CN114397267A - 太赫兹成像优化方法、计算机装置及存储介质 - Google Patents
太赫兹成像优化方法、计算机装置及存储介质 Download PDFInfo
- Publication number
- CN114397267A CN114397267A CN202210053071.2A CN202210053071A CN114397267A CN 114397267 A CN114397267 A CN 114397267A CN 202210053071 A CN202210053071 A CN 202210053071A CN 114397267 A CN114397267 A CN 114397267A
- Authority
- CN
- China
- Prior art keywords
- sampling point
- terahertz
- characteristic parameters
- sample
- matrix
- 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
Links
- 238000003384 imaging method Methods 0.000 title claims abstract description 63
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000005457 optimization Methods 0.000 title claims abstract description 37
- 238000005070 sampling Methods 0.000 claims abstract description 111
- 239000011159 matrix material Substances 0.000 claims description 56
- 238000001228 spectrum Methods 0.000 claims description 18
- 230000006870 function Effects 0.000 claims description 11
- 239000013598 vector Substances 0.000 claims description 10
- 238000013507 mapping Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 3
- 230000007547 defect Effects 0.000 abstract description 24
- 238000001514 detection method Methods 0.000 abstract description 15
- 230000009467 reduction Effects 0.000 abstract description 6
- 238000000513 principal component analysis Methods 0.000 abstract description 4
- 230000000694 effects Effects 0.000 abstract description 3
- 238000001328 terahertz time-domain spectroscopy Methods 0.000 abstract description 3
- 150000001875 compounds Chemical class 0.000 abstract 1
- 239000000523 sample Substances 0.000 description 38
- 239000002131 composite material Substances 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 239000011810 insulating material Substances 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 239000000969 carrier Substances 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 238000009413 insulation Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012847 principal component analysis method Methods 0.000 description 2
- 238000005086 pumping Methods 0.000 description 2
- 239000004593 Epoxy Substances 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229920002379 silicone rubber Polymers 0.000 description 1
- 230000007847 structural defect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3581—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using far infrared light; using Terahertz radiation
- G01N21/3586—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using far infrared light; using Terahertz radiation by Terahertz time domain spectroscopy [THz-TDS]
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Toxicology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本申请提供一种太赫兹成像优化方法、计算机装置及存储介质，其中，所述方法包括：基于太赫兹时域光谱技术，通过采集待检测样品不同采样点的反射波形，提取不同的特征参数并对特征参数进行去中心化得到高维特征参量，利用主成分分析技术对高维特征参量进行降维，将多种单一特征参量的成像结果进行融合，使得内部缺陷的成像图像具备更高的分辨率，能有效提高太赫兹技术对复合绝缘设备缺陷的检测性能，提升了对位置隐蔽、尺寸较小缺陷的检测成像效果。
Description
技术领域
本申请涉及成像技术领域，尤其涉及一种太赫兹成像优化方法、计算机装置及存储介质。
背景技术
现有的无损检测技术、包括X射线检测、超声检测、微波检测等，均有其各自缺陷，无法同时做到在操作简便性、安全性和检测深度等方面满足对设备(例如，电力设备)内部绝缘材料缺陷的成像要求。传统的太赫兹单一特征参量成像方法，虽然能实现缺陷的成像，但是存在分辨率较差的缺点，尤其是对于位置较深、尺寸较小的缺陷，单一特征参量的成像结果对于缺陷形状的还原程度往往无法满足实际的检测需求，这对于分析诊断复合绝缘设备缺陷种类和严重程度十分不利。
发明内容
鉴于以上内容，有必要提供一种太赫兹成像优化方法、计算机装置及存储介质，能够基于主成分分析技术，将不同特征参量进行加权叠加，得到方差最大的像素矩阵，使得缺陷区域与非缺陷区域成像结果差异尽可能增大，有效实现更高的成像分辨率。
所述太赫兹成像优化方法包括：
采集待检测样品的每个采样点的太赫兹反射波；
对每个采样点的太赫兹反射波进行滤波处理，获得每个采样点的太赫兹反射波频谱；
基于每个采样点的太赫兹反射波和太赫兹反射波频谱，获得每个采样点的特征参数；
对每个采样点的特征参数进行去中心化，获得每个采样点的去中心化后的特征参数；
根据每个采样点的去中心化后的特征参数，获得所述待检测样品的特征参量以及数据集矩阵；
计算所述数据集矩阵的协方差矩阵；
计算所述协方差矩阵的特征值与特征向量，确定最大特征值对应的特征向量；
基于所述最大特征值对应的特征向量，将所述数据集矩阵转化为像素矩阵，并基于所述像素矩阵获得所述待检测样品的成像。
可选地，所述采集待检测样品的每个采样点的太赫兹反射波包括：控制样品扫描设备按照预设的步长移动所述待检测样品，按照预设的太赫兹波形时间分辨率与采样周期采集每个采样点的太赫兹反射波；
所述滤波处理包括傅里叶变换。
可选地，所述基于每个采样点的太赫兹反射波和太赫兹反射波频谱，获得每个采样点的特征参数包括：
对每个采样点的太赫兹反射波进行参数提取，获得每个采样点的太赫兹反射波的时域峰值、脉冲飞行时间；
对每个采样点的太赫兹反射波频谱进行参数提取，获得每个采样点的太赫兹反射波频谱的多个频域幅值；
将任一采样点对应的太赫兹反射波的时域峰值、脉冲飞行时间与太赫兹反射波频谱的多个频域幅值作为所述任一采样点的特征参数，其中，每个采样点的特征参数的个数相同。
可选地，所述对每个采样点的特征参数进行去中心化，获得每个采样点的去中心化后的特征参数包括：
计算所有采样点的特征参数的平均值；
基于所述特征参数的平均值对每个采样点的特征参数进行去中心化，获得每个采样点的去中心化后的特征参数，其中，所述去中心化包括利用每个特征参数减去所述特征参数的平均值。
可选地，所述根据每个采样点的去中心化后的特征参数，获得所述待检测样品的特征参量以及数据集矩阵包括：
令xkm表示第m个采样点的第k个去中心化后的特征参数，l表示所述待检测样品的采样点的总个数，则所述待检测样品的第k个特征参量为xk＝(xk1,xk2,xk3,…,xkl)T，其中，k表示大于等于1且小于等于n的整数，n表示每个采样点的去中心化后的特征参数的个数；
基于所述待检测样品的特征参量获得所述待检测样品的数据集矩阵X＝{x1,x2,x3,…,xn}。
可选地，所述计算所述数据集矩阵的协方差矩阵包括：
将特征参量xi所在的空间作为原始空间，设定更新的映射空间的单位正交基底为{u1,u2,u3,…,uk}，特征参量xi在基向量uj的投影为xi T·uj，其中，i表示大于等于1且小于等于n的整数，j表示大于等于1且小于等于k的整数；
计算特征参量xi在基向量uj投影后的方差
获得数据集矩阵X的协方差矩阵S＝X·XT/n。
可选地，所述计算所述协方差矩阵的特征值与特征向量，确定最大特征值对应的特征向量包括：
根据max Jj＝uj TSuj，计算所述原始空间与所述更新的映射空间之间的最优投影方向，其中uj Tuj＝1，包括：
基于拉格朗日乘子法，构造函数F，F(uj)＝uj TSuj+λj(1-uj Tuj)，其中，λj表示拉格朗日乘子；
令
得到Suj＝λjuj，当λj为S对应的特征值和uj为S对应的特征向量时，Jj取得极大值max Jj；
根据
与Suj＝λjuj，确定max Jj＝Jjmax＝λj，并确定最大特征值对应的特征向量V。
可选地，所述基于所述最大特征值对应的特征向量，将所述数据集矩阵转化为像素矩阵包括：
基于所述最大特征值对应的特征向量V，将所述数据集矩阵X转化为二维像素矩阵Y，其中Y＝XV。
所述计算机可读存储介质存储有至少一个指令，所述至少一个指令被处理器执行时实现所述太赫兹成像优化方法。
所述计算机装置包括存储器和至少一个处理器，所述存储器中存储有至少一个指令，所述至少一个指令被所述至少一个处理器执行时实现所述太赫兹成像优化方法。
相较于现有技术，所述太赫兹成像优化方法、计算机装置及存储介质，能够基于太赫兹时域光谱技术，通过采集待检测样品不同采样点的反射波形，提取不同的特征参数，利用主成分分析技术对高维特征参量进行降维，将多种单一特征参量的成像结果进行融合，融合后的图像由于包含多个特征参量，可以实现对真实内部缺陷的更大程度还原，图像也具备更高的分辨率，可以完成复合绝缘设备运行状态的有效评估，能有效提高太赫兹技术对复合绝缘设备缺陷的检测性能，提升了对位置隐蔽、尺寸较小缺陷的检测成像效果。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1是本申请实施例提供的太赫兹成像优化方法的流程图。
图2是本申请较佳实施例提供的传统太赫兹成像方法的成像示例图。
图3是本申请实施例提供的本申请的太赫兹成像优化方法的成像示例图。
图4是本申请较佳实施例提供的计算机装置的结构示意图与太赫兹成像优化方法的应用环境图。
主要元件符号说明
| 计算机装置 | 3 |
| 处理器 | 32 |
| 存储器 | 31 |
| 太赫兹成像优化系统 | 30 |
| 样品扫描设备 | 2 |
如下具体实施方式将结合上述附图进一步说明本申请。
具体实施方式
为了能够更清楚地理解本申请的上述目的、特征和优点，下面结合附图和具体实施例对本申请进行详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本申请，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请。
参阅图1所示，为本申请较佳实施例的太赫兹成像优化方法的流程图。在本实施例中，结合图4，所述太赫兹成像优化方法可以应用于互相之间通讯连接或电连接的计算机装置3和样品扫描设备2所构成的应用环境中。
如图1所示，所述太赫兹成像优化方法具体包括以下步骤，根据不同的需求，该流程图中步骤的顺序可以改变，某些步骤可以省略。
步骤S1，计算机装置3采集待检测样品的每个采样点的太赫兹反射波。
在一个实施例中，计算机装置3控制样品扫描设备2对待检测样品进行检测。
在本申请的一个实施例中，样品扫描设备2包括光学隔振平台、太赫兹时域光谱仪、四维运动平台和扫描平台控制器。太赫兹时域光谱仪可以是美国自动精密工程公司(API公司)的T-Ray5000系列产品，可以分别通过两个探头实现对0.1-3.5THz电磁波的产生与接收；太赫兹时域光谱仪内部还包括激光器、分光镜、玻片、光电导天线和偏置电极等部分。所述激光器产生的飞秒激光在所述分光镜和所述玻片处被分成泵浦光和探测光，分别作用于所述光电导天线上。所述泵浦光产生的光生载流子在湮灭的同时还受偏置电场作用，可以向外辐射太赫兹频段的电磁波。所述探测光产生的光生载流子运动速度正比于接收到的外界的太赫兹信号强度，用于探测作用于样品后的太赫兹波。四维扫描平台可以实现待检测样品相对于三维空间坐标轴以及自身中轴的四个维度的移动，因此可用于对圆柱样品和平板样品的扫描。
在一个实施例中，所述采集待检测样品的每个采样点的太赫兹反射波包括：将样品扫描设备2设置为光路垂直于待检测样品的反射模式，按照预设的步长移动所述待检测样品，按照预设的太赫兹波形时间分辨率与采样周期采集每个采样点的太赫兹反射波。例如，设置太赫兹波形时间分辨率为0.1ps，设置采样周期为700ps，可以在每个检测点处对应获得7000个离散数据点。
步骤S2，计算机装置3对每个采样点的太赫兹反射波进行滤波处理，获得每个采样点的太赫兹反射波频谱。
在一个实施例中，所述滤波处理包括傅里叶变换，例如二维离散傅里叶变换。
步骤S3，计算机装置3基于每个采样点的太赫兹反射波和太赫兹反射波频谱，获得每个采样点的特征参数。
在一个实施例中，所述基于每个采样点的太赫兹反射波和太赫兹反射波频谱，获得每个采样点的特征参数包括：
对每个采样点的太赫兹反射波进行参数提取，获得每个采样点的太赫兹反射波的时域峰值、脉冲飞行时间；
对每个采样点的太赫兹反射波频谱进行参数提取，获得每个采样点的太赫兹反射波频谱的多个频域幅值；
将任一采样点对应的太赫兹反射波的时域峰值、脉冲飞行时间与太赫兹反射波频谱的多个频域幅值作为所述任一采样点的特征参数，其中，每个采样点的特征参数的个数相同。
具体的，由于对每个采样点处都按照相同的太赫兹波形时间分辨率与采样周期进行采集，因此每个采样点的频域幅值的个数相同，从而每个采样点的特征参数的个数相同。
此外，为每个采样点的特征参数进行排序，得到每个采样点的特征参数序列，且不同采样点的特征参数序列中特征参数的排列顺序相同。例如，每个采样点的特征参数都按照如下顺序进行排列：首先是时域峰值，之后是脉冲飞行时间，最后是按时序排列的多个频域幅值。
步骤S4，计算机装置3对每个采样点的特征参数进行去中心化，获得每个采样点的去中心化后的特征参数。
在一个实施例中，所述对每个采样点的特征参数进行去中心化，获得每个采样点的去中心化后的特征参数包括：
计算所有采样点的特征参数的平均值；
基于所述特征参数的平均值对每个采样点的特征参数进行去中心化，获得每个采样点的去中心化后的特征参数，其中，所述去中心化包括利用每个特征参数减去所述特征参数的平均值。
具体的，计算所有采样点的时域峰值的平均值，利用每个采样点的时域峰值减去所述时域峰值的平均值，得到每个采样点的去中心化后的时域峰值；计算所有采样点的脉冲飞行时间的平均值，利用每个采样点的脉冲飞行时间减去所述脉冲飞行时间的平均值，得到每个采样点的去中心化后的脉冲飞行时间；计算所有采样点的特征参数序列中位于任一位序的频域幅值的平均值，利用每个采样点的所述任一位序的频域幅值减去所述任一位序的频域幅值的平均值，得到每个采样点的去中心化后的所述任一位序的频域幅值。
步骤S5，计算机装置3根据每个采样点的去中心化后的特征参数，获得所述待检测样品的特征参量以及数据集矩阵。
在一个实施例中，所述根据每个采样点的去中心化后的特征参数，获得所述待检测样品的特征参量以及数据集矩阵包括：
令xkm表示第m个采样点的第k个去中心化后的特征参数，l表示所述待检测样品的采样点的总个数(例如，5329)，则所述待检测样品的第k个特征参量为xk＝(xk1,xk2,xk3,…,xkl)T，其中，k表示大于等于1且小于等于n的整数，n表示每个采样点的去中心化后的特征参数的个数；
基于所述待检测样品的特征参量获得所述待检测样品的数据集矩阵X＝{x1,x2,x3,…,xn}。
需要说明的是，第m个采样点的第k个去中心化后的特征参数与第m个采样点的特征参数序列的第k位的特征参数相互对应，n还表示每个采样点的特征参数的个数。
步骤S6，计算机装置3计算所述数据集矩阵的协方差矩阵。
在一个实施例中，所述计算所述数据集矩阵的协方差矩阵包括：
将特征参量xi所在的空间作为原始空间，设定更新的映射空间的单位正交基底为{u1,u2,u3,…,uk}，特征参量xi在基向量uj的投影为xi T·uj，其中，i表示大于等于1且小于等于n的整数，j表示大于等于1且小于等于k的整数；
计算特征参量xi在基向量uj投影后的方差
获得数据集矩阵X的协方差矩阵S＝X·XT/n。
本申请的实施例基于主成分分析方法对原始空间进行降维，投影至更新的映射空间，实现了对高维特征参量的降维，使得组合后的新特征参量(即基向量)包含尽可能多的待检测样品的内部信息。
步骤S7，计算机装置3计算所述协方差矩阵的特征值与特征向量，确定最大特征值对应的特征向量。
在一个实施例中，所述计算所述协方差矩阵的特征值与特征向量，确定最大特征值对应的特征向量包括：
根据max Jj＝uj TSuj，计算所述原始空间与所述更新的映射空间之间的最优投影方向，其中uj Tuj＝1，包括：
基于拉格朗日乘子法，构造函数F，F(uj)＝uj TSuj+λj(1-uj Tuj)，其中，λj表示拉格朗日乘子；
令
得到Suj＝λjuj，当λj为S对应的特征值和uj为S对应的特征向量时，Jj取得极大值max Jj；
根据
与Suj＝λjuj，确定max Jj＝Jjmax＝λj，并确定最大特征值对应的特征向量V。
在一个实施例中，选取最大特征值对应的特征向量作为高维特征参量叠加的加权系数，此时叠加后获得的新特征参量的方差最大，即为所述最优投影方向。
步骤S8，计算机装置3基于所述最大特征值对应的特征向量，将所述数据集矩阵转化为像素矩阵，并基于所述像素矩阵获得所述待检测样品的成像。
在一个实施例中，所述基于所述最大特征值对应的特征向量，将所述数据集矩阵转化为像素矩阵包括：基于所述最大特征值对应的特征向量V，将所述数据集矩阵X转化为二维像素矩阵Y，其中Y＝XV。
在一个实施例中，计算机装置3根据二维像素矩阵Y得到融合多个太赫兹波的特征参量的所述待检测样品的成像图像。
本申请为解决对电力设备内部复合绝缘材料结构性缺陷的传统太赫兹成像的质量较差、图像较模糊的缺点，基于太赫兹时域光谱技术，通过采集待检测样品不同采样点的反射波形，提取不同的特征参数并对特征参数进行去中心化得到高维特征参量，利用主成分分析技术对高维特征参量进行降维，将多种单一特征参量的成像结果进行融合，融合后的图像由于包含多个特征参量，可以实现对真实内部缺陷的更大程度还原，图像也具备更高的分辨率，可以完成复合绝缘设备运行状态的有效评估，能有效提高太赫兹技术对复合绝缘设备缺陷的检测性能，提升了对位置隐蔽、尺寸较小缺陷的检测成像效果。
在一个实施例中，对人工预置星形气隙缺陷的复合绝缘材料平板样品进行太赫兹成像验证试验。试验样品(待检测样品)厚度为3mm，0.4mm深的气隙缺陷位于硅橡胶片和环氧板交界处。设置10个不同太赫兹波频率的频域幅度，得到的常规方法的单一太赫兹波频域幅度成像结果与本申请的图像融合结果分别如图2和图3所示。根据对比，本申请的基于主成分分析法的融合后缺陷成像图的辨识度更高，缺陷成像边缘模糊的现象也得到了有效改善。
上述图1详细介绍了本申请的太赫兹成像优化方法，下面结合图4，对实现所述太赫兹成像优化方法的硬件装置架构进行介绍。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
参阅图4所示，为本申请较佳实施例提供的计算机装置的结构示意图。
在本申请较佳实施例中，所述计算机装置3包括存储器31、至少一个处理器32。本领域技术人员应该了解，图4示出的计算机装置的结构并不构成本申请实施例的限定，既可以是总线型结构，也可以是星形结构，所述计算机装置3还可以包括比图示更多或更少的其他硬件或者软件，或者不同的部件布置。
在一些实施例中，所述计算机装置3包括一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的终端，其硬件包括但不限于微处理器、专用集成电路、可编程门阵列、数字处理器及嵌入式设备等。
需要说明的是，所述计算机装置3仅为举例，其他现有的或今后可能出现的电子产品如可适应于本申请，也应包含在本申请的保护范围以内，并以引用方式包含于此。
在一些实施例中，所述存储器31用于存储程序代码和各种数据。例如，所述存储器31可以用于存储安装在所述计算机装置3中的太赫兹成像优化系统30，并在计算机装置3的运行过程中实现高速、自动地完成程序或数据的存取。所述存储器31包括只读存储器(Read-Only Memory，ROM)、可编程只读存储器(Programmable Read-Only Memory，PROM)、可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，EPROM)、一次可编程只读存储器(One-time Programmable Read-Only Memory，OTPROM)、电子擦除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、只读光盘(Compact Disc Read-Only Memory，CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者任何其他能够用于携带或存储数据的计算机可读的存储介质。
在一些实施例中，所述至少一个处理器32可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述至少一个处理器32是所述计算机装置3的控制核心(Control Unit)，利用各种接口和线路连接整个计算机装置3的各个部件，通过运行或执行存储在所述存储器31内的程序或者模块，以及调用存储在所述存储器31内的数据，以执行计算机装置3的各种功能和处理数据，例如执行图1所示的太赫兹成像优化的功能。
在一些实施例中，所述太赫兹成像优化系统30运行于计算机装置3中。所述太赫兹成像优化系统30可以包括多个由程序代码段所组成的功能模块。所述太赫兹成像优化系统30中的各个程序段的程序代码可以存储于计算机装置3的存储器31中，并由至少一个处理器32所执行，以实现图1所示的太赫兹成像优化的功能。
本实施例中，所述太赫兹成像优化系统30根据其所执行的功能，可以被划分为多个功能模块。本申请所称的模块是指一种能够被至少一个处理器所执行并且能够完成固定功能的一系列计算机程序段，其存储在存储器中。
尽管未示出，所述计算机装置3还可以包括给各个部件供电的电源(比如电池)，优选的，电源可以通过电源管理装置与所述至少一个处理器32逻辑相连，从而通过电源管理装置实现管理充电、放电、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障测试电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述计算机装置3还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
上述以软件功能模块的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中，包括若干指令用以使得一台计算机装置(可以是服务器、个人电脑等)或处理器(processor)执行本申请各个实施例所述方法的部分。
所述存储器31中存储有程序代码，且所述至少一个处理器32可调用所述存储器31中存储的程序代码以执行相关的功能。存储在所述存储器31中的程序代码可以由所述至少一个处理器32所执行，从而实现所述各个模块的功能以达到太赫兹成像优化的目的。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其他的具体形式实现本申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或，单数不排除复数。装置权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。
最后所应说明的是，以上实施例仅用以说明本申请的技术方案而非限制，尽管参照以上较佳实施例对本申请进行了详细说明，本领域的普通技术人员应当理解，可以对本申请的技术方案进行修改或等同替换，而不脱离本申请技术方案的精神和范围。
Claims (10)
1.一种太赫兹成像优化方法，其特征在于，所述方法包括：
采集待检测样品的每个采样点的太赫兹反射波；
对每个采样点的太赫兹反射波进行滤波处理，获得每个采样点的太赫兹反射波频谱；
基于每个采样点的太赫兹反射波和太赫兹反射波频谱，获得每个采样点的特征参数；
对每个采样点的特征参数进行去中心化，获得每个采样点的去中心化后的特征参数；
根据每个采样点的去中心化后的特征参数，获得所述待检测样品的特征参量以及数据集矩阵；
计算所述数据集矩阵的协方差矩阵；
计算所述协方差矩阵的特征值与特征向量，确定最大特征值对应的特征向量；
基于所述最大特征值对应的特征向量，将所述数据集矩阵转化为像素矩阵，并基于所述像素矩阵获得所述待检测样品的成像。
2.根据权利要求1所述的太赫兹成像优化方法，其特征在于，所述采集待检测样品的每个采样点的太赫兹反射波包括：控制样品扫描设备按照预设的步长移动所述待检测样品，按照预设的太赫兹波形时间分辨率与采样周期采集每个采样点的太赫兹反射波；
所述滤波处理包括傅里叶变换。
3.根据权利要求1所述的太赫兹成像优化方法，其特征在于，所述基于每个采样点的太赫兹反射波和太赫兹反射波频谱，获得每个采样点的特征参数包括：
对每个采样点的太赫兹反射波进行参数提取，获得每个采样点的太赫兹反射波的时域峰值、脉冲飞行时间；
对每个采样点的太赫兹反射波频谱进行参数提取，获得每个采样点的太赫兹反射波频谱的多个频域幅值；
将任一采样点对应的太赫兹反射波的时域峰值、脉冲飞行时间与太赫兹反射波频谱的多个频域幅值作为所述任一采样点的特征参数，其中，每个采样点的特征参数的个数相同。
4.根据权利要求1所述的太赫兹成像优化方法，其特征在于，所述对每个采样点的特征参数进行去中心化，获得每个采样点的去中心化后的特征参数包括：
计算所有采样点的特征参数的平均值；
基于所述特征参数的平均值对每个采样点的特征参数进行去中心化，获得每个采样点的去中心化后的特征参数，其中，所述去中心化包括利用每个特征参数减去所述特征参数的平均值。
5.根据权利要求1所述的太赫兹成像优化方法，其特征在于，所述根据每个采样点的去中心化后的特征参数，获得所述待检测样品的特征参量以及数据集矩阵包括：
令xkm表示第m个采样点的第k个去中心化后的特征参数，l表示所述待检测样品的采样点的总个数，则所述待检测样品的第k个特征参量为xk＝(xk1,xk2,xk3,…,xkl)T，其中，k表示大于等于1且小于等于n的整数，n表示每个采样点的去中心化后的特征参数的个数；
基于所述待检测样品的特征参量获得所述待检测样品的数据集矩阵X＝{x1,x2,x3,…,xn}。
6.根据权利要求5所述的太赫兹成像优化方法，其特征在于，所述计算所述数据集矩阵的协方差矩阵包括：
将特征参量xi所在的空间作为原始空间，设定更新的映射空间的单位正交基底为{u1,u2,u3,…,uk}，特征参量xi在基向量uj的投影为xi T·uj，其中，i表示大于等于1且小于等于n的整数，j表示大于等于1且小于等于k的整数；
计算特征参量xi在基向量uj投影后的方差
获得数据集矩阵X的协方差矩阵S＝X·XT/n。
7.根据权利要求6所述的太赫兹成像优化方法，其特征在于，所述计算所述协方差矩阵的特征值与特征向量，确定最大特征值对应的特征向量包括：
根据max Jj＝uj TSuj，计算所述原始空间与所述更新的映射空间之间的最优投影方向，其中uj Tuj＝1，包括：
基于拉格朗日乘子法，构造函数F，F(uj)＝uj TSuj+λj(1-uj Tuj)，其中，λj表示拉格朗日乘子；
令
得到Suj＝λjuj，当λj为S对应的特征值和uj为S对应的特征向量时，Jj取得极大值max Jj；
根据
与Suj＝λjuj，确定max Jj＝Jjmax＝λj，并确定最大特征值对应的特征向量V。
8.根据权利要求7所述的太赫兹成像优化方法，其特征在于，所述基于所述最大特征值对应的特征向量，将所述数据集矩阵转化为像素矩阵包括：
基于所述最大特征值对应的特征向量V，将所述数据集矩阵X转化为二维像素矩阵Y，其中Y＝XV。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有至少一个指令，所述至少一个指令被处理器执行时实现如权利要求1至8中任意一项所述的太赫兹成像优化方法。
10.一种计算机装置，其特征在于，该计算机装置包括存储器和至少一个处理器，所述存储器中存储有至少一个指令，所述至少一个指令被所述至少一个处理器执行时实现如权利要求1至8中任意一项所述的太赫兹成像优化方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210053071.2A CN114397267B (zh) | 2022-01-18 | 2022-01-18 | 太赫兹成像优化方法、计算机装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210053071.2A CN114397267B (zh) | 2022-01-18 | 2022-01-18 | 太赫兹成像优化方法、计算机装置及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114397267A true CN114397267A (zh) | 2022-04-26 |
| CN114397267B CN114397267B (zh) | 2023-08-08 |
Family
ID=81231334
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210053071.2A Active CN114397267B (zh) | 2022-01-18 | 2022-01-18 | 太赫兹成像优化方法、计算机装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114397267B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2016196309A2 (en) * | 2015-05-27 | 2016-12-08 | The Regents Of The University Of California | Terahertz endoscopy through laser-driven terahertz sources and detectors |
| CN110554049A (zh) * | 2019-09-23 | 2019-12-10 | 清华大学深圳国际研究生院 | 基于太赫兹波的复合绝缘子缺陷检测装置、方法及介质 |
| WO2019237650A1 (zh) * | 2018-06-12 | 2019-12-19 | 清华大学 | 太赫兹光谱成像的数据重构方法、装置、设备和存储介质 |
| DE102018010197A1 (de) * | 2018-12-18 | 2020-06-18 | GRID INVENT gGmbH | Elektronisches Element und elektrisch angesteuertes Anzeigeelement |
| CN112863027A (zh) * | 2020-12-31 | 2021-05-28 | 新疆中钜电子科技有限公司 | 安保场所出入口视频图像分析处理系统 |
-
2022
- 2022-01-18 CN CN202210053071.2A patent/CN114397267B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2016196309A2 (en) * | 2015-05-27 | 2016-12-08 | The Regents Of The University Of California | Terahertz endoscopy through laser-driven terahertz sources and detectors |
| WO2019237650A1 (zh) * | 2018-06-12 | 2019-12-19 | 清华大学 | 太赫兹光谱成像的数据重构方法、装置、设备和存储介质 |
| DE102018010197A1 (de) * | 2018-12-18 | 2020-06-18 | GRID INVENT gGmbH | Elektronisches Element und elektrisch angesteuertes Anzeigeelement |
| CN110554049A (zh) * | 2019-09-23 | 2019-12-10 | 清华大学深圳国际研究生院 | 基于太赫兹波的复合绝缘子缺陷检测装置、方法及介质 |
| CN112863027A (zh) * | 2020-12-31 | 2021-05-28 | 新疆中钜电子科技有限公司 | 安保场所出入口视频图像分析处理系统 |
Non-Patent Citations (2)
| Title |
|---|
| XUE-WEN PAN ET AL.: "Edge extraction and reconstruction of terahertz image using simulation evolutionary with the symmetric fourth order partial differential equation", OPTOELECTRONICS LETTERS * |
| 郭俊文;宋贵才;李兴广;: "基于自适应双边滤波的太赫兹图像去噪算法", 长春理工大学学报(自然科学版), no. 03 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114397267B (zh) | 2023-08-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11921433B2 (en) | Optical metrology in machine learning to characterize features | |
| CN103528617B (zh) | 一种座舱仪表自动识别和检测方法及装置 | |
| CN109283230B (zh) | 一种平面阵列电容成像方法及系统 | |
| US6370437B1 (en) | Dynamic prediction for process control | |
| JP6476861B2 (ja) | 電磁界特徴分類提示装置 | |
| US9008407B2 (en) | Noise reduction processing method and apparatus for a biological tissue image | |
| CN112085071A (zh) | 一种基于边缘计算的配电房设备故障分析预判方法及装置 | |
| CN113409284B (zh) | 电路板故障检测方法、装置、设备以及存储介质 | |
| Chandra et al. | Optimized PyCBC search for gravitational waves from intermediate-mass black hole mergers | |
| CN111209958A (zh) | 基于深度学习的变电站设备检测方法及装置 | |
| Tinti et al. | Constraints on evolutionary properties of GHz Peaked Spectrum galaxies | |
| CN114218244A (zh) | 一种在线色谱仪数据库更新方法、数据识别方法及装置 | |
| CN114397267B (zh) | 太赫兹成像优化方法、计算机装置及存储介质 | |
| JP2841258B2 (ja) | 蛍光ｘ線定性分析方法 | |
| Zhang et al. | Optimal selection of segmentation algorithms based on performance evaluation | |
| Hu et al. | Blind modal estimation using smoothed pseudo Wigner–Ville distribution and density peaks clustering | |
| CN110751103A (zh) | 一种用于物体内部检测的微波信号分类方法及系统 | |
| CN115664568A (zh) | 测试天线性能的方法、装置、电子设备及存储介质 | |
| Kishore et al. | Hyperspectral imaging technique for plant leaf identification | |
| CN112037191A (zh) | 一种局域漏电流密度阈值的确定方法、装置和计算机设备 | |
| CN114694771A (zh) | 样品分类方法、分类器的训练方法、设备和介质 | |
| CN109917245A (zh) | 考虑相位差的超声检测局部放电信号模式识别方法 | |
| Norris | Astroinformatics Challenges from Next-generation Radio Continuum Surveys | |
| CN116819378B (zh) | 储能电池异常检测方法及装置 | |
| US20220414855A1 (en) | Area selection in charged particle microscope imaging |
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 |