[发明专利]基于相控阵超声检测的被测面轮廓提取方法

摘要

本发明涉及一种基于相控阵超声检测的被测面轮廓提取方法，其包括：相控阵超声发射及接收步骤：采集相控阵探头所有可能发射接收组合所获得A扫信号，存储于三维数组M(nt，nr，t)中，其中nt和nr分别为发射及接收阵元序号，t为时间；被测面轮廓成像步骤：首先对上述三维数组进行Hilbert变换，然后对变换后的三维数组进行数据处理，获得三维图像数组I(i，j，k)，其中i、j及k分别为长、宽、高三个方向上的像素点编号；以及被测面轮廓提取步骤：首先对所得三维图像数组根据图像处理算法提取出包含轮廓离散点的二维数组B(i，j)，其中i、j分别为长、宽方向上的编号，然后对离散点采用曲面拟合算法得到轮廓的解析公式，其中曲面拟合方法不限，根据实际情况进行选择。

主权项

一种基于相控阵超声检测的被测面轮廓提取方法，其包括：相控阵超声发射及接收步骤：假设相控阵探头阵元晶片个数为N＝Nx×Ny，其中Nx为x方向探头阵元晶片的行数，Ny为y方向探头阵元晶片的列数；‑设置相控阵探头进行N次超声波的发射及接收，其中，每次发射均采用一个阵元晶片进行超声波激励，第一次发射采用第一个阵元晶片，第二次采用第二个阵元晶片...第N次采用第N个阵元晶片，每次接收时相控阵探头上的N个阵元晶片各自接收回波信号；‑待N次发射接收完毕后，将采集到的A扫数据存储到三维数组M(nt，nr，t)(nt＝1，2，...，N，nr＝1，2，...，N，t＝1，2，...，T)之中，其中nt为发射阵元晶片编号，nr为接收阵元晶片编号，t为采集A扫数据的采样点编号，N为探头阵元晶片个数，T为每个A扫信号采样点数，当nt，nr，t取特定值nt0，nr0，t0时，M(nt0，nr0，t0)表示第nt0个阵元发射，第nr0个阵元所接收到的A扫信号的第t0个采样点处的A扫信号幅值；被测面轮廓成像步骤：假设耦合介质的声速为cm/s，相控阵阵元晶片间的x方向间距为px m，y方向间距为py m，轮廓拟合精度为d m，轮廓位于长为L m，宽为W m，深为H m的立方体区域范围之内，A扫描采样频率为S Mhz；采用以下成像方法对被测面轮廓进行成像：‑定义相控阵阵元晶片的两个一维数组Xt，Yt，大小均为N，其中第n个元素(Xt(n)，Yt(n))表示n个阵元晶片的x和y轴坐标，其表达式为： Xt ( n ) = ( - N x / 2 + n - [ n / N x ] · N y - 0.5 ) · p x Yt ( n ) = ( - N y / 2 + n - [ n / N y ] · N x - 0.5 ) · p y 式中的[]为数学中的高斯取整函数，然后，定义被检测区域的三维成像数组I(i，j，k)(i＝1，2，...，Mx，j＝1，2，...，My，k＝1，2，...，Mz)，其中Mx＝L/d，My＝W/d，Mz＝H/d，i，j，k分别为长、宽、厚度方向离散点编号， 当i，j，k取特定值i0，j0，k0时，I(i0，j0，k0)表示长、宽、厚三方向上编号分别为i0，j0，k0的点位的像素幅值；‑对所述相控阵超声发射及接收步骤所得到的三维数组M(nt，nr，t)的第三维进行Hillbert变换；‑对所述三维数组I中的任意一点的值I(i0，j0，k0)，通过如下公式计算得出： I ( i 0 , j 0 , k 0 ) = Σ n t = 1 N Σ n r = 1 N M ( n t , n r , t n t n r i 0 j 0 k 0 ) t n t n r i 0 j 0 k 0 = [ d n t i 0 j 0 k 0 + d n r i 0 j 0 k 0 c · S ] d n t i 0 j 0 k 0 = ( i 0 d - L / 2 - Xt ( n t ) ) 2 + ( j 0 d - W / 2 - Yt ( n t ) ) 2 + ( k 0 d ) 2 d n r i 0 j 0 k 0 = ( i 0 d - L / 2 - Xt ( n r ) ) 2 + ( j 0 d - W / 2 - Yt ( n r ) ) 2 + ( k 0 d ) 2 上式中的[]为数学中的高斯取整函数；‑将得到的三维数组I进行成像，所得图像中将显示出被测面轮廓信息；被测面轮廓提取步骤：‑对上述所得三维数组I前两维的任意编号i0，j0，求取第三维上的最大值所对应的索引值，从而获得具有轮廓离散点的二维数组B(i，j)(i＝1，2，...，Mx，j＝1，2，...，My)，其中Mx＝L/d，My＝W/d，i，j分别为长、宽方向离散点编号。当i，j取特定值i0，j0时，B(i0，j0)表示长、宽方向上编号分别为i0，j0的被测表面轮廓点在厚度方向上的编号，二维数组B中任意一点的值B(i0，j0)通过如下公式计算得出： B ( i 0 , j 0 ) = k 0 I ( i 0 , j 0 , k 0 ) = max ( { I ( i 0 , j 0 , k ) } k = 1 M : ) ‑对二维数组B采用曲面拟合算法进行处理，最终获得被测面轮廓的解析表达式。