CN112890859B - 基于超声波信号特征向量的数据处理方法及系统 - Google Patents

基于超声波信号特征向量的数据处理方法及系统 Download PDF

Info

Publication number
CN112890859B
CN112890859B CN202110069308.1A CN202110069308A CN112890859B CN 112890859 B CN112890859 B CN 112890859B CN 202110069308 A CN202110069308 A CN 202110069308A CN 112890859 B CN112890859 B CN 112890859B
Authority
CN
China
Prior art keywords
data
image data
points
feature vector
amplitude
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
CN202110069308.1A
Other languages
English (en)
Other versions
CN112890859A (zh
Inventor
蔡庆生
韩松
李振宁
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.)
Guangzhou Duopule Electronic Technology Co ltd
Original Assignee
Guangzhou Duopule Electronic Technology Co 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 Guangzhou Duopule Electronic Technology Co ltd filed Critical Guangzhou Duopule Electronic Technology Co ltd
Priority to CN202110069308.1A priority Critical patent/CN112890859B/zh
Publication of CN112890859A publication Critical patent/CN112890859A/zh
Application granted granted Critical
Publication of CN112890859B publication Critical patent/CN112890859B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Pathology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)
  • Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)

Abstract

本发明公开了一种基于超声波信号特征向量的数据处理方法及系统，首先获取超声波检测图像数据；提取超声波检测图像数据的特征向量，然后去除超声波检测图像数据中的基底白噪声数据；再根据特征向量对超声波检测图像数据进行数据压缩，最后根据特征向量对压缩后的图像数据进行重构。本发明提供的基于超声波信号特征向量的数据处理方法，包括对数据的压缩和重构的方法，通过超声波图像数据压缩算法，可以在保证不丢失有效超声检测信息的同时，大幅度减少数据的存储量，同时相对于传统方法具有更高的位置精度信息；本方法与传统的极大值抽取方法相比，提高了缺陷的位置精度。

Description

基于超声波信号特征向量的数据处理方法及系统
技术领域
本发明涉及工业超声无损检测技术领域，特别是一种基于超声波信号特征向量的数据处理方法及系统。
背景技术
当前超声B扫C扫图像都是有基本的A扫描数据经过重新排列显示而成；将A扫描数据沿着横向排布后插值显示，则形成B扫图像；将B扫数据通过编码器定位后，纵向横向均对齐后，沿断层截面显示即成为C扫描图像；将对齐后的A扫描数据矩阵，显示在一个三维的空间模型中，即是一幅3D图像；将时间轴上的3D图像以大于20帧/秒的速度显示出来，就成为实时3D显示，或称为4D；所以处理有效数据的数量越小，3D和4D的实现难度就越小，数据压缩算法的优劣越发显得重要。
在传统方法中，存储数据时要求存储基本A扫描数据和B扫C扫等的图像数据，在后分析软件中便于得到较为精确的位置信息和幅值信息；其中，A扫描数据是经过前端ADC采集的原始数据经过降采样得到，通常使用极大值抽取的方法，即是在固定间距的相邻n个点中取最大值作为这段数据的降采样数据；位置信息随这n个点合并记录为1个点；这样的方法损失了缺陷位置信息的精度；而后面将数据存储成数据文件时，可能会进一步抽取压缩，进一步损失精度；相应的数据压缩比方面，传统方法采用全部数据完全存储，由于没能有效的处理基底白噪声数据的压缩存储，所以大量的无用白噪声数据占用的存储空间被保存于文件中；而在未来数据网络化传输中又占用大量的传输带宽，形成巨大的资源浪费；
现有技术的缺点是：在极大值抽取进行数据压缩的过程中，未能保留最大值点的真实位置信息，而在记录中损失了位置精度；同时由于未能有效处理占数据总量80％以上的基底白噪声数据的压缩，所以白噪声数据占用了存储资源和网络化的传输带宽资源；
导致此问题的原因是：传统的极大值抽取(或类似方法，包含中值抽取，滤波下采样抽取等)数据压缩方法存在缺陷；保留未经过压缩的包含大量白噪声无用数据的方法，是较为简单和初级的方法。
发明内容
有鉴于此，本发明的目的在于提供基于超声波信号特征向量的数据处理方法，该方法可以实现图像数据的压缩过程，还可以根据压缩过程获得的特征向量进行重构数据。
为达到上述目的，本发明提供如下技术方案：
本发明提供的基于超声波信号特征向量的数据处理方法，包括以下步骤：
获取超声波检测图像数据；
提取超声波检测图像数据的特征向量，所述特征向量包括超声波检测图像记录点的幅值数据和位置信息；
去除超声波检测图像数据中的基底白噪声数据；
根据特征向量对超声波检测图像数据进行数据压缩。
进一步，还包括以下步骤：
根据特征向量对压缩后的图像数据进行重构。
进一步，所述数据压缩包括对图像数据的极大值抽取过程，所述极大值抽取过程包括以下步骤：
在数据压缩的过程中，保留最大值点的真实位置信息；
在存储过程中记录每个点的真实位置精度数据。
进一步，所述特征向量包括图像数据中缺陷位置、缺陷幅值、等高线、噪声阈值、边缘斜率；
进一步，所述特征向量是按照以下步骤操作得到的：
对采集得到的原始数据进行取绝对值，并得到噪声阈值；
根据噪声阈值存储噪声阈值以下噪声数据；
记录峰值点的真实位置信息于临时数据文件中形成极大值抽取数据；
获取扫描图像数据的一阶导数为零的波峰和波谷的位置数据；
获取扫描图像数据的波形和等高线交汇点的位置和幅值数据。
进一步，所述特征向量以文件形式进行存储，所述文件包括一阶导数为零的波峰数据、波谷位置和幅值数据；等高线交点位置数据和幅值数据；记录所评估出来的噪声阈值和采样点精度值。
进一步，所述图像数据的重构过程包括以下步骤：
根据压缩数据中所记录点的位置信息，重新排列所有记录点；
依据压缩数据生成时所记录的采样点精度，对记录点的位置数据在时间轴上做插值；
按照记录点的幅值数据和位置信息以及峰值附近点斜率信息做幅值插值；
对于噪声阈值以下的未做记录的数据点，使用经过调制的随机数作为白噪声填补空点。
本发明还提供了一种基于超声波信号特征向量的数据处理系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现以下步骤：
获取超声波检测图像数据；
提取超声波检测图像数据的特征向量，所述特征向量包括超声波检测图像记录点的幅值数据和位置信息；
去除超声波检测图像数据中的基底白噪声数据；
根据特征向量对超声波检测图像数据进行数据压缩；
根据特征向量对压缩后的图像数据进行重构。
进一步，所述数据压缩包括对图像数据的极大值抽取过程，所述极大值抽取过程包括以下步骤：
在数据压缩的过程中，保留最大值点的真实位置信息；
在存储过程中记录每个点的真实位置精度数据。
进一步，所述特征向量是按照以下步骤操作得到的：
对采集得到的原始数据进行取绝对值，并得到噪声阈值；
根据噪声阈值存储噪声阈值以下噪声数据；
记录峰值点的真实位置信息于临时数据文件中形成极大值抽取数据；
获取扫描图像数据的一阶导数为零的波峰和波谷的位置数据；
获取扫描图像数据的波形和等高线交汇点的位置和幅值数据。
本发明的有益效果在于：
本发明提供的基于超声波信号特征向量的数据处理方法，包括对数据的压缩和重构的方法，通过超声波图像数据压缩算法，可以在保证不丢失有效超声检测信息的同时，大幅度减少数据的存储量，同时相对于传统方法具有更高的位置精度信息；
同时，通过对超声波数据提取其缺陷的超声波特征向量，其中包括缺陷位置和幅值(波峰+波谷)，等高线，噪声阈值，边缘斜率等信息，只保存特征向量，去除大量无用白噪声的冗余数据；再依据特征向量信息重构A扫描数据以及重新绘制各种图像(B，C，3D等)手段来实现。
本方法与传统的极大值抽取方法相比，提高了缺陷的位置精度；由ADC原始数据取绝对值后的数据变成A扫描数据过程中，需要经过多次的数据抽取，传统使用极大值抽取，所记录的峰值点的位置和真实位置不对应。
本方法在抽取过程中由于保留峰值点的真实位置的信息数据，记录于“临时数据文件”中(通常位于内存)，用于数据重构；由于该过程文件的内容处于内存中不断的刷新，并不记录在后面的外部(或内部)存储器中，所以不占用外部(或内部)存储资源以及传输带宽。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
为了使本发明的目的、技术方案和有益效果更加清楚，本发明提供如下附图进行说明：
图1为B型C型图像。
图2为C型图像。
图3为3D数据图像。
图4为ADC采集的原始数据。
图5为计算得到的噪声阈值。
图6为包络平滑后波形。
图7为一阶导数为零的波峰和波谷。
图8为等高线与回波交点图。
图9为传统极大值抽取示意图。
图10为本发明保留实际位置的极大值抽取示意图。
图11为基于超声波信号特征向量的数据压缩流程图。
图12为基于超声波信号特征向量的数据重构流程图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明，以使本领域的技术人员可以更好的理解本发明并能予以实施，但所举实施例不作为对本发明的限定。
实施例1
如图所示，本实施例提供的基于超声波信号特征向量的数据压缩和重构的方法，该方法用于工业超声无损检测技术领域的数据存储，在传输过程中的数据压缩方法；具体要解决超声波图像中的大尺寸B扫描C扫描和3D图像的数据量大，存储空间需求大的问题；去除B扫描C扫描和3D数据中的无用信息的数据，避免占用存储空间和传输带宽；包括以下步骤：
获取超声波检测图像，该检测图像是超声波无损检测中需要存储的检测数据，如图所示，B扫描得到B型图像，C扫描得到C型图像，或者得到3D数据图像等；
本实施例中的A扫描是指一个超声波束的发射和接收返回信号形成的图像数据；从反射点返回的信号强度记录在一条数据线上，这条数据线就是A扫描；B扫描是指把很多条A扫描数据线拼接成一帧图像一次展现出来的图像数据；假设用A扫描在一个正方体的上表面，一行一行的逐点的往下打入超声波，返回来的A扫描数据，按照正方体的原本位置排布好，C扫描就是正方体的横断面成像，3D就是正方体整体显示成像。
提取超声波检测数据的特征向量，然后去除基底白噪声后再进行数据压缩，可以尽量减少信息损失，同时提高相应的位置精度，提高了压缩比；并在数据重构中依据所存储的特征向量恢复重构数据；减少数据的存储量和网络传输带宽；判断存储数据是否为基底白噪声，如果是，则不存储该部分数据，如果否，则存储该数据；通过对占总数据总量80％以上的基底白噪声先进行判断，然后在考虑是否进行存储，提高存储数据压缩比以及压缩速率。
如图1，2，3所示，图1为B型C型图像，图2为C型图像，图3为3D数据图像；图中的白色衬底部分都是基底白噪声数据，在传统的数据处理中需要占用大量资源，造成资源的浪费。
本实施例提供的数据压缩方法解决了超声波图像中的大尺寸B扫描C扫描和3D图像的数据量大，存储空间需求大的问题；去除B扫描C扫描和3D数据中的无用信息的数据，避免占用存储空间和传输带宽；通过本超声波图像数据压缩算法，可以在保证不丢失有效超声检测信息的同时，大幅度减少数据的存储量，同时相对于传统方法具有更高的位置精度信息。
实施例2
本实施例提供的基于超声波信号特征向量的数据处理方法，包括数据的压缩和重构过程，具体包括以下步骤：
在极大值抽取进行数据压缩的过程中，保留最大值点的真实位置信息，在存储过程中记录每个点的真实位置精度数据；从而保证A扫描数据在压缩和重构的过程中不损失真实的位置精度信息；
对于超声波无损检测的数据，提取缺陷的超声波特征向量，其中，所述超声波特征向量包括缺陷位置和幅值(波峰+波谷)、等高线、噪声阈值、边缘斜率等信息；只保存特征向量，去除大量无用白噪声冗余数据；再依据特征向量信息重构A扫描数据以及重新绘制各种图像(B，C，3D等)手段来实现；减少了数据存储量，降低了传输带宽等。
以下几个步骤操作得到超声特征向量，
如图4所示，图4是ADC采集的数据取绝对值后的原始数据；其中，ADC原始数据通常为RF射频波即正负信号；首先对整个3D扫描的ADC原始数据的绝对值数据做求和平均，得到噪声阈值(实际中含有微调的经验常数K*阈值)；
如图5所示，图5为计算得到的噪声阈值，依据此阈值来判断和舍去对阈值以下噪声数据的存储，也依据此数值在重构中恢复系统白噪声；
同时，由ADC原始数据取绝对值后变成A扫描数据过程中，需要经过多次的数据抽取，传统使用极大值抽取，在抽取过程中，保留峰值点的真实位置信息，记录于“临时数据文件”中(通常位于内存)，用于数据重构；但抽取后的A扫描数据显示仍不变；但此时A扫描数据中的每一个点都附带有其真实位置的信息；用于后面对A扫描数据的再次压缩时取得其存档的真实位置数据。
如图11所示，图11为基于超声波信号特征向量的数据压缩流程图，具体步骤如下：
对整个工件扫描的ADC原始数据的绝对值数据做求和平均，得到噪声阈值；
ADC原始数据取绝对值+抽取降采样后变成A扫数据,在抽取过程中，保留峰值点的真实位置信息，然后存储于临时数据文件；本实施例的“临时数据文件”中(通常位于内存)存储峰值点的真实位置的数据信息；
对A扫数据做包络平滑；对平滑后数据求一阶导数，一阶导数为零的点为波峰或波谷，从而得到波峰和波谷的位置；
依据噪声阈值，对一阶导数为零的峰值点和波谷点进行筛选；低于噪声阈值的峰值点和波谷点将被视为噪声而无须记录；依据波峰和波谷的位置从平滑前的A扫描数据中取出幅值数据，并且从“临时数据文件”中取出实际位置的数据；
对A扫数据取多段“等高线”，得到波形和等高线交汇点的位置和幅值；依据交汇点的位置从包络平滑前的A扫数据中取出交汇点的幅值数据和“临时数据文件”中的实际位置数据；
整理提炼信息，其中包括：一阶导数为零的波峰+波谷的位置和幅值数据；等高线交点的位置和幅值数据；记录所评估出来的噪声阈值和采样点精度值；低于噪声阈值的波形数据做丢弃处理不记录；并且依据需求可以选择保留峰值点附近的斜率；
形成用于长期存储和传输的数据文件。
如图6所示，图6为包络平滑后波形，对A扫描数据做包络平滑；对平滑后数据求一阶导数，得到波峰和波谷的位置，如图7所示，图7为一阶导数为零的波峰和波谷，如图中箭头所指之处，依据上一步骤得到的噪声阈值，对第一步骤中求导后得到的峰值点和波谷点进行筛选，低于噪声阈值的峰值点和波谷点将被视为噪声而无须记录；依据波峰和波谷的位置从源数据(包络平滑前的A扫描数据)中取出波峰和波谷的幅值数据和“临时数据文件”中保存的实际位置数据。
如图8所示，图8为等高线与回波交点图，图中水平等高线(虚线)和回波的交点为特征点作记录，对A扫描数据取多段(例如8-12段)等高线，得到波形和等高线交汇点的位置和幅值；同样的，依据交汇点的位置从A扫描数据(包络平滑前的A扫描数据)中取出等高线交汇点的幅值数据和“临时数据文件”中保存的实际位置；
对以上所提取的超声波无损检测数据的特征向量以文件形式进行存储，其中包括一阶导数为零的波峰+波谷的位置和幅值数据；等高线交点的位置和幅值数据；记录所评估出来的噪声阈值和采样点精度值(例如100MH采样率的数据记录为10ns)，该噪声阈值也可以由人工调节选取；低于噪声阈值的波形数据做丢弃处理不记录；并且依据需求可以选择保留峰值点附近的斜率，以便于数据重构时使用；
数据的重构过程：依据所记录的点的位置信息，重新排列所有记录点；依据压缩数据生成时的，所记录的采样点精度(例如100MH采样率的数据记录为10ns)，对记录点的位置数据在时间轴上做插值；按照记录点的幅值数据和位置信息以及峰值附近点斜率等信息做幅值插值，插值方法有多种包括线性插值，非线性插值和函数插值等(可以依据被检测材料的声波特性来选择)；对于噪声阈值以下的未做记录的数据点，使用经过调制的随机数作为白噪声填补空点；
如图12所示，图12为基于超声波信号特征向量的数据重构流程图，具体步骤如下：
依据存储文件中记录的采样精度(例如100MH采样率的数据记录为10ns)依据存储文件所记录的点的位置信息，按照采样点真实位置重新排列所有记录点，同时填入幅值，对于没有记录点的“空点”位置，幅值补0；
本实施例提供的“存储文件”其中包括：一阶导数为零的波峰+波谷的位置和幅值数据；等高线交点的位置和幅值数据；记录所评估出来的噪声阈值和采样精度；以及保留峰值点附近的斜率；
对于噪声阈值以下的未做记录的“空点”(在第一步骤中已经将其幅值填0)，在此步骤中使用经过调制的随机数仿制白噪声填补空点的幅值；
依据存储文件中所记载的采样率，对记录点的位置数据在时间轴上做插值运算(例如线性插值等)；
按照存储文件中峰值附近点斜率等信息做斜率修正；
对完成以上操作的A扫数据做平滑滤波，完成重构；
如图9所示，图9为传统极大值抽取示意图；横坐标轴上的实心点表示峰值的位置记录点，保存的是抽取位置，第一象限内的圆点表示抽取区域内的峰值点。
如图10所示，图10为本发明保留实际位置的极大值抽取示意图；横坐标轴上的实心点表示峰值的位置记录点，保存的是真实位置。
本实施例提供的基于超声波信号特征向量的数据处理方法，由ADC原始数据取绝对值后的数据变成A扫描数据过程中，需要经过多次的数据抽取，传统使用极大值抽取，所记录的峰值点的位置和真实位置不对应；在抽取过程中，保留峰值点的真实位置的信息数据，记录于数据文件中，用于数据重构，在最终的存储和传输的数据中，提高了缺陷的位置精度；保存真实位置信息的过程中使用过渡“临时数据文件”(位于内存中)，将抽取出来的峰值点的真实位置信息保留于“临时数据文件”中；由于该过程文件的内容处于不断的刷新中，并不记录在后面的外部(或内部)存储器中，所以不占用存储资源和传输带宽。
同时，基于超声波信号特征向量的数据在处理方法时，提取超声波特征向量并存储(包含对A扫描数据做包络平滑后取一阶导数为零的点，得到峰值点和波谷点的幅值和位置信息；等高线和回波交叉点的幅值和位置；噪声阈值；缺陷峰值附近点的斜率等)，以减少数据存储量；最终存储于外部存储器中的数据点，不超过100点的峰值数据和对应的100点的位置数据，相对于全部600点的数据量而言，压缩比为200/600*100％＝33％；压缩比会随着回波数据的不同而变化，这种不固定的压缩比在绝大多数数情况下是<1的(白噪声水平均匀平坦情况下)，在通常情况下具有可观的数据压缩比。
以上所述实施例仅是为充分说明本发明而所举的较佳的实施例，本发明的保护范围不限于此。本技术领域的技术人员在本发明基础上所作的等同替代或变换，均在本发明的保护范围之内。本发明的保护范围以权利要求书为准。

Claims (4)

1.基于超声波信号特征向量的数据处理方法，其特征在于：包括以下步骤：
获取超声波检测图像数据；
提取超声波检测图像数据的特征向量，所述特征向量包括超声波检测图像记录点的幅值数据和位置信息；
去除超声波检测图像数据中的基底白噪声数据；
根据特征向量对超声波检测图像数据进行数据压缩；
还包括以下步骤：
根据特征向量对压缩后的图像数据进行重构；
所述数据压缩包括对图像数据的极大值抽取过程，所述极大值抽取过程包括以下步骤：
在数据压缩的过程中，保留最大值点的真实位置信息；
在存储过程中记录每个点的真实位置精度数据；
所述特征向量是按照以下步骤操作得到的：
对采集得到的原始数据进行取绝对值，并得到噪声阈值；
根据噪声阈值存储噪声阈值以下噪声数据；
记录峰值点的真实位置信息于临时数据文件中形成极大值抽取数据；
获取扫描图像数据的一阶导数为零的波峰和波谷的位置数据；
获取扫描图像数据的波形和等高线交汇点的位置和幅值数据；
所述图像数据的重构过程包括以下步骤：
根据压缩数据中所记录点的位置信息，重新排列所有记录点；
依据压缩数据生成时所记录的采样点精度，对记录点的位置数据在时间轴上做插值；
按照记录点的幅值数据和位置信息以及峰值附近点斜率信息做幅值插值；
对于噪声阈值以下的未做记录的数据点，使用经过调制的随机数作为白噪声填补空点。
2.如权利要求1所述的基于超声波信号特征向量的数据处理方法，其特征在于：所述特征向量包括图像数据中缺陷位置、缺陷幅值、等高线、噪声阈值或边缘斜率中的一种或多种组合。
3.如权利要求1所述的基于超声波信号特征向量的数据处理方法，其特征在于：所述特征向量以文件形式进行存储，所述文件包括一阶导数为零的波峰数据、波谷位置和幅值数据；等高线交点位置数据和幅值数据；记录所评估出来的噪声阈值和采样点精度值。
4.基于超声波信号特征向量的数据处理系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现以下步骤：
获取超声波检测图像数据；
提取超声波检测图像数据的特征向量，所述特征向量包括超声波检测图像记录点的幅值数据和位置信息；
去除超声波检测图像数据中的基底白噪声数据；
根据特征向量对超声波检测图像数据进行数据压缩；
根据特征向量对压缩后的图像数据进行重构；
所述数据压缩包括对图像数据的极大值抽取过程，所述极大值抽取过程包括以下步骤：
在数据压缩的过程中，保留最大值点的真实位置信息；
在存储过程中记录每个点的真实位置精度数据；
所述特征向量是按照以下步骤操作得到的：
对采集得到的原始数据进行取绝对值，并得到噪声阈值；
根据噪声阈值存储噪声阈值以下噪声数据；
记录峰值点的真实位置信息于临时数据文件中形成极大值抽取数据；
获取扫描图像数据的一阶导数为零的波峰和波谷的位置数据；
获取扫描图像数据的波形和等高线交汇点的位置和幅值数据：
所述图像数据的重构过程包括以下步骤：
根据压缩数据中所记录点的位置信息，重新排列所有记录点；
依据压缩数据生成时所记录的采样点精度，对记录点的位置数据在时间轴上做插值；
按照记录点的幅值数据和位置信息以及峰值附近点斜率信息做幅值插值；
所述图像数据的重构过程按照记录点的幅值数据和位置信息以及峰值附近点斜率信息做幅值插值。
CN202110069308.1A 2021-01-19 2021-01-19 基于超声波信号特征向量的数据处理方法及系统 Active CN112890859B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110069308.1A CN112890859B (zh) 2021-01-19 2021-01-19 基于超声波信号特征向量的数据处理方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110069308.1A CN112890859B (zh) 2021-01-19 2021-01-19 基于超声波信号特征向量的数据处理方法及系统

Publications (2)

Publication Number Publication Date
CN112890859A CN112890859A (zh) 2021-06-04
CN112890859B true CN112890859B (zh) 2024-01-09

Family

ID=76115715

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110069308.1A Active CN112890859B (zh) 2021-01-19 2021-01-19 基于超声波信号特征向量的数据处理方法及系统

Country Status (1)

Country Link
CN (1) CN112890859B (zh)

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1336544A (zh) * 2000-08-01 2002-02-20 中国科学院武汉物理与数学研究所 数字式超声波探伤仪及其时间小数采样法
CN1865983A (zh) * 2006-05-23 2006-11-22 江苏大学 超声智能检测中海量数据的分形剔除方法
CN102854251A (zh) * 2012-08-29 2013-01-02 北京工业大学 利用虚拟仪器技术的超声波成像系统和成像方法
CN104132998A (zh) * 2014-08-06 2014-11-05 北京科技大学 一种基于超声扫描显微镜的内部微观缺陷检测方法
CN104374447A (zh) * 2014-11-21 2015-02-25 合肥工业大学 基于一阶导数并结合参考曲线的导波式雷达物位计回波信号处理方法
CN104656131A (zh) * 2013-11-22 2015-05-27 中国石油天然气集团公司 一种基于波形恢复技术的提高地震层位自动追踪精度的方法
CN105841645A (zh) * 2016-03-24 2016-08-10 武汉中科创新技术股份有限公司 一种基于电磁超声的测厚方法
CN107655533A (zh) * 2017-10-31 2018-02-02 合肥工业大学 一种基于回波能量积分的气体超声波流量计信号处理方法和系统
CN108645912A (zh) * 2018-05-22 2018-10-12 大连理工大学 一种涂层脱粘超声相位谱c扫描成像检测方法
US10203243B1 (en) * 2012-10-25 2019-02-12 The Boeing Company Compression and feature extraction from full waveform ultrasound data
CN109507304A (zh) * 2018-12-26 2019-03-22 西安科技大学 一种基于超声探伤的缺陷检测方法
CN110780301A (zh) * 2018-07-27 2020-02-11 德州仪器公司 用于经编码超声波感测的阈值生成
CN111353942A (zh) * 2018-12-20 2020-06-30 核动力运行研究所 一种超声波信号噪声提取及量化算法
CN111521683A (zh) * 2020-05-06 2020-08-11 北京工业大学 一种基于多阵元等幅同步激励的材料缺陷超声三维成像方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102005005386B3 (de) * 2005-02-05 2006-07-13 Forschungszentrum Karlsruhe Gmbh Verfahren zur Reduktion von digitalisierten Daten in einem EMAT-Molch
DE112018001825B3 (de) * 2017-05-16 2020-09-24 Elmos Semiconductor Se Verfahren zur Übertragung von Daten über einen Fahrzeugdatenbus von einem Ultraschallsystem zu einer Datenverarbeitungsvorrichtung

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1336544A (zh) * 2000-08-01 2002-02-20 中国科学院武汉物理与数学研究所 数字式超声波探伤仪及其时间小数采样法
CN1865983A (zh) * 2006-05-23 2006-11-22 江苏大学 超声智能检测中海量数据的分形剔除方法
CN102854251A (zh) * 2012-08-29 2013-01-02 北京工业大学 利用虚拟仪器技术的超声波成像系统和成像方法
US10203243B1 (en) * 2012-10-25 2019-02-12 The Boeing Company Compression and feature extraction from full waveform ultrasound data
CN104656131A (zh) * 2013-11-22 2015-05-27 中国石油天然气集团公司 一种基于波形恢复技术的提高地震层位自动追踪精度的方法
CN104132998A (zh) * 2014-08-06 2014-11-05 北京科技大学 一种基于超声扫描显微镜的内部微观缺陷检测方法
CN104374447A (zh) * 2014-11-21 2015-02-25 合肥工业大学 基于一阶导数并结合参考曲线的导波式雷达物位计回波信号处理方法
CN105841645A (zh) * 2016-03-24 2016-08-10 武汉中科创新技术股份有限公司 一种基于电磁超声的测厚方法
CN107655533A (zh) * 2017-10-31 2018-02-02 合肥工业大学 一种基于回波能量积分的气体超声波流量计信号处理方法和系统
CN108645912A (zh) * 2018-05-22 2018-10-12 大连理工大学 一种涂层脱粘超声相位谱c扫描成像检测方法
CN110780301A (zh) * 2018-07-27 2020-02-11 德州仪器公司 用于经编码超声波感测的阈值生成
CN111353942A (zh) * 2018-12-20 2020-06-30 核动力运行研究所 一种超声波信号噪声提取及量化算法
CN109507304A (zh) * 2018-12-26 2019-03-22 西安科技大学 一种基于超声探伤的缺陷检测方法
CN111521683A (zh) * 2020-05-06 2020-08-11 北京工业大学 一种基于多阵元等幅同步激励的材料缺陷超声三维成像方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
曲面工件自动超声检测中若干关键问题的研究;李雄兵;《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》;第2009年卷(第4期);59-71 *
李雄兵.曲面工件自动超声检测中若干关键问题的研究.《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》.第2009年卷(第4期),59-71. *

Also Published As

Publication number Publication date
CN112890859A (zh) 2021-06-04

Similar Documents

Publication Publication Date Title
JP4749593B2 (ja) 嚢胞性物体の自動的な検出及び寸法測定の方法及び装置
Sattar et al. Image enhancement based on a nonlinear multiscale method
DE19819892B4 (de) Verfahren und Einrichtung zum Segmentieren von B-Mode-Intensitätsdaten unter Verwendung von Doppler-Verschiebungsdaten bei dreidimensionaler Ultraschall-Bildgebung
US20070276245A1 (en) System And Method For Automated Boundary Detection Of Body Structures
FR2723835A1 (fr) Procede pour creer des affichages de mode m anatomique
EP0952458B1 (en) Method and apparatus for ultrasound imaging using adaptive gray mapping
US20170035394A1 (en) Ultrasonic diagnostic device
CN111968224A (zh) 船舶3d扫描点云数据处理方法
CN111383177B (zh) 一种激光超声可视化图像分辨率提升方法
US20090227871A2 (en) Automatic Identification of Orientation in Medical Diagnostic Ultrasound
CN112890859B (zh) 基于超声波信号特征向量的数据处理方法及系统
CN106780718A (zh) 一种古生物化石的三维重建方法
Loupas et al. Deconvolution in medical ultrasonics: practical considerations
CN106910166B (zh) 一种图像处理方法和装置
KR20060074908A (ko) 4차원 라벨링 장치, ｎ차원 라벨링 장치, 4차원 공간 필터장치, 및 ｎ차원 공간 필터 장치
CN101396278A (zh) 一种去除实时超声图像斑点噪声的方法
WO2023124555A1 (zh) 导丝伪影抑制方法、装置、ivus系统和存储介质
CN111353942B (zh) 一种超声波信号噪声提取及量化算法
CN101396279A (zh) 一种去除实时超声图像斑点噪声的方法
CN111766306A (zh) 一种全聚焦成像方法及装置
CN111965698B (zh) 一种浅地层层界提取方法及处理终端
CN117726561B (zh) 一种血管内超声图像处理方法及相关装置、存储介质
CN115919362B (zh) 超声成像系统的伪像去除方法、装置、设备及存储介质
KR102420573B1 (ko) 신호 증폭 필터를 이용한 공동 예측 시스템 및 방법
Bhullar et al. Computer-based techniques for the optimal extraction of medical data from graphical paper records

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