CN113254214A - 基于OpenMP的倒装焊芯片声时频域和时域成像方法 - Google Patents

基于OpenMP的倒装焊芯片声时频域和时域成像方法 Download PDF

Info

Publication number
CN113254214A
CN113254214A CN202110637736.XA CN202110637736A CN113254214A CN 113254214 A CN113254214 A CN 113254214A CN 202110637736 A CN202110637736 A CN 202110637736A CN 113254214 A CN113254214 A CN 113254214A
Authority
CN
China
Prior art keywords
scanning
signal
iteration
interest
scanning signal
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.)
Granted
Application number
CN202110637736.XA
Other languages
English (en)
Other versions
CN113254214B (zh
Inventor
齐爱玲
张广明
王嘉森
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.)
Xian University of Science and Technology
Original Assignee
Xian University of Science and Technology
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 Xian University of Science and Technology filed Critical Xian University of Science and Technology
Priority to CN202110637736.XA priority Critical patent/CN113254214B/zh
Publication of CN113254214A publication Critical patent/CN113254214A/zh
Application granted granted Critical
Publication of CN113254214B publication Critical patent/CN113254214B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
    • G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G06T1/20—Processor architectures; Processor configuration, e.g. pipelining
    • 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
    • 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Acoustics & Sound (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)

Abstract

本发明公开了一种基于OpenMP的倒装焊芯片声时频域和时域成像方法，该方法包括以下步骤：一、超声波扫描数据的获取；二、超声波扫描数据的存储选择；三、过完备字典的选择；四、超声波A扫描信号的时频域成像；五、超声波A扫描信号的时域成像。本发明方法简单，设计合理，以使在并行架构下进行声时频域和时域成像，适应超声波A扫描信号的长度的增加，有效提升了成像效率，实用性强。

Description

基于OpenMP的倒装焊芯片声时频域和时域成像方法
技术领域
本发明属于成像技术领域，尤其是涉及一种基于OpenMP的倒装焊芯片声时频域和时域成像方法。
背景技术
随着先进的微电子封装被制造的更小、更薄，对微电子封装内部特征和缺陷的检测正在接近时域成像(TAMI)的分辨率极限。频域成像(FAMI)是由Semmens和Kessler提出的一种产生单频快速傅立叶变换(FFT)滤波图像的方法。尽管FAMI揭示了一些在TAMI中处于或低于可接受的分辨率极限的特征或缺陷，但是由于频谱重叠和频率偏移，一些重要的特征可能丢失或无法在单个频率图像中被解析。一种基于匹配追踪(Matching Pursuit,MP)的高分辨率成像(MPAMI)技术解决了声时域和频域成像的上述问题，实现时频域成像。
在目前的研究中，利用MPAMI重构倒装焊(FCB)芯片的信号,同时对其重构的信号进行成像，但是该方法的实时性受到了制约，随着分辨率的不断增加，传统的MPAMI效率呈直线下滑，导致了对倒装焊芯片内部缺陷的分析受到了影响。
近年来，随着多核技术以及图形处理单元(Graphics Processing Unit，GPU)不断发展，基于共享内存的OpenMP架构以及基于GPU的CUDA框架已经成为各个领域处理大型数据的主流技术。OpenMP由于其可扩展性和移植性较强，已经被熟练应用于地质、物理以及工程等领域。因此，现如今缺少一种基于OpenMP的倒装焊芯片声时频域和时域成像方法，以使在并行架构下进行声时频域和时域成像，有效提升了成像效率。
发明内容
本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于OpenMP的倒装焊芯片声时频域和时域成像方法，其方法简单，设计合理，以使在并行架构下进行声时频域和时域成像，适应超声波A扫描信号的长度的增加，有效提升了成像效率，实用性强。
为解决上述技术问题，本发明采用的技术方案是：一种基于OpenMP的倒装焊芯片声时频域和时域成像方法，其特征在于，该方法包括以下步骤：
步骤一、超声波扫描数据的获取：
步骤101、以倒装焊芯片的表面左上角为原点，过原点且沿倒装焊芯片的长边为X轴方向，过原点且沿倒装焊芯片的宽边为Y轴方向，建立直角坐标系；其中，X轴和Y轴垂直；
步骤102、设定倒装焊芯片的表面划分多个扫描区域，且扫描区域的总数为Nx×Ny；其中，Nx表示沿X轴方向形成的扫描区域的列数，Ny表示沿Y轴方向形成的扫描区域的行数，每个扫描区域的中心位置记作扫描点，则第x列第y行形成的扫描区域记作扫描点(x,y)，x和Nx均为正整数，且1≤x≤Nx，y和Ny均为正整数，且1≤y≤Ny；
步骤103、采用超声波A型扫描仪对扫描点(x,y)处进行扫描，得到扫描点(x,y)处的A扫描信号，并将扫描点(x,y)处的A扫描信号发送至计算机；
步骤104、采用计算机得到扫描点(x,y)处的A扫描信号B(x,y)；其中，B(x,y)＝[Ax,y(1),...Ax,y(j),...,Ax,y(Nz)]，A(x,y)(j)表示扫描点(x,y)处的A扫描信号中第j个采样时刻得到的信号值，j为正整数，且1≤j≤Nz，Nz表示A扫描信号的长度；
步骤105、沿X轴方向和Y轴方向，分别Nx×Ny次重复步骤104，得到倒装焊芯片的表面Nx×Ny个扫描点的A扫描信号；
步骤二、超声波扫描数据的存储选择：
步骤201、采用计算机将步骤104至步骤105中各个A扫描信号存储，并形成倒装焊芯片的A扫描信号二维矩阵
Figure BDA0003106519130000021
其中，
Figure BDA0003106519130000031
步骤202、采用计算机通过MATLAB中fread函数从扫描点(x,y)处的A扫描信号B(x,y)中，得到扫描点(x,y)处的感兴趣厚度A扫描信号B′(x,y)，并存储形成感兴趣厚度的A扫描信号二维矩阵B′；其中，B′(x,y)＝[Ax,y(N′),...Ax,y(j′),...,Ax,y(N″)]，A(x,y)(j′)表示扫描点(x,y)处的A扫描信号中第j′个采样时刻的信号值，N′、N″和j′均为正整数，N′≤j′≤N″，N′小于N″，且N′和N″均位于1～Nz范围内，N′表示感兴趣厚度的起始采样时刻，N″表示感兴趣厚度的终止采样时刻；
步骤203、采用计算机通过MATLAB中fread函数从感兴趣厚度的A扫描信号二维矩阵B′中选择，得到感兴趣区的A扫描信号二维矩阵B″，且
Figure BDA0003106519130000032
其中，Bg(x′,y′)表示感兴趣区扫描点(x′,y′)处的A扫描信号，x′、N′x、N″x均为正整数，y′、N′y、N″y均为正整数，x′∈(N′x,N″x)，y′∈(N′y,N″y)，N′x表示感兴趣区的起始列数，N′y表示感兴趣区的起始行数，N″x表示感兴趣区的终止列数，N″y表示感兴趣区的终止行数，N′x和N″x均位于1～Nx范围内，且N′x小于N″x，N′y和N″y均位于1～Ny范围内，且N′y小于N″y，Bg(x′,y′)＝[Ax′,y′(N′),...Ax′,y′(j′),...,Ax′,y′(N″)]，Ax′,y′(j′)表示感兴趣区扫描点(x′,y′)处的A扫描信号中第j′个采样时刻得到的信号值；
步骤204、当进行时频域成像时，执行步骤三和步骤四；当进行时成像时，执行步骤五；
步骤三、过完备字典的选择：
选择过完备字典为Gabor字典，过完备字典中第r个原子记作Zr＝[zr,1,zr,2,...zr,n,...,zr,N]；其中，过完备字典中原子总数为R，过完备字典中每个原子的长度为N，且N＝N″-N′，r和n为正整数，且1≤r≤R，1≤n≤N，zr,n表示第r个原子的第n个元素，Zr为归一化向量，且||Zr||2＝1；其中，||·||2表示二范数；
步骤四、超声波A扫描信号的时频域成像：
步骤401、采用计算机通过#pragma omp parallel num_threads(8)设定OpenMP线程的总个数为8；
步骤402、采用计算机将感兴趣区的A扫描信号二维矩阵B″按照行方向划分为9个A扫描信号数据块；
且根据
Figure BDA0003106519130000041
得到第1个～第8个A扫描信号数据块中的行数均为nT，第9个A扫描信号数据块中的行数为Ns；其中，Ns＝N″y-N′y-8nT，[·]表示取整运算；
步骤403、采用计算机利用8个OpenMP线程并行对第1个～第8个A扫描信号数据块进行处理，获取第1个～第8个A扫描信号数据块中各个A扫描信号对应的特征值；
采用计算机利用最先完成的一个OpenMP线程对第9个A扫描信号数据块进行处理，获取第9个A扫描信号数据块中各个A扫描信号对应的特征值；
步骤404、根据第1个～第9个A扫描信号数据块中各个A扫描信号对应的特征值，形成特征值矩阵C；
步骤405、采用计算机通过调用imagesc函数，并输入步骤404中的特征值矩阵C，生成时频域图像；
步骤五、超声波A扫描信号的时域成像：
步骤501、按照步骤401至步骤403所述的方法，得到第1个～第9个A扫描信号数据块中各个A扫描信号对应的特征值；其中，计算机利用任一个OpenMP线程对任一个A扫描信号数据块中任一个A扫描信号进行处理，具体过程如下：
步骤5011、采用计算机将|Ax′,y′(N′)|,...|Ax′,y′(j′)|,...,|Ax′,y′(N″)|按照从小到大排序，得到信号值的最大绝对值，并将该信号值的最大绝对值作为感兴趣区扫描点(x′,y′)处的A扫描信号对应的特征值；
步骤5012、多次重复步骤5011，得到任一个A扫描信号数据块中各个A扫描信号对应的特征值；
步骤502、根据第1个～第9个A扫描信号数据块中各个A扫描信号对应的特征值，形成特征值矩阵C′；
步骤503、采用计算机通过调用imagesc函数，并输入步骤502中的特征值矩阵C′，生成时域图像。
上述的基于OpenMP的倒装焊芯片声时频域和时域成像方法，其特征在于：步骤403中采用计算机利用8个OpenMP线程并行对第1个～8个A扫描信号数据块进行处理，或者采用计算机利用最先完成的一个OpenMP线程对第9个A扫描信号数据块进行处理时：
计算机利用1个OpenMP线程对1个A扫描信号数据块中每一个A扫描信号依次进行处理，得到1个A扫描信号数据块中各个A扫描信号对应的特征值；其中，计算机利用任一个OpenMP线程对任一个A扫描信号数据块中任一个A扫描信号进行处理的方法均相同。
上述的基于OpenMP的倒装焊芯片声时频域和时域成像方法，其特征在于：计算机利用任一个OpenMP线程对任一个A扫描信号数据块中任一个A扫描信号进行处理的方法，如下：
步骤4031、采用计算机根据
Figure BDA0003106519130000051
得到感兴趣区扫描点(x′,y′)处的A扫描信号的欧氏距离Normy(x′,y′)；
步骤4032、采用计算机根据公式
Figure BDA0003106519130000052
得到感兴趣区扫描点(x′,y′)处的A扫描信号第1次迭代时和第r个原子的内积
Figure BDA0003106519130000053
其中，·表示向量的内积运算；
步骤4033、多次重复步骤4032，得到感兴趣区扫描点(x′,y′)处的A扫描信号第1次迭代时和R个原子的内积，并得到第1次迭代时内积的最大绝对值
Figure BDA0003106519130000061
所对应的原子；其中，第1次迭代时内积的最大绝对值
Figure BDA0003106519130000062
所对应的原子记作第1次迭代时最佳匹配原子
Figure BDA0003106519130000063
步骤4034、采用计算机根据公式
Figure BDA0003106519130000064
得到感兴趣区扫描点(x′,y′)处的第1次迭代信号
Figure BDA0003106519130000065
其中，
Figure BDA0003106519130000066
表示感兴趣区扫描点(x′,y′)处的A扫描信号在其第1次迭代时最佳匹配原子
Figure BDA0003106519130000067
上的垂直投影部分；
步骤4035、按照步骤4032至步骤4034所述的方法，对感兴趣区扫描点(x′,y′)处的第1次迭代信号
Figure BDA0003106519130000068
进行第2次迭代，得到第2次迭代时内积的最大绝对值
Figure BDA0003106519130000069
和第2次迭代时最佳匹配原子
Figure BDA00031065191300000610
采用计算机根据
Figure BDA00031065191300000611
得到感兴趣区扫描点(x′,y′)处的第2次迭代信号
Figure BDA00031065191300000612
其中，
Figure BDA00031065191300000613
表示感兴趣区扫描点(x′,y′)处的第1次迭代信号在其第2次迭代时最佳匹配原子上
Figure BDA00031065191300000614
的垂直投影部分；
步骤4036、s次重复步骤4035，对感兴趣区扫描点(x′,y′)处的第s-1次迭代信号
Figure BDA00031065191300000615
进行第s次迭代，得到第s次迭代时内积的最大绝对值
Figure BDA00031065191300000616
和第s次迭代时最佳匹配原子
Figure BDA00031065191300000617
其中，s为正整数，且s≥2；
采用计算机根据
Figure BDA00031065191300000618
得到感兴趣区扫描点(x′,y′)处的第s次迭代信号
Figure BDA00031065191300000619
其中，
Figure BDA00031065191300000620
表示感兴趣区扫描点(x′,y′)处的第s-1次迭代信号，
Figure BDA00031065191300000621
表示感兴趣区扫描点(x′,y′)处的第s-1次迭代信号在其第s次迭代时最佳匹配原子
Figure BDA00031065191300000622
上的垂直投影部分；
步骤4037、采用计算机根据
Figure BDA00031065191300000623
得到感兴趣区扫描点(x′,y′)处的第s次迭代信号的欧氏距离Normy(x′,y′),s；其中，A(x′,y′),s(j′)表示感兴趣区扫描点(x′,y′)处的第s次迭代信号中第j′个采样时刻的信号值；
步骤4038、采用计算机将Normy(x′,y′),s和Normy(x′,y′)×εm以及s和最大迭代次数MaxI进行比较，当Normy(x′,y′),s小于Normy(x′,y′)×εm或者s≥MaxI时，迭代停止，并获取总迭代次数S；其中，εm表示最大误差，MaxI为正整数；
步骤4039、采用计算机根据
Figure BDA0003106519130000071
得到第s次迭代时投影值
Figure BDA0003106519130000072
步骤403A、采用计算机根据
Figure BDA0003106519130000073
得到第s次迭代时投影值
Figure BDA0003106519130000074
和第s次迭代时最佳匹配原子
Figure BDA0003106519130000075
的实数向量积
Figure BDA0003106519130000076
步骤403B、S次重复步骤4039和步骤403A，并将S次迭代时投影值和S次迭代时最佳匹配原子的实数向量积进行向量加处理，得到感兴趣区扫描点(x′,y′)处的重构信号；
步骤403C、采用计算机从感兴趣区扫描点(x′,y′)处的重构信号中获取信号值绝对值的最大值作为感兴趣区扫描点(x′,y′)处的A扫描信号对应的特征值；
步骤403D、多次重复步骤4031至步骤403C，得到任一个A扫描信号数据块中各个A扫描信号对应的特征值。
上述的基于OpenMP的倒装焊芯片声时频域和时域成像方法，其特征在于：步骤4038中最大误差εm＝1×10-5，最大迭代次数MaxI取值为5～6。
本发明与现有技术相比具有以下优点：
1、本发明方法步骤简单、设计合理且实现方便，有效提升了成像效率。
2、本发明基于OpenMP的倒装焊芯片声时频域和时域成像方法使用效果好，首先是超声波扫描数据的获取，然后是超声波扫描数据的存储选择，接着是过完备字典的选择，最后是超声波A扫描信号的时频域成像和超声波A扫描信号的时域成像，且在超声波A扫描信号的时频域和时域成像过程中利用8个OpenMP线程并行对8个A扫描信号数据块进行并行处理，相对传统的成像技术带来2倍以上的加速比，从而提高了成像的效率。
3、本发明在超声波扫描数据的获取的过程中，沿倒装焊芯片的表面扫描，有效完成倒装焊芯片各个扫描点的扫描。
4、本发明超声波扫描数据的存储选择的过程中，先形成倒装焊芯片的A扫描信号二维矩阵
Figure BDA0003106519130000081
然后从
Figure BDA0003106519130000082
中选择感兴趣厚度的A扫描信号，组成感兴趣厚度的A扫描信号二维矩阵B′，最后从感兴趣厚度的A扫描信号二维矩阵B′中选择，得到感兴趣区的A扫描信号二维矩阵B″，从而便于获取倒装焊芯片感兴趣区域的数据。
5、本发明超声波A扫描信号的时频域成像和超声波A扫描信号的时域成像的过程中，均利用8个OpenMP线程并行对第1个～第8个A扫描信号数据块进行处理，获取第1个～第8个A扫描信号数据块中各个A扫描信号对应的特征值；然后采用计算机利用最先完成的一个OpenMP线程对第9个A扫描信号数据块进行处理，获取第9个A扫描信号数据块中各个A扫描信号对应的特征值，提高了处理效率，且有效地适应超声波A扫描信号的长度的增加。
综上所述，本发明方法简单，设计合理，方法简单，设计合理，以使在并行架构下进行声时频域和时域成像，适应超声波A扫描信号的长度的增加，有效提升了成像效率，实用性强。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
图1为本发明基于OpenMP的倒装焊芯片声时频域成像方法的流程框图。
图2为利用本发明方法和MPAMI算法进行时频域成像的耗时曲线图。
具体实施方式
如图1所示的一种基于OpenMP的倒装焊芯片声时频域和时域成像方法，该方法包括以下步骤：
步骤一、超声波扫描数据的获取：
步骤101、以倒装焊芯片的表面左上角为原点，过原点且沿倒装焊芯片的长边为X轴方向，过原点且沿倒装焊芯片的宽边为Y轴方向，建立直角坐标系；其中，X轴和Y轴垂直；
步骤102、设定倒装焊芯片的表面划分多个扫描区域，且扫描区域的总数为Nx×Ny；其中，Nx表示沿X轴方向形成的扫描区域的列数，Ny表示沿Y轴方向形成的扫描区域的行数，每个扫描区域的中心位置记作扫描点，则第x列第y行形成的扫描区域记作扫描点(x,y)，x和Nx均为正整数，且1≤x≤Nx，y和Ny均为正整数，且1≤y≤Ny；
步骤103、采用超声波A型扫描仪对扫描点(x,y)处进行扫描，得到扫描点(x,y)处的A扫描信号，并将扫描点(x,y)处的A扫描信号发送至计算机；
步骤104、采用计算机得到扫描点(x,y)处的A扫描信号B(x,y)；其中，B(x,y)＝[Ax,y(1),...Ax,y(j),...,Ax,y(Nz)]，A(x,y)(j)表示扫描点(x,y)处的A扫描信号中第j个采样时刻得到的信号值，j为正整数，且1≤j≤Nz，Nz表示A扫描信号的长度；
步骤105、沿X轴方向和Y轴方向，分别Nx×Ny次重复步骤104，得到倒装焊芯片的表面Nx×Ny个扫描点的A扫描信号；
步骤二、超声波扫描数据的存储选择：
步骤201、采用计算机将步骤104至步骤105中各个A扫描信号存储，并形成倒装焊芯片的A扫描信号二维矩阵
Figure BDA0003106519130000092
其中，
Figure BDA0003106519130000091
步骤202、采用计算机通过MATLAB中fread函数从扫描点(x,y)处的A扫描信号B(x,y)中，得到扫描点(x,y)处的感兴趣厚度A扫描信号B′(x,y)，并存储形成感兴趣厚度的A扫描信号二维矩阵B′；其中，B′(x,y)＝[Ax,y(N′),...Ax,y(j′),...,Ax,y(N″)]，A(x,y)(j′)表示扫描点(x,y)处的A扫描信号中第j′个采样时刻的信号值，N′、N″和j′均为正整数，N′≤j′≤N″，N′小于N″，且N′和N″均位于1～Nz范围内，N′表示感兴趣厚度的起始采样时刻，N″表示感兴趣厚度的终止采样时刻；
步骤203、采用计算机通过MATLAB中fread函数从感兴趣厚度的A扫描信号二维矩阵B′中选择，得到感兴趣区的A扫描信号二维矩阵B″，且
Figure BDA0003106519130000101
其中，Bg(x′,y′)表示感兴趣区扫描点(x′,y′)处的A扫描信号，x′、N′x、N″x均为正整数，y′、N′y、N″y均为正整数，x′∈(N′x,N″x)，y′∈(N′y,N″y)，N′x表示感兴趣区的起始列数，N′y表示感兴趣区的起始行数，N″x表示感兴趣区的终止列数，N″y表示感兴趣区的终止行数，N′x和N″x均位于1～Nx范围内，且N′x小于N″x，N′y和N″y均位于1～Ny范围内，且N′y小于N″y，Bg(x′,y′)＝[Ax′,y′(N′),...Ax′,y′(j′),...,Ax′,y′(N″)]，Ax′,y′(j′)表示感兴趣区扫描点(x′,y′)处的A扫描信号中第j′个采样时刻得到的信号值；
步骤204、当进行时频域成像时，执行步骤三和步骤四；当进行时成像时，执行步骤五；
步骤三、过完备字典的选择：
选择过完备字典为Gabor字典，过完备字典中第r个原子记作Zr＝[zr,1,zr,2,...zr,n,...,zr,N]；其中，过完备字典中原子总数为R，过完备字典中每个原子的长度为N，且N＝N″-N′，r和n为正整数，且1≤r≤R，1≤n≤N，zr,n表示第r个原子的第n个元素，Zr为归一化向量，且||Zr||2＝1；其中，||·||2表示二范数；
步骤四、超声波A扫描信号的时频域成像：
步骤401、采用计算机通过#pragma omp parallel num_threads(8)设定OpenMP线程的总个数为8；
步骤402、采用计算机将感兴趣区的A扫描信号二维矩阵B″按照行方向划分为9个A扫描信号数据块；
且根据
Figure BDA0003106519130000102
得到第1个～第8个A扫描信号数据块中的行数均为nT，第9个A扫描信号数据块中的行数为Ns；其中，Ns＝N″y-N′y-8nT，[·]表示取整运算；
步骤403、采用计算机利用8个OpenMP线程并行对第1个～第8个A扫描信号数据块进行处理，获取第1个～第8个A扫描信号数据块中各个A扫描信号对应的特征值；
采用计算机利用最先完成的一个OpenMP线程对第9个A扫描信号数据块进行处理，获取第9个A扫描信号数据块中各个A扫描信号对应的特征值；
步骤404、根据第1个～第9个A扫描信号数据块中各个A扫描信号对应的特征值，形成特征值矩阵C；
步骤405、采用计算机通过调用imagesc函数，并输入步骤404中的特征值矩阵C，生成时频域图像；
步骤五、超声波A扫描信号的时域成像：
步骤501、按照步骤401至步骤403所述的方法，得到第1个～第9个A扫描信号数据块中各个A扫描信号对应的特征值；其中，计算机利用任一个OpenMP线程对任一个A扫描信号数据块中任一个A扫描信号进行处理，具体过程如下：
步骤5011、采用计算机将|Ax′,y′(N′)|,...|Ax′,y′(j′)|,...,|Ax′,y′(N″)|按照从小到大排序，得到信号值的最大绝对值，并将该信号值的最大绝对值作为感兴趣区扫描点(x′,y′)处的A扫描信号对应的特征值；
步骤5012、多次重复步骤5011，得到任一个A扫描信号数据块中各个A扫描信号对应的特征值；
步骤502、根据第1个～第9个A扫描信号数据块中各个A扫描信号对应的特征值，形成特征值矩阵C′；
步骤503、采用计算机通过调用imagesc函数，并输入步骤502中的特征值矩阵C′，生成时域图像。
本实施例中，步骤403中采用计算机利用8个OpenMP线程并行对第1个～8个A扫描信号数据块进行处理，或者采用计算机利用最先完成的一个OpenMP线程对第9个A扫描信号数据块进行处理时：
计算机利用1个OpenMP线程对1个A扫描信号数据块中每一个A扫描信号依次进行处理，得到1个A扫描信号数据块中各个A扫描信号对应的特征值；其中，计算机利用任一个OpenMP线程对任一个A扫描信号数据块中任一个A扫描信号进行处理的方法均相同。
本实施例中，计算机利用任一个OpenMP线程对任一个A扫描信号数据块中任一个A扫描信号进行处理的方法，如下：
步骤4031、采用计算机根据
Figure BDA0003106519130000121
得到感兴趣区扫描点(x′,y′)处的A扫描信号的欧氏距离Normy(x′,y′)；
步骤4032、采用计算机根据公式
Figure BDA0003106519130000122
得到感兴趣区扫描点(x′,y′)处的A扫描信号第1次迭代时和第r个原子的内积
Figure BDA0003106519130000123
其中，·表示向量的内积运算；
步骤4033、多次重复步骤4032，得到感兴趣区扫描点(x′,y′)处的A扫描信号第1次迭代时和R个原子的内积，并得到第1次迭代时内积的最大绝对值
Figure BDA0003106519130000124
所对应的原子；其中，第1次迭代时内积的最大绝对值
Figure BDA0003106519130000125
所对应的原子记作第1次迭代时最佳匹配原子
Figure BDA0003106519130000126
步骤4034、采用计算机根据公式
Figure BDA0003106519130000127
得到感兴趣区扫描点(x′,y′)处的第1次迭代信号
Figure BDA0003106519130000128
其中，
Figure BDA0003106519130000129
表示感兴趣区扫描点(x′,y′)处的A扫描信号在其第1次迭代时最佳匹配原子
Figure BDA00031065191300001210
上的垂直投影部分；
步骤4035、按照步骤4032至步骤4034所述的方法，对感兴趣区扫描点(x′,y′)处的第1次迭代信号
Figure BDA00031065191300001211
进行第2次迭代，得到第2次迭代时内积的最大绝对值
Figure BDA00031065191300001212
和第2次迭代时最佳匹配原子
Figure BDA00031065191300001213
采用计算机根据
Figure BDA00031065191300001214
得到感兴趣区扫描点(x′,y′)处的第2次迭代信号
Figure BDA00031065191300001215
其中，
Figure BDA00031065191300001216
表示感兴趣区扫描点(x′,y′)处的第1次迭代信号在其第2次迭代时最佳匹配原子上
Figure BDA0003106519130000131
的垂直投影部分；
步骤4036、s次重复步骤4035，对感兴趣区扫描点(x′,y′)处的第s-1次迭代信号
Figure BDA0003106519130000132
进行第s次迭代，得到第s次迭代时内积的最大绝对值
Figure BDA0003106519130000133
和第s次迭代时最佳匹配原子
Figure BDA0003106519130000134
其中，s为正整数，且s≥2；
采用计算机根据
Figure BDA0003106519130000135
得到感兴趣区扫描点(x′,y′)处的第s次迭代信号
Figure BDA0003106519130000136
其中，
Figure BDA0003106519130000137
表示感兴趣区扫描点(x′,y′)处的第s-1次迭代信号，
Figure BDA0003106519130000138
表示感兴趣区扫描点(x′,y′)处的第s-1次迭代信号在其第s次迭代时最佳匹配原子
Figure BDA00031065191300001316
上的垂直投影部分；
步骤4037、采用计算机根据
Figure BDA0003106519130000139
得到感兴趣区扫描点(x′,y′)处的第s次迭代信号的欧氏距离Normy(x′,y′),s；其中，A(x′,y′),s(j′)表示感兴趣区扫描点(x′,y′)处的第s次迭代信号中第j′个采样时刻的信号值；
步骤4038、采用计算机将Normy(x′,y′),s和Normy(x′,y′)×εm以及s和最大迭代次数MaxI进行比较，当Normy(x′,y′),s小于Normy(x′,y′)×εm或者s≥MaxI时，迭代停止，并获取总迭代次数S；其中，εm表示最大误差，MaxI为正整数；
步骤4039、采用计算机根据
Figure BDA00031065191300001310
得到第s次迭代时投影值
Figure BDA00031065191300001311
步骤403A、采用计算机根据
Figure BDA00031065191300001312
得到第s次迭代时投影值
Figure BDA00031065191300001313
和第s次迭代时最佳匹配原子
Figure BDA00031065191300001314
的实数向量积
Figure BDA00031065191300001315
步骤403B、S次重复步骤4039和步骤403A，并将S次迭代时投影值和S次迭代时最佳匹配原子的实数向量积进行向量加处理，得到感兴趣区扫描点(x′,y′)处的重构信号；
步骤403C、采用计算机从感兴趣区扫描点(x′,y′)处的重构信号中获取信号值绝对值的最大值作为感兴趣区扫描点(x′,y′)处的A扫描信号对应的特征值；
步骤403D、多次重复步骤4031至步骤403C，得到任一个A扫描信号数据块中各个A扫描信号对应的特征值。
本实施例中，步骤4038中最大误差εm＝1×10-5，最大迭代次数MaxI取值为5～6。
本实施例中，B(1,1)表示扫描点(1,1)处的A扫描信号，B(x,1)表示扫描点(x,1)处的A扫描信号，B(Nx,1)表示扫描点(Nx,1)处的A扫描信号；B(1,y)表示扫描点(1,y)处的A扫描信号，B(Nx,y)表示扫描点(Nx,y)处的A扫描信号，B(1,Ny)表示扫描点(1,Ny)处的A扫描信号，B(x,Ny)表示扫描点(x,Ny)处的A扫描信号，B(Nx,Ny)表示扫描点(Nx,Ny)处的A扫描信号。
本实施例中，Bg(N′x,N′y)表示感兴趣区扫描点(N′x,N′y)处的A扫描信号，Bg(x′,N′y)表示感兴趣区扫描点(x′,N′y)处的A扫描信号，Bg(N″x,N′y)表示感兴趣区扫描点(N″x,N′y)处的A扫描信号；Bg(N′x,y′)表示感兴趣区扫描点(N′x,y′)处的A扫描信号，Bg(N″x,y′)表示感兴趣区扫描点(N″x,y′)处的A扫描信号；Bg(N′x,N″y)表示感兴趣区扫描点(N′x,N″y)处的A扫描信号，Bg(x′,N″y)表示感兴趣区扫描点(x′,N″y)处的A扫描信号，Bg(N″x,N″y)表示感兴趣区扫描点(N″x,N″y)处的A扫描信号。
如图2所示，本实施例中，当N″-N′的取值在0～300时，分别采用本发明方法和MPAMI算法进行时频域成像的耗时。从图2可以得到，随着A扫描信号长度N″-N′的不断增加，MPAMI算法和本发明方法的耗时都在增加，但是当N″-N′大于200时，本发明方法的耗时增加速率小于MPAMI算法的耗时增加速率，且本发明方法的耗时小于MPAMI算法的耗时。
本实施例中，根据公式
Figure BDA0003106519130000141
得到加速比E；其中，Tc表示传统方法的耗时，TG表示本发明方法的耗时。
本实施例中，当仅A扫描信号长度N″-N′为20mm、40mm、160mm和300mm变化时，分别利用MPAMI算法和本发明方法进行时频域成像的耗时与加速比进行比较，得到如下表1。
表1 MPAMI算法和本发明方法进行时频域成像的耗时与加速比
Figure BDA0003106519130000142
Figure BDA0003106519130000151
本实施例中，从表1可得到，当仅A扫描信号长度增加，本发明方法的耗时相对MPAMI算法的耗时的加速比达到3.75。
本实施例中，当A扫描信号长度N″-N′＝100，随着倒装焊芯片的N″x-N′x和N″y-N′y增加时，得到利用本发明时域成像方法和传统时域成像方法进行时域成像的耗时表2。
Figure BDA0003106519130000152
本实施例中，从表2可得到A扫描信号长度N″-N′不变，随着倒装焊芯片的N″x-N′x和N″y-N′y增加时，利用本发明时域成像方法和传统时域成像方法进行比较，耗时的加速比达到17倍以上。
综上所述，本发明方法简单，设计合理，以使在并行架构下进行声时频域和时域成像，适应超声波A扫描信号的长度的增加，有效提升了成像效率，实用性强。
以上所述，仅是本发明的较佳实施例，并非对本发明作任何限制，凡是采用计算机根据本发明技术实质对以上实施例所作的任何简单修改、变更以及等效结构变化，均仍属于本发明技术方案的保护范围内。

Claims (4)

1.一种基于OpenMP的倒装焊芯片声时频域和时域成像方法，其特征在于，该方法包括以下步骤：
步骤一、超声波扫描数据的获取：
步骤101、以倒装焊芯片的表面左上角为原点，过原点且沿倒装焊芯片的长边为X轴方向，过原点且沿倒装焊芯片的宽边为Y轴方向，建立直角坐标系；其中，X轴和Y轴垂直；
步骤102、设定倒装焊芯片的表面划分多个扫描区域，且扫描区域的总数为Nx×Ny；其中，Nx表示沿X轴方向形成的扫描区域的列数，Ny表示沿Y轴方向形成的扫描区域的行数，每个扫描区域的中心位置记作扫描点，则第x列第y行形成的扫描区域记作扫描点(x,y)，x和Nx均为正整数，且1≤x≤Nx，y和Ny均为正整数，且1≤y≤Ny；
步骤103、采用超声波A型扫描仪对扫描点(x,y)处进行扫描，得到扫描点(x,y)处的A扫描信号，并将扫描点(x,y)处的A扫描信号发送至计算机；
步骤104、采用计算机得到扫描点(x,y)处的A扫描信号B(x,y)；其中，B(x,y)＝[Ax,y(1),...Ax,y(j),...,Ax,y(Nz)]，A(x,y)(j)表示扫描点(x,y)处的A扫描信号中第j个采样时刻得到的信号值，j为正整数，且1≤j≤Nz，Nz表示A扫描信号的长度；
步骤105、沿X轴方向和Y轴方向，分别Nx×Ny次重复步骤104，得到倒装焊芯片的表面Nx×Ny个扫描点的A扫描信号；
步骤二、超声波扫描数据的存储选择：
步骤201、采用计算机将步骤104至步骤105中各个A扫描信号存储，并形成倒装焊芯片的A扫描信号二维矩阵
Figure FDA0003106519120000011
其中，
Figure FDA0003106519120000012
步骤202、采用计算机通过MATLAB中fread函数从扫描点(x,y)处的A扫描信号B(x,y)中，得到扫描点(x,y)处的感兴趣厚度A扫描信号B′(x,y)，并存储形成感兴趣厚度的A扫描信号二维矩阵B′；其中，B′(x,y)＝[Ax,y(N′),...Ax,y(j′),...,Ax,y(N″)]，A(x,y)(j′)表示扫描点(x,y)处的A扫描信号中第j′个采样时刻的信号值，N′、N″和j′均为正整数，N′≤j′≤N″，N′小于N″，且N′和N″均位于1～Nz范围内，N′表示感兴趣厚度的起始采样时刻，N″表示感兴趣厚度的终止采样时刻；
步骤203、采用计算机通过MATLAB中fread函数从感兴趣厚度的A扫描信号二维矩阵B′中选择，得到感兴趣区的A扫描信号二维矩阵B″，且
Figure FDA0003106519120000021
其中，Bg(x′,y′)表示感兴趣区扫描点(x′,y′)处的A扫描信号，x′、N′x、N″x均为正整数，y′、N′y、N″y均为正整数，x′∈(N′x,N″x)，y′∈(N′y,N″y)，N′x表示感兴趣区的起始列数，N′y表示感兴趣区的起始行数，N″x表示感兴趣区的终止列数，N″y表示感兴趣区的终止行数，N′x和N″x均位于1～Nx范围内，且N′x小于N″x，N′y和N″y均位于1～Ny范围内，且N′y小于N″y，Bg(x′,y′)＝[Ax′,y′(N′),...Ax′,y′(j′),...,Ax′,y′(N″)]，Ax′,y′(j′)表示感兴趣区扫描点(x′,y′)处的A扫描信号中第j′个采样时刻得到的信号值；
步骤204、当进行时频域成像时，执行步骤三和步骤四；当进行时成像时，执行步骤五；
步骤三、过完备字典的选择：
选择过完备字典为Gabor字典，过完备字典中第r个原子记作Zr＝[zr,1,zr,2,...zr,n,...,zr,N]；其中，过完备字典中原子总数为R，过完备字典中每个原子的长度为N，且N＝N″-N′，r和n为正整数，且1≤r≤R，1≤n≤N，zr,n表示第r个原子的第n个元素，Zr为归一化向量，且||Zr||2＝1；其中，||·||2表示二范数；
步骤四、超声波A扫描信号的时频域成像：
步骤401、采用计算机通过#pragma omp parallel num_threads(8)设定OpenMP线程的总个数为8；
步骤402、采用计算机将感兴趣区的A扫描信号二维矩阵B″按照行方向划分为9个A扫描信号数据块；
且根据
Figure FDA0003106519120000031
得到第1个～第8个A扫描信号数据块中的行数均为nT，第9个A扫描信号数据块中的行数为Ns；其中，Ns＝N″y-N′y-8nT，[·]表示取整运算；
步骤403、采用计算机利用8个OpenMP线程并行对第1个～第8个A扫描信号数据块进行处理，获取第1个～第8个A扫描信号数据块中各个A扫描信号对应的特征值；
采用计算机利用最先完成的一个OpenMP线程对第9个A扫描信号数据块进行处理，获取第9个A扫描信号数据块中各个A扫描信号对应的特征值；
步骤404、根据第1个～第9个A扫描信号数据块中各个A扫描信号对应的特征值，形成特征值矩阵C；
步骤405、采用计算机通过调用imagesc函数，并输入步骤404中的特征值矩阵C，生成时频域图像；
步骤五、超声波A扫描信号的时域成像：
步骤501、按照步骤401至步骤403所述的方法，得到第1个～第9个A扫描信号数据块中各个A扫描信号对应的特征值；其中，计算机利用任一个OpenMP线程对任一个A扫描信号数据块中任一个A扫描信号进行处理，具体过程如下：
步骤5011、采用计算机将|Ax′,y′(N′)|,...|Ax′,y′(j′)|,...,|Ax′,y′(N″)|按照从小到大排序，得到信号值的最大绝对值，并将该信号值的最大绝对值作为感兴趣区扫描点(x′,y′)处的A扫描信号对应的特征值；
步骤5012、多次重复步骤5011，得到任一个A扫描信号数据块中各个A扫描信号对应的特征值；
步骤502、根据第1个～第9个A扫描信号数据块中各个A扫描信号对应的特征值，形成特征值矩阵C′；
步骤503、采用计算机通过调用imagesc函数，并输入步骤502中的特征值矩阵C′，生成时域图像。
2.按照权利要求1所述的基于OpenMP的倒装焊芯片声时频域和时域成像方法，其特征在于：步骤403中采用计算机利用8个OpenMP线程并行对第1个～8个A扫描信号数据块进行处理，或者采用计算机利用最先完成的一个OpenMP线程对第9个A扫描信号数据块进行处理时：
计算机利用1个OpenMP线程对1个A扫描信号数据块中每一个A扫描信号依次进行处理，得到1个A扫描信号数据块中各个A扫描信号对应的特征值；其中，计算机利用任一个OpenMP线程对任一个A扫描信号数据块中任一个A扫描信号进行处理的方法均相同。
3.按照权利要求2所述的基于OpenMP的倒装焊芯片声时频域和时域成像方法，其特征在于：计算机利用任一个OpenMP线程对任一个A扫描信号数据块中任一个A扫描信号进行处理的方法，如下：
步骤4031、采用计算机根据
Figure FDA0003106519120000041
得到感兴趣区扫描点(x′,y′)处的A扫描信号的欧氏距离Normy(x′,y′)；
步骤4032、采用计算机根据公式
Figure FDA0003106519120000042
得到感兴趣区扫描点(x′,y′)处的A扫描信号第1次迭代时和第r个原子的内积
Figure FDA0003106519120000043
其中，·表示向量的内积运算；
步骤4033、多次重复步骤4032，得到感兴趣区扫描点(x′,y′)处的A扫描信号第1次迭代时和R个原子的内积，并得到第1次迭代时内积的最大绝对值
Figure FDA0003106519120000051
所对应的原子；其中，第1次迭代时内积的最大绝对值
Figure FDA0003106519120000052
所对应的原子记作第1次迭代时最佳匹配原子
Figure FDA0003106519120000053
步骤4034、采用计算机根据公式
Figure FDA0003106519120000054
得到感兴趣区扫描点(x′,y′)处的第1次迭代信号
Figure FDA0003106519120000055
其中，
Figure FDA0003106519120000056
表示感兴趣区扫描点(x′,y′)处的A扫描信号在其第1次迭代时最佳匹配原子
Figure FDA0003106519120000057
上的垂直投影部分；
步骤4035、按照步骤4032至步骤4034所述的方法，对感兴趣区扫描点(x′,y′)处的第1次迭代信号
Figure FDA0003106519120000058
进行第2次迭代，得到第2次迭代时内积的最大绝对值
Figure FDA0003106519120000059
和第2次迭代时最佳匹配原子
Figure FDA00031065191200000510
采用计算机根据
Figure FDA00031065191200000511
得到感兴趣区扫描点(x′,y′)处的第2次迭代信号
Figure FDA00031065191200000512
其中，
Figure FDA00031065191200000513
表示感兴趣区扫描点(x′,y′)处的第1次迭代信号在其第2次迭代时最佳匹配原子上
Figure FDA00031065191200000514
的垂直投影部分；
步骤4036、s次重复步骤4035，对感兴趣区扫描点(x′,y′)处的第s-1次迭代信号
Figure FDA00031065191200000515
进行第s次迭代，得到第s次迭代时内积的最大绝对值
Figure FDA00031065191200000516
和第s次迭代时最佳匹配原子
Figure FDA00031065191200000517
其中，s为正整数，且s≥2；
采用计算机根据
Figure FDA00031065191200000518
得到感兴趣区扫描点(x′,y′)处的第s次迭代信号
Figure FDA00031065191200000519
其中，
Figure FDA00031065191200000520
表示感兴趣区扫描点(x′,y′)处的第s-1次迭代信号，
Figure FDA00031065191200000521
表示感兴趣区扫描点(x′,y′)处的第s-1次迭代信号在其第s次迭代时最佳匹配原子
Figure FDA00031065191200000522
上的垂直投影部分；
步骤4037、采用计算机根据
Figure FDA00031065191200000523
得到感兴趣区扫描点(x′,y′)处的第s次迭代信号的欧氏距离Normy(x′,y′),s；其中，A(x′,y′),s(j′)表示感兴趣区扫描点(x′,y′)处的第s次迭代信号中第j′个采样时刻的信号值；
步骤4038、采用计算机将Normy(x′,y′),s和Normy(x′,y′)×εm以及s和最大迭代次数MaxI进行比较，当Normy(x′,y′),s小于Normy(x′,y′)×εm或者s≥MaxI时，迭代停止，并获取总迭代次数S；其中，εm表示最大误差，MaxI为正整数；
步骤4039、采用计算机根据
Figure FDA0003106519120000061
得到第s次迭代时投影值
Figure FDA0003106519120000062
步骤403A、采用计算机根据
Figure FDA0003106519120000063
得到第s次迭代时投影值
Figure FDA0003106519120000064
和第s次迭代时最佳匹配原子
Figure FDA0003106519120000065
的实数向量积
Figure FDA0003106519120000066
步骤403B、S次重复步骤4039和步骤403A，并将S次迭代时投影值和S次迭代时最佳匹配原子的实数向量积进行向量加处理，得到感兴趣区扫描点(x′,y′)处的重构信号；
步骤403C、采用计算机从感兴趣区扫描点(x′,y′)处的重构信号中获取信号值绝对值的最大值作为感兴趣区扫描点(x′,y′)处的A扫描信号对应的特征值；
步骤403D、多次重复步骤4031至步骤403C，得到任一个A扫描信号数据块中各个A扫描信号对应的特征值。
4.按照权利要求3所述的基于OpenMP的倒装焊芯片声时频域和时域成像方法，其特征在于：步骤4038中最大误差εm＝1×10-5，最大迭代次数MaxI取值为5～6。
CN202110637736.XA 2021-06-08 2021-06-08 基于OpenMP的倒装焊芯片声时频域和时域成像方法 Active CN113254214B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110637736.XA CN113254214B (zh) 2021-06-08 2021-06-08 基于OpenMP的倒装焊芯片声时频域和时域成像方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110637736.XA CN113254214B (zh) 2021-06-08 2021-06-08 基于OpenMP的倒装焊芯片声时频域和时域成像方法

Publications (2)

Publication Number Publication Date
CN113254214A true CN113254214A (zh) 2021-08-13
CN113254214B CN113254214B (zh) 2023-03-10

Family

ID=77187065

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110637736.XA Active CN113254214B (zh) 2021-06-08 2021-06-08 基于OpenMP的倒装焊芯片声时频域和时域成像方法

Country Status (1)

Country Link
CN (1) CN113254214B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114460175A (zh) * 2022-02-28 2022-05-10 西北工业大学 一种薄壁结构损伤检测方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014147518A2 (en) * 2013-03-21 2014-09-25 Koninklijke Philips N.V. Mr image reconstruction using compressed sensing
CN105425238A (zh) * 2016-01-08 2016-03-23 中国人民解放军国防科学技术大学 一种逆合成孔径雷达成像并行处理方法
CN108008389A (zh) * 2017-12-01 2018-05-08 电子科技大学 一种基于gpu的快速频域后向投影三维成像方法
CN109087246A (zh) * 2018-08-15 2018-12-25 江南大学 一种基于稀疏重构的超声图像重构方法
CN111208213A (zh) * 2020-02-25 2020-05-29 重庆大学 融合交替乘子迭代的谱寻求子带最小方差超声成像算法
CN111538005A (zh) * 2020-05-13 2020-08-14 西安电子科技大学 基于fpga和多个多核dsp的sar前侧视成像方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014147518A2 (en) * 2013-03-21 2014-09-25 Koninklijke Philips N.V. Mr image reconstruction using compressed sensing
CN105425238A (zh) * 2016-01-08 2016-03-23 中国人民解放军国防科学技术大学 一种逆合成孔径雷达成像并行处理方法
CN108008389A (zh) * 2017-12-01 2018-05-08 电子科技大学 一种基于gpu的快速频域后向投影三维成像方法
CN109087246A (zh) * 2018-08-15 2018-12-25 江南大学 一种基于稀疏重构的超声图像重构方法
CN111208213A (zh) * 2020-02-25 2020-05-29 重庆大学 融合交替乘子迭代的谱寻求子带最小方差超声成像算法
CN111538005A (zh) * 2020-05-13 2020-08-14 西安电子科技大学 基于fpga和多个多核dsp的sar前侧视成像方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
MARC RODRIGUEZ-CASSOLA: "Efficient Time-Domain Image Formation with Precise Topography Accommodation for General Bistatic SAR Configurations", 《:IEEE TRANSACTIONS ON AEROSPACE AND ELECTRONIC SYSTEMS ( VOLUME: 47, ISSUE: 4, OCTOBER 2011)》 *
宋国荣等: "基于FPGA的高分辨超声快速扫描成像系统研制", 《仪表技术与传感器》 *
赵浩浩: "大斜视时域SAR成像算法的多核DSP并行架构实现技术", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114460175A (zh) * 2022-02-28 2022-05-10 西北工业大学 一种薄壁结构损伤检测方法
CN114460175B (zh) * 2022-02-28 2024-03-15 西北工业大学 一种薄壁结构损伤检测方法

Also Published As

Publication number Publication date
CN113254214B (zh) 2023-03-10

Similar Documents

Publication Publication Date Title
CN106127767B (zh) 一种针对傅立叶叠层显微成像技术的位置校正方法
Xie et al. Fast single-image super-resolution via deep network with component learning
Yang et al. Signal period analysis based on Hilbert-Huang transform and its application to texture analysis
US11475593B2 (en) Methods and apparatus for processing image data for machine vision
US11657630B2 (en) Methods and apparatus for testing multiple fields for machine vision
CN113254214B (zh) 基于OpenMP的倒装焊芯片声时频域和时域成像方法
US10846563B2 (en) Methods and apparatus for generating a dense field of three dimensional data for machine vision
JP2006268188A (ja) 曲面生成方法及びプログラム並びに３次元形状処理装置
CN110837076A (zh) 一种基于张量分解的矢量水听器阵列方位估计方法
JP2024084825A (ja) マシンビジョン用の画像データを処理するための方法及び装置
Zhao et al. Improved edge-guided network for single image super-resolution
Zhang et al. Cross-attention makes inference cumbersome in text-to-image diffusion models
Hsu et al. Texture analysis using the multiresolution Fourier transform
Prabhu et al. Understanding adversarial robustness through loss landscape geometries
Wang et al. Pyramid-based self-supervised learning for histopathological image classification
CN109782216A (zh) 一种二维空间谱峰值搜索的简易方法
CN110047048B (zh) 一种基于mse选优的相位恢复改进算法
Song et al. The method of shape recognition based on V-system
Zhang et al. Vim-F: Visual State Space Model Benefiting from Learning in the Frequency Domain
Ahadian et al. Classification of islamic geometric pattern images using Zernike moments
JP5491162B2 (ja) 画像パターン照合装置および方法
Sun et al. Super-Resolution Using Residual Channel Similar Feature Attention Network
JPH0991382A (ja) オンライン手書き文字認識方法及びその装置
CN105976358A (zh) 一种用于特征金字塔多卷积核的快速卷积计算的方法
Zu et al. Generalwise Separable Convolution for Mobile Vision Applications

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