超聲成像檢測方法的研究與實現(xiàn)

第1章 緒論 1.1 題目的來源與意義 1.2 超聲掃描成像的國內(nèi)外發(fā)展現(xiàn)狀 1.3 射線層析成像的國內(nèi)外發(fā)展現(xiàn)狀 1.4 波動層析成像的國內(nèi)外發(fā)展現(xiàn)狀 1.5 超聲反演圖像處理的研究現(xiàn)狀第2章 超聲檢測原理 2.1 超聲波的產(chǎn)生與接收 2.2 超聲波的傳播特性 2.2.1 描述聲場的物理量 2.2.2 近場區(qū)和遠場區(qū) 2.2.3 超聲波的界面?zhèn)鞑? 2.2.4 惠更斯原理 2.3 超聲檢測方法 2.3.1 超聲檢測原理 2.3.2 探頭的選擇 2.3.3 超聲波用于探傷時采用的基本物理量第3章 超聲C掃描成像檢測方法 3.1 超聲C掃描顯示原理 3.2 掃描成像系統(tǒng)的設(shè)計 3.2.1 機械掃查裝置 3.2.2 超聲波發(fā)射接收電路 3.2.3 數(shù)據(jù)采集卡 3.2.4 軟件部分 3.3 檢測信號的處理 3.3.1 信號的降噪處理 3.3.2 信號的特征提取 3.4 成像結(jié)果與分析 3.5 小結(jié)第4章 基于射線理論的透射層析成像 4.1 層析成像的反演方法 4.1.1 變換重建法 4.1.2 級數(shù)展開法 4.2 射線追蹤算法的改進 4.2.1 常規(guī)的射線追蹤算法 4.2.2 走時路徑追蹤基礎(chǔ) 4.2.3 線性插值射線追蹤算法中存在的問題 4.2.4 基于交叉掃描的射線追蹤算法 4.2.5 路徑追蹤結(jié)果與分析 4.3 迭代重建算法 4.3.1 迭代重建算法在超聲CT中的最優(yōu)準則 4.3.2 代數(shù)重建算法 4.3.3 聯(lián)合迭代重建算法 4.4 基于四邊掃描算法的系數(shù)矩陣求取 4.5 基于環(huán)繞式的陣列探頭布置方法 4.5.1 線陣探頭布置方法 4.5.2 環(huán)繞式探頭布置方法 4.6 重建結(jié)果與分析 4.7 小結(jié)第5章 基于波動理論的散射層析成像 5.1 精確散射場的數(shù)學(xué)描述 5.1.1 波動方程的建立 5.1.2 聲波傳播特性的描述 5.1.3 波動方程的線性化 5.1.4 積分方程的離散化 5.2 超聲散射層析成像原理 5.2.1 傅里葉衍射投影算法 5.2.2 濾波反向傳播算法 5.2.3 空間域重建算法 5.3 非線性問題的求解 5.3.1 Born迭代 5.3.2 變形的Born迭代 5.3.3 Levenberg-Marquardt算法 5.3.4 迭代算法的比較 5.4 離散不適定性問題的研究 5.4.1 奇異值分解 5.4.2 最小二乘解 5.4.3 離散不適定問題的提出 5.4.4 Picard準則 5.4.5 正則化方法 5.4.6 正則化參數(shù)的選擇 5.5 基于空間域?qū)游龀上竦膶崿F(xiàn) 5.5.1 實驗?zāi)Ｐ偷慕? 5.5.2 Picard曲線對模型的分析 5.5.3 TSVD正則化方法的實現(xiàn) 5.5.4 實驗結(jié)果與分析 5.6 小結(jié)第6章 超聲反演圖像的處理 6.1 超聲反演圖像的噪聲模型 6.2 一種新的小波閾值函數(shù)降噪方法 6.2.1 小波閡值降噪模型 6.2.2 傳統(tǒng)閾值函數(shù)的缺點 6.2.3 基于雙曲線的新小波閾值函數(shù) 6.2.4 降噪結(jié)果與分析 6.3 常規(guī)的圖像分割方法 6.3.1 閾值分割 6.3.2 區(qū)域分割 6.3.3 聚類分割 6.3.4 基于BP神經(jīng)網(wǎng)絡(luò)的圖像分割方法 6.4 區(qū)域生長分割方法的改進 6.4.1 區(qū)域分割原理 6.4.2 改進的區(qū)域生長分割方法 6.5 區(qū)域生長與聚類分析相結(jié)合的分割算法 6.5.1 模糊集合理論 6.5.2 模糊C-均值聚類算法 6.5.3 新的聚類分割思路 6.6 分割結(jié)果與分析 6.7 小結(jié)第7章 總結(jié)參考文獻