Page 30 - 《应用声学》2022年第4期
P. 30
528 2022 年 7 月
有关，因此在不同的检测工况下，需要对校正模型进
0 引言
行重新计算，以达到去除伪影的效果，降低了算法的
实用性，并且其计算时间成倍增加。而文献 [17] 提
基于超声全矩阵 (Full matrix capture, FMC)
数 据 的 全 聚 焦 成 像 算 法 (Total focus method, 供的方法虽然不需考虑检测工况下模型的调整问
TFM) 是近年来兴起的一种后处理成像技术 [1−3] ， 题，可通过全矩阵数据统计具有特定回波幅值的声
广泛用于构件缺陷检测与成像中 [4−6] 。该成像技术 程线个数来判别伪影。但其回波阈值主要依据经验
可将待测区域进行全域聚焦，获取更加丰富的缺陷 值，并且缺陷的分布和噪声量级等因素对该方法的
信息，成像效果也得到明显提升 [7−10] 。但该成像技 影响较大，当缺陷个数较多时，该方法的伪影剔除效
术在全域声场解算中，由于超声旁瓣能量泄露以及 果下降。
等声程线扩散 [11] ，不可避免地会产生伪影现象，常 针对这些问题，本文提出了一种新的伪影剔除
通过变迹处理抑制旁瓣幅值 [12] 。而等声程线扩散 方法，将传感器测量数据分为两路，一路用于全聚焦
产生的伪影成因与全聚焦成像原理相关，并不便于 成像，一路用于等声程线判别。全聚焦成像算法采
直接剔除，影响着缺陷的量化与评估 [13−17] 。若直 用常规的成像方法，其像作为剔除伪影的原始待处
接根据声场强度阈值剔除伪影，又会导致有效缺陷 理图像；等声程线判别的目的是确定该等声程线是
图像信息的丢失。因此，发现并剔除这类等声程扩 否为有效等声程线，判别依据为采集数据的均方根
散引起的原理性伪影具有重要的研究价值。 误差，可根据信号自适应计算得到。融合有效等声
针对全聚焦成像伪影问题，国内外学者开展了 程线数量与图像强度分布特征，就可进行原始图像
广泛的研究。周正干等 [13] 针对双层介质中缺陷全 中伪影的辨识与剔除。伪影剔除后，将空缺部分用
聚焦成像时的伪影问题，提出了根据全聚焦能量指 图像矩阵中强度最低像素值填充，即可获取剔除伪
向性和扩散的图像修正方法，减小了近表面全聚焦 影后的缺陷图像。
成像时的能量误差，降低了伪影出现的可能性。贾
1 超声全聚焦成像算法及其伪影分析
乐成等 [14] 指出指向性函数可对单阵元声场能量进
行较准确的校正，但全聚焦通过阵列不同收发模式 1.1 超声全聚焦成像原理
下聚焦点幅值不断叠加成像，即便通过指向性函数
基于全矩阵数据的全聚焦成像算法是目前超
进行校正也会出现失真，提出改进阵元指向性校正 声成像领域研究的热点之一，全矩阵数据是一种阵
模型，并对全聚焦成像模型进行了修正，降低了伪缺
列传感器阵元数据采集方法，采用“一发全收”的模
陷出现的可能性，但成像时间成倍增加，后续通过三
式，可以获取更加丰富的缺陷回波信息 [7] 。以线阵
角矩阵数据的减少全聚焦成像时间。Potter 等 [15]
为例，假设阵元个数为 1 × N，当任一阵元发射结束
引入扩散场的概念，模拟超声信号在有界介质中不
后，全部阵元处于接收状态。若阵元 i(1 6 i 6 N)
断地散射和反射，可以获取到均匀声场，并可反演出
为发射阵元，接收阵元 j(1 6 j 6 N) 接收到的回波
两点间格林函数时域结构对全聚焦成像算法进行
为S ij (t)，依次激发所有阵元，全部阵元发射完毕后，
后处理，降低了成像的噪声和伪影。杨贵德等 [16] 提
可接收得到N × N 个A扫信号组成的数据矩阵S：
出通过小波变换并结合无偏似然估计，对全聚焦成
S 11 (t) S 12 (t) · · · S 1j (t) · · · S 1N (t)
像信号进行滤波来达到降低伪影的目的。陈赛 [17]
. . . .
预先设定强度阈值，统计该像素点回波大于该阈值 . .
,
时的数量来判别该点是否为伪影，若为伪影，就以周 S = S i1 (t) S i2 (t) · · · S ij (t) · · · S iN (t)
. .
围像素加权平均来填充伪影部分，以达到减弱伪影 . .
. .
的目的。
S N1 (t) S N2 (t) · · · S Nj (t) · · · S NN (t)
这些伪影去除方法大部分是通过对全矩阵数
据进行校正后再进行缺陷成像，其去除伪影效果主 i, j = 1, 2, · · · , N, (1)
要依靠于校正模型。由于校正模型的去伪影效果与 其中，S ij (t) 表示第 i 号阵元发射、第 j 号阵元接收
传感器性能参数、声束入射角度和待测试块等参数 的数据。
