CN103512960A - 一种超声阵列成像方法 - Google Patents

Abstract

本发明公开了一种超声阵列成像方法，该方法包括以下步骤：根据超声阵列中各个阵元采集得到的信号进行波束形成处理，并利用空间阵列增益提高超声扫描线信号的信噪比；根据波束形成处理后的扫描线信号进行小波阈值消噪处理；根据小波阈值消噪处理后的超声扫描线信号进行包络解调，获得所描线信号的包络；将所有的扫描线包络信号构成的图像进行图像变换处理，获得校正后的扫描图像。本发明利用小波变换与超声阵列相结合，在获取阵列空间增益的同时，利用小波阈值消噪方法进一步提高信噪比，并极大地改进了超声阵列成像结果，提高了超声阵列对于远场缺陷的检测性能。

Description

一种超声阵列成像方法

技术领域

本发明涉及超声阵列无损检测技术，尤其涉及一种超声阵列成像方法。

背景技术

超声阵列成像对于无损检测具有重要的意义，近些年来得到了广泛应用。超声阵列探测具有极大的灵活性，可以检测不规则形状零件。相对于传统的单阵元探伤系统，具有探查面积大、信噪比高、检测结果直观等优点。常用的阵列工作方式有线列扫描、扇型扫描和聚焦扫描等，不同工作方式超声检测的扫查范围和精度不同。同时，超声阵列技术还能够用于检测如复合材料等结构复杂的材料。

在超声无损检测中，被检测材料常包含粗颗粒结构，其导致强背向散射噪声，使得缺陷信号淹没在噪声中，增加了小缺陷的检测难度。同时，当需要检测较远的区域时，传播损失导致回波信号的绝对幅度较低，电子仪器的噪声将干扰超声回波信号。所以，需要有效的噪声消除技术提高信噪比，增强检测结果。虽然超声阵列技术可以提高信号强度，但是当检测区域较远时，噪声问题同样比较严重。

发明内容

本发明的目的是为了解决上述现有技术存在的不足之处，提出一种超声阵列成像方法，用以提高信噪比，从而在较远区域实现较清晰缺陷成像，并达到对较远区域的微小缺陷检测。

为实现上述目的，本发明提供了一种超声阵列成像方法，其特征在于，包括以下步骤：

根据超声阵列中各个阵元采集得到的信号进行波束形成处理，并利用空间阵列增益提高超声扫描线信号的信噪比；

根据所述波束形成处理后的扫描线信号进行小波阈值消噪处理；

根据所述小波阈值消噪处理后的超声扫描线信号进行包络解调，获得所述扫描线信号的包络；

将所有的扫描线包络信号构成的图像进行图像变换处理，获得校正后的扫描图像。

本发明利用小波变换与超声阵列相结合，在获取阵列空间增益的同时，利用小波阈值消噪方法进一步提高信噪比，并极大地改进了超声阵列成像结果，提高了超声阵列对于远场缺陷的检测性能。

附图说明

图1为本发明实施例提供的一种超声阵列成像方法流程图；

图2为超声阵列成像检测示意图；

图3为波束形成示意图；

图4为基于离散小波变换（DWT）的阈值消噪2级分解示意图；

图5为正交解调过程示意图；

图6为图像转换过程示意图。

具体实施方式

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

超声阵列成像技术是基于超声阵列换能器，利用超声纵波或者横波，对工业中零部件进行无损检测的一种方法。如图2所示，分别给出了利用超声阵列纵波扫查和通过楔块产生横波对试块扫查的示意图。图2(a)通过控制不同阵元的延时，从而改变入射纵波的角度，达到对扇形区域成像的目的，这种方式称为B模式成像。图2(b)控制不同阵元的延时，并使入射纵波沿着楔块内部斜入射到零件上，从而达到利用折射横波对扇形区域成像的目的，这种方式称为S模式成像。

图1为本发明实施例提供的一种超声阵列成像方法流程图，如图1所示，该方法包括步骤101-106：

在步骤101、根据超声阵列中各个阵元采集得到的信号进行波束形成处理，利用空间阵列增益提高超声扫描线信号的信噪比。

具体地，超声阵列换能器的阵元数目一般为16至128，阵元中心频率为0.5MHz至15MHz。其工作方式是所有阵元按照某一个顺序发射，所有阵元接收并处理。图3为波束形成说明示意图，按照图3所示建立坐标系。需要把所有阵元的信号聚焦在图中的反射点处，其中反射点坐标为(x_o,z_o)，两个示意阵元坐标为分别为(x_i1,z_i1)和(x_i2,z_i2)，参考点为(x_s,z_s)。这两个阵元相对于参考点的单程延时分别为：

$d_{i1}=\frac{\sqrt{{(x_{i1}-x_o)}^2+{(z_{i1}-z_o)}^2}-\sqrt{{(x_s-x_o)}^2+{(x_s-z_o)}^2}}{c}---\left(1\right)$

$d_{i2}=\frac{\sqrt{{(x_{i2}-x_o)}^2+{(z_{i2}-z_o)}^2}-\sqrt{{(x_s-x_o)}^2+{(x_s-z_o)}^2}}{c}---\left(2\right)$

按照式(1)和式(2)所计算的几何延时，顺序发射阵元，可以实现把所有阵元的信号聚焦到反射点上。接收过程按照发射过程同样进行。由于需探测的器件的形状复杂等原因，常常需要通过楔块采用横波探测。此时需计算超声通过楔块折射进入试块的声程，可利用Snell定理或费马定理进行计算。以上阵列处理称为波束形成处理。

在步骤102、对波束形成后的扫描线信号进行小波分解。

小波变换是一个对于瞬态非平稳信号分析和处理有效的方法。小波变换把信号分解为“小波”叠加的形式，把一个复杂的函数分解为一些简单函数的叠加。小波函数能够认为是某一个基函数通过伸长和平移得到的。目前已经存在许多小波基，不同的小波函数具有不同的特点，允许实现不同功能的信号分析。

在步骤103、根据波束形成处理后的扫描线信号进行小波阈值消噪处理。

小波阈值消噪是一种基于小波变换的方法，在小波域上对信号和噪声进行分离。对于非平稳超声信号，小波能够在时间域和频率域同时具有较可靠的分辨率。一般而言，小波阈值消噪主要分为三步：

利用某个小波基函数，把含噪信号进行N级分解；

对得到的各级小波系数进行阈值收缩处理；

利用近似后的小波系数通过小波逆变换重构信号。

小波阈值消噪算法中的小波变换常使用离散小波变换（DWT）。DWT可以利用Mallat提出的金字塔算法对信号进行分解。在分解m级，对信号f_m进行分解。通过卷积一个尺度函数h和一个小波函数g来实现，等效信号通过一个低通滤波器和一个高通滤波器。由于信号是有限带宽，小波函数表示一个带通滤波器。对分解得到m+1级信号，低频分量f_m+1和高频分量f'_m+1可以表示为：

$f_{m+1}\left(n\right)=\underset{k}{\mathrm{\Σ}}h(2n-k)f_m\left(k\right)---\left(3\right)$

${f^{\′}}_{m+1}\left(n\right)=\underset{k}{\mathrm{\Σ}}g(2n-k)f_m\left(k\right)---\left(4\right)$

得到的信号f_m+1和f'_m+1，每隔一个点进行下采样，去除信号的冗余性。

在步骤104、通过小波重构算法重构超声扫描线信号。

对于重构过程，我们以重构m级信号为例，低频分量f_m+1和高频分量f'_m+1分别通过低通重构滤波器h'和高通重构滤波器g'，则可以得到重构信号：

$f_m\left(k\right)=\underset{k}{\mathrm{\Σ}}{h}^{\′}(2n-k)f_{m+1}\left(n\right)+\underset{k}{\mathrm{\Σ}}{g}^{\′}(2n-k){f^{\′}}_{m+1}\left(n\right)---\left(5\right)$

图4为基于离散小波变换（DWT）的阈值消噪2级分解的示意图。阈值收缩过程发生在小波分解和小波重构的中间。

本发明使用稳定小波变换（SWT）进行处理。稳定小波变换是小波分析的一种转换形式，为DWT的变形。SWT可以弥补DWT因为下采样而失去的平移不变性。SWT不同于DWT的部分，主要在于将每一阶的需经过的高通滤波器和低通滤波器上采样处理，取代DWT中经过滤波器之后的信号下采样处理。把SWT过程定义为：

$f_{m+1}\left(n\right)=\underset{k}{\mathrm{\Σ}}{h}_m(n-k)f_m\left(k\right)---\left(6\right)$

${f^{\′}}_{m+1}\left(n\right)=\underset{k}{\mathrm{\Σ}}{g}_m(n-k)f_m\left(k\right)---\left(7\right)$

其中，尺度滤波器和小波滤波器采用迭代形式：

其中h₀(k)＝h(k)，↑2表示上采样处理。按照同样的方法，可以定义小波滤波器g_m(k)。

对于重构算法，DWT是把小波系数经过上采样后再通过重构滤波器叠加后即可以得到重构结果。对于SWT，不再需要上采样处理，直接通过上采样后的低通和高通滤波器即可以完成重构过程。

小波阈值消噪算法简单且有效，成为了非常有效的逼近手段。小波阈值消噪中的小波基主要包括以Daubechies小波为代表的正交小波，以Bior为代表的双正交小波和Meyer小波。

除了小波基的选择会影响小波消噪的性能，小波消噪的阈值策略同样会影响消噪性能。对于小波阈值消噪的阈值准则存在许多阈值函数方法。阈值函数主要包括了硬阈值函数、软阈值函数和定制式阈值函数。

硬阈值函数把小于阈值的小波系数全部臵为零。

$T_h\left(x\right)=\left\{\begin{array}{cc}x& \mathrm{if}\left|x\right|\≥\mathrm{\λ}\\ 0& \mathrm{otherwise}\end{array}\right.---\left(9\right)$

软阈值是硬阈值的一种变形。函数形式为：

$T_s\left(x\right)=\left\{\begin{array}{cc}x-\mathrm{\&lambda;}& \mathrm{ifx}\&GreaterEqual;\mathrm{\&lambda;}\\ 0& \mathrm{if}\left|x\right|<\mathrm{\&lambda;}\\ x+\mathrm{\&lambda;}& \mathrm{ifx}\&le;-\mathrm{\&lambda;}\end{array}\right.---\left(10\right)$

定制式阈值函数：

$T_c\left(x\right)=\left\{\begin{array}{cc}x-\mathrm{sgn}\left(x\right)(1-\mathrm{\&alpha;})\mathrm{\&lambda;}& \mathrm{if}\left|x\right|\&GreaterEqual;\mathrm{\&lambda;}\\ 0& \mathrm{if}\left|x\right|<\mathrm{\&gamma;}\\ \mathrm{sgn}\left(x\right)\mathrm{\&alpha;}{(\frac{\left|x\right|-\mathrm{\&gamma;}}{\mathrm{\&lambda;}-\mathrm{\&gamma;}})}^2\{(\mathrm{\&alpha;}-3)\frac{\left|x\right|-\mathrm{\&gamma;}}{\mathrm{\&lambda;}-\mathrm{\&gamma;}}+4-\mathrm{\&alpha;}\}& \mathrm{otherwise}\end{array}\right.---\left(11\right)$

其中0＜γ＜λ，且0≤α≤1。当α靠近0时，该阈值函数为软阈值函数；当α靠近1时，该阈值函数为硬阈值函数。

在步骤105、根据小波阈值消噪处理后的超声扫描线信号进行包络解调，获得扫描线信号的包络。

具体地，对消噪后的超声扫描线信号通过正交解调，得到扫描线信号的包络。解调过程是利用解析信号的方式获取的。解析信号在信号分析中十分有用，常常用于获取信号的瞬时幅度和频率。采用Hilbert变换得到解析信号：

a(t)＝x(t)+iH{x(t)}(12)其中H{□}表示Hilbert变换。Hilbert变换又可以表示为积分形式：

$H\left\{x\left(t\right)\right\}=\frac{1}{\mathrm{\&pi;}}\underset{-\&infin;}{\overset{+\&infin;}{\&Integral;}}\frac{x\left(\mathrm{\&tau;}\right)}{t-\mathrm{\&tau;}}\mathrm{d\&tau;}---\left(13\right)$

解析信号也可以从频域来理解：

A(ω)＝(1+sign(ω))X(ω)    (14)

其中X(ω)为消噪后信号频谱，A(ω)为解析信号频谱，并且

$\mathrm{sign}\left(\mathrm{\&omega;}\right)=\left\{\begin{array}{cc}1& \mathrm{if\&omega;}>0\\ 0& \mathrm{if\&omega;}=0\\ -1& \mathrm{if\&omega;}<0\end{array}\right.----\left(15\right)$

然后对解析信号a(t)取模，就可以获得信号的包络。图5给出了扫描线包络的解调过程。

在步骤106、将所有的扫描线包络信号构成的图像进行图像变换处理，获得校正后的扫描图像。

具体地，把所有的扫描线数据通过图像变换，得到上面提到的B模式图像或横波S扫描图像。下面以得到B模式扫描图像为例进行说明：包络处理后的扫描线数据如图6(a)所示，为了得到图6(b)，需要对包络信号进行插值处理。图6(c)给出了插值过程，圆点为已知数据，三角点是需要插值得到的。利用2*2插值，或者4*4插值，就可以得到图像转换后的B扫描图像。

本发明实施例利用小波变换与超声阵列相结合，在获取阵列空间增益的同时，利用小波阈值消噪方法进一步提高信噪比，并极大地改进了超声阵列成像结果，提高了超声阵列对于远场缺陷的检测性能。

显而易见，在不偏离本发明的真实精神和范围的前提下，在此描述的本发明可以有许多变化。因此，所有对于本领域技术人员来说显而易见的改变，都应包括在本权利要求书所涵盖的范围之内。本发明所要求保护的范围仅由所述的权利要求书进行限定。

Claims (10)

1.一种超声阵列成像方法，其特征在于，包括以下步骤：

根据超声阵列中各个阵元采集得到的信号进行波束形成处理，并利用空间阵列增益提高超声扫描线信号的信噪比；

根据所述波束形成处理后的扫描线信号进行小波阈值消噪处理；

根据所述小波阈值消噪处理后的超声扫描线信号进行包络解调，获得所述扫描线信号的包络；

将所有的扫描线包络信号构成的图像进行图像变换处理，获得校正后的扫描图像。

2.根据权利要求1所述的方法，其特征在于：所述小波阈值消噪处理包括以下步骤：

利用小波基函数，对所述波束形成后的扫描线信号进行小波分解；

根据得到的各级小波系数进行阈值收缩处理；

根据阈值收缩后的小波系数，通过小波重构处理，获得消噪后的超声扫描线信号。

3.根据权利要求1或2所述的方法，其特征在于：所述小波阈值消噪处理是通过采用稳定小波变换SWT进行处理。

4.根据权利要求2所述的方法，其特征在于：所述小波阈值消噪处理中的小波基函数为Daubechies正交小波基、Bior双正交小波基或Meyer小波基。

5.根据权利要求2所述的方法，其特征在于：所述小波阈值消噪处理中的阈值函数为硬阈值函数T_h()，其函数形式为：

$T_h\left(x\right)=\left\{\begin{array}{cc}x& \mathrm{if}\left|x\right|\&GreaterEqual;\mathrm{\&lambda;}\\ 0& \mathrm{otherwise}\end{array}\right.,$

其中x为含噪信号的小波系数，λ为阈值。

6.根据权利要求2所述的方法，其特征在于：所述小波阈值消噪处理中的阈值函数为软阈值函数T_s()，其函数形式为：

$T_s\left(x\right)=\left\{\begin{array}{cc}x-\mathrm{\&lambda;}& \mathrm{ifx}\&GreaterEqual;\mathrm{\&lambda;}\\ 0& \mathrm{if}\left|x\right|<\mathrm{\&lambda;}\\ x+\mathrm{\&lambda;}& \mathrm{ifx}\&le;-\mathrm{\&lambda;}\end{array}\right.,$

其中x为含噪信号的小波系数，λ为阈值。

7.根据权利要求2所述的方法，其特征在于：所述小波阈值消噪处理中的阈值函数为定制式阈值函数T_c()，其函数形式为：

$T_c\left(x\right)=\left\{\begin{array}{cc}x-\mathrm{sgn}\left(x\right)(1-\mathrm{\&alpha;})\mathrm{\&lambda;}& \mathrm{if}\left|x\right|\&GreaterEqual;\mathrm{\&lambda;}\\ 0& \mathrm{if}\left|x\right|<\mathrm{\&gamma;}\\ \mathrm{sgn}\left(x\right)\mathrm{\&alpha;}{(\frac{\left|x\right|-\mathrm{\&gamma;}}{\mathrm{\&lambda;}-\mathrm{\&gamma;}})}^2\{(\mathrm{\&alpha;}-3)\frac{\left|x\right|-\mathrm{\&gamma;}}{\mathrm{\&lambda;}-\mathrm{\&gamma;}}+4-\mathrm{\&alpha;}\}& \mathrm{otherwise}\end{array}\right.,$

其中x为含噪信号的小波系数，λ为阈值，0＜γ＜λ，且0≤α≤1。

8.根据权利要求1所述的方法，其特征在于：所述根据所述小波阈值消噪处理后的超声扫描线信号进行包络解调，获得所述扫描线信号的包络步骤包括：

根据消噪后的超声扫描线信号求解解析信号；

根据得到的解析信号取模值得到信号包络。

9.根据权利要求8所述的方法，其特征在于：所述根据消噪后的超声扫描线信号求解解析信号步骤具体是：

根据消澡后的超声扫描线号利用Hilbert变换求解解析信号。

10.根据权利要求1所述的方法，其特征在于：所述将所有的扫描线包络信号构成的图像进行图像变换处理步骤中的图像变换处理是通过基于图像几何形状的插值实现的。

Images