[发明专利]基于盲估计的微小缺陷高频超声显微成像的稀疏重构方法

说明书

本发明公开了基于盲估计的微小缺陷高频超声显微成像的稀疏重构方法，涉及图像处理技术领域，该方法包括：利用高频超声显微探头获取待测样品的C扫图像，通过图块聚类和协同滤波对C扫图像进行去噪,根据最大后验概率从去噪后的C扫图像中估计出点扩散函数，最后基于l₁正则化对理想C扫图像进行稀疏重构，获得最终高分辨率的图像。该方法增强了图像信噪比和分辨率，提高了声显微成像对微小缺陷的检测准确性，拓展了二维超声图像稀疏重构方法的实用性，同时对于微观缺陷的检测有很重要的意义，能够有效地推动微器件的可靠性的发展。

技术领域

本发明涉及图像处理技术领域，尤其是基于盲估计的微小缺陷高频超声显微成像的稀疏重构方法。

背景技术

随着微制造和微系统等技术的进步和相关产业的迅速发展，产品的微型化趋势日益加快，高性能、高可靠性的微制造技术越来越受到广泛的重视，其应用也越来越广泛。对于微系统而言，其零部件的整体尺寸一般在厘米或者毫米量级，相对的微系统的整体尺寸，其内部的缺陷尺寸则更小。微缺陷检测最常用的方法主要有声学显微成像(AcousticMicro Imaging，AMI)、红外热成像以及X射线检测等等，其中，超声显微成像检测方法在微小缺陷方面十分有效，检测精度可以达到亚微米尺度。这就完整的覆盖了微系统中从晶界、晶粒、特征尺寸一直到微小结构整体的检测范围。

目前，关于超声显微成像的绝大部分研究都集中于超声回波信号的超分辨重构技术，识别信号中所包含的位置以及大小特征，并且达到了较好的处理效果，但是对回波信号进行稀疏重构的方法受限于处理设备以及处理数据需要的时间。而目前对二维的超声图像进行重构主要是采用仿真的方法来获得高频超声探头的点扩散函数，但是该方法针对不同的高频超声探头需要设定不同的仿真模型，适用性较差，并且仿真所获得的点扩散函数和实际探头的点扩散函数存在差距。

发明内容

本发明人针对上述问题及技术需求，提出了基于盲估计的微小缺陷高频超声显微成像的稀疏重构方法，该方法针对高频超声显微图像技术，实现了对超声图像的分辨率以及信噪比的提高，并且为实现更加快速且高效的微小缺陷检测提供了方法。

本发明的技术方案如下：

基于盲估计的微小缺陷高频超声显微成像的稀疏重构方法，包括如下步骤：

步骤1：预设过采样的步长s,并利用超声显微成像系统获取待测样品的原始C扫图像；

步骤2：对原始C扫图像进行去噪处理，去噪处理包括：利用图块聚类方法将原始C扫图像中的相似图块进行聚类，进而叠加成三维数组，然后对三维数组进行协同滤波；

步骤3：根据最大化后验概率模型按照下列公式从去噪的C扫图像中估计出超声探头的点扩散函数k，其中，p(k|y)代表后验概率，表示在已经观察到去噪的C扫图像的条件下点扩散函数k的概率，x代表理想的C扫图像，

步骤31：根据步长s以及超声显微成像中使用的超声探头的分辨率r,设置点扩散函数k的尺寸为r/s×r/s；

步骤32：利用期望最大化网络，将理想的C扫图像x作为隐藏变量，通过交替更新隐藏变量和点扩散函数k，进而求解出最佳的点扩散函数k；

步骤4：根据二维超声显微成像稀疏重构方法获取最终超分辨率图像由下列拉格朗日算子公式进行求解，其中，|| ||₂表示欧拉范数，|| ||₁表示在向量模式下的l₁范数，λ是正则化参数；

采用迭代阈值收缩算法进行快速求解该凸优化l₁范数正则化问题，包括：