【技术实现步骤摘要】
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
本专利技术涉及图像处理
，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。
技术介绍
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(AcousticMicroImaging，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...
【技术保护点】
1.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，其特征在于，所述方法包括如下步骤：/n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；/n步骤2：对所述原始C扫图像进行去噪处理，所述去噪处理包括：利用图块聚类方法将所述原始C扫图像中的相似图块进行聚类，进而叠加成三维数组，然后对所述三维数组进行协同滤波；/n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，表示在已经观察到所述去噪的C扫图像的条件下所述点扩散函数k的概率，x代表理想的C扫图像，/n
【技术特征摘要】
1.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，其特征在于，所述方法包括如下步骤：
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：对所述原始C扫图像进行去噪处理，所述去噪处理包括：利用图块聚类方法将所述原始C扫图像中的相似图块进行聚类，进而叠加成三维数组，然后对所述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，表示在已经观察到所述去噪的C扫图像的条件下所述点扩散函数k的概率，x代表理想的C扫图像，
步骤31：根据所述步长s以及超声显微成像中使用的超声探头的分辨率r,设置所述点扩散函数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：
步骤41：按照下列公式进行逼近操作，计算残差值υn，其中n为迭代更新步数，xn为第n步的超分辨图像，x0＝y，k为点扩散函数矩阵，kT为k的转置矩阵，
υn＝xn-δλkT(kxn-y)；
步骤42：按照下列公式进行软阈值操作，计算n+1步的超分辨率图像xn+1，
xn+1＝max{|υn|-δ,0}·sign(υn)
当满足时，停止迭代，此时的xn+1为所述最终超分辨图像其中，ε为0.001～0.01之间的实数。
2.根据权利要求1所述的方法，其特征在于，所述利用图块聚类方法将所述原始C扫图像中的相似图块进行聚类，进而叠加成三维数组，包括：
按照下列公式计算所述原始C扫图像中的图块之间的距离，当所述距离小于所设定的阈值0.12时，定义为相似图块；其中，D表示图块之间的距离，||||2是l2-范数，Xi和Xj表示所述原始C扫图像中的两个参考图块，T表示对图块进行二维变换，H表示对二维变换的结果进行硬阈值收缩操作，N表示图块的大小，
通过寻找参考图块周边相似度最高的16个图块一起...
【专利技术属性】
技术研发人员：余晓男，宿磊，李可，顾杰斐，黄海润，
申请(专利权)人：江南大学，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。