一种用于高频超声的频谱分析成像方法及其装置与流程

本发明涉及超声无损检测与成像，特别涉及一种用于高频超声的频谱分析成像方法及其装置。

背景技术：

1、超声扫描显微镜利用高频聚焦超声换能器发射超声脉冲并接收回波，通过c扫描方式获取被测对象的内部声学特征图像。传统的高频超声成像通常对时域回波直接提取幅度或渡越时间信息进行成像。然而，高频超声在材料中衰减严重，单一频带成像难以兼顾检测深度与分辨率：提高频率可获得高分辨率但穿透深度不足，降低频率能增加穿透深度却又牺牲了对细微缺陷的辨识能力。

2、现有技术中虽有多频成像方法，但往往依赖固定的频带划分，不能根据被测材料的实时声学特性自适应调整频谱参数；并且，回波信号中夹杂的噪声与缺陷信号在频谱上可能重叠，固定滤波方式难以有效提取缺陷特征频谱、抑制噪声，导致细微缺陷的识别精度受限。

技术实现思路

1、本发明所要解决的问题是提供一种用于高频超声的频谱分析成像方法及其装置，这种用于高频超声的频谱分析成像方法能够自适应分解提取特征频谱、抑制噪声，并依据材料特性动态调整频谱参数，提高复杂材料内部细微缺陷的识别精度。

2、为了解决上述技术问题，本发明采用的技术方案如下：

3、一种用于高频超声的频谱分析成像方法，其特征在于包括下述步骤：

4、（1）信号采集：采用步进方式对被测对象逐层进行二维扫描，在每一扫描位置发射超声脉冲并接收时域回波信号；

5、（2）自适应频谱分解：采用自适应频谱分解算法对步骤（1）中接收的时域回波信号进行信号分解，获得多个具有不同中心频率和有限带宽的本征模态分量；

6、（3）动态成像子带选取：根据被测对象的声速、材料声衰减特性、预设检测深度及最小幅度阈值，自动计算兼顾分辨率和穿透能力的最优成像频段组合，并动态地从步骤（2）中的本征模态分量选取与最优成像频段组合相匹配的本征模态分量作为成像子带；

7、（4）单频段特征成像：针对步骤（3）中选取的各成像子带，利用对应于预设检测深度的时间闸门截取信号，计算该时间闸门内的信号包络特征值，并以该信号包络特征值作为当前扫描位置的像素值，生成对应的单频段特征图像；

8、（5）多频段协同融合成像：对步骤（4）中的多个单频段特征图像采用协同融合策略进行图像融合，得到最终超声检测图像。

9、上述步骤（2）中，每个本征模态分量对应一个中心频率确定、带宽有限的频段，代表了回波信号中不同的频谱成分。其中，噪声和干扰信号往往被分离到个别分量中。

10、上述步骤（5）中，在图像融合过程可依据各成像子带对分辨率的贡献或信噪比进行，使得最终超声检测图像既保留高频子带的高分辨细节，又兼具低频频带的深层穿透信息。

11、本发明能够自动抑制噪声分量，提取反应缺陷本质的特征频谱，多频段协同工作打破了单一频率在深度和分辨率上的矛盾，为超声扫描显微镜提供核心的高分辨率成像支撑。

12、优选方案中，所述步骤（1）中，采用高频聚焦超声换能器对被测对象进行c扫描；通过步进电机驱动高频聚焦超声换能器逐点移动，步进距离为0.1μm-1mm；每个扫描位置发射负脉冲激励，接收经水耦合进入被测对象后的反射回波；反射回波经前置放大和模数转换后，存储为各扫描位置对应的时域数字信号。

13、优选方案中，所述步骤（2）中，自适应频谱分解算法为变分模态分解算法、连续变分模态分解算法、经验模态分解算法或局域均值分解算法中的任意一种；所述步骤（4）中，信号特征值为所述成像子带在时间闸门内的包络峰值、包络能量或包络积分值中的任意一种。上述变分模态分解算法（vmd）是一种基于变分优化框架的自适应非递归信号分解算法，通过迭代搜寻约束变分模型的最优解。上述连续变分模态分解算法（svmd）是基于连续时间域变分优化理论的自适应非平稳信号分解算法，是变分模态分解的原生连续域形式。上述经验模态分解算法（emd）是一种数据驱动的自适应非平稳信号分解算法，无需预先设定基函数，完全依据信号自身的时间尺度特征进行分解。上述局域均值分解算法（lmd）是一种改进型自适应非平稳信号分解算法，通过逐次计算信号的局部均值函数与局部包络函数，将原始信号迭代分解为若干个乘积函数与一个残余分量之和。

14、进一步优选方案中，所述步骤（2）中，自适应频谱分解算法为变分模态分解算法，变分模态分解算法根据下式(2-1)、(2-2)自适应地将信号分解为k个本征模态分量，每个分量围绕某一中心频率紧凑分布，所有分量带宽之和最小，且能精确重构原始信号；

15、  (2-1)；

16、  (2-2)。

17、更进一步优选方案中，所述步骤（3）中，通过设定预估检测深度z、衰减系数因子、频率幂指数n、最小幅值阈值，通过下式(3-1)来计算频率上限；根据下式(3-2)，通过设定声速c、分辨尺寸，通过下式(3-2)来计算频率下限；遍历步骤（2）得到的k个本征模态分量，读取每个分量对应的中心频率；根据下式(3-3)对每一扫描位置的时域回波信号分别执行模态分解与子带进行动态筛选，选取中心频率满足频率区间条件的模态分量作为成像子带，舍弃不满足条件的分量；选取完成，输出m个成像子带，m≤k；

18、  (3-1)；

19、  (3-2)；

20、  (3-3)。

21、步骤（2）输出k个本征模态分量，各个本征模态分量分别对应各自的中心频率；进入步骤（3），首先结合检测对象先验参数计算得到成像允许的频率区间；将步骤（2）得到的k个本征模态分量的中心频率与该频率区间逐一比对，仅将中心频率落入该区间内的本征模态分量保留作为成像子带，剔除频率超出区间的无效分量，由此得到m个成像子带，实现基于检测对象的自适应成像子带筛选。

22、上述步骤（3）中，动态选取根据检测深度、衰减系数因子、频率幂指数、最小幅值阈值，确定有效成像频带范围，并自动选取中心频率落入该有效频带范围的分量，以兼顾近表面高分辨率与深层穿透能力。上述步骤（3）中，动态选取还包括：舍去中心频率高于预设频率阈值的高频本征模态分量和中心频率低于预设频率阈值的低频本征模态分量，以抑制噪声、伪影干扰。

23、再更进一步优选方案中，所述步骤（4）中，根据被测对象的深度与声速，设置时间闸门，对选中的成像子带进行截取，根据下式(4-1)求取希尔伯特包络，提取各成像子带在该时间闸门内的最大峰值作为特征值，将所有扫描位置的特征值按坐标排列并归一化，生成m个单频段特征图像；

24、  (4-1)，其中，为希尔伯特变换。

25、再更进一步优选方案中，所述步骤（5）中，图像融合采用平均法；将步骤（4）中的m个单频段特征图像进行图像融合，按下式(5-1)求取像素平均，输出最终超声检测图像；

26、  (5-1)。

27、本发明还提供了一种上述用于高频超声的频谱分析成像方法的装置，包括超声扫描显微镜本体和控制处理系统，其特征在于：所述控制处理系统配置为执行所述用于高频超声的频谱分析成像方法。

28、本发明与现有技术相比，具有如下优点：

29、（1）精准提取特征频谱，显著抑制噪声：采用自适应频谱分解算法，能将原始回波信号自适应的拆分为不同频段的本征模态分量，这一过程可自然地将噪声和伪影等干扰分离到个别分量中。通过动态舍弃这些噪声分量，仅保留反映缺陷本质特征的有效分量进行成像，大幅提升信噪比，使原本淹没在噪声中的微小缺陷信号得以凸显。

30、（2）打破深度与分辨率的固有矛盾：传统单频成像中，高频分辨力高但穿透浅，低频穿透深但看不清细节。本发明通过多频段协同融合，将包含丰富细节信息的高频分量图像与携带深层穿透信息的低频分量图像进行协同融合，使最终超声检测图像兼具近表面的高分辨率和深层结构的穿透能力，实现了检测深度与空间分辨率的最佳折中。

31、（3）动态自适应，普适性强：并非使用固定的滤波频带，而是根据被测对象的实时声衰减系数和预设检测深度，动态计算最优成像频段，并自动从分解出的分量中选取匹配的成像子带。这种自适应机制，使得该方法对复杂材料都具有良好的适应性，无需人工反复调参。

32、（4）显著提升细微缺陷的识别精度：通过噪声的有效抑制和不同深度层次信息的融合互补，使得成像结果中的细微缺陷的轮廓和对比度更加清晰。这为超声扫描显微镜在半导体封装缺陷检测、复合材料无损评估等高端应用场景提供了高精度成像的核心技术支撑。