Documente Academic
Documente Profesional
Documente Cultură
THESE
présentée par
BOLLAND Patrice
DOCTEUR DE L'UNIVERSITE
Jury :
Remerciements
Une pensée particulière pour Eric, Christelle, Nathalie, Dominique et Marie-Pierre qui
m'ont apporté un important soutien technique et moral tout au long de ce travail.
Que tout ceux qui ont participé, directement ou indirectement, au bon déroulement de
mon travail, trouvent ici l'expression de ma reconnaissance.
Enfin, j'adresse des remerciements particuliers à mes proches, pour leur présence, leur
soutien, et leurs encouragements permanents.
i
Résumé
Résumé
Cette thèse, réalisée au laboratoire L.E.2.I. est consacrée à une étude de détection,
caractérisation et localisation de défauts en imagerie ultrasonore tridimensionnelle.
Nous introduisons dans la première partie le contrôle non destructif par ultrasons de
pièces métalliques pour l'industrie nucléaire. Nous décrivons les techniques existantes
utilisées pour détecter et caractériser les défauts et les principes d'acquisition ultrasonore.
Nous détaillons plus particulièrement la technique d'acquisition "Time Of Flight Diffraction"
(T.O.F.D.) basée sur une exploitation des ondes diffractées par les extrémités de fissures.
Nous présentons pour les deux approches décrites aux chapitres trois et quatre, une
validation sur d'importants jeux de test issus d'une application industrielle. Nous avons ainsi
ii
Résumé
Mots clés: Traitement tridimensionnel, contrôle non destructif, imagerie ultrasonore, vision
artificielle, reconnaissance de formes, transformation de Hough.
iii
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.
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.
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
iv
Abstract
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.
v
Table des matières
Introduction.
Introduction. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
Chapitre 1
Contrôle non destructif ultrasonore . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.1 Principes des acquisitions ultrasonores.........................................................................8
1.2 Modes de représentation ...............................................................................................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 contrôles ultrasonores....................................................................12
1.3.1 Dimensionnement à –6 dB .....................................................................................13
1.3.2 Méthode "Distance Gain Size"...............................................................................13
1.3.3 Inconvénients des techniques basées sur la réflexion ............................................14
1.4 Time Of Flight Diffraction..........................................................................................14
1.4.1 Principes de la technique T.O.F.D. ........................................................................14
1.4.2 Modélisation des échos de diffraction dans un plan B-Scan..................................15
1.5 Exploitation des acquisitions T.O.F.D. .......................................................................19
1.5.1 Amélioration du modèle théorique .........................................................................19
1.5.2 Comparaison entre le modèle théorique et l'arc de diffraction réel .......................21
1.5.3 Détection et localisation du défaut .........................................................................22
1.6 Conclusion ..................................................................................................................23
Chapitre 2
Transformation de Hough.
Hough. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 6
2.1 Reconnaissance de courbes et de formes ....................................................................26
2.2 La transformation de Hough .......................................................................................28
2.2.1 Définition générale de la transformation de Hough...............................................30
2.2.2 Transformation de m à 1 ........................................................................................30
2.2.3 Transformation de 1 à m ........................................................................................31
2.2.4 Interprétation de la transformation de Hough ........................................................31
2.3 Application à la détection de droites ou d'alignements de points ...............................32
2.3.1 Représentations d'une droite ..................................................................................32
2.3.2 Application de la transformation de Hough avec une représentation
cartésienne ..............................................................................................................33
2.3.3 Application de la transformation de Hough avec une représentation
polaire .....................................................................................................................35
2.4 Conclusion ..................................................................................................................36
vi
Table des matières
Chapitre 3
Application de la transformation de Hough aux images ultrasonores
B -S c a n . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 9
3.1 Définition du problème en terme de traitement d'images ...........................................39
3.2 Mise en œuvre de la transfo rmation de Hough...........................................................40
3.2.1 Définition du modèle mathématique et de l'espace des paramètres .......................40
3.2.2 Optimisation de l'espace des paramètres ................................................................42
3.2.3 Origine temporelle des acquisitions .......................................................................46
3.2.4 Bornes de l'espace des paramètres .........................................................................47
3.2.5 Prétraitement nécessaire à la transformation de Hough.........................................47
3.2.6 Mise en œuvre pratique de la transformation de Hough ........................................48
3.2.7 Quelques résultats de la transformation de Hough avec une accumulation
de l'intensité............................................................................................................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 œuvre pratique de la transformation de Hough avec
normalisation..........................................................................................................52
3.3.4 Quelques résultats de la transformation de Hough avec normalisation.................53
3.4 Phase de décision........................................................................................................54
3.5 Evaluation de la transformation de Hough avec normalisation..................................55
3.6 Amélioration de l’algorithme......................................................................................56
3.6.1 Intégration du gradient dans la construction de l’espace des paramètres ..............56
3.6.2 Extraction des pixels situés sur la normale ............................................................58
3.6.2.1 Algorithme d'extraction des pixels appartenant à la normale............................58
3.6.2.2 Relevé des profils de normales à l'arc de diffraction.........................................60
3.6.3 Filtrage optimal et détection de contours ...............................................................61
3.6.3.1 Méthodes dérivatives .........................................................................................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 méthodes ......................................................................66
3.6.3.5 Caractéristiques des filtres de Canny-Deriche et de Shen et Castan mis
en œuvre ............................................................................................................67
3.6.4 Mise en œuvre de la transformation de Hough avec calcul du gradient ................68
3.6.5 Résultats de la transformation de Hough avec calcul du gradient .........................68
3.7 Conclusion ..................................................................................................................70
Chapitre 4
Applica t i o n d e l a T r a n s f o r m a t i o n d e H o u g h a u x a c q u i s i t i o n s
ultrasonores multidimensionnelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 2
4.1 Transformation de Hough tridimensionnelle ..............................................................73
4.1.1 Modèle de la forme tridimensionnelle, espace des paramètres ..............................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 à l'arc de diffraction.....................................75
vii
Table des matières
Conclusion générale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 4
Bibliographie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 8
Annexe A
Jeu de test bidimensionnel.
bidimensionnel. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 0 7
Annexe B
Jeu de test tridimensionnel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 1 2
Annexe C
Résultats de la transformation de Hough sur le jeu de test
bidimensionnel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 1 7
Annexe D
Résultats de la transformation de Hough sur le jeu de test
tridimensionnel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 2 1
Annexe E
Présentation du logiciel de traitements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 2 6
viii
Introduction
Introduction
Introduction
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 contrôle
non destructif. Le traitement d'images est en général appliqué à des images issues de capteurs
vidéo dans le domaine du visible. Il voit aujourd'hui son champ d'applications élargi aux
2
Introduction
images dites "non naturelles" provenant de contrôle non destructif par rayons x, ultrasons, ou
magnétoscopie par exemple.
Le travail de recherche décrit dans cette thèse vise à réunir à la fois les expériences et
compétences 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'Université 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 été cofinancé par le
Conseil Régional de Bourgogne.
Définition du projet
Pour parvenir à une définition précise du projet de recherche, nous avons effectué un
recensement des besoins auprès des personnes concernées par le contrôle non destructif par
ultrasons à Framatome. Chacun a pu exposer ses besoins et attentes en terme de contrôle
automatisé en répondant à un questionnaire. A l'issue de ce recensement, plusieurs directives
de recherche sont apparues. En accord avec le responsable technique du projet à Framatome,
nous sommes parvenus à la définition du projet de recherche suivant.
3
Introduction
d'inspecter un objet ou une matière dans son volume. Les données résultant de ce type de
contrôle sont tridimensionnelles. Elles sont constituées d'une succession d'images
représentant des plans parallèles du volume inspecté. Dans la plupart des cas, les outils
logiciels existants exploitent ces données plan par plan.
Ce projet vise donc à étudier et développer des outils de traitement des données
tridimensionnelles permettant de détecter et localiser des défauts plans (fissures). La première
partie de l'étude décrit des outils traitant les plans ultrasonores séparément. La seconde partie
exploite le traitement bidimensionnel mis au point afin de réaliser un traitement
tridimensionnel des données. Les informations liant les plans entre eux sont exploitées et
combinées à celles contenues dans chaque plan. Les algorithmes réalisés utilisent pour cela
les informations basées sur la forme et le contour d'un défaut dans une image et ses plans
voisins. Une recherche de forme tridimensionnelle permet de détecter des défauts
partiellement visibles par un opérateur.
Les acquisitions ultrasonores utilisées pour l'étude sont obtenues par la technique
T.O.F.D.. Les défauts plans recherchés donnent lieu à des arcs de diffraction dans les images
ultrasonores. Un exemple est donné sur la figure 1.1.
Arcs de diffraction
Un défaut est en général visible dans plusieurs images successives, mais l'œil humain
n'est pas capable de contrôler simultanément un nombre important d'images. Lorsque
4
Introduction
L'efficacité des traitements développés est validée sur un ensemble de fichiers test.
Organisation du document
Nous rappelons au premier chapitre les principes de base du contrôle non destructif par
ultrasons ainsi que les différents modes de représentation des données ultrasonores. Nous
décrivons ensuite les techniques de contrôle non destructif ultrasonore utilisées pour détecter
et caractériser des défauts. Nous terminons ce chapitre par une description détaillée de la
technique T.O.F.D. utilisée pour obtenir les données dont nous disposons pour notre étude.
5
Introduction
sur un ensemble d'images test et un résumé des résultats obtenus est présenté au cours du
chapitre. La totalité des résultats est détaillée en annexe C.
6
Chapitre 1
Contrôle non destructif ultrasonore
Chapitre 1
Contrôle non destructif ultrasonore
Chapitre 1
Contrôle non destructif ultrasonore
L’acquisition des données ultrasonores pour le contrôle d’un volume est réalisée en
général à partir d’une seule surface à l’aide d'un ou plusieurs palpeurs. Ces palpeurs, selon le
type d'acquisition souhaitée, peuvent être de type mono-capteur ou multi-capteurs, aussi bien
en émission qu'en réception. Dans le domaine du contrôle ultrasonore, le terme capteur
désigne à la fois l'émetteur et le récepteur. Les caractéristiques de chaque capteur (telles que
l'angle de tir, la focalisation, la fréquence…) peuvent être différentes selon le type et la
localisation du défaut recherché.
Pour effectuer une acquisition ultrasonore, la surface de contrôle de la pièce est balayée
de manière régulière en utilisant un couple émetteur/récepteur ultrasonore. En chaque point
du balayage, un tir ultrasonore est réalisé par l'émetteur et l'écho retourné par la matière est
enregistré par le récepteur. Nous obtenons ainsi pour un capteur donné (ou couple de
capteurs), un champ de données ultrasonores de dimension quatre: les coordonnées du capteur
(x, y), le temps (t) mis par les échos pour atteindre le récepteur, et l'amplitude (a) des échos.
8
Chapitre 1
Contrôle non destructif ultrasonore
Afin de pouvoir mettre en évidence certains défauts, plusieurs tirs sont parfois nécessaires.
Ces tirs sont réalisés avec des capteurs de caractéristiques différentes.
La figure 1.1 illustre le sens de balayage des capteurs. L’acquisition des données est
réalisée dans un seul sens du balayage.
Les données issues d'une acquisition ultrasonore peuvent être représentées sous la
forme d'un ensemble de signaux monodimensionnels, ou sous la forme d’images permettant
une visualisation simple et une interprétation rapide des informations contenues dans les
données d'acquisition.
1.2.1 S i g n a l A- S c a n
Le signal A-Scan est une représentation de l'amplitude des échos enregistrés par le
récepteur en fonction du temps. C'est un signal monodimensionnel obtenu lorsqu'un tir
ultrasonore est réalisé pour une position donnée (x, y) du couple émetteur/récepteur.
9
Chapitre 1
Contrôle non destructif ultrasonore
temps
bruit
bruit
Echo de surface
La figure 1.2 présente un exemple de signal A-Scan, observé lors d'une acquisition
basée sur la technique d'acquisition ultrasonore T.O.F.D. avec un couple émetteur/récepteur
en tandem. Le mode de représentation A-Scan est à la base de toutes les premières méthodes
d'exploitation et d'interprétation de données ultrasonores en contrôle non destructif. Il ne
nécessite pas beaucoup de matériel: une sonde et un oscilloscope sont nécessaires. Ce premier
mode a été longtemps utilisé et apprécié des techniciens chargés de l'expertise ultrasonore.
L'axe des ordonnées correspond aux amplitudes des différents échos enregistrés par le
récepteur ultrasonore. L'axe des abscisses représente le temps mis par ces échos pour
atteindre le récepteur. Les signaux enregistrés et représentés sur ce A-Scan sont des ondes
latérales propagées le long de la surface de contrôle du matériau (échos de surface), des ondes
diffractées par une extrémité de fissure (échos de diffraction), et des ondes réfléchies par la
surface opposée à la surface de contrôle (échos de fond). Le reste du signal est constitué
d'oscillations correspondant au bruit d'acquisition.
Une bonne connaissance technique du contrôle ultrasonore est nécessaire pour exploiter
ce type de signal. Il est difficile de déterminer quels maxima sont représentatifs d'échos de
diffraction et donc de défauts. Au terme d'une longue expérience, un expert en contrôle
ultrasonore est capable de donner une interprétation à chacun de ces maxima, par intégration
visuelle du signal lors du déplacement plus ou moins rapide des capteurs. Il peut ainsi
apprécier l'importance d'un écho et sa gravité. Mais aujourd'hui, les acquisitions ultrasonores
sont automatisées. L'expert n'a plus la maîtrise du déplacement des capteurs et ne peut plus
faire un balayage rapide autour d'un point suspect de la pièce pour effectuer une vérification.
La mise en évidence d'un défaut est maintenant faite par une analyse a posteriori des données
d'acquisition à partir de cartographies.
10
Chapitre 1
Contrôle non destructif ultrasonore
Une cartographie B-Scan est une image engendrée par la succession des A-Scan selon
la direction principale de balayage de la surface contrôlée (direction x sur la figure 1.3).
x
B-Scan
Plan B-Scan
y
La figure 1.4 présente un exemple de cartographie B-Scan. Elle est obtenue pour une
position (y) donnée des capteurs.
temps de vol
Les coordonnées des pixels représentent la position (x) des capteurs et le temps de vol
de l'onde ultrasonore (t). Les images B-Scan sont des représentations de coupes de la pièce.
1.2.3 C a r t o g r a p h i e s C- S c a n
Une cartographie C-Scan est obtenue à partir des signaux A-Scan en effectuant la
projection, sur un plan parallèle à la surface de contrôle, du maximum relevé sur les signaux
A-Scan associé à chaque position (x, y) des capteurs (figure 1.5).
11
Chapitre 1
Contrôle non destructif ultrasonore
C-Scan
x
Plan C-Scan
Le C-Scan est en général utilisé pour repérer rapidement un endroit suspect de la pièce.
Une analyse plus fine est ensuite réalisée en utilisant les B-Scan. Le C-Scan est surtout
exploité lors du dimensionnement de défauts volumiques.
x Projection 1
y Plan D-Scan 2
t (z)
Projection 2
Plan D-Scan 1
12
Chapitre 1
Contrôle non destructif ultrasonore
pouvant pas intervenir pendant cette phase d'acquisition, nous nous sommes intéressés aux
méthodes intervenant après l'acquisition. La plupart de ces méthodes cherchent à mesurer la
longueur des défauts plutôt que leur largeur. En effet, la gravité d'un défaut est déterminée
principalement par sa longueur. De plus, il est souvent possible d'évaluer la largeur d'une
fissure à partir de la mesure de sa longueur.
Parmi les techniques les plus répandues, deux méthodes sont basées sur l'observation
d'échos de réflexion, et, une troisième est basée sur l'observation d'échos de diffraction. Nous
décrivons dans un premier temps, les deux techniques traditionnelles "-6dB" et "Distance
Gain Size". La troisième technique T.O.F.D. est ensuite décrite.
1.3.1 D i m e n s i o n n e m e n t à – 6 dB
Enveloppe
présumée du défaut
La méthode consiste à relever les limites présumées du défaut constitué des points dont
l'intensité est supérieure au maximum relevé moins 6 dB (enveloppe gris foncé sur la figure
1.7). On obtient ainsi un dimensionnement global du défaut permettant de juger de sa gravité
[COR88]. Par sa facilité de mise en œuvre, cette méthode est depuis très longtemps utilisée.
Cependant, elle a pour inconvénient majeur de sous-dimensionner la taille réelle du défaut.
Lorsque la taille des défauts est assez faible, la technique "Distance Gain Size" est
préférée à la méthode "–6 dB". Celle-ci met en œuvre des abaques permettant d'attribuer au
défaut un diamètre équivalent à celui d'un réflecteur circulaire qui provoquerait la même
13
Chapitre 1
Contrôle non destructif ultrasonore
variation de l'écho mesurée [SON91]. L'expérience montre que les résultats obtenus varient
non seulement en fonction de la taille et de l'orientation du défaut recherché, mais aussi en
fonction de divers paramètres du faisceau ultrasonore (fréquence, focalisation…).
Les techniques de contrôle non destructif par ultrasons basées sur la réflexion sont
valides si les défauts sont plans et leur orientation est telle qu'ils renvoient une réflexion
spéculaire vers le récepteur. En réalité, il est très rare que le défaut soit normal à la focale et
qu'il renvoie une réflexion spéculaire vers le récepteur. Néanmoins, les ondes ultrasonores
étant diffractées et réfléchies dans le matériau, elles se propagent dans plusieurs directions. La
multiplicité de ces ondes permet alors d'observer un grand nombre de défauts. Les échos
enregistrés par le récepteur ultrasonore sont, dans ce cas, souvent faibles (réflexions
multiples). Plusieurs acquisitions à des angles de tir différents sont alors nécessaires pour un
dimensionnement précis des défauts.
Lorsqu'une onde incidente rencontre l'extrémité d'une fissure, celle-ci génère plusieurs
types d'ondes: ondes réfléchies, ondes diffractées, ondes de Rayleigh… Le Dr Maurice SILK
du "National NDT Center" à Harwell a exploité ces ondes diffractées et mis au point la
technique T.O.F.D.. Cette technique a beaucoup évolué au cours des quinze dernières années
et est aujourd'hui l'une des techniques les plus utilisées pour mesurer la longueur d'une fissure
dans un matériau [SIL82a], [SIL82b], [SIL87], [CHA89], [NOT90]. Elle s'est avérée être
beaucoup plus précise que les techniques traditionnelles basées sur les ondes réfléchies.
La technique T.O.F.D. est basée sur l'exploitation des ondes de diffraction générées par
les extrémités de fissures. Elle consiste à balayer la pièce à contrôler en utilisant des
émetteurs/récepteurs disposés de façon à privilégier les ondes de diffraction au détriment des
ondes réfléchies, et à mesurer le temps de parcours (ou temps de vol) de ces ondes dans le
matériau.
La surface de contrôle est balayée par une paire de capteurs tandem émetteur/récepteur.
La configuration en un seul capteur émetteur/récepteur est rarement utilisée du fait de la
14
Chapitre 1
Contrôle non destructif ultrasonore
L’acquisition des données ultrasonores est faite selon le principe décrit sur la figure 1.8.
x Emetteur Récepteur
Surface de contrôle
y
z Ondes latérales
z1
fissure
z2
Fond de pièce
A chaque position du couple de capteurs, un tir ultrasonore est réalisé et les échos
retournés sont enregistrés. En absence de fissure, le récepteur reçoit en général deux types
d'échos: un écho de surface dû à une propagation de l'onde le long de la surface de contrôle et
un écho de fond dû à la réflexion de l'onde sur la surface opposée à la surface de contrôle. En
présence d'une fissure, le récepteur reçoit, en plus des échos de surface et de fond, des échos
de diffraction dus aux extrémités de la fissure.
Les données enregistrées (coordonnées (x, y) des capteurs, temps de vol de l’onde, et
amplitude de l’écho retourné) sont généralement représentées sous forme d'images B-Scan.
Une image B-Scan, issue d’une acquisition T.O.F.D. réalisée au dessus d'une fissure,
contient des arcs de diffraction dus à l’interaction entre le signal ultrasonore généré par
l’émetteur et les extrémités des fissures présentes dans le matériau (figure 1.9).
figure 1.9: Temps de vol des ondes ultrasonores dans la technique T.O.F.D.
15
Chapitre 1
Contrôle non destructif ultrasonore
2d
Emetteur dx Récepteur
d-dx d+dx
E Echo de surface R
θ
t1 z t2
fissure
Echo de fond
figure 1.10: Temps de vol des ondes ultrasonores dans la technique T.O.F.D.
Considérons la figure 1.10 dans laquelle nous supposons que la fissure est orientée
perpendiculairement à la surface de contrôle.
Le temps de vol de l'onde ultrasonore peut être écrit de la façon suivante (équation 1.1):
1 2 1 2
équation 1.1 t ( d x ) = t1 ( d x ) + t 2 ( d x ) = z + (d − d x ) 2 + z + (d + d x ) 2
c c
où :
• t1 (dx ) représente le temps mis par l’onde ultrasonore émise par l’émetteur pour
atteindre la fissure,
• t2 (dx ) représente le temps mis par l’onde ultrasonore diffractée par l’extrémité
supérieure de la fissure pour arriver au récepteur,
16
Chapitre 1
Contrôle non destructif ultrasonore
Les hypothèses faites permettent de décrire le temps de vol de l'onde ultrasonore par
cette équation. Charlesworth [CHA89] propose une description plus complexe en prenant en
compte d'autres paramètres tels que le diamètre des capteurs, la distance entre le cristal piézo-
électrique et la surface de contact du capteur, les phénomènes de réfraction au niveau de la
surface de contact capteur/matériau, l'orientation de la fissure…
L'équation 1.1 peut être approximée par une équation du second degré:
1 2 1 2
t ( d x ) = t1 ( d x ) + t2 (d x ) = z + (d − d x ) 2 + z + (d + d x )2
c c
(
1 2
) + (z )
1 1
t (d x ) = z + d 2 − 2 d d x + d x2 2 2
+ d 2 + 2 d d x + d x2 2
c
1
1
z + d d x2 − 2 d d x
2 2
d +2d dx 2
t (d x ) =
2 2
1 + + 1 + 2 x
c
z2 + d2 z +d2
z 2 + d 2 1 2 d x2 1 8 d 2 d x2
t (d x ) = 2 + 2 z 2 + d 2 − 8 ( z 2 + d 2 ) 2
c
z2 +d 2 1 d2 2
t (d x ) = +
2
2 − d
2 2 x
z +d (z + d )
2 2
c
2. z 2 + d 2 z2
t (d x ) = + .d x 2
c c.( z + d )
2 2 3/2
17
Chapitre 1
Contrôle non destructif ultrasonore
z2
En posant: Ouv =
c.( z 2 + d 2 ) 3 / 2
et
2. z 2 + d 2
équatio n 1.2 t0 =
c
nous obtenons une équation du second degré du temps de vol t en fonction du déplacement
relatif dx du tandem émetteur/récepteur par rapport à la fissure:
t ( d x ) = Ouv d x + t 0
2
équation 1.3
2d
avec t 0 ≥ .
c
2d
Le temps t 0 = correspond au temps de vol de l’onde ultrasonore lorsque la fissure
c
est en surface. Cette limite de t0 est obtenue en faisant tendre z (la profondeur de la fissure)
vers zéro dans l'équation 1.2.
Les arcs de diffraction observés sur les B-Scan peuvent donc être modélisés par des arcs
de parabole. La figure 1.11 est une représentation de l'équation 1.3.
18
Chapitre 1
Contrôle non destructif ultrasonore
x0
t0 Déplacement des
capteurs (x)
L'équation 1.2 met en évidence le lien entre le temps de vol t0 des échos de diffraction
et la profondeur z du défaut dans le matériau lorsque la fissure est au centre du couple
émetteur/récepteur en tandem:
2
t0 c 2 2d
équation 1.4 z= −d 2 avec t0 ≥
4 c
Le modèle théorique obtenu suppose que l'onde ultrasonore émise par l'émetteur est une
impulsion (figure 1.12).
amplitude du signal
a0
temps
L'onde diffractée par le défaut et reçue par le récepteur est constituée d'une partie de
l'énergie envoyée par l'émetteur. Lorsque le pulse d'émission est un dirac, la représentation de
l'onde diffractée dans un plan B-Scan est un arc de parabole unique de faible épaisseur.
L'onde diffractée captée par le récepteur ultrasonore est la suivante:
19
Chapitre 1
Contrôle non destructif ultrasonore
amplitude du signal
k.a0
t0
temps
En pratique, l'onde émise par le capteur ultrasonore est différente: l'impulsion initiale
comporte un temps de montée et un temps de descente non nuls. Le capteur étant constitué
d'un cristal piézo-électrique, le signal émis oscille et peut être assimilé à une sinusoïde
amortie (figure 1.14.a). Le signal diffracté correspondant est aussi une sinusoïde amortie
(figure 1.14.b).
amplitude amplitude
a0
k.a0
temps t0 temps
sin (ωt )
a (t ) = a0 .
α.t
Le signal d'émission étant échantillonné, il est en fait constitué d'une série d'impulsions
(telles que celle constituant le signal théorique) d'amplitudes comprises dans l'intervalle
[-a0 ; a0 ] décalées sur l'axe des temps.
La réponse à ce signal dans un plan B-Scan n'est donc pas un arc de parabole tel que
celui présenté sur la figure 1.11, mais un ensemble d'arcs de parabole ayant le même axe de
symétrie.
20
Chapitre 1
Contrôle non destructif ultrasonore
En considérant que la proportion de l'énergie diffractée par une fissure par rapport à
l'énergie émise est la même, quelle que soit l'amplitude du signal émis, les différents arcs de
diffraction présents dans l'image B-Scan auront des intensités alternativement positives et
négatives, comprises entre [-k.a0 ; k.a0 ] (avec 0<k<1) (figure 1.15).
x0
t0
La figure 1.16.a présente une cartographie B-Scan avec une représentation théorique
d'arcs de diffraction générés par un défaut plan de type fissure en absence de bruit.
21
Chapitre 1
Contrôle non destructif ultrasonore
La figure 1.16.b (1) présente un exemple d'arcs de diffraction réels. Nous pouvons noter
que la distance verticale séparant les différents arcs de diffraction dans le plan B-Scan dépend
essentiellement de la fréquence du capteur ultrasonore, paramètre connu pour chaque
acquisition.
Nous pouvons noter sur l'acquisition de la figure 1.16.b les phénomènes d'écho de
surface (2) et d'écho de fond (3). Ces phénomènes entraînent l'apparition dans les plans B-
Scan de zones horizontales très intenses.
Des études de déconvolutions fréquentielle et temporelle ont été réalisées pour prendre
en compte le problème des arcs de diffraction multiples [HAY88]. La déconvolution est
possible si l'on connaît le signal reçu par le récepteur ultrasonore et la réponse impulsionnelle
de l'émetteur. Ce dernier paramètre n'étant pas maîtrisable dans le cas de notre étude, il nous
est impossible de mettre en œuvre de telles techniques.
22
Chapitre 1
Contrôle non destructif ultrasonore
profondeur z
temps de vol t
Une approximation polynomiale des mesures réalisées (en général du second degré) est
calculée. L'opérateur est ainsi capable, pour toute valeur du temps de vol t, d'évaluer la
profondeur z correspondante.
1.6 Conclusion
Le contrôle non destructif par ultrasons consiste à balayer de manière régulière une
surface accessible de la pièce, et à enregistrer les ondes ultrasonores émises par l’émetteur et
retournées par la matière. Ces données peuvent être représentées selon différents modes de
représentation et analysées afin de mettre en évidence des défauts.
Les techniques de contrôle sont essentiellement de deux types: les méthodes exploitant
les échos de réflexion et celles exploitant les échos de diffraction. Nous nous sommes
intéressés dans ce chapitre plus particulièrement à la technique T.O.F.D. basée sur la mesure
du temps de vol des échos de diffraction. La technique T.O.F.D. est très utilisée car elle
permet de mesurer la longueur de défauts plans avec une meilleure précision que les
méthodes exploitant les échos de réflexion. Cette technique est celle utilisée pour les
acquisitions que nous exploitons.
23
Chapitre 1
Contrôle non destructif ultrasonore
théorique, plusieurs arcs de diffraction représentent un seul défaut. Cette différence est
expliquée par la forme du signal ultrasonore émis par le capteur (sinusoïde amortie).
Enfin, nous avons expliqué comment déterminer la profondeur d'un défaut à partir de la
mesure du temps de vol d'un écho diffracté.
24
Chap itre 2
Transformation de Hough
Chapitre 2
Reconnaissance de formes et transformation de Hough
Chapitre 2
Transformation de Hough
Une image "naturelle" est une représentation plane d'un objet ou d'une scène existant en
général dans un repère tridimensionnel. Elle est en général issue d'un capteur et représente
une quantité de lumière. Il existe aujourd'hui un grand nombre d'images dites "non naturelles"
représentatives elles aussi de grandeurs physiques, plus difficilement observables directement
par l'œil, telles que l'amplitude de rayons x, un signal radar ou des ondes ultrasonores. Ces
images étaient observables, il y a quelques années, uniquement sous forme de cliché
photographique. Aujourd'hui, elles constituent une collection d'informations numériques
auxquelles on peut, à l'aide d'outils spécifiques, extraire des paramètres pertinents pour mieux
les interpréter. La machine, par le biais du "traitement d'images", a pris le pas sur l'être
humain (au moins sur son œil), réalisant des contrôles souvent plus fiables et plus rapides.
En traitement d'images, il n'y a pas de méthode unique permettant de résoudre tous les
problèmes d'interprétation. Le choix de la méthode à mettre en œuvre dépend d'un vaste
ensemble de critères à prendre en compte:
26
Chapitre 2
Reconnaissance de formes et transformation de Hough
• phase de traitement,
• phase de décision.
Capteur
Scène
Traitement Décision
L'acquisition des images est une étape importante. Les choix des capteurs, des
conditions d'acquisition, influent considérablement sur la qualité des images. Plus
l'acquisition sera soignée, plus les traitements seront simples et efficaces. Malheureusement,
les conditions d'acquisition ne sont pas toujours maîtrisables. Dans notre cas, les procédures
d'acquisition d'images ultrasonores sont normalisées et figées. 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 délicate.
La phase de décision, étroitement liée au type de traitement mis en œuvre, fait partie
des traitements haut niveau. Par exemple, une méthode de classification développée au
L.E.2.I. est la classification par polytopes de contrainte [MIT94]: à partir d'un ensemble de
paramètres discriminants extraits lors du traitement, un espace de paramètres est construit et
est divisé en hypercubes, permettant de séparer les différentes classes d'objets détectés dans
l'image.
La reconnaissance de formes est un concept visant à classer des objets dont l'aspect a
varié par rapport à un objet type [DUB90]. Le terme "forme" est traduit en anglais par
"pattern" dont la racine signifie "patron" au sens de modèle. La reconnaissance de formes est
27
Chapitre 2
Reconnaissance de formes et transformation de Hough
en fait l'opération d'associer à une forme observée une forme type (appelée prototype) à
laquelle elle ressemble le plus.
La méthode que nous avons choisi de développer est basée sur la reconnaissance de
courbes dans une image. Duda et Hart [DUD72] présentent une approche visant à faire passer
un nombre déterminé de droites par un ensemble de points. Leur étude est largement basée
sur une méthode paramétrique mise au point par Hough, plusieurs années auparavant: la
transformation de Hough.
28
Chapitre 2
Reconnaissance de formes et transformation de Hough
coniques). De nombreux travaux ont ensuite été réalisés aussi bien d'un point de vue
théorique, que d'un point de vue industriel pour ses applications en reconnaissance de formes.
Plusieurs études de synthèses ont été publiées [MAI85], ainsi que de nombreux travaux
concernant la détection de formes paramétriques très diverses (en particulier les cercles
[SLA78] et les paraboles [IAN78]).
L'approche est basée sur une prise en compte globale du contour ou de la forme.
L'information concernant ce contour est en général issue d'un modèle spatial, contrairement
aux méthodes dérivatives utilisant un modèle de variation de la luminance. Le contour
recherché est caractérisé par une courbe paramétrique, ou plus globalement par un modèle
mathématique représentant une famille connue.
La transformation de Hough peut être abordée par une approche discrète ou une
approche intégrale continue. Les études concernant l'approche intégrale 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 théorique pour des images standards dans le cas de la recherche de droites.
29
Chapitre 2
Reconnaissance de formes et transformation de Hough
{{ }
F = x : f ( x, a ) = 0, x ∈ R n , : a ∈ Ω }
La transformation de Hough associée à la famille F est une transformation qui fait
correspondre à l'ensemble E de l'espace Rn une fonction g définie sur Ω.
• Transformation dite de m à 1,
• Transformation dite de 1 à m
2.2.2 Transformation de m à 1
Une courbe de la famille F peut être définie de manière unique par un nombre minimal
m de points.
{
E (m) = M i(m ) = {M i1 , M i 2 ,...M im : M ik ∈ E} }
avec
( )
Card E (m ) = C Nm
A tout m-uple Mi(m) de E(m) est associé une courbe de F de paramètre ai. Soit c(a) la
fonction caractéristique de Rp . La transformation de Hough de m à 1 est définie par:
30
Chapitre 2
Reconnaissance de formes et transformation de Hough
2.2.3 Transformation de 1 à m
Par tout point Mi de Rn , repéré par ses coordonnées xi, passent m courbes de la famille
F. Soit Ai l'ensemble des valeurs de a, telles que f(xi, a) = 0.
g (a ) = ∑ ∑ c (a − a ) k
M i ∈E a k ∈ Ai
31
Chapitre 2
Reconnaissance de formes et transformation de Hough
Cette définition a mis en évidence un certain nombre de problèmes qui se posent lors de
sa mise en œuvre: prétraitement pour la sélection des points, définition de la famille de
courbes, quantification correcte de l'espace des paramètres.
points
Une droite dans une image peut être représentée de deux façons:
• représentation cartésienne: y = a x + b ou a y + b x + c = 0
• représentation polaire: l'espace des paramètres est bidimensionnel caractérisé par les
deux paramètres (ρ, θ) de l'équation en coordonnées polaires de la droite.
32
Chapitre 2
Reconnaissance de formes et transformation de Hough
y y
bi yi = ai x i + bi ρi = x i cos θi + yi sin θi
Mi Mi
ρi
ai
x θi x
cartésienne
y=ax+b
y a
200 200
−1 y
a= b+ i
xi xi
Mi
0 x 0 b
0 200 0 200
b yi −1 y
équation 2.1: a=− + = b+ i
xi xi xi xi
33
Chapitre 2
Reconnaissance de formes et transformation de Hough
Cette transformation de 1 à m borné (car Ω borné) associe une droite dans l'espace des
paramètres Ω à un point Mi de l'image (figure 2.3). Ce point Mi est l'intersection de toutes les
droites de l'espace image dont les valeurs des paramètres (a, b) vérifient l'équation 2.1.
De la même façon, à tout point (ai, bi) de l'espace des paramètres Ω est associé dans
l'espace image une droite (figure 2.4) d'équation:
y = ai x + bi
y a
200 40
y = ai x + bi
(ai, b i)
0 x 0 b
0 200 0 1
Cette première approche ne prend pas en compte le problème des droites de pente (a) infinie.
a x +b y +c = 0
Cette méthode, plus générale que la précédente, prend en compte le cas des droites
verticales (les droites verticales sont paramétrées en annulant b). Cependant, cette méthode
n'est pas avantageuse en temps de calcul et en facilité d'interprétation car l'espace Ω est
maintenant tridimensionnel.
34
Chapitre 2
Reconnaissance de formes et transformation de Hough
polaire
ρ = x cosϑ + y sin ϑ
1 ρ
a=− b=
tan ϑ sin ϑ
ρ = xi cos ϑ + y i sin ϑ
y ρ
200 200
ρ = x cos ϑ + y sin ϑ
Mi
0 x 0 θ
0 200 0 2π
Lorsque plusieurs points sont alignés dans l'image, nous obtenons dans l'espace des
paramètres un ensemble de sinusoïdes dont l'intersection correspond au couple de valeurs des
paramètres (ρ, θ) caractérisant la droite passant par l'ensemble de ces points (figure 2.6).
35
Chapitre 2
Reconnaissance de formes et transformation de Hough
y ρ
200 200
0 x -200 θ
0 200 0 2π
Pour une variation de θ ∈ [0;2π], une droite est définie deux fois (θ et θ+π définissent
la même droite). On peut ainsi noter dans l'espace des paramètres la présence de deux nuages
de valeurs symétriques.
Selon l'orientation des droites dans l'image, les bornes des paramètres ainsi que le pas
de quantification doivent être déterminés de façon à observer l'ensemble des nuages de points.
De nombreux travaux ont traité ce problème: Duda et Hart ont proposé le choix de la
paramétrisation normale [DUD72], Timousi [TIM85] a traité le problème de la définition de θ
entre [0, π] ou [0, 2π]. Sloan et O'Rourke [ORO81] [ORO84] se sont penchés sur une
quantification dynamique visant à partitionner l'espace des paramètres Ω de façon adaptative
par des cellules de taille variable.
2.4 Conclusion
36
Chapitre 2
Reconnaissance de formes et transformation de Hough
37
Chapitre 3
Application de la transformation de Hough
aux images ultrasonores B - Scan
Chapitre 3
Application de la transformation de Hough aux images ultrasonores B-Scan
Chapitre 3
Application de la transformation de Hough aux
images ultrasonores B - Scan
Ce chapitre présente une méthode de détection des arcs de diffraction présents dans un
plan ultrasonore B-Scan, représentatifs de défauts de type fissure [BOL96] [LEW97].
L'approche est basée sur la transformation de Hough. La mise au point de l'algorithme final a
nécessité plusieurs étapes. Nous présentons, pour chacune d'elles, une description du
traitement, les objectifs recherchés, la mise en œuvre algorithmique, les résultats obtenus, les
points forts et les points faibles de la méthode. Nous montrons les améliorations à chaque
étape, en présentant les résultats obtenus sur l’ensemble du jeu de test défini en annexe C, et
en quantifiant le taux de bonne et de mauvaise détections.
La présence d'un écho de diffraction est caractérisée par une série d'arcs de paraboles
ayant le même axe de symétrie (parallèle à l'axe du temps de vol). Nous observons une
succession d'arcs clairs et sombres (alternances positives et négatives de l'écho d'émission du
capteur ultrasonore).
39
Chapitre 3
Application de la transformation de Hough aux images ultrasonores B-Scan
Quelle que soit la position recherchée (1) ou (2), l'opérateur est capable de localiser le
défaut, puisque ces deux informations sont corrélées. En effet, le temps de vol séparant les
deux positions dépend de la fréquence d'émission de l'onde ultrasonore. Il est égal à un quart
de la période de l'onde ultrasonore. Les deux maxima successifs (2) et (3) correspondent à
une période de l'onde ultrasonore émise. L'opérateur est donc capable de localiser
précisément le défaut si la nature de l'information fournie par le traitement est précisée
(transition ou maxima).
t ( x ) = Ouv ( x − x 0 ) + t 0
2
z2
où Ouv =
c.( z 2 + d 2 ) 3 / 2
40
Chapitre 3
Application de la transformation de Hough aux images ultrasonores B-Scan
et
2 z2 + d2
t0 =
c
Cette équation est celle d'une sous-famille de la famille F de toutes les paraboles d'un
espace bidimensionnel définie par:
où:
équation 3.1
Elle représente les arcs de paraboles dont l'axe de symétrie est parallèle à l'axe des
abscisses. En d'autres termes, elle représente la sous-famille G de paraboles pour lesquelles le
paramètre d'orientation θ est nul.
où:
g ( x, t ) = Ouv ( x − x0 ) − (t − t 0 )
2
équation 3.2
t
g (x, t ) = Ouv (x − x 0 )2 − (t − t 0 )
x
figure 3.2: Exemple d'élément de la sous -famille G
41
Chapitre 3
Application de la transformation de Hough aux images ultrasonores B-Scan
équation 3.3 g ( x , t ) = t − a x 2 − bx − c = 0
La formulation décrite par l'équation 3.2 est la plus adaptée à notre problème. L'objectif
étant de détecter et de localiser le sommet d'arcs de diffraction, le résultat obtenu peut être
décrit à l'aide des deux paramètres (x0 , t0 ) du modèle mathématique de l'équation 3.2. Dans le
cas de l'équation 3.3, la localisation du sommet doit être calculée à partir de la connaissance
des paramètres a, b, c.
Ouv
Ouv H(x 0, t 0 , Ouv)
I(x0 , t 0) x x0
t t0
Paramètres nécessaires:
42
Chapitre 3
Application de la transformation de Hough aux images ultrasonores B-Scan
t ( d x ) = Ouv d x + t 0
2
dans laquelle:
z2
équation 3.4 Ouv =
c.( z 2 + d 2 ) 3 / 2
et
2 z2 + d 2
équation 3.5 t0 = pour z ≥ 0
c
2
t0 c 2 2d
équation 3.6 z= −d 2 avec t0 ≥
4 c
Nous pouvons établir la relation liant l'ouverture Ouv en fonction du temps de vol t0
(équation 3.7) en remplaçant z par son expression en fonction de t0 dans l'équation 3.4:
Le paramètre temps de vol étant discret et le paramètre Ouverture réel, il est préférable
de conserver le temps de vol puisque nous travaillons dans un domaine discret. Il n'est alors
43
Chapitre 3
Application de la transformation de Hough aux images ultrasonores B-Scan
pas nécessaire d'arrondir la valeur calculée de l’ouverture (une erreur, même faible sur ce
paramètre modifie considérablement la forme).
De plus, en conservant le temps de vol des arcs de diffraction, l'espace des paramètres
correspond physiquement aux axes de l’image traitée. L’interprétation est ainsi immédiate.
f (x , t ) = Ouv ( x − x0 ) − (t − t 0 ) = 0
2
par son expression en fonction de t0 (équation 3.7), nous obtenons l'expression suivante du
modèle:
2(c 2
)
t 0 2 − 4d 2
équation 3.8 f (x , t ) = 4 3
(x − x0 )2 − (t − t0 ) = 0
c t0
I(x0,t 0) x x0
t H(x0, t0)
Paramètres nécessaires: t0
x0, t0
Espace Image Espace des paramètres
figure 3.4: Nouveaux espaces image et des paramètres de la transformation de Hough
44
Chapitre 3
Application de la transformation de Hough aux images ultrasonores B-Scan
Ouv (m-2 s)
3,5
2,5
1,5
0,5
0
0,01 0,02 0,03 0,04 0,05
Temps de vol t 0 (sec)
figure 3.5: Evolution de l’ouverture en fonction de la profondeur
o: Points à utiliser
x: Points considérés
45
Chapitre 3
Application de la transformation de Hough aux images ultrasonores B-Scan
temps de vol
La corrélation entre ces différents échos est importante et dépend des dimensions
géométriques de la pièce à inspecter. En effet, la relation entre le temps de vol t et la
profondeur z est la suivante:
z2 + d 2
t =2
c
2d
t (écho de surface ) =
c
e2 + d 2
t (écho de fond ) = 2
c
46
Chapitre 3
Application de la transformation de Hough aux images ultrasonores B-Scan
Par conséquent, en présence d'un écho de référence (soit l'écho de surface, soit l'écho de
fond), nous pouvons déterminer le temps de vol de tout point de l'image B-Scan. Si t1
(respectivement t2 ) représente le temps de vol relatif du point considéré par rapport à l'écho
de surface (respectivement écho de fond), le temps de vol est déterminé par:
2d
t = t (écho de surface ) + t1 = + t1
c
ou
2 e2 + d 2
t = t (écho de fond ) − t 2 = − t2
c
Le choix du type d'écho de référence (et de sa localisation) est déterminé par l'opérateur
lors de l'exploitation des données (voir annexe E).
En général, ce prétraitement se limite dans le cas des droites à une segmentation basée
sur des éléments caractéristiques de l’image tel que le niveau de gris par exemple. L'avantage
du prétraitement est la mise en valeur dans l'ensemble des points de l'image à traiter d'un sous
ensemble de points réduit servant à construire l'espace des paramètres. Le temps de calcul est
ainsi considérablement réduit.
47
Chapitre 3
Application de la transformation de Hough aux images ultrasonores B-Scan
C'est pourquoi, n'étant pas tributaire du temps de calcul et étant donné la diversité des
images à traiter (en particulier au niveau du bruit et de la dynamique), nous avons choisi de
ne pas réaliser de prétraitement.
2) déterminer, pour chacun des points (x0 , t0 ) de cet espace des paramètres H, tous les
points de l'espace image I(x, t) vérifiant l'équation suivante:
rnd f (x , t ) =
(
2 c 2 t 0 − 4d 2
2
)
( x − x0 )2 − (t − t 0 ) = 0 avec t0 ≥
2d
4 3
c t0 c
48
Chapitre 3
Application de la transformation de Hough aux images ultrasonores B-Scan
| | | | H (x0 , t 0 )+ = α
| | | Fin Si
| | Fin Pour tout pixel (x, t)
| Fin Pour t0
Fin Pour x0
Lorsqu'aucun prétraitement n'est réalisé, tous les pixels de l'image sont a priori
représentatifs d'un arc de parabole. L'espace des paramètres ne peut donc pas contenir de
"nuages de valeurs" maximum caractérisant la présence d'un ou plusieurs arcs de diffraction.
Afin de résoudre ce problème, une méthode consiste à modifier le facteur d'incrémentation α
lors de la construction de l'espace des paramètres. Si une valeur représentative de la présence
de défauts est affectée à ce paramètre, tous les pixels de l'image n'ont plus la même influence.
Les pixels représentatifs d'un défaut ont une contribution plus importante que ceux
représentatifs du bruit.
α = I (x , t )
49
Chapitre 3
Application de la transformation de Hough aux images ultrasonores B-Scan
accumulation de l'intensité
Nous présentons dans ce paragraphe quelques exemples de résultats. Ces exemples sont
une représentation partielle mais réaliste de l'ensemble du jeu de test. La figure 3.9 illustre
des acquisitions avec un bruit peu intense et des défauts assez marqués, d'autres où le bruit est
très fort et les défauts très intenses et enfin des cas où le bruit est fort et les défauts peu
marqués.
La taille des acquisitions étant importante, nous ne présentons pas les plans B-Scan
comportant ces défauts dans leur globalité mais uniquement les zones où se situent les défauts
et sur lesquelles le traitement est appliqué. Les résultats obtenus sont présentés sur la figure
3.10.
Une autre constatation importante est l'apparition d'une zone très intense au centre de la
partie supérieure de l'espace des paramètres, très visible sur le premier exemple. Ce problème
50
Chapitre 3
Application de la transformation de Hough aux images ultrasonores B-Scan
est lié au fait que l'image possède des dimensions finies. Le nombre de pixels pris en compte
dans le calcul de l'espace des paramètres dépend alors de la valeur des paramètres traités.
Lors du calcul d'un élément de l'espace des paramètres, le nombre de points de l'espace
image contribuant à sa valeur est variable. En effet, un élément de l'espace des paramètres est
incrémenté par la valeur de l'intensité des pixel (x, t) de l'image vérifiant l'équation:
rnd ( f ( x, t )) = 0
x x x
t t t
a) b) c)
figure 3.11: Représentation des effets de bord
51
Chapitre 3
Application de la transformation de Hough aux images ultrasonores B-Scan
x0
t0
Ce résultat illustre parfaitement les zones de très fortes intensités observées sur la figure
3.10.
3.3.2 C o m p e n s a t i o n d e s e f f e t s d e b ords
H image ( x0 , t 0 )
Espace des paramètres normalisé H (x 0 , t 0 ) = ∀ x0 , t 0
H fond ( x0 , t 0 )
Un élément (x0 , t0 ) situé au centre de la partie supérieure de l'espace des paramètres est
ainsi incrémenté d'une valeur plus faible qu'un élément situé par exemple dans le coin
inférieur gauche de cet espace.
3.3.3 M i s e e n œ u v r e p r a t i q u e d e l a t r a n s f o r m a t i o n de
de H o u g h a v e c
normalisation
52
Chapitre 3
Application de la transformation de Hough aux images ultrasonores B-Scan
| | | HIM (x 0 , t 0 ) + = I ( x, t )
| | | HFOND( x 0 , t 0 ) + = 1
| | Fin Si
| Fin Pour tout pixel de l'image (x, t)
Fin Pour toutes les valeurs de l'espace des paramètres (x0 , t0 )
normalisation
Les résultats obtenus sur les exemples présentés au paragraphe précédent (figure 3.10)
sont comparés à ceux obtenus avec le traitement normalisé (figure 3.13). Ils mettent en
évidence l’importance de cette normalisation.
Image initiale
Espace obtenu
sans
normalisation
Espace obtenu
avec
normalisation
figure 3.13: Exemples d’image traitée sans normalisation puis avec normalisation
53
Chapitre 3
Application de la transformation de Hough aux images ultrasonores B-Scan
L'algorithme réalisé génère dans l’espace des paramètres des nuages de points pouvant
être représentatifs d’arcs de diffraction présents dans les images. La phase de décision, en
aval de la transformation de Hough, indique le fait qu’un nuage de points de l’espace des
paramètres est représentatif ou non d’un défaut (l'objectif étant de détecter des défauts
lorsqu'ils sont présents mais aussi d'indiquer leur absence le cas échéant).
La phase de décision s'appuie sur la présence des maxima de l'espace des paramètres.
La valeur des pics d'intensité de l'espace des paramètres est cependant très relative. En
fonction de la dynamique obtenue lors de l'acquisition et du matériau contrôlé, la valeur du
maximum obtenu fluctue énormément.
Le seuil est déterminé en fonction de l'écart type des variations des amplitudes de
l'espace. L'écart type nous a permis d’établir la relation suivante définissant un seuil de
décision efficace de l'espace des paramètres:
2
n∑ H (t i , x j ) − ∑ H (t i , x j )
2
i,j
Seuil = 3σ n = 3 ×
i, j
équation 3.9 2
n
où n est le nombre de points constituant l'espace des paramètres et H l'espace des paramètres
normalisé de la transformation de Hough.
Cette relation permet de détecter l’existence du défaut dans la grande majorité des cas
du jeu de test. Seul le cas où la zone de travail contient un écho de surface ou de revêtement
très intense conduit à une non détection. Cependant, ces images sont des cas particuliers
d’acquisition non représentatifs des images habituellement traitées.
54
Chapitre 3
Application de la transformation de Hough aux images ultrasonores B-Scan
normalisation
Nous présentons les résultats obtenus sur l’ensemble du jeu de test en annexe C. Les
taux de bonne et non détections sont définis de la manière suivante:
• Taux de bonne détection des images comportant des défauts: le rapport entre le
nombre de défauts trouvés et le nombre total de défauts présents dans le jeu:
• Taux de non détection de défauts pour des images ne comportant pas de défaut: le
rapport entre le nombre d'images dans lequel aucun défaut n'a été détecté et le nombre
total d'images sans défaut:
Le tableau de la figure 3.14 indique les taux de bonne et non détections obtenus pour les
plans B-Scan avec défaut et ceux sans défaut de l'annexe C.
Les mauvaises détections ont principalement lieu lorsque l'intensité des pixels des
défauts est faible. Il semble donc que le choix d'un facteur d'incrémentation α de l'espace des
paramètres proportionnel à l'intensité des pixels ne soit pas satisfaisant. En présence de zones
très intenses non représentatives de défaut (un écho de surface par exemple), des nuages de
fortes valeurs apparaissent dans l'espace des paramètres, non représentatifs de défauts.
55
Chapitre 3
Application de la transformation de Hough aux images ultrasonores B-Scan
Une analyse des résultats de l’annexe C montre les limites de l'algorithme pour détecter
des arcs de diffraction en présence de bruit. Une particularité des différentes images est qu'il
apparaît un important gradient tout au long de l'arc de diffraction: les pixels constituant les
arcs de diffraction sont visibles même lorsque le bruit dû à l’acquisition est très fort.
Ce fort gradient sur le contour des défauts peut être pris en compte lors de
l’incrémentation de l’espace des paramètres.
3.6.1 I n t é g r a t i o n du g r a d i e n t d a n s l a c o n s t r u c t i o n d e l ’ e s p a c e d e s
paramètres
Le gradient le long du défaut est maximal dans une direction normale à la parabole. Il
est donc nécessaire de déterminer les pixels composant cette normale si l'on souhaite intégrer
ce gradient dans la construction de l'espace des paramètres. Lorsque nous traitons un point
précis de l’espace image (xp , tp ) et un point précis de l’espace des paramètres (x0 , t0 ), nous
sommes capables de définir l’équation de la normale à ce point (xp , tp ) de la parabole définie
par les paramètres (x0 , t0 ).
f (x , t ) = (t − t 0 ) − Ouv( x − x 0 ) = 0
2
avec Ouv =
(
2 c 2 t 0 2 − 4d 2 )
c 4 t0 3
la pente de la tangente au point (xp , tp ) est obtenue en dérivant cette équation par rapport à x.
En posant x = xp :
56
Chapitre 3
Application de la transformation de Hough aux images ultrasonores B-Scan
dt (x p )
= 2 Ouv ( x p − x 0 )
dx
(x− x)
N (x , t ) = t − t p − =0
p
2 Ouv (x p − x0 )
t0 tp t
x0 Ouv
xp
x
Normale pour le
calcul du gradient
Le gradient au point (xp , tp ) peut être calculé par une soustraction entre l'intensité du
pixel courant (1 sur la figure 3.17) et celle du pixel voisin extérieur (2 sur la figure 3.17) à la
parabole sur la normale.
2
1
x
figure 3.17: Calcul simple du Gradient dans le cas d'une image binaire
57
Chapitre 3
Application de la transformation de Hough aux images ultrasonores B-Scan
Erreur due au
modèle
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 être variable selon les conditions
d'acquisition. Par conséquent, le calcul simple du gradient tel que nous venons de le décrire
n'est pas assez robuste. Une recherche du gradient maximum le long de la normale est
indispensable: elle permet la détection de la véritable position de la transition entre l'arc de
diffraction et le bruit de l'image. Les accumulateurs de l'espace des paramètres sont ainsi
incrémentés par la valeur optimale du gradient. Cela a pour effet de résoudre le problème de
l'inexactitude du modèle considéré (figure 3.18),
Le critère défini pour le choix des pixels est un critère de distance illustré sur la figure
3.19.
58
Chapitre 3
Application de la transformation de Hough aux images ultrasonores B-Scan
a
1 2 3 Normale passant
b par le pixel "0"
b 4 0 5
6 7 8
Les coordonnées sont prises au centre du pixel 0 pour lequel la normale est calculée.
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 théorique 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 même critère est appliqué aux pixels de distance deux, puis trois…
L'axe sur lequel est appliqué le critère de distance est déterminée par un calcul de la
pente de la normale:
• lorsque la pente est infinie, nulle, ou égale à ±1, il n'y a pas de critère de distance: le
choix des pixels est immédiat (figure 3.20). Ce sont les pixels situés 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 égale à 1, et pixels 0, 1 et 8, lorsque la
pente est égale à -1).
1 2 3
Pente = 0
4 0 5
6 7 8
59
Chapitre 3
Application de la transformation de Hough aux images ultrasonores B-Scan
• lorsque la pente appartient aux intervalles ]-∞ , -1[ ou ]1 , +∞[, le critère de distance
est appliqué 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.
Normale
1 2 3
4 0 5
6 7 8
• lorsque la pente appartient aux intervalles ]0 , 1[ ou ]-1 , 0[, le critère de distance est
appliqué 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.
Normale
4 0 5
6 7 8
Nous présentons quelques profils des intensités le long de ces normales (figure 3.23).
60
Chapitre 3
Application de la transformation de Hough aux images ultrasonores B-Scan
Un contour est défini par la frontière séparant deux régions ayant des intensités
différentes [GON87]. Il existe différents 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 général, les images ultrasonores comportent un bruit important et
les contours ont des formes proches de celle présentée sur la figure 3.24.
I(x)
x
figure 3.24: Allure des contours présents dans les images B-Scan
J.P. Cocquerez [COC95] dans son ouvrage sur le filtrage et la segmentation présente un
panorama des méthodes de filtrage, et en particulier, parmi les approches de type frontière,
une synthèse des méthodes dérivatives.
Dans une image, les variations d'intensité représentent en général des changements de
propriétés physiques ou géométriques de l'objet observé. Quelques représentations de ces
variations sont:
61
Chapitre 3
Application de la transformation de Hough aux images ultrasonores B-Scan
Ces variations d'intensité sont en traitement d'images des informations très importantes
car elles constituent les frontières des régions correspondant aux bords des défauts, ou plus
généralement des objets contenus dans une image.
Un contour peut se situer entre les pixels appartenant à des régions ayant des intensités
moyennes différentes (contours de type saut d'amplitude) ou il peut correspondre à une
variation locale d'intensité présentant un maximum ou un minimum (contours de type toit).
Même si ces deux exemples ne représentent pas la totalité des cas (en particulier les régions
de textures différentes), ils sont un bon aperçu de ce que peut être un contour.
Les approches de type contour sont composées de trois familles: les méthodes
dérivatives, surfaciques et morphologiques. Chacune de ces méthodes présentent des
avantages et des inconvénients décrits dans [COC95].
L'approche surfacique met en évidence la transition entre deux régions par l'utilisation
d'un gabarit surfacique. Un contour est présent 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 équation locale permettant de calculer de manière très précise la position du contour et
ses caractéristiques.
La grande diversité des intensités dans les images et la présence de bruit parfois très
important rendent la mise en œuvre des méthodes surfaciques et morphologiques difficiles.
Aussi, nous avons choisi de mettre en œuvre les méthodes dérivatives, actuellement très
développées.
62
Chapitre 3
Application de la transformation de Hough aux images ultrasonores B-Scan
La diversité des variations pouvant engendrer la présence d'un contour est telle qu'il
n'existe pas de solution optimale à la détection de contours. Les méthodes dérivatives posent
le problème de la recherche d'extrêma locaux du gradient du signal ou de la recherche de
zéros de la dérivée seconde ou du laplacien du signal.
F. Truchetet [TRU98] montre que les méthodes du gradient et du laplacien donnent des
résultats très voisins. Le problème essentiel est de trouver une méthode permettant d'estimer
ce gradient et ce laplacien.
Parmi les opérateurs 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 épais.
L'opérateur est facile à implanter et rapide, mais aujourd'hui l'évolution des calculateurs
permet la mise en œuvre d'opérateurs beaucoup plus performants. Les opérateurs MDIF et
NAGDIF sont une combinaison d'un lissage et d'une dérivation. Les contours obtenus sont
intéressants pour des images peu bruitées dont l'épaisseur des transitions ne dépasse pas
quelques pixels.
Les opérateurs dérivatifs du second ordre, tels que Marr et Hildreth, Huertas-Medioni,
sont basés sur la localisation du passage par zéro du laplacien. Comme pour les opérateurs
dérivatifs du premier ordre, ces techniques ne sont pas robustes lors de la présence de bruit
intense. C'est pourquoi nous avons choisi de mettre en œuvre la troisième catégorie
d'opérateurs: le filtrage optimal.
Les techniques basées sur le filtrage optimal sont nombreuses. Il existe deux approches
très répandues conduisant toutes deux à des réalisations sous forme de filtres récursifs d'ordre
faible. Ces réalisations font l'objet de nombreuses études proposant un nombre important de
variantes et optimisations. La première 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 détection de contours dans des images
bruitées nécessite des critères d'optimalité.
63
Chapitre 3
Application de la transformation de Hough aux images ultrasonores B-Scan
Le contour recherché en filtrage optimal est défini par un échelon additionné à un bruit
blanc (figure 3.25).
0.8
0.6
0.4
0.2
0
-2 -1.6 -1.2 -0.8 -0.4 00 0.4 0.8 1.2 1.6 2
Un contour étant caractérisé par la présence d'un maximum local de la dérivée première
du signal, ou un passage par zéro de la dérivée seconde, les méthodes dérivatives sont basées
sur la recherche d'un modèle optimal de filtre permettant la localisation de ce maximum ou de
ce passage par zéro. Les différents filtres optimaux sont en général basés sur une forme
gaussienne et diffèrent par des critères d'optimalité propres. Nous avons mis en œuvre deux
filtres: celui de Canny-Deriche et celui de Shen et Castan. Nous présentons ci-dessous les
différences entre ces deux filtres et leurs applications aux signaux issus des normales aux arcs
de diffraction.
• le premier est le rapport signal à bruit, rapport de la réponse à un signal non bruité et
de la réponse du filtre au bruit seul.
• le troisième critère est basé sur la non multiplicité des réponses: la distance moyenne
entre les maxima de la réponse du filtre au bruit doit être maximum.
64
Chapitre 3
Application de la transformation de Hough aux images ultrasonores B-Scan
Ces critères et leur optimisation sont parfaitement définis par Canny [CAN86]. Ils
permettent de définir le filtre optimal représenté sur la figure 3.26.
1 1
f(x,a,w)
0.8
0.8 0.6
0.4
0.6 0.2
0.4 -0.2
-0.4
0.2 -0.6
-0.8
0 -1
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2 -2 -1.5 -1 -0.5 0 0.5 1 1.5 2
f (x ) = ω(α x + 1) e
−a x
équation 3.10 g ( x ) = ω x e −a x
Shen et Castan [CAS89] ont proposé indépendamment, de 1986 à 1989, une approche
très voisine de celle de Canny. Le critère de détermination du filtre optimal combine à la fois
la bonne détection (rapport signal à bruit) et la bonne localisation. Ce critère a amené Shen et
Castan à la définition du filtre optimal représenté sur la figure 3.27.
65
Chapitre 3
Application de la transformation de Hough aux images ultrasonores B-Scan
1
1
g(x,d,b)
0.8
0.8 0.6
0.4
0.6 0.2
0.4 -0.2
-0.4
0.2 -0.6
-0.8
0 -1
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2 -2 -1.5 -1 -0.5 0 0.5 1 1.5 2
f (x ) = d e − p x pour x ≥ 0
f (x ) = d e p x pour x < 0
et g (0 ) = 0
Une comparaison des deux méthodes suivant des critères discrets est proposée dans
[COC95]. Ces critères basés sur les points essentiels de mise en œuvre cités ci-dessus ne
permettent pas de faire un choix catégorique par rapport à notre jeu de test. En pratique, les
résultats obtenus à l’aide des deux méthodes sont très similaires. Il est difficile de préférer
une des deux méthodes. En observant les deux filtres discrets (figure 3.26 et figure 3.27),
nous pouvons noter, étant donné le nombre de coefficients du filtre retenus pour notre
application (15), que les filtres sont d’ailleurs très ressemblants.
66
Chapitre 3
Application de la transformation de Hough aux images ultrasonores B-Scan
-100
0 10 20 30 40 50 60 70 80
Gradient maximum Profil après filtrage - Canny Deriche
200
-200
0 10 20 30 40 50 60 70 80
Gradient maximum
Profil après filtrage - Shen et Castan
200
-200
0 10 20 30 40 50 60 70 80
figure 3.28: Résultats obtenus sur un profil monodimensionnel
La figure 3.28 présente une comparaison des deux filtres sur un profil de normale
typique. La position du gradient maximum observé est identique dans les deux cas.
œuvre
La mise au point de ce type de filtre étant basée sur la recherche de transition de type
échelon noyé dans un bruit blanc, les paramètres du filtre dépendent directement de l'allure de
cette transition. Après observation des signaux normaux à l'arc de diffraction, les valeurs
suivantes des coefficients influants sur la forme des filtres sont retenues:
67
Chapitre 3
Application de la transformation de Hough aux images ultrasonores B-Scan
• Canny-Deriche: α = 0,6
• Shen et Castan: p = 2
Les coefficients ω pour Canny-Deriche et d pour Shen et Castan sont calculés afin de
normaliser le filtre (somme des coefficients égale à 1).
La longueur des signaux traités est limitée d'une part par le fait que les défauts traités
sont parfois proches des limites physiques d'acquisition, et d'autre part, par la présence
d'autres transitions ne correspondant pas à celle recherchée (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).
gradient
La figure 3.29 présente quelques exemples de zones d’images B-Scan sur lesquelles le
nouvel algorithme est appliqué, et les résultats 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
différences entre les résultats obtenus par le filtre de Canny-Deriche et ceux obtenus par le
filtre de Shen et Castan.
68
Chapitre 3
Application de la transformation de Hough aux images ultrasonores B-Scan
Image initiale
Espace obtenu
avec Canny-
Deriche
Espace obtenu
avec Shen-
Castan
figure 3.29: Exemples d'espaces des paramètres obtenus avec les filtres de Canny-
Deriche et de Shen et Castan
L'annexe C présente les résultats obtenus sur l'ensemble du jeu de test avec le filtre
optimal de Shen et Castan, les deux filtres ayant les mêmes taux de bonne et mauvaise
détections.
Une comparaison entre les résultats obtenus avec le traitement basé sur le gradient et
ceux obtenus avec le traitement basé sur l'intensité montre un net rehaussement du pic
correspondant au défaut dans l'espace des paramètres. A l’inverse, un effet de tassement
apparaît lorsque nous ne sommes pas en présence de défaut.
Le tableau de la figure 3.30 permet de comparer les résultats obtenus avec les deux
algorithmes.
69
Chapitre 3
Application de la transformation de Hough aux images ultrasonores B-Scan
3.7 Conclusion
Toutes les acquisitions de données ont été réalisées sur des blocs métalliques contenant,
soit des fissures réalisées par électroérosion, soit des trous circulaires parallèles à la surface
de contrôle. Une description des données ultrasonores (ou jeu de test) ainsi que les
caractéristiques de ces données est fournie en Annexe A.
Nous avons rappelé que les traitements doivent permettre de détecter des arcs de
diffraction caractéristiques de défauts et localiser indifféremment, 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 décrit en détail la mise en œuvre et l'application des algorithmes
basés sur la transformation de Hough à la détection d'arcs de diffraction. Deux méthodes ont
été développées. La différence entre ces deux algorithmes est liée à la fonction caractéristique
des accumulateurs de l'espace des paramètres. Dans un premier cas, l'intensité des pixels
vérifiant le modèle de la forme recherchée a été choisie, et dans l'autre cas, la valeur du
gradient maximum le long de la normale à l'arc de diffraction a été retenue.
L'évaluation de ces deux approches sur l'ensemble des fichiers constituant le jeu de test
a montré que la méthode basée sur le calcul et l'accumulation du gradient est plus
performante. Il permet d'obtenir un taux de bonne détection plus élevé (augmentation du taux
de bonne détection de 4% pour le fichiers avec défaut et de 10% pour les fichiers sans
défaut).
70
Chapitre 4
Application de la Transformation de Hough
aux acquisitions ultrasonores
multidimensionnelles
Chapitre 4
Application de la Transformation de Hough aux images ultrasonores multidimensionnelles
Chapitre 4
Application de la Transformation de Hough aux
acquisitions ultrasonores multidimensionnelles
Le contrôle non destructif génère une quantité importante de données pour le traitement
d'images tridimensionnel. Electricité De France (E.D.F.), en particulier, évalue depuis
plusieurs années l'intérêt de tels outils. Plusieurs rapports d'activité ont été publiés par la
Direction des Etudes et Recherches (D.E.R.) d’E.D.F. Parmi ceux-ci, nous pouvons citer les
travaux de Fertay proposant une extension des techniques de traitement d'images
bidimensionnels généralisés au traitement tridimensionnel afin d'aider les opérateurs pour
l'interprétation et la visualisation de données [FER93]. Lavayssière propose des méthodes
d'analyse multidimensionnelle appliquées à la radiographie industrielle [LAV92] et s'intéresse
plus particulièrement à l'aspect fusion de données multidimensionnelles en contrôle non
destructif dans le cadre du projet PACE [LAV94] [LES94].
72
Chapitre 4
Application de la Transformation de Hough aux images ultrasonores multidimensionnelles
En général, un arc de diffraction présent dans un plan B-Scan est aussi présent dans les
plans suivants. Les représentations d'un arc dans les différents plans sont très ressemblantes,
jusqu'aux plans extrêmes où le défaut n'est quasiment plus observable (voir figure 4.1).
figure 4.1: Représentation d'un arc dans les différents plans B-Scan
x
Plans B-Scan
successifs
p
t ( x ) = Ouv (x − x 0 ) + t 0
2
t ( p ) = constante
73
Chapitre 4
Application de la Transformation de Hough aux images ultrasonores multidimensionnelles
La prise en compte des informations liées à la région est basée sur une observation de
l'intensité des pixels constituant le défaut.
Le profil des intensités d'un arc de diffraction le long d'un "curseur parabolique" est
présenté sur la figure 4.3 (à droite).
Curseur parabolique
Zone où l'arc est visible
74
Chapitre 4
Application de la Transformation de Hough aux images ultrasonores multidimensionnelles
Pixels du profil
La forme ainsi définie étant constant le long de l'axe des plans B-Scan, le modèle
correspondant peut être défini de la façon suivante:
I ( x ) = c2 x 2 + c1 x + c0
I ( p ) = constante
La construction du profil des intensités nécessite l'extraction des pixels situés au centre
de l'arc de diffraction (figure 4.5).
Enveloppe de l'arc
Pixels à considérer
75
Chapitre 4
Application de la Transformation de Hough aux images ultrasonores multidimensionnelles
Pixel pris en
compte par erreur
Temps
Un point clair, représentatif du bruit, est pris en compte lors de la construction du profil.
Ce point peut avoir une incidence non négligeable sur la forme du profil. Pour éviter ce
problème, il est judicieux de vérifier si chaque point est situé au centre de l’arc de diffraction
(et donc représentatif du défaut recherché).
F ( x ) = A exp (− x )
76
Chapitre 4
Application de la Transformation de Hough aux images ultrasonores multidimensionnelles
10
0
-4 -2 0 2 4
Le filtre dérivateur optimal f(x) mis au point par Ziou [ZIO91] a pour objectif de
détecter le sommet de la ligne (x = 0), en amplifiant le maximum déjà existant. Les critères
d'optimalité du filtre sont les suivants:
• filtre symétrique,
Cette fonction est symétrique et s'étend à l'infini, mais elle ne donne pas de réponse
nulle à un signal constant. Afin de vérifier cette dernière propriété, le filtre doit vérifier
l'équation suivante:
a ω + bα
∫ f (x ) dx = 2 α 2
+ ω2
=0 ⇔ a ω = − bα
a = − c α et b = cω
77
Chapitre 4
Application de la Transformation de Hough aux images ultrasonores multidimensionnelles
La figure 4.9 représente le profil du filtre dérivateur. Il s'agit d'une bonne approximation
de la dérivée seconde d'une gaussienne quand α = ω, et pour ω petit.
0.1
0.08
0.06
0.04
0.02
0
-40 -20 0 20 40
-0.02
-0.04
La mise en œuvre de ce filtre sur les profils de normales à l'arc de diffraction est
réalisée avec les valeurs de coefficients suivantes:
c = 1, ω = 0,2, α = 1
Profil de la normale
100
50
-50
-100
0 20 40 60 80 100 120 140
78
Chapitre 4
Application de la Transformation de Hough aux images ultrasonores multidimensionnelles
2000
-2000
-4000
0 20 40 60 80 100 120 140
figure 4.10: Filtrage obtenu pour un profil monodimensionnel
Ce filtre permet bien de déterminer les pixels situés au centre des arcs de diffraction.
I ( x ) = c2 x 2 + c1 x + c0
I ( p ) = constante
Cette opération est réalisée par une approximation du profil au polynôme par la
méthode des moindres carrés. Le problème principal est de déterminer les valeurs optimales
des coefficients c2 , c1 et c0 du modèle.
• La position du sommet du profil sur l'axe des intensités est fonction du paramètre c0
(figure 4.11). Ce paramètre dépend de la dynamique des intensités de l'image et peut
a priori avoir des valeurs très variables et rendent le paramétrage difficile.
79
Chapitre 4
Application de la Transformation de Hough aux images ultrasonores multidimensionnelles
Intensité f(c0)
Numéro du pixel
• La position du sommet du profil sur l'axe des pixels dépend de c1 (figure 4.12). Le
profil des intensités est symétrique lorsque l'arc de diffraction est complet. Par
conséquent, la valeur du paramètre c1 doit être telle que le sommet du profil soit
centré.
Intensité d = f(c1 )
80
Chapitre 4
Application de la Transformation de Hough aux images ultrasonores multidimensionnelles
Intensité
f(c2 )
Numéro du pixel
2 1
équation 4.1 α= Note d ' ouverture + Note de symétrie
3 3
C2 C1
Les valeurs minimum et maximum des paramètres c2 et c1 par rapport aux valeurs
attendues (figure 4.14) sont définies par l’utilisateur.
81
Chapitre 4
Application de la Transformation de Hough aux images ultrasonores multidimensionnelles
• Extraire les pixels situés au centre de l'arc de diffraction dans tous les B-Scan du
fichier d'acquisition (figure 4.15).
Numéro du
pixel
Plans
B-Scan successifs
Numéro du pixel
82
Chapitre 4
Application de la Transformation de Hough aux images ultrasonores multidimensionnelles
H (x 0 , t 0 ) + =
2 1
| note d 'ouverture + note de symétrie
3 3
Fin Pour toutes les valeurs de x0 et t0
Les fichiers d’évaluation sont constitués de huit B-Scan de synthèse obtenus par
addition d'images contenant des arcs de diffraction réels et d'images ne contenant que du bruit
d'acquisition.
b)
c)
L’algorithme basé sur la transformation de Hough tridimensionnelle est testé sur les
fichiers de l'annexe B.
83
Chapitre 4
Application de la Transformation de Hough aux images ultrasonores multidimensionnelles
L'application du traitement au fichier décrit figure 4.17 est présentée sur la figure
4.18.a.
En théorie, chaque maxima représente une forme plus ou moins proche du modèle
recherché. L'exemple de la figure 4.18.a correspond à un fichier comportant un seul arc de
diffraction épais (plusieurs pixels). De nombreux maxima ne sont donc pas représentatifs de
défauts. Le résultat de la transformation de Hough tridimensionnelle est donc difficilement
exploitable en l'état.
4.1.7 Suppression des maxima dus au bruit dans l'espace des paramètres
Une phase supplémentaire de suppression des maxima ponctuels est nécessaire. Les
arcs de diffraction ne correspondent pas exactement au modèle mathématique recherché
(épaisseur d'environ quatre à cinq pixels et présence d'un bruit important). La représentation
d'un arc de diffraction dans l'espace des paramètres n'est pas un maximum ponctuel mais un
nuage de fortes valeurs. Les maxima ponctuels de l'espace des paramètres ne sont donc a
priori représentatifs d'aucun défaut. Afin de supprimer ces maxima, un seuillage adapté de
l'espace des paramètres est réalisé. Il permet de définir deux classes: la première (classe 1)
regroupe les nuages de valeurs de forte intensité (éléments représentatifs de défauts) et les
maxima ponctuels (représentatifs de bruit); la seconde est constituée des autres éléments de
l'espace des paramètres. Un opérateur de morphologie mathématique tel que l'érosion est
ensuite appliqué aux éléments de la classe 1.
84
Chapitre 4
Application de la Transformation de Hough aux images ultrasonores multidimensionnelles
Segmentation adaptée
Espace des
paramètres binaire
Erosion
Localisation du défaut
L'exemple suivant illustre cette opération. La figure 4.20 présente un espace des
paramètres avant la suppression des maxima ponctuels.
Zone de maxima
représentative
Maxima ponctuels de défaut
85
Chapitre 4
Application de la Transformation de Hough aux images ultrasonores multidimensionnelles
0 1 0
1 1 1
0 1 0
Zone de maxima
Plus de maxima représentative
ponctuels de défaut après
érosion
bidimensionnel
L'objectif de cette approche est de rendre plus robuste les outils bidimensionnels par un
traitement global des données tridimensionnelles, sans pour autant développer de nouveaux
outils. Notre démarche peut être représentée par la figure 4.23.
Traitements de gradient 2D
généralisé des arcs de diffraction
Traitement global des
Σ données
tridimensionnelles
Traitements de continuité 3D
des arcs de diffraction
Elle consiste à combiner les résultats issus du traitement bidimensionnel avec calcul du
gradient appliqué à chacun des B-Scan du fichier d'évaluation tridimensionnel, avec les
résultats du traitement tridimensionnel.
86
Chapitre 4
Application de la Transformation de Hough aux images ultrasonores multidimensionnelles
Scan (présenté au chapitre précédent). Les données issues des traitements sont des espaces à
deux dimensions. Les paramètres constituant ces espaces sont de même nature (x0 , t0 ). La
combinaison de ces deux espaces pose cependant un problème. Les deux traitements détectent
différemment une forme parabolique: le traitement bidimensionnel détecte le somment de la
transition arcs de diffraction sombre / clair ( (1) sur la figure 4.24), alors que le traitement
tridimensionnel est plus adapté à la détection du centre du sommet d'un arc de diffraction ( (2)
sur la figure 4.24).
La combinaison des espaces de paramètres est alors réalisée par l'addition élément par
élément. La présence d'un défaut correspond alors à la présence d'un maximum de l'espace
des paramètres. Ce maxima correspond à la transition arcs sombre / clair au sommet de l'arc
de diffraction.
tridimensionnel
87
Chapitre 4
Application de la Transformation de Hough aux images ultrasonores multidimensionnelles
où I(Arc de diffraction) est l'intensité des pixels appartenant à l'arc de diffraction, I(Bruit),
l'intensité des pixels du bruit et Moy_Bruit, la valeur moyenne du bruit. Pour obtenir des
fichiers de RSB différents, la dynamique de l'intensité des pixels appartenant aux arcs de
diffraction est modifiée avant d'effectuer l'addition avec le bruit de fond.
88
Chapitre 4
Application de la Transformation de Hough aux images ultrasonores multidimensionnelles
Nb de pixels conservés
τ=
Nb de pixels initial constituant l ' arc
89
Chapitre 4
Application de la Transformation de Hough aux images ultrasonores multidimensionnelles
Le taux de morcellement est identique dans chacun des huit B-Scan mais les pixels
conservés sont différents d’un B-Scan à l’autre. Les différents fichiers ont un taux différent,
modifié par la suppression de pixels appartenant aux arcs de diffraction de manière arbitraire
avant l'addition des images.
90
Chapitre 4
Application de la Transformation de Hough aux images ultrasonores multidimensionnelles
91
Chapitre 4
Application de la Transformation de Hough aux images ultrasonores multidimensionnelles
4.4 Co nclusion
La mise au point de notre approche est réalisée sur des fichiers synthétisés à partir
d'arcs de diffraction réels et de bruit de fond réel. Deux types de fichiers de synthèse ont été
utilisés: 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 à
certains fichiers de synthèse montre sa sensibilité au bruit. Par conséquent, afin de filtrer les
maxima dus au bruit dans l'espace des paramètres, un opérateur basé sur la morphologique
mathématique de l'espace des paramètres a été nécessaire.
92
Conclusion générale
Conclusion générale
Conclusion générale
La plupart des techniques de contrôle non destructif exploitent les ondes de réflexion
propagées dans la matière. Aujourd'hui, la technique T.O.F.D. permet de mettre en évidence
des fissures dans la matière en exploitant les ondes de diffraction générées par les défauts.
Ces ondes font apparaître dans les images B-Scan des arcs de diffraction.
Une approche paramétrique initialement mise au point par Hough, puis par Duda et
Hart, la transformation de Hough, est particulièrement bien adaptée à notre problème. Cette
méthode permet de détecter des formes particulières dans une image dès lors que l'on est
capable de modéliser mathématiquement la forme.
Une étude de la technique T.O.F.D. nous a permis de modéliser les arcs de diffraction
présents dans une image B-Scan. Ce modèle a été utilisé pour la mise au point d'une
utilisation originale de la transformation de Hough.
94
Conclusion générale
nous avons développé une approche dans laquelle le prétraitement est remplacé par une
sélection des points représentatifs de la forme cherchée dans la fonction caractéristique de
construction de l'espace des paramètres.
Un deuxième algorithme a été étudié, prenant en compte le contour marqué des arcs de
diffractions. La fonction caractéristique de la transformation de Hough est basée sur le calcul
du gradient maximal le long des normales de la forme obtenue par le filtre optimal de Shen et
Castan. Cette méthode, beaucoup plus robuste, a permis de détecter la plupart des défauts
présents dans les acquisitions.
Les arcs de diffraction étant souvent partiellement visibles dans une image B-Scan,
nous avons intégré un modèle tridimensionnel du défaut recherché. Ce modèle prend en
compte à la fois le critère de contour développé précédemment et une information de
continuité des intensités de l'arc de diffraction entre chaque plan, et de décroissance dans un
plan donné.
95
Conclusion générale
Cette étude a permis de montrer qu'une adaptation originale des méthodes appliquées en
imagerie peut apporter des solutions efficaces au problème d'expertise automatique de
données ultrasonores multidimensionnelles.
96
Bibliographie
Bibliographie
Bibliographie
[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 détecteurs de contours basée sur
le filtre exponentiel optimal", 7ème Congrès AFCET-RFIA, Paris, 1989.
[COC85] J.P. COCQUEREZ, J. DEVARS, "Détection de contours dans les images aériennes:
nouveaux opérateurs", Traitement du Signal, vol 2, n° 1, 1985.
98
Bibliographie
[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
[DER90] R. DERICHE, "Fast algorithm for low level decision", IEEE Transactions on PAMI,
Vol 12, n° 1, pp. 78-87, 1990.
[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.
99
Bibliographie
[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.
100
Bibliographie
[LES94] J.L. LESNE, "Le Poste d'Analyse pour le Contrôle et l'Expertise: Une structure
d'accueil des données et des traitements pour le contrôle non destructif", Direction
des Etudes et Recherches à E.D.F., RGN – 1994, n° 5, Septembre - Octobre 1994.
101
Bibliographie
[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.
102
Bibliographie
[ORO81] J. O’ROURKE, "Dynamically quantized spaces for focusing the Hough transform",
Proceedings of the 7th International Joint Conference on Artificial Intelligence,
Vancouver, Canada, pp. 737-739, 1981.
[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 Contrôle non destructif par ultrasons", Collection Traité des
Nouvelles Technologies, Editions Hermès, Février 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.
[SHA78] S.D. SHAPIRO, "Feature space transforms for curve detection", Pattern
Recognition, Vol 10, pp. 129-143, 1978.
103
Bibliographie
[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.
104
Bibliographie
[ZIO91] D. ZIOU, "Line Detection unsing an optimal IIR filter", Pattern Recognition, Vol 24,
n° 6, pp. 465-478, 1991.
105
Annexe A
Jeu de test bidimensionnel
Annexe A
Jeu de test bidimensionnel
Annexe A
Jeu de test bidimensionnel
Les jeux de test sont issus de plusieurs acquisitions réalisées sur des blocs métalliques "étalons". Les
données ultrasonores n’ont pas pu être acquises directement sur des éléments de centrales nucléaires en
activité car l’accès à ces installations et l’extraction de données sont très fortement réglementés. Electricité
de France gère l'activité de ces centrales et prévoie des périodes d’arrêt pour la surveillance et la
maintenance. Il est difficile de faire des acquisitions particulières durant ces périodes. C’est pourquoi nous
exploitons des données correspondant à des fissures réalisées par électroérosion sur des blocs simulant les
éléments de centrale. Ces fissures, à l'image des défauts "naturels" apparaissant sous le revêtement des
cuves de centrales, sont présentes à la jonction de deux matériaux différents.
Un jeu de test correspond à une acquisition réalisée sur un bloc comportant des génératrices (trous
circulaires parallèles à la surface de contrôle) à des profondeurs régulières. Ces défauts engendrent des
échos très proches de ceux observés sur des acquisitions issues de blocs fissurés, plus intenses, et donc
intéressants pour la mise au point d’algorithmes.
Chaque acquisition est constituée d’un ensemble de B-Scan (figure A.1). Afin de fournir une
information de présence ou non de défauts et de localiser ces défauts, nous avons choisi un jeu de test
constitué de plans contenant un ou plusieurs défauts, et d'autres plans ne contenant pas de défaut.
107
Annexe A
Jeu de test bidimensionnel
Balayage mécanique
des capteurs
y Surface à inspecter
x
t
B-Scan 01
B-Scan 02
B-Scan 03
B-Scan 04
……
Les défauts sont répertoriés par un numéro global, le numéro du plan B-Scan ainsi que le nom du
fichier dont ils sont extraits (figure A.2).
Fichier n° 01
Fichier n° 02
défaut 1 défaut 2
B-Scan 01
B-Scan 02
B-Scan 03
B-Scan 04
...
Fichier n° 03
...
L’ensemble des plans B-Scans d'un fichier d’acquisition peut être considéré comme une
représentation volumique du matériau à inspecter lorsque les plans acquis sont proches l’un de l’autre.
Certains plans consécutifs contiennent des informations caractérisant des anomalies de la matière alors que
d'autres reflètent la présence d'un matériau sain.
Nous présentons ici l'ensemble des images B-Scan avec défauts, sur lesquels nous avons testé les
algorithmes bidimensionnels développés. Ces arcs de diffraction caractéristiques des défauts, entourés sur
les images B-Scan, sont numérotés de D01 à D25.
108
Annexe A
Jeu de test bidimensionnel
D01
D02
D03
D04
D05
D06
D07
D08
D09
109
Annexe A
Jeu de test bidimensionnel
D10
D11
D12
D13
D14
D15
D16
D17
110
Annexe A
Jeu de test bidimensionnel
D18
D19
D20
D22
D23
D24
D25
111
Annexe B
Jeu de test tridimensionnel
Annexe B
Jeu de test tridimensionnel
Annexe B
Jeu de test tridimensionnel
Cette annexe se décompose en deux parties: l'ensemble des fichiers de test constitués d'arcs
de diffraction complets et l'ensemble des fichiers de test constitués d'arcs de diffraction morcelés.
Les fichiers sont triés par ordre décroissant du Rapport Signal/Bruit (RSB):
où I(Arc de diffraction) est l'intensité des pixels appartenant à l'arc de diffraction, I(Bruit), l'intensité
des pixels du bruit et Moy_Bruit, la valeur moyenne du bruit.
Nous avons indiqué 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 continuité retenue
par l'opérateur, et la position du sommet de l'arc de diffraction. La dynamique des arcs est définie
comme étant la plage de variation du niveau de gris des pixels appartenant à l'arc de diffraction. Par
exemple, une dynamique de 50 signifie que le niveau de gris des pixels appartenant à l'arc de
diffraction varie entre 0 et 50. Le nombre terminant le nom de fichier correspond à la dynamique des
arcs de diffraction.
B.1.1 Fi c h i e r t e s t C O N T _ 1 5 0
112
Annexe B
Jeu de test tridimensionnel
113
Annexe B
Jeu de test tridimensionnel
Les fichiers test avec arcs de diffraction incomplets sont triés par ordre décroissant de taux de
morcellement:
Nb de pixels conservés
τ=
Nb de pixels initial constituant l ' arc
Nous indiquons pour chaque fichier, le taux de morcellement approximatif pour l'ensemble des
données tridimensionnelles, l'ouverture de continuité relevée, et la position du sommet de l'arc de
diffraction.
114
Annexe B
Jeu de test tridimensionnel
Caractéristiques du fichier te s t
Taux O u v e r t u r e ( m s . p i x -- 22 ) Position du sommet (x, t)
115
Annexe B
Jeu de test tridimensionnel
116
Annexe C
Résultats de la transformation de Hough sur
le jeu de test bidimensionnel
Annexe C
Résultats de la transformation de Hough sur le jeu de test bidimensionnel
Annexe C
Résultats de la transformation de Hough sur le jeu
de test bidimensionnel
Nous présentons 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.
Nous représentons la zone de l'image traitée, l'espace des paramètres obtenu, la position du sommet
de l'arc de diffraction trouvée et le résultat de la localisation. Nous considérons que le sommet a été
correctement localisé lorsqu'il a été trouvé à moins de 2 pixels de la position recherchée. Le taux de bonne
détection est:
22
Taux de bonne détection = × 100 = 88 %
25
D01 oui
D02 oui
D03 oui
117
Annexe C
Résultats de la transformation de Hough sur le jeu de test bidimensionnel
D04 oui
D05 oui
D06 non
D07 oui
D08 oui
D09 oui
D10 oui
D11 oui
D12 oui
D13 oui
D14 oui
D15 non
118
Annexe C
Résultats de la transformation de Hough sur le jeu de test bidimensionnel
D16 non
D17 oui
D18 oui
D19 oui
D20 oui
D21 oui
D22 oui
D23 oui
D24 oui
D25 oui
figure C. 1: Résultats de la transformation de Hough avec calcul du gradient sur les 25 défauts
119
Annexe C
Résultats de la transformation de Hough sur le jeu de test bidimensionnel
Les résultats sont indiqués figure C. 2 où la zone traitée, l'espace des paramètres obtenu, et le
résultat d’une éventuelle détection sont présentés. Le taux de bonne détection est:
8
Taux de bonne détection = × 100 = 80 %
10
1 Non
2 Non
3 Oui
4 Non
5 Non
6 Oui
7 Non
8 Non
9 Non
10 Non
figure C. 2: Résultats de la transformation de Hough avec calcul du gradient sur les 10 zones B-
Scan sans défaut
120
Annexe D
Résultats de la tr ansformation de Hough sur
le jeu de test tridimensionnel
Annexe D
Résultats de la transformation de Hough sur le jeu de test tridimensionnel
Annexe D
Résultats de la tr ansformation de Hough sur le
jeu de test tridimensionnel
Cette annexe résume les résultats obtenus suite à l'application du traitement combiné
(traitements bidimensionnel avec calcul du gradient et tridimensionnel) à l'ensemble des fichiers test
tridimensionnels.
Les résultats du test des fichiers constitués d'arc de diffraction complets avec des RSB
différents sont triés par ordre décroissant du RSB. Nous présentons les espaces de paramètres
obtenus avant et après la combinaison des traitements et le repositionnement du défaut.
Résultat de Traitement 3D
T.H. Gradient 3D T.H. Continuité 3D T.H. Combinée 3D Repositionnement
Résultat de Traitement 3D
T.H. Gradient 3D T.H. Continuité 3D T.H. Combinée 3D Repositionnement
121
Annexe D
Résultats de la transformation de Hough sur le jeu de test tridimensionnel
Résultat de Traitement 3D
T.H. Gradient 3D T.H. Continuité 3D T.H. Combinée 3D Repositionnement
Résultat de Traitement 3D
T.H. Gradient 3D T.H. Continuité 3D T.H. Combinée 3D Repositionnement
Résultat de Traitement 3D
T.H. Gradient 3D T.H. C o n t i n u i t é 3 D T.H. Combinée 3D Repositionnement
Résultat de Traitement 3D
T.H. Gradient 3D T.H. Continuité 3D T.H. Combinée 3D Repositionnement
122
Annexe D
Résultats de la transformation de Hough sur le jeu de test tridimensionnel
Les résultats du traitement tridimensionnel réalisé sur les fichiers constitués d'arc de diffraction
morcelés sont triés par ordre décroissant du taux de morcellement. Nous présentons les espaces de
paramètres obtenus avant et après la combinaison des traitements et le repositionnement du défaut.
Résultat de Traitement 3D
T.H. Gradient 3D T.H. Continuité 3D T.H. Combinée 3D Repositionnement
Résultat de Traitement 3D
T.H. Gradient 3D T.H. Continuité 3D T.H. Combinée 3D Repositionnement
Résultat de Traitement 3D
T.H. Gradient 3D T.H. Continuité 3D T.H. Combinée 3D Repositionnement
123
Annexe D
Résultats de la transformation de Hough sur le jeu de test tridimensionnel
Résultat de Traitement 3D
T.H. Gradient 3D T.H. Continuité 3D T.H. Combinée 3D Repositionnement
Résultat de Traitement 3D
T.H. Gradient 3D T.H. Continuité 3D T.H. Combinée 3D Repositionnement
Résultat de Traitement 3D
T.H. Gradient 3D T.H. Continuité 3D T.H. Combinée 3D Repositionnement
Résultat de Traitement 3D
T.H. Gradient 3D T.H. Continuité 3D T.H. Combinée 3D Repositionnement
124
Annexe D
Résultats de la transformation de Hough sur le jeu de test tridimensionnel
Résultat de Traitement 3D
T.H. Gradient 3D T.H. Continuité 3D T . H. C o m b i n é e 3 D Repositionnement
125
Annexe E
Présentation du logiciel de traitements
Annexe E
Présentation succincte du logiciel de traitements
Annexe E
Présentation du logiciel de traitements
Ce paragraphe décrit l'outil logiciel de traitements développé dans le cadre de cette étude. Ce
prototype a été développé en Visual C++ sous Windows NT sur PC.
Le logiciel réalisé dispose d'une interface écran graphique "Windows" (figure E.1). Les menus
standards de toute application Windows sont intégrés au logiciel (gestion des fichiers, des fenêtres,
d'édition, etc.…).
126
Annexe E
Présentation succincte du logiciel de traitements
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 données dans les trois représentations
C-Scan, B-Scan et A-Scan. La première représentation des données affichée est le C-Scan.
L’utilisateur peut alors sélectionner les B-Scan à afficher puis les A-Scan.
Trois menus déroulants gèrent indépendamment les types d’images ultrasonores. Le menu "C-
Scan" permet, par exemple, la création d'images B-Scan. Le menu "B-Scan" propose une fonction
de sélection de zone de B-Scan à traiter, l'entrée des paramètres ultrasonores associés au B-Scan
considéré, etc.…
E.2 D é t e c t i o n d ' a r c s d e d i f f r a c t i o n d a n s u n p l a n B-
B- S c a n : t r a i t e m e n t
bidimensionnel
La détection d'arcs de diffraction dans une image B-Scan se déroule de la manière suivante:
après ouverture du fichier B-Scan à traiter, l'utilisateur sélectionne la zone de traitement et les
paramètres d'acquisition ultrasonore. La fenêtre "Paramètres US" du menu "B-Scan" permettant la
saisie de ces paramètres est présentée sur la figure E.2.
127
Annexe E
Présentation succincte du logiciel de traitements
Lorsque ces paramètres sont saisis, le menu "Traitements 2D" (figure E.3) permet d'accéder à
la transformation de Hough et à d'autres outils mis au point durant l'étude.
128
Annexe E
Présentation succincte du logiciel de traitements
Le résultat de la transformation de Hough est présenté sous forme d'un message de présence
ou absence de défaut et de deux nouvelles images. Un curseur est alors positionné dans une copie
de l'image B-Scan traitée. Une seconde image présente l'espace des paramètres (figure E.4).
Les données peuvent aussi être sélectionnées sur le plan C-Scan d'une acquisition
tridimensionnelle. L'utilisateur doit dans ce cas sélectionner les plans B-Scan à traiter et la plage de
profondeur dans l'un des plans B-Scan.
129
Annexe E
Présentation succincte du logiciel de traitements
Une boîte de dialogue (figure E.6), permet alors de saisir les valeurs théoriques des
paramètres du modèle de continuité.
130