背景区域与参考信号的相关程度，获得最优的信噪比，达到"自适应对 焦"的目的。窗口尺寸N的计算经验公式为：N = [17.32 - 3.62 * - 10.35 * R2 1
[0051]下述为本发明提供的具体实施例：
[0052] 实施例1
[0053] 本实施例为对存在宽度为1.5mm(l.5倍探头焦点直径）的大尺寸缺陷的软包装封 口进行空气耦合超声检测，并利用本发明所述方法进行成像。缺陷类型为泄漏通道型，扫描 区域大小为30X5mm，点聚焦空耦探头频率为1MHz，焦点直径lmm，x轴扫描步长0.25mm，y轴 扫描步长1mm，信号采样率为20MHz。
[0054] 成像具体流程为：
[0055] 对XY平面中每一点进行空气耦合超声扫描，接收到的透射信号记为Xlj(t);信号长 度共6000个点。
[0056]利用db4小波对Xij(t)进行5层小波分解。
[0057]小波细节系数d4的频段为0.625~1.25MHz，因此选择该子频段的小波系数进行后 续相关处理。d4的数据长度共325个点。利用Hilbert变换求取d4的包络曲线，记为yiW)。
[0058] 以15为窗口尺寸，对小波系数yu( V )进行均值平滑滤波，从而进一步消除测量随 机噪声对后续相关计算带来的干扰。平滑后的包络信号记为)。
[0059] 在扫描面的左上角选取5个点，假设为无缺陷的完好信号，取这5个点小波系数包 络的平均值作为参考信号，记为r(t')。
[0060] 计算扫描面中每一点与参考信号的相关系数Rij，并组成120X5的相关系数矩阵， RU计算的数学表达为：
[0062] 上一步骤中计算所得的相关系数R矩阵中的最小值Rmin为-0.38,相关系数均值Μ 为0.98,相关系数标准差〇为0.09,因此不满足5σ S艮一Rmin <30σ的条件，不需要进 行针对小尺寸缺陷的自适应平滑滤波。
[0063] 将相关系数矩阵R转换为灰度矩阵进行灰度成像。
[0064] 本发明所述方法成像效果如图2(b)所示。相比于以往的包络积分算法成像(见图2 (a))，基于小波分析与相关算法的成像方法使图像信噪比提升24.71dB。
[0065] 实施例2
[0066] 本实施例为对存在宽度为0.5mm的小尺寸缺陷（0.5倍探头焦点直径）的软包装封 口进行空气耦合超声检测，并利用本发明所述方法进行成像。缺陷类型、扫描传感探头、数 据采样率、扫描步长、扫描区域大小等配置与实施例1相同。
[0067]本实施例中成像处理流程S1~S6与实施例1相同。S7的自适应平滑滤波具体步骤 如下：
[0068]步骤A:上一步骤计算所得的相关系数R矩阵中的最小值Rmin为0.79，相关系数均值 1为0.97,相关系数标准差?为0.03,满足5σ S f-Rmill $30σ的条件，因此判断该扫 描图像中存在小尺寸缺陷，需要重新对小波系数包络进行平滑滤波处理；
[0069] 步骤B:重新调节小波系数包络曲线的平滑滤波窗口尺寸N，按照经验公式
进行计算，计算得到新的滤波窗口尺寸N 为5;
[0070] 步骤C:以5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^);
[0071 ]步骤D:重复S5和S6，更新相关系数矩阵R。
[0072] 最后将系数矩阵R变换为灰度矩阵进行灰度成像。由于缺陷尺寸较小，为0.5倍的 焦点直径，利用以往的包络积分算法成像已经难以辨识该缺陷（见图3(a))。而采用本发明 所述的成像方法(见图3(b))，可使图像信噪比提升9.12dB，使原本难以辨识的缺陷可用肉 眼明显辨识，提升了小尺寸缺陷的检出能力。
[0073] 本发明所述的基于小波分析与相关算法的空气耦合超声成像方法，通过将传感器 对应子频带的小波系数包络与参考信号包络进行相关运算，可有效消除测量引入的高斯白 噪声与空气耦合超声透射信号的强度波动噪声，提高图像信噪比。同时，通过相关系数最小 值判断是否存在小尺寸缺陷，进而对平滑滤波窗口进行自适应调节，缺陷尺寸大时加大平 滑窗口尺寸，降低背景噪声，缺陷尺寸小时减小窗口尺寸，突出信号细节，从而实现"自适应 对焦"，达到提高小缺陷检出能力的目的。
[0074] 虽然本发明所揭露的实施方式如上，但所述的内容只是为了便于理解本发明而采 用的实施方式，并非用以限定本发明。任何本发明所属技术领域内的技术人员，在不脱离本 发明所揭露的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化， 但本发明的专利保护范围，仍须以所附的权利要求书所界定的范围为准。
【主权项】
1. 一种基于小波分析与相关算法的空气禪合超声成像方法，其特征在于，所述方法包 括W下步骤： S1接收扫描平面内每一点的空气禪合超声透射信号； S2对每一点的空气禪合超声透射信号进行小波分解； S3选取超声探头中屯、频率所在子频带小波系数，求小波系数的包络曲线； S4对小波系数的包络曲线进行平滑滤波； S5选取无缺陷区域的信号包络作为参考型号； 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； 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； 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。2. 如权利要求1所述的基于小波分析与相关算法的空气禪合超声成像方法，其特征在 于，所述步骤S3中，对子频带小波系数du(t/ )利用希尔伯特变换求包络，其数学表达式为：3. 如权利要求1所述的基于小波分析与相关算法的空气禪合超声成像方法，其特征在 于，所述步骤S4中包络曲线平滑滤波方法为：W固定的窗口尺寸进行均值平滑，平滑后的包 络信号记为zij(l/ )。4. 如权利要求1所述的基于小波分析与相关算法的空气禪合超声成像方法，其特征在 于，所述步骤S5中参考信号选取方法为:在扫描面的边缘选取至少五个点，假设为无缺陷的 完好信号，取运至少五个点小波系数包络的平均值作为参考信号r(t〇。5. 如权利要求1所述的基于小波分析与相关算法的空气禪合超声成像方法，其特征在 于，所述步骤S6中相关系数计算的数学表达式为：其中2]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6. 如权利要求1所述的基于小波分析与相关算法的空气禪合超声成像方法，其特征在 于，步骤S7中针对小尺寸缺陷的自适应平滑滤波主要包括如下步骤： 步骤A根据步骤S6中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，当Rmin满足如下关系时，认为该点处存在小尺寸缺陷：其中反为相关系数的均值，σ为相关系数的标准差； 步骤Β当判断为小尺寸缺陷时，重新调节小波系数包络曲线的平滑滤波窗口尺寸Ν，Ν按 照如下经验公式进行计算：步骤CWN为平滑窗口尺寸对小波系数包络曲线y(t〇重新进行平滑滤波，更新包络信 号。如'）； 步骤D重复步骤S5和步骤S6，更新相关系数矩阵R。
【专利摘要】本发明公开了一种基于小波分析与相关算法的空气耦合超声成像方法。以子频带的小波系数与参考信号的相关系数作为特征量进行成像，可有效消除测量引入的高斯白噪声与空气耦合超声透射信号的强度波动噪声，提高图像信噪比。同时，通过相关系数最小值判断是否存在小尺寸缺陷，进而对平滑滤波窗口进行自适应调节，缺陷尺寸大时加大平滑窗口尺寸，降低背景噪声，缺陷尺寸小时减小窗口尺寸，突出信号细节，从而实现“自适应对焦”，达到提升小缺陷检出能力的目的。该成像方法在空气耦合超声检测领域具有良好的应用前景。
【IPC分类】G01N29/46, G01N29/04
【公开号】CN105572224
【申请号】CN201510971620
【发明人】刘忆森, 周松斌, 黄可嘉
【申请人】广东省自动化研究所
【公开日】2016年5月11日
【申请日】2015年12月21日