CN111435528A - 激光超声可视化图像质量提升处理方法 - Google Patents
激光超声可视化图像质量提升处理方法 Download PDFInfo
- Publication number
- CN111435528A CN111435528A CN201910036614.8A CN201910036614A CN111435528A CN 111435528 A CN111435528 A CN 111435528A CN 201910036614 A CN201910036614 A CN 201910036614A CN 111435528 A CN111435528 A CN 111435528A
- Authority
- CN
- China
- Prior art keywords
- ultrasonic
- intensity cloud
- image
- laser
- cloud picture
- 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.)
- Pending
Links
- 230000000007 visual effect Effects 0.000 title claims abstract description 17
- 238000003672 processing method Methods 0.000 title claims abstract description 9
- 230000006872 improvement Effects 0.000 title claims description 8
- 230000007547 defect Effects 0.000 claims abstract description 24
- 238000000034 method Methods 0.000 claims abstract description 20
- 238000012545 processing Methods 0.000 claims abstract description 15
- 238000001914 filtration Methods 0.000 claims abstract description 14
- 239000011159 matrix material Substances 0.000 claims description 17
- 238000001514 detection method Methods 0.000 claims description 16
- 230000005284 excitation Effects 0.000 claims description 10
- 238000012800 visualization Methods 0.000 claims description 6
- 230000002708 enhancing effect Effects 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 238000002604 ultrasonography Methods 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 4
- 239000013598 vector Substances 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000000644 propagated effect Effects 0.000 claims description 3
- 238000013179 statistical model Methods 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 abstract description 2
- 230000001629 suppression Effects 0.000 description 8
- 230000009467 reduction Effects 0.000 description 7
- 238000003384 imaging method Methods 0.000 description 5
- 230000004044 response Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000001965 increasing effect Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000009659 non-destructive testing Methods 0.000 description 2
- 238000002679 ablation Methods 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000007794 visualization technique Methods 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
Images
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
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
-
- 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
- G06T2207/10136—3D ultrasound image
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明公开了一种用于激光超声可视化图像质量提升的处理方法，采用局部统计滤波降低噪声干扰，并利用拉普拉斯二阶微分算子进行图像增强，以及罚函数方法来抑制入射波对散射波的干扰。通过本方法对激光超声可视化图像进行处理能够有效地改善可视化图像质量，实现缺陷信息的专注分析。
Description
技术领域
本发明属于激光超声无损检测的技术领域，涉及一种改善激光超声可视化成像质量和提高缺陷识别能力的方法。
背景技术
激光超声可视化技术是一种新型的无损检测手段，通过激光作用于构件表面形成热弹机制或烧蚀机制进而激励产生超声波，利用声学换能器、超声波信号采集与处理系统将超声波信号进行可视化成像处理以还原超声波传播动态变化过程，为实现直观地检测构件表面或内部的损伤和缺陷情况提供可靠的数据支撑。激光超声可视化无损检测系统主要包括激励单元、数据采集单元和控制单元三部分(如图1)，激励单元包括激光器和振镜式激光反射仪，数据采集单元由换能器、数据采集卡组成，控制系统是基于PCI运动控制平台。
基于声场互易原理(如图2)，激光脉冲在T位置激励超声波在位置R处的超声换能器接收响应信号，与激光脉冲在R位置激励超声波在位置T处接收超声波响应信号的结果是一致的。也就是说，激光沿着指定激励路径激励时，固定在R位置的超声换能器接收到的响应信号，等同于激光对R位置激励，相同指定路径上各点采集到的一系列响应信号，检测区域内各激励位置所对应的响应信号在同一时刻的幅值分布表征了这一时刻超声波波场状态。因此，基于声场互易原理的声场可视化方法是对发射声源和接收声源进行互换以完成超声波声场的动态重构技术，具有实时、直观、频带宽及检测可达性好等优点，尤其适用于几何形状复杂或受限制部位的工业现场的快速检测。
在激光超声可视化成像过程中，采集获取的超声回波信号受到了外界噪声干扰导致了图像清晰度降低，而且为了便于后续的缺陷识别需要突出图像中感兴趣的区域以降低不需要的图像信息，特别地，当入射波遇到缺陷后会发生散射现象，引起了散射波与入射波的叠加导致了观察缺陷信息的困难。
发明内容
为了提升激光超声声场传播图像的可视化质量，本发明目的在于提出了一种激光超声可视化图像质量提升处理方法，通过利用局部统计滤波滤除散斑噪声干扰；利用拉普拉斯二阶微分算子进行图像增强；利用罚函数方法抑制入射波对缺陷散射波的干扰，激光超声检测图像经过这些处理后，实现改善图像质量和突显缺陷信息的目的。
本发明为实现上述目的所采用的技术方案是：
一种激光超声可视化图像质量提升处理方法，包括以下步骤：
步骤1)由激光超声检测系统采集得到三维超声信号矩阵I(x,y,t)，即在激励位置(x,y)处，t时刻采集到的超声信号幅值为I，x、y、t与三维超声矩阵的行、列、页(帧)相对应。根据三维超声矩阵I(x,y,t)，生成任意t时刻的超声强度云图u(x,y,I)，即获得该帧下超声波传播的波场图像；
步骤2)采用局部统计滤波算法对步骤1)中的超声强度云图u(x,y,I)进行散斑噪声滤除处理，得到去噪后的超声强度云图
步骤3)采用拉普拉斯微分算子增强步骤2)中超声强度云图
的高频分量并削弱低频分量，获得经过图像增强后的超声强度云图v，以凸显缺陷区域；
步骤4)选择权重因子ω和正则化系数λ，计算出入射波强度云图
所述的D是z的二阶导数矩阵Δ2zi＝Dz＝(zi-zi-1)-(zi-1-zi-2)＝zi-2zi-1+zi-2。
所述的W是向量w组成的对角阵，W＝diag(ωi)；
步骤5)利用步骤2)中超声强度云图
与所得入射波强度云图z进行相减计算，即可获得入射波抑制之后的超声强度云图
以抑制缺陷区域的入射波干扰，完成激光超声可视化图像处理过程。
所述步骤2)中的局部统计滤波算法是基于散斑噪声统计模型
其中u为被观测到的超声强度云图，
为无散斑噪声的超声强度云图，n为乘性噪声(均值为1，标准差为σ)。在超声强度云图中某一个像素采样均值和方差等于其像素邻域局部均值和方差的条件下，根据最小平方估计计算得到
其中
和
分别表示去噪后的图像强度和平均值；增益因子
其中
所述步骤3)中的拉普拉斯微分算子是对于一幅图像超声强度云图
定义
考虑45°和135°对角方向，得到拉普拉斯微分算子的离散形式为
其拉普拉斯微分算子模板为
所述步骤4)中的入射波强度云图
是通过求取目标函数
的最小值计算而得。其中，W是向量w组成的对角阵，即W＝diag(ωi)；D是z的二阶导数矩阵；权重因子ω采用非对称方式进行选择，引入参数p，当di>0时，ωi＝p；当di≤0时，ωi＝1-p。通常p取值较小，在0.001-0.1之间，λ取值很大，在102-109之间。
本发明具有以下优点：
1、本发明采用局部统计滤波算法来滤除散斑噪声，激光超声声场传播图像经过滤波处理后使图像的清晰度得到明显提高，而且算法简单、计算速度快。
2、本发明采用拉普拉斯二阶微分算子进行图像增强，一般图像增强技术对于陡峭的边缘和缓慢变化的边缘很难确定其位置，但拉普拉斯算子可用二次微分正向峰和负向峰之间的过零点来确定，对孤立点或端点更为敏感，因此特别适用于以突出图像中的孤立点、孤立线或线端点为目的的场合。
3、本发明采用罚函数方法抑制入射波对散射波的干扰，由于激光激励形成的超声波遇到缺陷会发生散射现象，散射波与入射波混叠在一起给激光超声波传播可视化图像识别缺陷造成了严重干扰，本方法能够有效地增大缺陷像素信息与周围像素信息的相对差异，有助于对缺陷的专注分析。
4、本发明所述方法通过对激光超声可视化图像的噪声滤除、图像增强和入射波抑制的处理，改善了图像质量，提升了缺陷识别能力，而且该方法操作简单，易于实施。
附图说明
图1激光超声可视化无损检测系统组成示意图；
图2基于声场互易原理的激光超声可视化成像示意图；
图3为本发明用激光超声检测系统对焊缝试样人工缺陷的检测示意图；
图4为本发明工作流程图；
图5为本发明激光超声检测图像经局部统计滤波算法处理前后对比图，其中(a)原始超声强度云图u(x,y,I)，(b)去噪后的超声强度云图
图6为本发明采用熵值法评价降噪前后的图像质量对比图；
图7为本发明采用拉普拉斯微分算子方法得到图像增强前后的对比图，其中(a)超声强度云图
(b)拉普拉斯微分算子图像增强后超声强度云图v；
图8为本发明入射波强度云图估计；
图9为本发明入射波抑制前后的对比图，其中(a)入射波抑制前图，(b)入射波抑制后图。
具体实施方式
下面结合附图及实施例对本发明做进一步的详细说明。
激光超声无损检测系统是采用调Q的Nd:YAG脉冲激光器(脉宽10ns，重复频率最高达1000Hz，脉冲能量最高10mJ)激励激光，经偏转镜控制激光点在被测工件上进行扫描，采用宽带型声发射传感器(共振频率500-2000KHz，尺寸Φ6mm)接收超声波信号，经放大滤波(放大器增益60dB)，同步触发信号采集卡(采样频率16.66MHz，采样深度2000点)采集数据存储在计算机中，用超声波传播可视化软件来成像显示。
采用上述系统对大直径管壁焊缝进行检测实验，如图3所示。激光超声检测区域尺寸为47mm×94mm，通过偏转镜控制激光点在检测区域内作“弓”字形扫查运动，激励点数为121×241，相邻激光点之间的间距为0.39mm。
如图4所示，本发明对上述检测得到的激光超声可视化图像进行信号处理的方法，具体步骤如下：
步骤1)由激光超声检测系统采集得到三维超声信号矩阵I(x,y,t)，即在激励位置(x,y)处，t时刻采集到的超声信号幅值为I，x、y、t与三维超声矩阵的行、列、页(帧)相对应。
本实施例中0≤x≤120，0≤y≤240，1≤t≤2000；根据三维超声矩阵I(x,y,t)，生成任意t时刻的超声强度云图u(x,y,I)，即获得该帧下超声波传播的波场图像；
步骤2)采用局部统计滤波算法对步骤1)中的超声强度云图u(x,y,I)进行散斑噪声滤除处理，得到去噪后的超声强度云图
如图5所示，本实施例的第74帧原始检测图像的噪声较大，降噪后图像质量得到明显改善。
采用熵值法评价降噪前后的图像质量，设灰度图像Z(x,y)的尺寸为M×N，其中1≤i≤M,1≤j≤N。定义该图像每个像素点所对应的n×n邻域的平均灰度图像
rij为图像Z(x,y)中某位置像素灰度值和邻域平均灰度图像G(x,y)对应位置的像素灰度值同时出现的频数，则可定义相应的联合概率密度pij＝rij/(M×N)和二维熵
如图6所示，降噪前的熵值低，表明原始图像中的灰度级别数目较少，灰度级出现的概率高，图像模糊度高，图像不清晰；降噪后的熵值高，表明降噪后图像中的灰度级别数目较多，灰度级出现的概率低，图像模糊度低，图像清晰。
步骤3)采用拉普拉斯微分算子增强步骤2)中超声强度云图
的高频分量并削弱低频分量，获得经过图像增强后的超声强度云图v，以凸显缺陷区域；
本实施例中的采用拉普拉斯微分算子是
调整图像灰度范围，在压缩图像动态范围内增加图像各部分的对比度以凸显细节。如图7所示，第346帧降噪处理后的图像进行图像增强，经过图像增强处理后较清楚的呈现出缺陷回波。
步骤4)选择权重因子ω和正则化系数λ，计算出入射波强度云图
如图8所示，本实施例中的权重因子ω＝0.05，正则化系数为λ＝6500。
步骤5)利用步骤2)中超声强度云图
与所得入射波强度云图z进行相减计算，即可获得入射波抑制之后的超声强度云图
以抑制缺陷区域的入射波干扰，完成激光超声可视化图像处理过程。
如图9所示，本实施例中第346帧降噪后图像进行入射波抑制处理，入射波抑制前的缺陷像素幅值信息与周围像素幅值信息的差异不大(约150mv左右)，从图像观察缺陷信息困难。经过入射波抑制后，加大了缺陷像素幅值信息与周围像素幅值信息的差异(约260mv左右)，更易于观察缺陷信息。
上述实施例只为说明本发明的技术构思及特点，其目的在于让熟悉此项技术的人士能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡根据本发明精神实质所作的等效变化或修饰，都应涵盖在本发明的保护范围之内。
Claims (4)
1.一种激光超声可视化图像质量提升处理方法，其特征在于，包括以下步骤：
步骤1)由激光超声检测系统采集得到三维超声信号矩阵I(x,y,t)，即在激励位置(x,y)处，t时刻采集到的超声信号幅值为I，x、y、t与三维超声矩阵的行、列、页(帧)相对应；根据三维超声矩阵I(x,y,t)，生成任意t时刻的超声强度云图u(x,y,I)，即获得该帧下超声波传播的波场图像；
步骤2)采用局部统计滤波算法对步骤1)中的超声强度云图u(x,y,I)进行散斑噪声滤除处理，得到去噪后的超声强度云图
步骤3)采用拉普拉斯微分算子增强步骤2)中超声强度云图
的高频分量并削弱低频分量，获得经过图像增强后的超声强度云图v，以凸显缺陷区域；
步骤4)选择权重因子ω和正则化系数λ，计算出入射波强度云图
其中，D是z的二阶导数矩阵Δ2zi＝Dz＝(zi-zi-1)-(zi-1-zi-2)＝zi-2zi-1+zi-2，W是向量w组成的对角阵，W＝diag(ωi)；
步骤5)利用步骤2)中超声强度云图
与步骤4)中的所得入射波强度云图z进行相减计算，即可获得入射波抑制之后的超声强度云图
以抑制缺陷区域的入射波干扰，完成激光超声可视化图像处理过程。
2.根据权利要求1所述激光超声可视化图像质量提升处理方法，其特征在于，步骤2)中所述局部统计滤波算法是基于散斑噪声统计模型
其中u为被观测到的超声强度云图，
为无散斑噪声的超声强度云图，n为乘性噪声；在超声强度云图中某一个像素采样均值和方差等于其像素邻域局部均值和方差的条件下，根据最小平方估计计算得到
其中
和
分别表示去噪后的图像强度和平均值；增益因子
其中
3.根据权利要求1所述激光超声可视化图像质量提升处理方法，其特征在于，步骤3)中所述拉普拉斯微分算子是对于一幅图像超声强度云图
定义
考虑45°和135°对角方向，其拉普拉斯微分算子模板为
4.根据权利要求1所述激光超声可视化图像质量提升处理方法，其特征在于，步骤3)中所述入射波强度云图
是通过求取目标函数
的最小值计算而得，其中W是向量w组成的对角阵，即W＝diag(ωi)；D是z的二阶导数矩阵；权重因子ω采用非对称方式进行选择，引入参数p，当di>0时，ωi＝p；当di≤0时，ωi＝1-p；通常p取值在0.001-0.1之间，λ取值在102-109之间。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910036614.8A CN111435528A (zh) | 2019-01-15 | 2019-01-15 | 激光超声可视化图像质量提升处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910036614.8A CN111435528A (zh) | 2019-01-15 | 2019-01-15 | 激光超声可视化图像质量提升处理方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111435528A true CN111435528A (zh) | 2020-07-21 |
Family
ID=71580870
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910036614.8A Pending CN111435528A (zh) | 2019-01-15 | 2019-01-15 | 激光超声可视化图像质量提升处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111435528A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113589117A (zh) * | 2021-08-16 | 2021-11-02 | 国网江苏省电力有限公司泰州供电分公司 | 一种电力设备缺陷检测系统及检测方法 |
| CN113870152A (zh) * | 2021-09-03 | 2021-12-31 | 宝宇(武汉)激光技术有限公司 | 一种激光超声可视化方法 |
| CN115950956A (zh) * | 2023-03-15 | 2023-04-11 | 天津大学 | 一种超声波探伤装置、方法以及计算机存储介质 |
| CN117893441A (zh) * | 2024-03-15 | 2024-04-16 | 海南热带海洋学院 | 一种基于分块s变换的水下超声波图像散斑噪声抑制方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070151343A1 (en) * | 2003-03-19 | 2007-07-05 | Gross Michel J | Method and device for opto-acoustical imagery |
| CN101334483A (zh) * | 2008-06-13 | 2008-12-31 | 徐基祥 | 一种在地震数据处理中衰减瑞雷波散射噪声的方法 |
| CN104634741A (zh) * | 2014-10-22 | 2015-05-20 | 南京航空航天大学 | 一种快速定位缺陷的激光超声检测方法及其系统 |
| US20160157728A1 (en) * | 2013-07-22 | 2016-06-09 | Centre National De La Recherche Scientifique-Cnrs- | Acoustic-electric imaging method and device |
| CN109091109A (zh) * | 2018-07-02 | 2018-12-28 | 南京大学 | 基于全矩阵滤波和时间反转算子的优化型光声断层成像的图像重构方法 |
-
2019
- 2019-01-15 CN CN201910036614.8A patent/CN111435528A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070151343A1 (en) * | 2003-03-19 | 2007-07-05 | Gross Michel J | Method and device for opto-acoustical imagery |
| CN101334483A (zh) * | 2008-06-13 | 2008-12-31 | 徐基祥 | 一种在地震数据处理中衰减瑞雷波散射噪声的方法 |
| US20160157728A1 (en) * | 2013-07-22 | 2016-06-09 | Centre National De La Recherche Scientifique-Cnrs- | Acoustic-electric imaging method and device |
| CN104634741A (zh) * | 2014-10-22 | 2015-05-20 | 南京航空航天大学 | 一种快速定位缺陷的激光超声检测方法及其系统 |
| CN109091109A (zh) * | 2018-07-02 | 2018-12-28 | 南京大学 | 基于全矩阵滤波和时间反转算子的优化型光声断层成像的图像重构方法 |
Non-Patent Citations (1)
| Title |
|---|
| 朱洪玲;刘畅;张博;蔡桂喜;: "激光超声可视化图像处理研究" * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113589117A (zh) * | 2021-08-16 | 2021-11-02 | 国网江苏省电力有限公司泰州供电分公司 | 一种电力设备缺陷检测系统及检测方法 |
| CN113589117B (zh) * | 2021-08-16 | 2024-05-07 | 国网江苏省电力有限公司泰州供电分公司 | 一种电力设备缺陷检测系统及检测方法 |
| CN113870152A (zh) * | 2021-09-03 | 2021-12-31 | 宝宇(武汉)激光技术有限公司 | 一种激光超声可视化方法 |
| CN115950956A (zh) * | 2023-03-15 | 2023-04-11 | 天津大学 | 一种超声波探伤装置、方法以及计算机存储介质 |
| CN115950956B (zh) * | 2023-03-15 | 2023-05-30 | 天津大学 | 一种超声波探伤装置、方法以及计算机存储介质 |
| CN117893441A (zh) * | 2024-03-15 | 2024-04-16 | 海南热带海洋学院 | 一种基于分块s变换的水下超声波图像散斑噪声抑制方法 |
| CN117893441B (zh) * | 2024-03-15 | 2024-06-28 | 海南热带海洋学院 | 一种基于分块s变换的水下超声波图像散斑噪声抑制方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111435528A (zh) | 激光超声可视化图像质量提升处理方法 | |
| CN113888471B (zh) | 一种基于卷积神经网络的高效高分辨力缺陷无损检测方法 | |
| CN102306377B (zh) | 一种超声图像去噪的方法和装置 | |
| RU2521720C1 (ru) | Способ и устройство для получения изображения зоны сварки | |
| CN113484421B (zh) | 基于合成孔径的激光超声内部缺陷多模成像方法及系统 | |
| CN116202968B (zh) | 一种增材钛合金激光超声缺陷检测系统及激光超声相位相干成像检测方法 | |
| CN112997075B (zh) | 对异质材料中缺陷进行超声检测和表征的方法 | |
| KR101131994B1 (ko) | 원자력 발전소 자동 초음파 신호를 평가하기 위한 실시간 비쥬얼 시스템 | |
| US5471878A (en) | Method of suppressing grain noise in ultrasonic waveform data by 3D filtering | |
| CN112485336A (zh) | 一种基于差分技术的激光超声合成孔径成像方法 | |
| CN113409202B (zh) | 基于点扩散函数参数寻优的超声图像复原方法 | |
| CN110363864A (zh) | 用于结构异常的增强可视化的方法和设备 | |
| CN111537444B (zh) | 一种重复频率虚拟调控的激光超声无损检测方法及系统 | |
| de Moura et al. | Surface estimation via analysis method: A constrained inverse problem approach | |
| JP2005331439A (ja) | 探傷信号の分析方法及び分析装置 | |
| CN118552441A (zh) | 一种基于帧差法的超声相控阵投影成像方法 | |
| Xu et al. | Denoising of phased array ultrasonic total focus image on rail bottom welds | |
| CN118154993B (zh) | 基于声光图像融合的双模态水下大坝裂缝检测方法 | |
| Jayasudha et al. | Feature analysis for characterization of phased array images based on hilbert transform | |
| Lukacs et al. | Grating-lobe suppression through angular weighting for laser induced phased arrays | |
| CN114487115B (zh) | 一种基于Canny算子与超声平面波成像相结合的高分辨缺陷无损检测方法 | |
| Broberg et al. | Improved image quality in phased array ultrasound by deconvolution | |
| Zhang et al. | Detection of near-surface defects in rails combining Green's function retrieval of ultrasonic diffuse fields and sign coherence factor imaging | |
| ZHENG et al. | A Locating Algorithm of Train Wheel Flaws in Ultrasonic Images Based on Cross-Correlation and Wavelet Packet Denoising | |
| Blackshire | Thru-Transmission Wavefield Imaging of Polycrystalline Grains |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200721 |