D T. H T. H. Combi n e 3D . Combi n e 3D Re pos i t i onne me nt Re pos i t i onne me nt

Annexe E Annexe E
Prsentation du logiciel de traitements Prsentation du logiciel de traitements

Annexe E
Prsentation succincte du logiciel de traitements
126
Annexe E Annexe E
Prsentati on du l ogi ci el de trai tements Prsentati on du l ogi ci el de trai tements
Ce paragraphe dcrit l'outil logiciel de traitements dvelopp dans le cadre de cette tude. Ce
prototype a t dvelopp en Visual C++ sous Windows NT sur PC.
E. 1 E. 1 Descri pt i on sommai re du l ogi ci el Descri pt i on sommai re du l ogi ci el
Le logiciel ralis dispose d'une interface cran graphique "Windows" (figure E.1). Les menus
standards de toute application Windows sont intgrs au logiciel (gestion des fichiers, des fentres,
d'dition, etc.).

figure E.1: Interface utilisateur graphique "Windows"
Annexe E
127
Le logiciel permet de lire et sauvegarder des fichiers au format "Accusonex", et des images au
format bitmap de Windows.
Lorsqu'un fichier ultrasonore est lu, le logiciel affiche les donnes dans les trois reprsentations
C-Scan, B-Scan et A-Scan. La premire reprsentation des donnes affiche est le C-Scan.
Lutilisateur peut alors slectionner les B-Scan afficher puis les A-Scan.
Trois menus droulants grent indpendamment les types dimages ultrasonores. Le menu "C-
Scan" permet, par exemple, la cration d'images B-Scan. Le menu "B-Scan" propose une fonction
de slection de zone de B-Scan traiter, l'entre des paramtres ultrasonores associs au B-Scan
considr, etc.
Deux menus "Traitement bidimensionnels" et "Traitement tridimensionnel" permettent
d'accder aux traitements dvelopps.
E. 2 E. 2 Dt ect i on d' arcs de di f f ract i on dans un pl an B Dt ect i on d' arcs de di f f ract i on dans un pl an B- - Scan: t rai t ement Scan: t rai t ement
bi di mensi onnel bi di mensi onnel
La dtection d'arcs de diffraction dans une image B-Scan se droule de la manire suivante:
aprs ouverture du fichier B-Scan traiter, l' utilisateur slectionne la zone de traitement et les
paramtres d'acquisition ultrasonore. La fentre "Paramtres US" du menu "B-Scan" permettant la
saisie de ces paramtres est prsente sur la figure E.2.
Les paramtres introduire sont l'angle d'acquisition, la distance inter-capteurs et la clrit
dans le matriau ncessaires au calcul de l'ouverture en fonction de la profondeur. Le type d'cho de
rfrence permet d'obtenir un rfrentiel sur l'axe des temps.
Annexe E
128

figure E.2: Fentre de saisie des paramtres ultrasonores
Lorsque ces paramtres sont saisis, le menu "Traitements 2D" (figure E.3) permet d'accder
la transformation de Hough et d'autres outils mis au point durant l'tude.

figure E.3: Menu "Traitements 2D"
Annexe E
129
Le rsultat de la transformation de Hough est prsent sous forme d'un message de prsence
ou absence de dfaut et de deux nouvelles images. Un curseur est alors positionn dans une copie
de l'image B-Scan traite. Une seconde image prsente l'espace des paramtres (figure E.4).
Image source Repositionnement du dfaut Espace des paramtres

figure E.4: Exemple de rsultat de traitement
E. 3 E. 3 Dt ect i on d' arcs de di f f ract i on dans une acqui si t i on mul t i pl ans: Dt ect i on d' arcs de di f f ract i on dans une acqui si t i on mul t i pl ans:
trai tement combi n trai tement combi n
E. 3. 1 E. 3. 1 Char ge me nt de s donn e s t r i di me ns i onne l l e s Char ge me nt de s donn e s t r i di me ns i onne l l e s
Les donnes traiter peuvent tre un ensemble de fichiers B-Scans pralablement
sauvegards partir d'un fichier d'acquisition tridimensionnel. L'oprateur doit dans ce cas entrer le
nom du premier plan B-Scan constituant les donnes et le nombre de plans conscutifs traiter.
Les donnes peuvent aussi tre slectionnes sur le plan C-Scan d'une acquisition
tridimensionnelle. L'utilisateur doit dans ce cas slectionner les plans B-Scan traiter et la plage de
profondeur dans l'un des plans B-Scan.
E. 3. 2 E. 3. 2 Ex c ut i on du t r ai t e me nt c ombi n Ex c ut i on du t r ai t e me nt c ombi n
Le menu "Traitements 3D" (figure E.5) permet de slectionner la commande "T.H.
Combine".

figure E.5: Menu des traitements tridimensionnels
Annexe E
130
Une bote de dialogue (figure E.6), permet alors de saisir les valeurs thoriques des
paramtres du modle de continuit.

figure E.6: Bote de dialogue de saisie du paramtre "Ouverture"
Quatre images permettent d'interprter le rsultat de la transformation de Hough
tridimensionnelle (figure E.7): l'espace des paramtres de la T.H., l'espace des paramtres calcul
pour le traitement de continuit seul, l'espace des paramtres calcul pour le traitement du gradient
seul, et enfin, le plan B-Scan central de la zone traite sur lequel est positionn le dfaut dtect.

Es pac e r s ul t ant Es pac e r s ul t ant Es pace de Es pace de
c ont i nui t c ont i nui t
Es pac e de gr adi e nt Es pac e de gr adi e nt D f aut D f aut
r e pos i t i onn r e pos i t i onn
figure E.7: Exemple de rsultat obtenu avec le traitement combin

129 These

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

129 These

Încărcat de

Drepturi de autor:

Formate disponibile

UNIVERSITE DE BOURGOGNE UFR SCIENCES ET TECHNIQUES

l'ordre 2, on obtient l'quation suivante:

l'ordre 2 impose certaines restrictions. Ce

Traitement global des

S-ar putea să vă placă și