具体实施方式

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

如图1所示，本申请的优选实施例提供了一种基于超分辨率超声图像的缺陷量化方法，包括步骤：

S1、对被测对象的所有超声回波信号构成的全矩阵采集数据进行时域预处理，提取被测对象中扩展目标的相关散射信号，所述扩展目标为被测对象中具有一定长度和角度的直线形缺陷；

S2、根据所述扩展目标的相关散射信号进行超分辨率成像，获取扩展目标的超分辨率超声图像；

S3、对所述超分辨率超声图像进行图像特征分析和扩展目标参数评估，获取扩展目标的长度和角度。

基于超声时间反转理论的相位相干多信号分类法PC-MUSIC是一种典型的超分辨率成像方法，已有的研究聚焦于PC-MUSIC方法对理想点散射体的定位，其尺寸小于超声波波长，然而，在实际应用领域，成像对象多是具有一定尺寸和角度的扩展目标，其尺寸大于超声波波长，无法视为理想点散射体，如图2所示的刻槽，经实测，其实际长度L＝5mm，与x轴的实际夹角θ＝45°，针对此类扩展目标(直线刻槽)，超分辨率成像方法PC-MUSIC所得的超分辨率图像无法直接获得其实际长度L和实际夹角θ，因此需要分析图像特征，提出量化方法，实现对上述刻槽的参数的准确量化。

本实施例提供了一种基于超分辨率超声图像的缺陷量化方法，该方法首先对被测对象的所有超声回波信号构成的全矩阵采集数据进行时域预处理，提取被测对象中扩展目标的相关散射信号；然后根据所述扩展目标的相关散射信号进行超分辨率成像，获取扩展目标的超分辨率超声图像；最后对所述超分辨率超声图像进行图像特征分析和扩展目标参数评估，获取扩展目标的长度和角度。本实施例能够对具有一定尺寸(尺寸大于超声波波长)和角度的扩展目标进行量化检测，如直线刻槽等，通过分析超分辨率超声图像，准确评估扩展目标的长度和角度，实现扩展目标的量化评估，从而准确掌握上述扩展目标的相关参数，实现超声无损检测时对缺陷进行更全面的检测和评估。本实施例基于PC-MUSIC方法实现对扩展目标的量化评估，充分发挥PC-MUSIC方法的最大优势，以期未来实现缺陷检测的自动化。

在一种可能实现方式中，如图3所示，所述对被测对象的所有超声回波信号构成的全矩阵采集数据进行时域预处理，提取被测对象中扩展目标的相关散射信号，包括步骤：

S11、根据被测对象的所有超声回波信号构成的全矩阵采集数据获取被测对象的原始超声图像(如图4所示)；

S12、在所得的原始超声图像中判断扩展目标出现的区域，并设置矩形框覆盖所述区域形成扩展目标区域A(如图4中所示虚线框A)；

S13、根据线性阵列传感器阵元位置以及扩展目标区域A，结合超声波在被测对象中的传播速度c，计算并定义时域窗函数，其具体计算过程可参考期刊文章(ChengguangFAN et al,Preprocessing of the full matrix capture data for time-reversal-based super-resolution imaging.)，在此不再赘述；

S14、利用所述时域窗函数对被测对象的所有超声回波信号进行时域预处理，提取扩展目标相关散射信号s(t)：

s(t)＝h(t)w(t) (1)

其中，w(t)为时域窗函数，h(t)为超声回波信号，具体如图5所示。

在一种可能实现方式中，根据被测对象的所有超声回波信号构成的全矩阵采集数据获取被测对象的原始超声图像，具体包括：

利用延迟叠加方法(delay and sun，DAS)处理被测对象的所有超声回波信号，获取被测对象的原始超声图像。相比较其它方法，延迟叠加方法(delay and sun，DAS)具有执行过程简单、成像速度快的优点，可以在短时间内对整个成像区域进行扫查，判断扩展目标可能出现的区域。

在一种可能实现方式中，如图6所示，所述对被测对象的所有超声回波信号构成的全矩阵采集数据进行时域预处理，提取被测对象中扩展目标的相关散射信号，包括步骤：

S11、将线性阵列传感器1与所述被测对象2直接耦合，所述被测对象内部包含扩展目标3，作为成像对象(如图7所示)；

S12、选取线性阵列传感器的任意一对阵元组合分别作为激励和接收阵元，获取超声回波信号；

S13、依次执行，直至所述线性阵列传感器的所有阵元组合均获取超声回波信号后，将获取的所有超声回波信号构成全矩阵采集数据；

S14、根据被测对象的所有超声回波信号构成的全矩阵采集数据获取被测对象的原始超声图像(如图4所示)；

S15、在所得的原始超声图像中判断扩展目标出现的区域，并设置矩形框覆盖所述区域形成扩展目标区域A(如图4中所示虚线框A)；

S16、根据线性阵列传感器阵元位置以及扩展目标区域A，结合超声波在被测对象中的传播速度c，计算并定义时域窗函数，其具体计算过程可参考期刊文章(ChengguangFAN et al,Preprocessing of the full matrix capture data for time-reversal-based super-resolution imaging.)，在此不再赘述；

S17、利用所述时域窗函数对被测对象的所有超声回波信号进行时域预处理，提取扩展目标相关散射信号s(t)：

s(t)＝h(t)w(t) (1)

其中，w(t)为时域窗函数，h(t)为超声回波信号，具体如图5所示。

在一种可能实现方式中，如图8所示，根据所述扩展目标的相关散射信号进行超分辨率成像，获取扩展目标的超分辨率超声图像，包括步骤：

S21、对扩展目标相关散射信号s(t)进行时域-频域转换，构建给定频率带宽Δω范围内的阵列响应矩阵K(ω)，并对其进行奇异值分解SVD，获取奇异值以及对应的奇异向量，如公式(2)所示：

K(ω)＝U(ω)∑(ω)V^H(ω) (2)

其中U(ω)和V(ω)为奇异向量组成的矩阵，∑(ω)为奇异值组成的矩阵，上标H表示复矩阵的共轭转置；

S22、基于给定频率带宽范围内奇异值的分布规律(如图9所示)，将奇异向量划分为信号子空间U_S(ω)和V_S(ω)，噪声子空间U_N(ω)和V_N(ω)：

S23、定义方向矢量g(r，ω)，基于所述信号子空间和方向矢量，给出PC-MUSIC成像函数，获取扩展目标的超分辨率超声图像：

其中N_ω表示用于成像的频率点数目，上标T表示复矩阵的共轭。

在一种可能实现方式中，如图10所示，对所述超分辨率超声图像进行图像特征分析和扩展目标参数评估，获取扩展目标的长度和角度，包括步骤：

S31、设定强度阈值I_σ，寻找超分辨率超声图像中强度满足I≥I_σ的像素点集合，获取集合中各像素点对应的坐标，本步骤通过设定强度阈值I_σ对超分辨率超声图像中的像素点进行过滤目的是去除干扰，仅保留与缺陷相关的像素集合(如图11中颜色较深的黑色区域)，可大幅减少后续的计算量，提高后续计算精度；

S32、根据像素点集合以及集合中各像素点对应的坐标，绘制超分辨率图像强度等高线图(如图12所示)，比较图2和图12可知，等高线图与实际扩展目标相吻合，说明过滤后剩余的像素点集合能够准确反映实际扩展目标的实际长度和角度；

S33、在所述等高线图中寻找左端强度最大值和右端强度最大值对应的像素点，将两个像素点的坐标分别定义为扩展目标两端位置的评估坐标，在超声成像领域，最大强度值坐标通常对应扩展目标的关键点，如端点，因此，寻找等高线图中左端强度最大值(x_l，z_l)和右端强度最大值(x_r，z_r)，即可定义为扩展目标两端点位置D_l和D_r的评估坐标分别为(x_l，z_l)、(x_r，z_r)；

S34、基于扩展目标两端位置的评估坐标计算扩展目标的计算长度L_a和计算角度θ_a：

θ_a＝sin^-1(|z_l-z_r|/L_a) (6)

根据图12中的坐标位置，计算得到L_a＝4.9529mm，θ_a＝41.3166°。

在一种可能实现方式中，如图13所示，对所述超分辨率超声图像进行图像特征分析和扩展目标参数评估，获取扩展目标的长度和角度，还包括步骤：

S35、根据计算所得的扩展目标的计算长度和计算角度与扩展目标的实测所得的实际长度和实际角度，得到扩展目标的计算长度误差ε_L和计算角度误差ε_θ：

ε_L＝|L_a-L|/L×100％ (7)

ε_θ＝|θ_a-θ|/θ×100％ (8)

将上述的计算长度L_a和计算角度θ_a、实际长度和实际角度代入公式(7)、(8)，经过计算可得：ε_L＝0.94％，ε_θ＝8.19％，误差在可接受的范围内。对于基于超声图像的扩展目标量化评估方法而言，误差越小，结果的可信度越高。

上述实施例选择规则扩展目标原因如下：规则扩展目标具有一定的尺寸和角度，方便进行参数化评估，这是研究超声成像及缺陷量化方法的常规做法；实际领域的无规则缺陷可以视为规则扩展目标某种形式的叠加，研究规则扩展目标的量化评估方法是最终实际应用的前提和必要阶段。

如图14所示，本申请另一方面还提供了一种基于超分辨率超声图像的缺陷量化装置，包括：

散射信号提取模块，用于对被测对象的所有超声回波信号构成的全矩阵采集数据进行时域预处理，提取被测对象中扩展目标的相关散射信号，所述扩展目标为被测对象中具有一定长度和角度的直线形缺陷；

超分辨率成像模块，用于根据所述扩展目标的相关散射信号进行超分辨率成像，获取扩展目标的超分辨率超声图像；

扩展目标参数评估模块，用于对所述超分辨率超声图像进行图像特征分析和扩展目标参数评估，获取扩展目标的长度和角度。

上述仿真装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

本实施例提供了一种基于超分辨率超声图像的缺陷量化装置，该装置首先对被测对象的所有超声回波信号构成的全矩阵采集数据进行时域预处理，提取被测对象中扩展目标的相关散射信号；然后根据所述扩展目标的相关散射信号进行超分辨率成像，获取扩展目标的超分辨率超声图像；最后对所述超分辨率超声图像进行图像特征分析和扩展目标参数评估，获取扩展目标的长度和角度。本实施例能够对具有一定尺寸(尺寸大于超声波波长)和角度的扩展目标进行量化检测，如直线刻槽等，通过分析超分辨率超声图像，准确评估扩展目标的长度和角度，实现扩展目标的量化评估，从而准确掌握上述扩展目标的相关参数，实现超声无损检测时对缺陷进行更全面的检测和评估。本实施例基于PC-MUSIC方法实现对扩展目标的量化评估，充分发挥PC-MUSIC方法的最大优势，以期未来实现缺陷检测的自动化。

如图15所示，本申请的优选实施例还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述实施例中的基于超分辨率超声图像的缺陷量化方法。

如图16所示，本申请的优选实施例还提供了一种计算机设备，该计算机设备可以是终端或活体检测服务器，其内部结构图可以如图16所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的其他计算机设备通过网络连接通信。该计算机程序被处理器执行时以实现上述基于超分辨率超声图像的缺陷量化方法。

本领域技术人员可以理解，图16中示出的结构，仅仅是与本实施例方案相关的部分结构的框图，并不构成对本实施例方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的设备，或者组合某些设备，或者具有不同的设备布置。

本申请的优选实施例还提供了一种存储介质，所述存储介质包括存储的程序，在所述程序运行时控制所述存储介质所在的设备执行上述实施例中的基于超分辨率超声图像的缺陷量化方法。

需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

本实施例方法所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个或者多个计算设备可读取存储介质中。基于这样的理解，本申请实施例对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该软件产品存储在一个存储介质中，包括若干指令用以使得一台计算设备(可以是个人计算机，服务器，移动计算设备或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)，磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。