一种基于小波分析与相关算法的空气耦合超声成像方法
【技术领域】
[0001] 本发明涉及超声成像算法领域，尤其涉及软包装密封缺陷基于小波分析与相关算 法的空气耦合超声成像方法。
【背景技术】
[0002] 目前，软包装在食品、药品、日化产品行业中占有很大比例。气泡、夹杂、泄露通道 等密封缺陷对产品质量有严重影响，热封软包装密封性在线检测方法需求十分广泛与迫 切。超声检测法是近年来发展起来的软包装密封性无损检测方法之一。相对于传统超声检 测技术，空气耦合超声具有非接触、无需耦合剂、非入侵、无污染的优势，使软包装密封质量 在线无损检测成为可能。
[0003] 然而空气耦合超声换能效率极低，存在信号强度弱，信噪比低问题，使空气耦合超 声的成像效果不佳。此外，由于空气耦合超声透射信号强度受样品厚度均匀性、超声信号入 射角度、信号从样品周围的绕射，乃至周围气流的波动等因素十分敏感，因此透射波强度波 动很大。采用传统的峰值成像方法、或能量积分成像方法会带来很大的图像噪声，难以有效 分辨包装缺陷的存在。另一方面，由于空气耦合超声难以应用在5MHz以上频段，导致点聚焦 空耦超声探头远达不到传统高频水浸探头的位置分辨率。因此，在硬件提升困难的背景下， 有必要在信号处理上提出新的方法来提升小缺陷检测能力。
【发明内容】
[0004] 为解决上述技术问题，本发明的目的是提供一种基于小波分析与相关算法的空气 耦合超声成像方法。该方法通过将传感器谐振频率对应子频带的小波系数进行相关运算， 消除空气耦合超声透射信号的强度波动噪声。同时，通过相关系数最小值判断是否存在小 于探头焦点直径的小尺寸缺陷，进而对小波系数进行自适应平滑滤波，达到提高缺陷检出 能力，提升扫描图像信噪比的目的。
[0005] 本发明的目的通过以下的技术方案来实现：
[0006] -种基于小波分析与相关算法的空气耦合超声成像方法，该方法包括以下步骤： [0007] S1接收扫描平面内每一点的空气耦合超声透射信号；
[0008] S2对每一点的空气耦合超声透射信号进行小波分解；
[0009] S3选取超声探头中心频率所在子频带小波系数，求小波系数的包络曲线；
[0010] S4对小波系数的包络曲线进行平滑滤波；
[0011] S5选取无缺陷区域的信号包络作为参考型号；
[0012] S6求平面内每一点小波系数包络与参考信号包络的相关系数；
[0013] S7根据相关系数最小值判断是否存在小尺寸缺陷，若是，则重新选取平滑窗的大 小，进行自适应平滑滤波后，再次计算相关系数；
[0014] S8利用步骤S6或S7中的相关系数，形成灰度矩阵，进行缺陷成像。
[0015] 与现有技术相比，本发明的一个或多个实施例可以具有如下优点：
[0016] 图像信噪比高:本发明采用子频带的小波系数曲线包络与参考信号包络的相关系 数作为特征量成像，从而有效的消除了测量带来的高斯白噪声，以及样品入射角度变化、信 号绕射的等因素带来的空气耦合超声透射能量波动噪声。相比于传统的峰值成像或能量积 分成像方法，图像信噪比可得到显著提升；
[0017] 计算量较小，有利于在线数据处理:传统相关算法是将超声信号直接进行相关，或 在此之前进行小波去噪或带通滤波，以获得更好的成像效果，这种方法的计算量大，不适合 实时数据处理。而本发明所提供的方法，直接用经过均值平滑的子频带小波系数包络进行 相关计算，第η层小波系数的数据量为原信号数据量的l/2n，且省略了阈值去噪和小波重构 等步骤，因此能显著降低计算量，增强实时性；
[0018] 小缺陷检测能力强:本发明所提供方法在判断存在小于传感器焦点直径的小尺寸 缺陷的情况下，采用经验公式自适应调整滤波窗口尺寸，缺陷尺寸较大时，增大平滑力度， 降低背景噪声;缺陷尺寸较小时，减小平滑力度，突出信号细节，从而达到"自适应对焦"的 效果，使图像信噪比最优，提升小缺陷检出能力。
【附图说明】
[0019] 图1是基于小波分析与相关算法的空气耦合超声成像方法的流程图；
[0020] 图2(a)是大尺寸缺陷成像中包络积分成像算法成像结果图；
[0021] 图2(b)是大尺寸缺陷成像中本发明所述的方法成像结果图；
[0022] 图3(a)是小尺寸缺陷成像中包络积分成像算法成像结果图；
[0023] 图3(b)是小尺寸缺陷成像中本发明所述的方法成像结果图。
【具体实施方式】
[0024]为使本发明的目的、技术方案和优点更加清楚，下面将结合实施例及附图对本发 明作进一步详细的描述。
[0025] 成像流程包括(如图1所示）：
[0026] 步骤S1接收扫描平面内每一点的空气耦合超声透射信号；
[0027] 步骤S2对每一点的空气耦合超声透射信号进行小波分解；
[0028] 步骤S3选取超声探头中心频率所在子频带小波系数，求小波系数的包络曲线； [0029]步骤S4对小波系数的包络曲线进行平滑滤波；
[0030]步骤S5选取无缺陷区域的信号包络作为参考型号；
[0031]步骤S6求平面内每一点小波系数包络与参考信号包络的相关系数；
[0032]步骤S7根据相关系数最小值判断是否存在小尺寸缺陷，若是，则重新选取平滑窗 的大小，进行自适应平滑滤波后，再次计算相关系数；
[0033]步骤S8利用步骤S6或S7中的相关系数，形成灰度矩阵，进行缺陷成像；
[0034]上述成像步骤S1中测试样品的透射超声信号，记为Xlj(t)，t为透射超声信号的离 散时间点，i为该像素点所属行数，j为该点所属列数。S2中对Xlj(t)进行η层小波分解。计算 探头接收中心频率所在频段的子频带小波系数cUW )，V为小波子频带的离散时间点。 [0035]上述步骤S2中小波分解采用db4函数作为小波基函数。
[0036]上述步骤S3中，选取超声探头中心频率所在子频段的小波系数，其余子频带的系 数，视为测量系统引入的高斯白噪声，予以舍弃。对子频带小波系数cUW)利用希尔伯特变 换求包络yij (V )，其数学表达式为：
[0037]
[0038] 上述步骤S4中包络曲线平滑滤波方法为：以固定的窗口尺寸(本实施例选择为15) 进行均值平滑，平滑后的包络信号Ζι^ )。
[0039] 上述步骤S5中参考信号选取方法为:在扫描面的边缘选取5个点，假设为无缺陷的 完好信号为r(t')。
[0040] 上述步骤S6中每一点小波系数包络与参考信号包络的相关系数计算的数学表达 为：
[0042]其中，为接收信号中含有透射波信号的离散时间段。计算扫描平面上每 一点的相关系数，构成相关系数矩阵R，假设为共a X b个扫描点。
[0044]上述步骤S7中针对小尺寸缺陷的自适应平滑滤波包含如下步骤：
[0045]步骤A根据S6计算所得的相关系数R矩阵中的最小值Rmin，判断是否存在小尺寸缺 陷；
[0046] 步骤B当满足步骤A中条件时，根据Rmin的值重新调节小波系数包络曲线的平滑滤 波窗口尺寸N;
[0047] 步骤C:以N为平滑窗口尺寸对小波系数包络曲线yU')重新进行平滑滤波，更新包 络信号Ζι^);
[0048] 步骤D:重复S5和S6，更新相关系数矩阵R。
[0049] 作为优选的，上述自适应平滑滤波方法的步骤Α中小尺寸缺陷判断方法为：当Rmin 满足5σ S β - $30σ时，认为1?_处存在小尺寸缺陷，其中袞为相关系数的均值， σ为相关系数的标准差。
[0050] 作为优选的，所述自适应平滑滤波方法的步骤Β中平滑滤波窗口Ν的选取方法为： 当1 一 值越小，说明该点与参考信号的相关程度越高，判定为缺陷尺寸越小。此时， 应选择越小的平滑滤波窗口，从而保留更多的包络信号细节，以提升缺陷与背景的图像信 噪比。相反，当！ 值越大，判断缺陷尺寸越大，应选择更大的平滑滤波窗口，从而 增大平滑力度，提升