張 睿,潘理虎,陳立潮,張永梅

(1.太原科技大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院,太原 030024;2.北方工業(yè)大學(xué)計(jì)算機(jī)學(xué)院,北京 100144)

超聲探測系統(tǒng)已經(jīng)被廣泛應(yīng)用到各個(gè)領(lǐng)域,其核心部件超聲傳感器的性能直接制約著探測系統(tǒng)的好壞?？v覽國內(nèi)外對超聲傳感器的研究,近20年來,基于MEMS技術(shù)制作的電容式超聲傳感器技術(shù)CMUT(Capacitive Micromachined Ultrasonic Transducer)得到了迅猛發(fā)展[1]。CMUT被近似認(rèn)為是一種下電極固定,上電極振動的微型平行板電容器,工作模式下通過驅(qū)動上電極的振動使平行電容間電容量發(fā)生改變,進(jìn)而最終聲/電相互轉(zhuǎn)換[2-3]?；诠饪坦に嚨腃MUT,擁有更低的聲特性阻抗,易與水的聲阻抗介質(zhì)(空氣、流體)實(shí)現(xiàn)較好的聲學(xué)特性匹配,在振動薄膜設(shè)計(jì)加工時(shí)無需考慮表面匹配層的影響,透聲性能明顯改善,器件收發(fā)性能好,并具有較寬的工作帶寬和較高的靈敏度,相比目前國內(nèi)外水下成像傳感器主要采用的分立壓電陶瓷成像陣列、集成壓電陶瓷成像陣列而言,CMUT加工工藝復(fù)雜度較低,易于集成陣列、且陣列一致性較好,這些優(yōu)勢都使得CMUT陣列滿足成為水下高分辨率成像聲吶的條件,具有獲取高性能成像效果的可能,在水下成像領(lǐng)域具有較好的發(fā)展前景[4-6]。

基于作者所在課題組對CMUT 1×16線性陣列的設(shè)計(jì)和封裝研究[7-10],針對400 kHz低頻CMUT線陣水下扇形掃描探測范圍廣、圖像數(shù)據(jù)量有限時(shí)引起的重建圖像遠(yuǎn)場末端細(xì)長裂縫問題,本文在CMUT水下扇形掃描成像算法中引入一種圖像優(yōu)化方法,即在漏點(diǎn)像素插補(bǔ)處理后增加一種基于形態(tài)學(xué)串行運(yùn)算的圖像填充濾波方法,以期改善重建圖像的連續(xù)性和信噪比。

圖1 回波信號

1 扇形掃描探測

超聲探測方法通常輻射超聲波至被測物,傳播介質(zhì)和物體表面相鄰界面不同程度的聲阻抗差引起相應(yīng)程度的反射回波幅度,然后依據(jù)接收回波的時(shí)間差、幅度強(qiáng)度等構(gòu)建灰階圖像,以此探測目標(biāo)形狀及其結(jié)構(gòu)層次。超聲扇形掃描圖像重建是將扇形掃描區(qū)域內(nèi)掃描回波以極坐標(biāo)的形式排列并進(jìn)行信號處理的過程。但是接收掃描線通常是以二維直角坐標(biāo)存儲的,為了能準(zhǔn)確反映真實(shí)的成像區(qū)域,顯像前必須實(shí)現(xiàn)回波信號存儲方式和顯像方式的轉(zhuǎn)換。

為了實(shí)現(xiàn)掃描回波信息(位移、幅度)到探測掃描區(qū)域圖像的轉(zhuǎn)變,扇形掃描回波信號處理過程[7]主要有濾波降噪、包絡(luò)幅度相位信息提取、坐標(biāo)變換和漏點(diǎn)插補(bǔ)。

圖2 包絡(luò)檢波

圖3 對數(shù)壓縮

圖4 扇形掃描偏轉(zhuǎn)示意圖

2 CMUT線陣水下探測

本文搭建了如圖5所示的CMUT線陣水箱探測系統(tǒng)。此次測試,采用研制的收發(fā)一體的CMUT線性陣列來完成。系統(tǒng)中,吉時(shí)利2231A-30-3多通道可編程直流電源用于提供CMUT收發(fā)一體驅(qū)動電路的電源(±6 V)。固緯GPS-4303C用于提供CMUT工作時(shí)的偏置電壓(±20 V),信號發(fā)生器用于提供20Vpp的激勵(lì)信號(4-cycles,400 kHz)。接收時(shí),利用實(shí)驗(yàn)室研制的多通道采集電路進(jìn)行信號采集存儲,然后通過計(jì)算機(jī)對接收到的數(shù)據(jù)進(jìn)行分析。測試期間,CMUT陣列被固定在精密分讀盤上放于水槽中。一個(gè)長寬均為1 cm的正方體被放置在CMUT陣列前方的掃描范圍內(nèi)。通過對13組掃描線的回波存儲,回波信號處理結(jié)果如圖6所示。

圖5 扇形掃描成像系統(tǒng)

為了滿足CMUT水下扇形掃描高質(zhì)量探測應(yīng)用的需求,選取Bicubic算法用于對漏點(diǎn)像素?cái)?shù)據(jù)的插補(bǔ)。Bicubic是根據(jù)空白點(diǎn)四周4×4像素領(lǐng)域內(nèi)的灰度值取平均后進(jìn)行漏點(diǎn)像素補(bǔ)充的。圖6(f)是Bicubic對回波數(shù)據(jù)進(jìn)行插值成像的結(jié)果,該方法很好的實(shí)現(xiàn)了漏點(diǎn)像素的插補(bǔ),提高了圖像的連續(xù)性,但該方法計(jì)算量大,運(yùn)算速度慢。

從圖6(f)和圖6(e)中可以看到,低頻CMUT 1×16小陣列用于水下扇形掃描成像時(shí),會出現(xiàn)以下問題:①隨著探測角度和探測距離的增加,掃描線間距會不斷增大,像素漏點(diǎn)情況還會出現(xiàn),并隨著角度范圍和探測距離的增大,“裂縫”現(xiàn)象越明顯,僅靠插值算法很難完全實(shí)現(xiàn)數(shù)據(jù)填補(bǔ);②考慮其圖像重建效率,掃描線數(shù)目和圖像數(shù)據(jù)量將會受限制,使得插值圖像被測目標(biāo)清晰度降低,目標(biāo)輪廓難以提取的問題;③重建圖像里往往包含由噪聲造成的許多孤立散斑噪聲,直接圖像填充有時(shí)會使散斑噪聲范圍擴(kuò)充,降低了重建圖像的信噪比。

3 形態(tài)學(xué)串行運(yùn)算優(yōu)化

為了解決以上問題,本文以期通過一種形態(tài)學(xué)串行方法,在實(shí)現(xiàn)圖像填充的同時(shí)也可以實(shí)現(xiàn)對圖像濾波降噪,提高目標(biāo)、圖像的信噪比、連續(xù)性和均勻性。

3.1 數(shù)學(xué)形態(tài)學(xué)方法

形態(tài)學(xué)圖像填充和濾波的基本思想是根據(jù)待測目標(biāo)體的幾何結(jié)構(gòu)特征和運(yùn)算需求,選取相應(yīng)幾何特征的結(jié)構(gòu)元素,對重建聲圖像集合進(jìn)行對應(yīng)的形態(tài)運(yùn)算(如平移、并、交等),來實(shí)現(xiàn)圖像填充和去噪,使關(guān)心的目標(biāo)信息更加顯著。

(1)結(jié)構(gòu)元素

在形態(tài)學(xué)中,結(jié)構(gòu)元素B可被認(rèn)為是一個(gè)重要的運(yùn)算子,它是由0和1組成具有一定幾何特征的集合,用來收集圖像集合A的信息,當(dāng)結(jié)構(gòu)元素B連續(xù)在圖像集合A中移動時(shí),就能掃查到圖像集合A相鄰元素的相互關(guān)系和整體集合A的結(jié)構(gòu)特征[14-15]。為了方便確定結(jié)構(gòu)元素B在圖像集合A中的位置,會先確定結(jié)構(gòu)元素B的原點(diǎn),B+x表示將B的原點(diǎn)移到x處。通常會根據(jù)圖像處理的需求來選擇不同的結(jié)構(gòu)元素,大小和維數(shù)尺度較大時(shí),圖像的填充效果好,但是抑制散斑噪聲效果差,一些細(xì)節(jié)會存在丟失的可能;大小和維數(shù)尺度較小時(shí),可以較好地凸顯圖像的細(xì)節(jié)和消除細(xì)小的散斑噪聲,但是填充效果較差。因此,結(jié)構(gòu)元素B的選取是否恰當(dāng)對圖像集合A填充效果的好壞是非常關(guān)鍵的。

(2)形態(tài)學(xué)運(yùn)算

在進(jìn)行圖像處理時(shí),可以將插值后的圖像看作一個(gè)矩形集合,其中的元素就是構(gòu)建圖像的像素點(diǎn)。假設(shè)偏轉(zhuǎn)插值后的圖像矩陣為A,結(jié)構(gòu)元素為B,則形態(tài)學(xué)運(yùn)算分別被定義為[14-17]:

圖7 非對稱集合B膨脹運(yùn)算模擬圖

②B腐蝕A:與集合B膨脹集合A是兩個(gè)互逆的過程,屬于對偶運(yùn)算,即集合B中每個(gè)元素平移后仍包含在集合A中的所有點(diǎn)的集合。其定義為:AΘB={X:B+x?A}。AΘB等同于讓集合B在整個(gè)運(yùn)算平面內(nèi)掃描,若在像素點(diǎn)x處,集合B能夠完全包含于A中,則此處像素點(diǎn)賦值為1,反之賦值為0。腐蝕運(yùn)算模擬圖如圖8所示。

由圖8可以看出,腐蝕運(yùn)算消除了被測物位置四周邊界上離散點(diǎn)和不光滑的凸起等部分,如果集合A整體大于結(jié)構(gòu)元素B,腐蝕使集合A“瘦”一圈,“瘦”的程度由結(jié)構(gòu)元素B決定;如果集合A某一部分整體小于結(jié)構(gòu)元素B,腐蝕使該部分消失,會使原圖集合A中細(xì)窄的連接處斷裂。

圖8 腐蝕運(yùn)算模擬圖

③開運(yùn)算就是先利用結(jié)構(gòu)元素B腐蝕集合A,再次利用元素B膨脹AΘB,它是一種膨脹與腐蝕的串行復(fù)合運(yùn)算,即:A°B=(AΘB)⊕B。開運(yùn)算中,腐蝕操作消除了離散亮點(diǎn)和凸起,膨脹操作填充了亮度信息,同時(shí)不引入消除的凸起的部分。開運(yùn)算模擬圖如圖9所示。

圖9 開運(yùn)算模擬圖

由圖9可以發(fā)現(xiàn)開運(yùn)算將一個(gè)整體區(qū)域分割成兩個(gè)小的區(qū)域,斷開了中間的狹窄連接,同時(shí)填充了右側(cè)區(qū)域,并消除了該區(qū)域上方凸起的“毛刺”部分。

④閉運(yùn)算是開運(yùn)算的對偶運(yùn)算,A·B=(A⊕B)ΘB,即先利用結(jié)構(gòu)元素B膨脹原圖集合A,再利用元素B腐蝕A⊕B,它也是一種串行復(fù)合運(yùn)算。膨脹操作填充了原圖集合A中較小的離散點(diǎn),使目標(biāo)亮度集中增強(qiáng),而腐蝕操作再對集合A中的填充差的凸點(diǎn)進(jìn)行消除修飾,使圖像更光滑。圖10給出了閉運(yùn)算的模擬圖,可以看出閉運(yùn)算將4個(gè)分散的區(qū)域連接在一起,對于小于元素集合B尺寸的空白區(qū)域進(jìn)行了很好的填充。

圖10 閉運(yùn)算模擬圖

3.2 串行方法

扇形掃描重建圖像是由掃描線偏轉(zhuǎn)構(gòu)建的,本文掃描的目標(biāo)小方塊屬于線形目標(biāo),因此用線形結(jié)構(gòu)元素探到圖像中的線形信息,而對于孤立噪點(diǎn)因其不具備線形幾何性質(zhì)會被消除。由此可以通過適當(dāng)?shù)拈_運(yùn)算圖像處理,保留圖像的細(xì)節(jié),更好地提取目標(biāo)輪廓,對目標(biāo)圖像進(jìn)行增強(qiáng)和去噪,抑制孤立噪點(diǎn)干擾。式(1)為針對本文應(yīng)用構(gòu)建的維度為4,角度為45°的線性結(jié)構(gòu)元素。Bicubic插值后的圖6(f)經(jīng)過初次線性結(jié)構(gòu)元素開運(yùn)算后得到的效果圖如圖11所示。

圖11 線性結(jié)構(gòu)元素開運(yùn)算處理效果

線形(line)結(jié)構(gòu)元素的矩陣形式為:

(1)

從圖11可以看出:開運(yùn)算很好的消除了上端的明顯孤立噪點(diǎn),同時(shí)也對圖像進(jìn)行了填充,但是填充效果并不理想,在遠(yuǎn)場末端還是存在著裂縫,圖像依然還是缺乏連續(xù)的。因此本文再次對重建圖像進(jìn)行二次形態(tài)學(xué)運(yùn)算處理,此時(shí),由于去除了噪點(diǎn),不必考慮噪點(diǎn)的擴(kuò)散填充問題,故可選擇尺寸大一些的結(jié)構(gòu)元素進(jìn)行閉運(yùn)算填充處理,來填補(bǔ)圖像中狹窄的間隙和細(xì)長的裂縫,本文經(jīng)過多次仿真測試選取了邊長為8的橢圓結(jié)構(gòu)元素對圖像進(jìn)行了閉運(yùn)算操作,如式(2)所示。二次形態(tài)學(xué)閉運(yùn)算效果如圖12所示。

圖12 串行運(yùn)算效果

圖13 輪廓提取

圖13是對圖12進(jìn)行的探測目標(biāo)輪廓提取。

橢圓體(ball)結(jié)構(gòu)元素的矩陣形式為:

(2)

為了進(jìn)一步分析,引入信噪比SNR公式:

(3)

從圖12和圖13中可以看出,相比較圖6的插值結(jié)果和輪廓提取結(jié)果,線性元素結(jié)構(gòu)開運(yùn)算和橢圓體元素結(jié)構(gòu)閉運(yùn)算構(gòu)成的形態(tài)學(xué)串行組合較好的實(shí)現(xiàn)了大范圍扇形掃描圖形中裂縫的填充,消除了許多孤立噪點(diǎn)和旁瓣偽像的干擾,提取的目標(biāo)輪廓清晰。通過式(3)分析,圖6(f)提取輪廓后的圖6(g)信噪比為11.005 dB,經(jīng)本文提出的串行算法后圖13的信噪比為18.752 dB,本文的串行方法有效提高了圖像信噪比,有利于提高探測質(zhì)量,為水下目標(biāo)探測提供有利的技術(shù)保障。

4 結(jié)論

本論文圍繞CMUT收發(fā)一體線陣水下探測的研究,在對陣列接收到的回波信號的信號處理的基礎(chǔ)上,針對小型線陣水下扇形掃描范圍廣、圖像數(shù)據(jù)量有限引起的重建圖像遠(yuǎn)場末端細(xì)長裂縫問題,提出了一種形態(tài)學(xué)串行運(yùn)算算法,將線性元素開運(yùn)算和橢圓體元素閉運(yùn)算串行組合對重建圖像進(jìn)行填充濾波,通過CMUT水下成像系統(tǒng)的搭建,實(shí)驗(yàn)驗(yàn)證了本文提出的形態(tài)學(xué)串行運(yùn)算算法很好的實(shí)現(xiàn)了大范圍扇形掃描重建圖像的填充,提高了探測范圍內(nèi)圖像的信噪比和連續(xù)性,有利于提取探測目標(biāo)輪廓,為后期水下探測目標(biāo)識別提供有力的技術(shù)保障。

[1] Cummins T,Eliahoo P,Shung K K. High-Frequency Ultrasound Array Designed for Ultrasound-Guided Breast Biopsy[J]. IEEE Transactions on Ultrasonics Ferroelectrics and Frequency Control,2016,63(6):817-827.

[2] Oralkan ?,Ergun A S,Johnson J A,et al. Capacitive Micromachined Ultrasonic Transducers:Next-Generation Arrays for Acoustic Imaging?[J]. IEEE Trans. Ultrason. Ferroelectr. Freq. Control,2002,49:1596-1610.

[3] Miao J,Shen W J,He C D,et al. Micro-Electro-Mechanical Systems Capacitive Ultrasonic Transducer with a Higher Electromechanical Coupling Coefficient[J]. Micro and Nano Letters,2015,10(10):541-544.

[4] 張慧,何常德,苗靜,等. 一種基于MATLAB的CMUT陣列設(shè)計(jì)與成像仿真方法[J]. 傳感技術(shù)學(xué)報(bào),2014,27(4):490-494.

[5] Zhuang X. Capacitive Micromachined Ultrasonic Transducers with Through Wafer Interconnects[D]. Stanford:Stanford University,2008.

[6] Zhang W,Zhang H,Du F,et al. Pull-In Analysis of the Flat Circular CMUT Cell Featuring Sealed Cavity[J]. Mathematical Provlems in Engineering,2015:(150279):21-42.

[7] Zhang R,Zhang W D,He C D,et al. Design of Capacitive Micromachined Ultrasonic Transducer(CMUT)Linear Array for Underwater Imaging[J]. Sensor Review,2015,6(1):77-85.

[8] Zhang R,Zhang W D,He C D,et al. Underwater Imaging Using a 1×16 CMUT Linear Array[J]. Sensors,2016,16(3):312-329.

[9] Song J L,Xue C Y,He C D,et al. Capacitive Micromachined Ultrasonic Transducers(CMUTs)for Underwater Imaging Applications[J]. Sensors,2015,15:23205-23217.

[10] Mu L F,Zhang W D,He C D,et al. Design and Test of a Capacitance Detection Circuit Based on a Transimped Anceamplifier[J]. Journal of Semiconductors,2015,7:075007(1-8)(EI).

[11] 謝鵬燕. 基于Hilbert變換正則化方法的反投影濾波算法及其窗函數(shù)的研究[D]. 北京:北京交通大學(xué),2015.

[12] 厲征鑫. 基于二維EMD的織物疵點(diǎn)檢測研究[D]. 無錫:江南大學(xué),2015.

[13] 王偉明. 數(shù)字B超成像技術(shù)及其優(yōu)化方法的研究[D]. 重慶:重慶大學(xué),2010.

[14] 徐雷. 基于數(shù)學(xué)形態(tài)學(xué)的超聲圖像降噪和分割方法研究[D]. 吉林:東北電力大學(xué),2015.

[15] 肖紅光,文俊,陳立福,等. 一種新的高分辨率SAR圖像道路提取算法[J]. 計(jì)算機(jī)工程與應(yīng)用,2016(5):198-202.

[16] Haffray P,Bugeon J,Rivard Q,et al. Genetic Parameters of in-vivo Prediction of Carcass,Head and Fillet Yields by Internal Ultrasound and 2D External Imagery in Large Rainbow Trout[J]. Aquaculture,2013,410:236-244.

[17] Gronde V D,Roerdink J. Group-Invariant Colour Morphology Based on Frames[J]. IEEE Transactions on Image Processing,2014,23(3):1276-1288.