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 PDFInfo
- 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
Links
- 238000000605 extraction Methods 0.000 title claims abstract description 29
- 238000013139 quantization Methods 0.000 title claims abstract description 17
- 230000007547 defect Effects 0.000 claims abstract description 10
- 239000011159 matrix material Substances 0.000 claims description 76
- 238000001914 filtration Methods 0.000 claims description 6
- 238000000034 method Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 2
- 201000010099 disease Diseases 0.000 abstract description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 abstract description 2
- 238000006073 displacement reaction Methods 0.000 description 1
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
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]。
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)
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)
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)
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 |
-
2018
- 2018-12-20 CN CN201811562367.7A patent/CN111353942B/zh active Active
Patent Citations (11)
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)
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 |