CN111353942B - 一种超声波信号噪声提取及量化算法 - Google Patents

一种超声波信号噪声提取及量化算法 Download PDF

Info

Publication number
CN111353942B
CN111353942B CN201811562367.7A CN201811562367A CN111353942B CN 111353942 B CN111353942 B CN 111353942B CN 201811562367 A CN201811562367 A CN 201811562367A CN 111353942 B CN111353942 B CN 111353942B
Authority
CN
China
Prior art keywords
matrix
noise
ultrasonic signal
extraction
highest
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
Application number
CN201811562367.7A
Other languages
English (en)
Other versions
CN111353942A (zh
Inventor
魏文斌
张益成
甘文军
张志义
王俊涛
廖述圣
冯美名
廖思宇
马奔宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Research Institute of Nuclear Power Operation
China Nuclear Power Operation Technology Corp Ltd
Original Assignee
Research Institute of Nuclear Power Operation
China Nuclear Power Operation Technology Corp Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Research Institute of Nuclear Power Operation, China Nuclear Power Operation Technology Corp Ltd filed Critical Research Institute of Nuclear Power Operation
Priority to CN201811562367.7A priority Critical patent/CN111353942B/zh
Publication of CN111353942A publication Critical patent/CN111353942A/zh
Application granted granted Critical
Publication of CN111353942B publication Critical patent/CN111353942B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10132—Ultrasound image
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
  • Image Processing (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)

Abstract

本发明涉及无损检测信号处理技术领域，具体公开了一种超声波信号噪声提取及量化算法。该算法包括：步骤1、获取超声波信号B扫图像数据，并进行图像偏移校正；步骤2、对步骤1中图像偏移校正数据进行缺陷提取；步骤3、进行超声波信号噪声提取；步骤4、对噪声数据进行量化处理；根据步骤3中获得的超声波信号噪声中最高噪声点位置，获得原始超声波图像中最高噪声点位置及其幅度；通过设定的阈值，获得噪声图像中超过阈值的A扫数量占整个B扫的比重。该算法能从超声波B扫图像数据自动提取噪声图像，缺陷剔除效果好；算法稳健可靠，无病态问题；噪声特性量化可自动实现；全部处理和显示时间不超过3s，实时性强。

Description

一种超声波信号噪声提取及量化算法
技术领域
本发明属于无损检测信号处理技术领域，具体涉及一种超声波信号噪声提取及量化算法。
背景技术
超声波信号常以一维A扫显示和二维B扫显示。A扫信号横坐标表示时间、纵坐标表示超声信号幅度，它反映缺陷的位置大小信息；B扫信号是对某一截面内的超声信号以灰度的形式显示在二维平面内，横坐标代表扫查机构位移方向，纵坐标代表超声波传播的深度方向；而常说的C扫、D扫分别是对层叠B扫数据的深度截面和扫查截面显示。最引人关注的还是B扫图像。
B扫图像通常图像数据不全、结构干扰、数据偏移和图像亮度左右不均，图像噪声提取及量化一直没有得到有效解决。
发明内容
本发明的目的在于提供一种超声波信号噪声提取及量化算法，能够利用B扫数据提取噪声信息，并对图像噪声进行有效量化。
本发明的技术方案如下：一种超声波信号噪声提取及量化算法，该算法具体包括如下步骤：
步骤1、获取超声波信号B扫图像数据，并进行图像偏移校正；
步骤2、对步骤1中图像偏移校正数据进行缺陷提取；
步骤3、进行超声波信号噪声提取；
步骤4、对噪声数据进行量化处理；
根据步骤3中获得的超声波信号噪声中最高噪声点位置，获得原始超声波图像中最高噪声点位置及其幅度；通过设定的阈值，获得噪声图像中超过阈值的A扫数量占整个B扫的比重。
所述的步骤1具体包括：
步骤1.1、获取超声波信号B扫图像数据，形成行为m0和列为n0的超声波信号B扫图像数据矩阵Mat；
步骤1.2、截取超声波信号B扫图像数据矩阵Mat的有效矩阵部分，形成行为行为m、列为n的有效矩阵A；
步骤1.3、对有效矩阵中发生偏移的数据进行偏移矫正，形成偏移校正矩阵C。
所述的步骤2具体包括：
步骤2.1、对偏移校正矩阵C逐行逐列零均值处理，形成矩阵D，实现亮度均衡化；
步骤2.2、对步骤2.1中的矩阵D进行中值滤波消除孤立噪声点，并形成矩阵E；
步骤2.3、对步骤2.2重点矩阵E进行逐行逐列平滑滤波处理消除高斯白噪声，形成矩阵F；
步骤2.4、对步骤2.3中的矩阵F进行阈值化处理，获得矩阵G，矩阵G中保留了缺陷信息。
所述的步骤3具体包括：
利用步骤2.4获得的矩阵G与步骤1中获得的偏移校正矩阵C进行对消，获得矩阵H，并对矩阵H进行非负处理，获得包含噪声提取结果的噪声提取矩阵I。
所述的步骤4具体包括：
步骤4.1、确定噪声提取矩阵I中最高噪声点位置，并获得对应有效矩阵A中最高噪声点的位置，并获得该噪声点的幅度；
步骤4.2、设定阈值Thr，助航求解最大值并进行过阈值计算，获得噪声图像中超过阈值Thr的A扫数量占整个B扫的比重。
所述的步骤4.1中通过噪声提取矩阵I中最高噪声点位置，获得对应有效矩阵A中最高噪声点的位置的具体步骤为：
设噪声提取矩阵I中最高噪声点位置为[i,j]，以及偏移校正算法取值为C(i,j)＝A(i,k*(i-1)+j)，则有效矩阵A中最大噪声点的位置为[i*,j*]＝[i,k*(i-1)+j]。
本发明的显著效果在于：本发明所述的一种超声波信号噪声提取及量化算法，能从超声波B扫图像数据自动提取噪声图像，缺陷剔除效果好；算法稳健可靠，无病态问题；噪声特性量化可自动实现；全部处理和显示时间不超过3s，实时性强。
附图说明
图1为本发明所述的一种超声波信号噪声提取及量化算法流程图。
具体实施方式
下面结合附图及具体实施例对本发明作进一步详细说明。
如图1所示，一种超声波信号噪声提取及量化算法，该方法具体包括步骤：
步骤1、获取超声波信号B扫图像数据，并进行图像偏移校正；
步骤1.1、获取超声波信号B扫图像数据，形成行为m0和列为n0的超声波信号B扫图像数据矩阵Mat；
步骤1.2、截取超声波信号B扫图像数据矩阵Mat的有效矩阵部分，形成行为行为m、列为n的有效矩阵A；
步骤1.3、对有效矩阵中发生偏移的数据进行偏移矫正，形成偏移校正矩阵C；
步骤2、对步骤1中图像偏移校正数据进行缺陷提取；
步骤2.1、对偏移校正矩阵C逐行逐列零均值处理，形成矩阵D，实现亮度均衡化；
步骤2.2、对步骤2.1中的矩阵D进行中值滤波消除孤立噪声点，并形成矩阵E；
步骤2.3、对步骤2.2重点矩阵E进行逐行逐列平滑滤波处理消除高斯白噪声，形成矩阵F；
步骤2.4、对步骤2.3中的矩阵F进行阈值化处理，获得矩阵G，矩阵G中保留了缺陷信息；
步骤3、进行超声波信号噪声提取；
利用步骤2.4获得的矩阵G与步骤1中获得的偏移校正矩阵C进行对消，获得矩阵H，并对矩阵H进行非负处理，获得包含噪声提取结果的噪声提取矩阵I；
步骤4、对噪声数据进行量化处理；
步骤4.1、确定噪声提取矩阵I中最高噪声点位置，并获得对应有效矩阵A中最高噪声点的位置，并获得该噪声点的幅度；
设噪声提取矩阵I中最高噪声点位置为[i,j]，以及偏移校正算法取值为C(i,j)＝A(i,k*(i-1)+j)，则有效矩阵A中最大噪声点的位置为[i*,j*]＝[i,k*(i-1)+j]；
步骤4.2、设定阈值Thr，助航求解最大值并进行过阈值计算，获得噪声图像中超过阈值Thr的A扫数量占整个B扫的比重。

Claims (2)

1.一种超声波信号噪声提取及量化方法，其特征在于：该方法具体包括如下步骤：
步骤1、获取超声波信号B扫图像数据，并进行图像偏移校正；
步骤1.1、获取超声波信号B扫图像数据，形成行为m0和列为n0的超声波信号B扫图像数据矩阵Mat；
步骤1.2、截取超声波信号B扫图像数据矩阵Mat的有效矩阵部分，形成行为m、列为n的有效矩阵A；
步骤1.3、对有效矩阵中发生偏移的数据进行偏移矫正，形成偏移校正矩阵C；
步骤2、对步骤1中图像偏移校正数据进行缺陷提取；
步骤2.1、对偏移校正矩阵C逐行逐列零均值处理，形成矩阵D，实现亮度均衡化；
步骤2.2、对步骤2.1中的矩阵D进行中值滤波消除孤立噪声点，并形成矩阵E；
步骤2.3、对步骤2.2重点矩阵E进行逐行逐列平滑滤波处理消除高斯白噪声，形成矩阵F；
步骤2.4、对步骤2.3中的矩阵F进行阈值化处理，获得矩阵G，矩阵G中保留了缺陷信息；
步骤3、进行超声波信号噪声提取；
利用步骤2.4获得的矩阵G与步骤1中获得的偏移校正矩阵C进行对消，获得矩阵H，并对矩阵H进行非负处理，获得包含噪声提取结果的噪声提取矩阵I；
步骤4、对噪声数据进行量化处理；
步骤4.1、确定噪声提取矩阵I中最高噪声点位置，并获得对应有效矩阵A中最高噪声点的位置，并获得该噪声点的幅度；
步骤4.2、设定阈值Thr，逐行求解最大值并进行过阈值计算，获得噪声图像中超过阈值Thr的A扫数量占整个B扫的比重。
2.根据权利要求1所述的一种超声波信号噪声提取及量化方法，其特征在于：所述的步骤4.1中通过噪声提取矩阵I中最高噪声点位置，获得对应有效矩阵A中最高噪声点的位置的具体步骤为：
设噪声提取矩阵I中最高噪声点位置为[i,j]，以及偏移校正算法取值为C(i,j)＝A(i,k*(i-1)+j)，则有效矩阵A中最大噪声点的位置为[i*,j*]＝[i,k*(i-1)+j]。
CN201811562367.7A 2018-12-20 2018-12-20 一种超声波信号噪声提取及量化算法 Active CN111353942B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811562367.7A CN111353942B (zh) 2018-12-20 2018-12-20 一种超声波信号噪声提取及量化算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811562367.7A CN111353942B (zh) 2018-12-20 2018-12-20 一种超声波信号噪声提取及量化算法

Publications (2)

Publication Number Publication Date
CN111353942A CN111353942A (zh) 2020-06-30
CN111353942B true CN111353942B (zh) 2024-01-12

Family

ID=71196759

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811562367.7A Active CN111353942B (zh) 2018-12-20 2018-12-20 一种超声波信号噪声提取及量化算法

Country Status (1)

Country Link
CN (1) CN111353942B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112890859B (zh) * 2021-01-19 2024-01-09 广州多浦乐电子科技股份有限公司 基于超声波信号特征向量的数据处理方法及系统

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0915217A (ja) * 1995-06-30 1997-01-17 Sumitomo Metal Ind Ltd 板波超音波探傷方法及び装置
US6704437B1 (en) * 1999-10-29 2004-03-09 Acuson Corporation Noise estimation method and apparatus for noise adaptive ultrasonic image processing
CN101821772A (zh) * 2007-08-07 2010-09-01 德克索实验室 用于处理数字对象的方法及其相关系统
CN103095967A (zh) * 2011-10-28 2013-05-08 浙江大华技术股份有限公司 一种视频噪声量化计算方法及系统
CN104463844A (zh) * 2014-11-03 2015-03-25 中国人民解放军第三军医大学第三附属医院 基于brox光流法的超声造影图像血管灌注区提取方法
CN104978715A (zh) * 2015-05-11 2015-10-14 中国科学院光电技术研究所 一种基于滤波窗口及参数自适应的非局部均值图像去噪方法
CN105424818A (zh) * 2014-05-30 2016-03-23 奥林巴斯科技美国公司 无损焊缝检验中的动态选通的系统和方法
CN106920219A (zh) * 2015-12-28 2017-07-04 力晶科技股份有限公司 物品缺陷检测方法、图像处理系统与计算机可读记录介质
JP2018020114A (ja) * 2016-07-26 2018-02-08 東芝メディカルシステムズ株式会社 超音波診断装置及び超音波イメージングプログラム
CN108460757A (zh) * 2018-02-11 2018-08-28 深圳市鑫信腾科技有限公司 一种手机TFT-LCD屏Mura缺陷在线自动检测方法
CN108931574A (zh) * 2018-06-05 2018-12-04 北京领示科技有限公司 一种超声无损检测数据的结构噪声数字滤波方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6873647B2 (ja) * 2016-09-30 2021-05-19 キヤノンメディカルシステムズ株式会社 超音波診断装置および超音波診断支援プログラム

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0915217A (ja) * 1995-06-30 1997-01-17 Sumitomo Metal Ind Ltd 板波超音波探傷方法及び装置
US6704437B1 (en) * 1999-10-29 2004-03-09 Acuson Corporation Noise estimation method and apparatus for noise adaptive ultrasonic image processing
CN101821772A (zh) * 2007-08-07 2010-09-01 德克索实验室 用于处理数字对象的方法及其相关系统
CN103095967A (zh) * 2011-10-28 2013-05-08 浙江大华技术股份有限公司 一种视频噪声量化计算方法及系统
CN105424818A (zh) * 2014-05-30 2016-03-23 奥林巴斯科技美国公司 无损焊缝检验中的动态选通的系统和方法
CN104463844A (zh) * 2014-11-03 2015-03-25 中国人民解放军第三军医大学第三附属医院 基于brox光流法的超声造影图像血管灌注区提取方法
CN104978715A (zh) * 2015-05-11 2015-10-14 中国科学院光电技术研究所 一种基于滤波窗口及参数自适应的非局部均值图像去噪方法
CN106920219A (zh) * 2015-12-28 2017-07-04 力晶科技股份有限公司 物品缺陷检测方法、图像处理系统与计算机可读记录介质
JP2018020114A (ja) * 2016-07-26 2018-02-08 東芝メディカルシステムズ株式会社 超音波診断装置及び超音波イメージングプログラム
CN108460757A (zh) * 2018-02-11 2018-08-28 深圳市鑫信腾科技有限公司 一种手机TFT-LCD屏Mura缺陷在线自动检测方法
CN108931574A (zh) * 2018-06-05 2018-12-04 北京领示科技有限公司 一种超声无损检测数据的结构噪声数字滤波方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
超声相控阵图像中的缺陷识别算法;费学智;吴军芳;柳铭哲;张博南;李健;吴迪;滕永平;席鹏;;无损检测(第08期);67-72 *

Also Published As

Publication number Publication date
CN111353942A (zh) 2020-06-30

Similar Documents

Publication Publication Date Title
CN102879786B (zh) 一种针对水下障碍物的检测定位方法和系统
US7386183B2 (en) Method and apparatus for image processing
WO2020114107A1 (zh) 一种侧扫声呐实时二维成像方法及系统
CN102306377A (zh) 一种超声图像去噪的方法和装置
CN109785260B (zh) 一种针对侧扫声呐图像的非线性增强方法
US20180028153A1 (en) Ultrasound diagnostic apparatus and ultrasound imaging method
CN111445395A (zh) 一种基于深度学习的侧扫声呐瀑布图像中间区域修复方法
CN110393549A (zh) 一种自动调节超声图像增益的方法及装置
CN111353942B (zh) 一种超声波信号噪声提取及量化算法
CN108931574A (zh) 一种超声无损检测数据的结构噪声数字滤波方法
CN110706177A (zh) 一种侧扫声呐图像灰度均衡化方法及系统
CN102038519A (zh) 超声诊断的空间复合成像方法
CN109034070B (zh) 一种置换混叠图像盲分离方法及装置
CN106618632A (zh) 自动优化的超声成像系统及方法
CN102867292B (zh) 一种针对多波束前视声纳成像数据的阶梯形均值滤波方法
CN106780410B (zh) 一种谐波扫查图像的生成方法及装置
CN113096171B (zh) 多波束与侧扫声纳图像的多尺度迭代自适应配准方法
CN112890859B (zh) 基于超声波信号特征向量的数据处理方法及系统
Zhang et al. Entropy-based local histogram equalization for medical ultrasound image enhancement
JP4982393B2 (ja) 画像フィルタリング装置、画像フィルタリングプログラム、画像フィルタリング方法及び超音波診断装置
CN110728646B (zh) 基于太赫兹有效信号提取的时域分段成像方法
CN110868938B (zh) 用于处理超声信号数据的方法和设备
CN108537807A (zh) 一种基于高分四号卫星影像改进的边缘增强检测方法
CN108389174B (zh) 超音波成像系统及超音波成像方法
CN111476790A (zh) 一种超声穿刺中穿刺针增强显示方法及装置

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