CN109142548B - 一种基于相位环形统计矢量的超声成像方法 - Google Patents
一种基于相位环形统计矢量的超声成像方法 Download PDFInfo
- Publication number
- CN109142548B CN109142548B CN201811104900.5A CN201811104900A CN109142548B CN 109142548 B CN109142548 B CN 109142548B CN 201811104900 A CN201811104900 A CN 201811104900A CN 109142548 B CN109142548 B CN 109142548B
- Authority
- CN
- China
- Prior art keywords
- signal
- data set
- matrix
- phase
- ultrasonic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
- G01N29/449—Statistical methods not provided for in G01N29/4409, e.g. averaging, smoothing and interpolation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/04—Analysing solids
- G01N29/06—Visualisation of the interior, e.g. acoustic microscopy
- G01N29/0654—Imaging
- G01N29/069—Defect imaging, localisation and sizing using, e.g. time of flight diffraction [TOFD], synthetic aperture focusing technique [SAFT], Amplituden-Laufzeit-Ortskurven [ALOK] technique
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/02—Indexing codes associated with the analysed material
- G01N2291/023—Solids
- G01N2291/0234—Metals, e.g. steel
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/02—Indexing codes associated with the analysed material
- G01N2291/028—Material parameters
- G01N2291/0289—Internal structure, e.g. defects, grain size, texture
Landscapes
- Physics & Mathematics (AREA)
- Biochemistry (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Immunology (AREA)
- Acoustics & Sound (AREA)
- Probability & Statistics with Applications (AREA)
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于相位环形统计矢量的超声后处理成像方法。首先,在成像实施过程中提取超声阵列信号数据集中各路信号的相位信息。然后,将同一聚焦像素内的相位视作环形分布的随机变量,构建用于表征相位分布特征的环形统计矢量。最后,将相位环形统计矢量的模作为特征值进行超声后处理成像。相比于常规超声后处理成像方法,该技术不仅能够通过放大相位分布对信号幅值的作用有效抑制噪声,还能够通过减小声束宽度有效提高横向分辨率,实现缺陷信号回波的显著增强,进而有效地实现材料内部缺陷的高精度定量、定位和定性,具有良好的推广及应用前景。
Description
技术领域
本发明涉及超声无损检测领域,特别涉及一种基于相位环形统计矢量的超声成像方法。
背景技术
以合成孔径聚焦为代表的超声后处理成像方法被广泛应用于工业无损检测、医疗诊断等重要领域。研究表明,与传统的B型、C型、D型超声成像相比较,超声后处理成像方法所获得超声图像具有更高的检测信噪比和分辨率,其缺陷检测能力和定量精度更高。此外,可发性强、算法灵活是超声后处理成像方法另一优势。研究者可根据检测状况,开发相应的优化算法实现缺陷/病灶的高质量检测。一般情况下,常规超声后处理成像方法仅利用检测信号的幅值和时间进行成像,未考虑相位、频谱等特征参量所携带的缺陷信息。研究表明,信号幅值易受仪器和结构噪声、探头栅瓣等因素的干扰,特殊检测环境下超声图像的信噪比和分辨率难以满足缺陷识别要求。因此,寻求对缺陷更加敏感的特征参量,有助于进一步提高超声后处理技术的成像质量。
对此,本发明提出一种基于相位环形统计矢量(phase circular statisticsvector,PCSV)的超声后处理成像方法。以用于成像的阵列信号相位分布为基础,代替信号幅值进行成像,提高图像的缺陷识别能力。该方法根据延时信号相位分布特点,构建用于共同表征信号相位相干性和幅值的PCSV特征值,进而利用超声图像中各像素点的PCSV值直观呈现缺陷回波的强度和位置。相比于常规超声后处理成像方法,该成像方法不仅能够通过放大相位分布对信号幅值的作用有效抑制噪声,还能够通过减小声束宽度有效提高横向分辨率,实现缺陷信号回波的显著增强,进而有效地实现材料内部缺陷的高精度定量、定位和定性,具有良好的推广及应用前景。
发明内容
本发明的目的在于提供一种基于相位环形统计矢量的超声后处理成像方法,通过环形统计矢量的长度表示超声图像各像素点强度值,通过放大相位分布对信号幅值作用有效提高分辨率和信噪比等图像质量指标,为材料内部缺陷的高精度定量、定位、定性提供有效的方法。
本发明的目的是这样实现的。一种基于相位环形统计矢量的超声成像方法,包括如下步骤:
1)利用超声检测系统,使探头在步进位置j=1,2…N采集超声检测信号,得到由N个A型扫描信号组成的阵列信号数据集{S(t)j=1,2…N},对{S(t)j=1,2…N}中各信号进行希尔伯特变换,得到数据集{h(S(t))j=1,2…N},将其简写为{h(t)j=1,2…N}。
2)根据欧拉公式,数据集{h(t)j=1,2…N}中任意希尔伯特变换式h(t)j表示为:
3)由公式(1)中的表达式,得到h(t)j的模XH(t)j、实部XR(t)j和虚部XI(t)j,其表达式如下:
XH(t)j=|h(t)j| (2)
基于公式(2)、(3)、(4),由数据集{h(t)j=1,2…N}得到信号的模数据集{XH(t)j=1,2…N}、实部数据集{XR(t)j=1,2…N}和虚部数据集{XI(t)j=1,2…N};
4)将成像区域划分为m×n个网格点,同时建立m×n个元素构成的二维零矩阵,矩阵中的元素与成像区域中的网格点一一对应,使数据集{XH(t)j=1,2…N}、{XR(t)j=1,2…N}和{XI(t)j=1,2…N}在成像区域中m×n个网格点上进行N次延时叠加,并将叠加结果分别赋给零矩阵,得到m×n矩阵IH、IR和II。矩阵IH、IR和II中与网格点(x,z)对应的元素强度值分别为:
式中,延时时间△t的表达式写作
式中,xj和yj分别为探头在步进位置j处的横、纵坐标,x和y分别为聚焦网格点的横、纵坐标,cl为被检工件的纵波声速;
5)将数据集{XH(t)j=1,2…N}、{XR(t)j=1,2…N}和{XI(t)j=1,2…N}作为环形统计学数据样本,则矩阵IH、IR和II中各元素的强度值分别代表成像区域各网格点上信号模、实部和虚部统计值,通过对IH、IR和II的矩阵运算构建环形统计矢量R,其长度值|R|表达式写作:
6)对二维m×n矩阵|R|进行图形化处理,得到以环形统计矢量R长度为变量的新型超声图像。
本发明一种基于相位环形统计矢量的超声成像方法应用于实践,解决了目标遮挡、混响、仪器噪声、材料结构噪声等引起超声图像低分辨率和低信噪比问题,更有效地实现了材料内部缺陷的高精度定量、定位、定性,具有良好的推广及应用前景。
附图说明
图1是本发明中超声阵列信号数据集采集系统示意图;
图2是本发明的基于环形相位统计矢量的超声图像;
图3是超声合成孔径聚焦超声图像。
具体实施方式
以下结合附图和实施例对本发明作进一步说明。参见图1至图3,一种基于环形相位统计矢量的超声成像方法,以对96mm厚粗晶奥氏体不锈钢试块中50mm深度的Φ3边钻孔进行成像检测为例,包括如下步骤:
1)如图1所示,通过相控阵探头1、多通道选择器2、超声信号发射接收器3、数字示波器4和计算机终端5搭建独立128通道超声信号采集系统。其中,相控阵探头1与多通道选择器2相连接,多通道选择器2与超声信号发射接收器3之间通过发射接口TX、接收接口RX连接,多通道选择器2与计算机终端5之间通过网线LAN连接,超声信号发射接收器3与数字示波器4之间通过OUT和SYMC接口连接。相控阵探头1阵元数为32阵元,阵元中心间距2mm,中心频率1MHz。被检工件6为奥氏体不锈钢试块,厚度为96mm,缺陷为50mm深度的Φ3边钻孔。以采样频率Fs=100MHz,按照j=1,2…32的顺序激发1~32号阵元并采集信号,32次激发和接收后共计形成32个超声脉冲反射信号S(t),每个信号2499个采样点,形成阵列信号数据集{S(t)j=1,2…32},保存于txt文档中。
2)利用MATLAB软件读取txt文档中的数据集{S(t)j=1,2…32},得到2499×32个元素组成的二维矩阵,将其命名为data,矩阵data的列数为2499,表示信号幅值随采样点的变化,其行数为32,表示信号幅值随步进位置的变化。利用MATLAB软件中的hilbert函数对矩阵data进行希尔伯特变换,得到2499×32矩阵,将其命名为hilbert_data,变量hilbert_data即为数据集{h(S(t))j=1,2…32},简写为{h(t)j=1,2…32}。
3)根据欧拉公式,数据集{h(t)j=1,2…32}中任意希尔伯特变换式h(t)j表示为:
由公式(1)中的表达式,得到h(t)j的模XH(t)j、实部XR(t)j和虚部XI(t)j,其表达式如下:
XH(t)j=|h(t)j| (2)
基于公式(2)、(3)、(4),通过MATLAB软件中的abs(hilbert_data)、real(hilbert_data)和imag(hilbert_data)命令求得hilbert_data的模abs_data、实部real_data和虚部imag_data。按照顺序三个变量分别表示模数据集{XH(t)j=1,2…32}、实部数据集{XR(t)j=1,2…32}和虚部数据集{XI(t)j=1,2…32},在MATLAB中均为2499×32矩阵。
4)由步骤1)可知,相控阵探头1阵元数为32阵元,阵元中心间距2mm,因此探头的步进长度为32×2=64mm,被检工件6的厚度为96mm。根据探头1步进长度和被检工件6厚度,利用meshgrid函数将成像区域划分为73×101个网格点,网格点宽度为1mm。同时建立73×101个元素构成的二维零矩阵zero_data(73,101),矩阵中的元素与成像区域中的网格点一一对应。通过MATLAB中基于公式(5)、(6)、(7)的程序分别对abs_data、real_data和imag_data在73×101个网格点上进行32次延时叠加,并将叠加结果分别赋给zero_data,得到73×101矩阵IH、IR和II。矩阵IH、IR和II中与网格点(x,z)对应的元素强度值分别为:
式中,延时时间△t的表达式写作
式中,xj和yj分别为探头在步进位置j处的横、纵坐标,x和y分别为聚焦网格点的横、纵坐标,cl为被检工件的纵波声速。
5)将数据集{XH(t)j=1,2…N}、{XR(t)j=1,2…N}和{XI(t)j=1,2…N}作为环形统计学数据样本,则矩阵IH、IR和II中各元素的强度值分别代表成像区域各网格点上信号模、实部和虚部统计值,通过对IH、IR和II的矩阵运算构建环形统计矢量R,其长度值|R|表达式写作:
6)对二维73×101矩阵|R|进行图形化处理,得到基于环形统计矢量的超声图像,如图2所示。对比图3所示的合成孔径聚焦超声图像,新型超声图像不仅提高了分辨率,而且抑制了合成孔径聚焦图像中的噪声,通过放大相位分布对信号幅值的作用,提高了分辨率和信噪比等图像质量指标。
Claims (1)
1.一种基于相位环形统计矢量的超声成像方法,其包括如下步骤:
1)利用超声检测系统,使探头在步进位置j=1,2…N采集超声检测信号,得到由N个A型扫描信号组成的阵列信号数据集{S(t)j=1,2…N},对{S(t)j=1,2…N}中各信号进行希尔伯特变换,得到数据集{h(S(t))j=1,2…N},将其简写为{h(t)j=1,2…N};
2)根据欧拉公式,数据集{h(t)j=1,2…N}中任意希尔伯特变换式h(t)j表示为:
3)由公式(1)中的表达式,得到h(t)j的模XH(t)j、实部XR(t)j和虚部XI(t)j,其表达式如下:
XH(t)j=|h(t)j| (2)
基于公式(2)、(3)、(4),由数据集{h(t)j=1,2…N}得到信号的模数据集{XH(t)j=1,2…N}、实部数据集{XR(t)j=1,2…N}和虚部数据集{XI(t)j=1,2…N};
4)将成像区域划分为m×n个网格点,同时建立m×n个元素构成的二维零矩阵,矩阵中的元素与成像区域中的网格点一一对应,使数据集{XH(t)j=1,2…N}、{XR(t)j=1,2…N}和{XI(t)j=1,2…N}在成像区域中m×n个网格点上进行N次延时叠加,并将叠加结果分别赋给零矩阵,得到m×n矩阵IH、IR和II,矩阵IH、IR和II中与网格点(x,z)对应的元素强度值分别为:
式中,延时时间△t的表达式写作
式中,xj和yj分别为探头在步进位置j处的横、纵坐标,x和y分别为聚焦网格点的横、纵坐标,cl为被检工件的纵波声速;
5)将数据集{XH(t)j=1,2…N}、{XR(t)j=1,2…N}和{XI(t)j=1,2…N}作为环形统计学数据样本,则矩阵IH、IR和II中各元素的强度值分别代表成像区域各网格点上信号模、实部和虚部统计值,通过对IH、IR和II的矩阵运算构建环形统计矢量R,其长度值|R|表达式写作:
6)对二维m×n矩阵|R|进行图形化处理,得到以环形统计矢量R长度为变量的新型超声图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811104900.5A CN109142548B (zh) | 2018-09-21 | 2018-09-21 | 一种基于相位环形统计矢量的超声成像方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811104900.5A CN109142548B (zh) | 2018-09-21 | 2018-09-21 | 一种基于相位环形统计矢量的超声成像方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109142548A CN109142548A (zh) | 2019-01-04 |
CN109142548B true CN109142548B (zh) | 2021-01-15 |
Family
ID=64815382
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811104900.5A Active CN109142548B (zh) | 2018-09-21 | 2018-09-21 | 一种基于相位环形统计矢量的超声成像方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109142548B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112067698B (zh) * | 2020-09-14 | 2023-08-04 | 南昌航空大学 | 一种时频结合快速全聚焦超声成像方法 |
CN113984184A (zh) * | 2021-10-27 | 2022-01-28 | 陕西博纵电子科技有限公司 | 基于超声换能器阵列的声场检测方法及检测系统 |
CN114235953B (zh) * | 2021-12-15 | 2024-03-12 | 中国航发动力股份有限公司 | 一种含型腔扩散焊零件加强筋内部缺陷的超声相控阵检测方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104977571B (zh) * | 2015-06-25 | 2017-06-20 | 西安电子科技大学 | 基于俯仰频率分集stap的距离模糊杂波抑制方法 |
US10115039B2 (en) * | 2016-03-10 | 2018-10-30 | Siemens Healthcare Gmbh | Method and system for machine learning based classification of vascular branches |
-
2018
- 2018-09-21 CN CN201811104900.5A patent/CN109142548B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109142548A (zh) | 2019-01-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3548920B1 (en) | Methods and systems for filtering ultrasound image clutter | |
Holmes et al. | Advanced post-processing for scanned ultrasonic arrays: Application to defect detection and classification in non-destructive evaluation | |
Bulavinov et al. | Sampling phased array a new technique for signal processing and ultrasonic imaging | |
CN109142548B (zh) | 一种基于相位环形统计矢量的超声成像方法 | |
US9903842B2 (en) | Method for processing signals acquired by ultrasonic probing, corresponding program and ultrasonic probing device | |
US20090048789A1 (en) | Optimized Embedded Ultrasonics Structural Radar System With Piezoelectric Wafer Active Sensor Phased Arrays For In-Situ Wide-Area Damage Detection | |
CN106725599B (zh) | 一种基于平面波的成像方法及装置 | |
US10641893B2 (en) | System and method for phased array material imaging | |
CN100531674C (zh) | 超声波摄像装置 | |
EP3817666A1 (en) | Systems and methods for generating and estimating unknown and unacquired ultrasound data | |
CN115856101A (zh) | 一种基于稀疏矩阵的超声频域全聚焦方法 | |
Khodabandeloo et al. | Nonlinear crosstalk in broadband multi-channel echosounders | |
CN113777166A (zh) | 一种基于超声平面波成像和时间反转算子相结合的高分辨缺陷无损检测方法 | |
US9759690B2 (en) | Method and system for nondestructive ultrasound testing | |
Shi et al. | Resolution enhancement of ultrasonic imaging at oblique incidence by using WTFM based on FMC-AR | |
WO2018099867A1 (en) | Methods and systems for filtering ultrasound image clutter | |
Li et al. | Adaptive array processing for ultrasonic non-destructive evaluation | |
US20060173332A1 (en) | Detection of small-size defects in medical ultrasonic imaging | |
CN112370073A (zh) | 超声声速校正方法、超声信号处理设备及存储介质 | |
Yang et al. | Multi-channel ultrasonic signal processing for non-destructive inspection | |
RU2788389C1 (ru) | Способ обнаружения аберраций при ультразвуковом исследовании | |
Laroche et al. | Super-resolution ultrasonic imaging of close reflectors in coarse-grained steels based on a deconvolution approach | |
Tseng et al. | A study of total focusing method for ultrasonic nondestructive testing | |
Kerbrat et al. | Detection and imaging in complex media with the DORT method | |
CN113679418B (zh) | 一种基于压缩信噪比系数加权的超声成像方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |