블로그

Jan 01, 2024

블록을 이용한 음향현미경의 이미지 노이즈 제거

Scientific Reports 13권, 기사 번호: 13212(2023) 이 기사 인용 208 액세스 2 Altmetric Metrics 세부 정보 주사 음향 현미경(SAM)은 다음에서 사용되는 라벨 없는 이미징 기술입니다.

Scientific Reports 13권, 기사 번호: 13212(2023) 이 기사 인용

208 액세스

2 알트메트릭

측정항목 세부정보

주사 음향 현미경(SAM)은 표면 및 하위 표면 구조를 시각화하기 위해 생체 의학 이미징, 비파괴 테스트 및 재료 연구에 사용되는 라벨 없는 이미징 기술입니다. 초음파 이미징에서 이미지의 노이즈는 대비, 가장자리 및 질감 세부 사항, 해상도를 감소시켜 후처리 알고리즘에 부정적인 영향을 미칠 수 있습니다. 스캔된 이미지의 노이즈를 줄이기 위해 음향 볼륨 신호를 제거하는 데 사용할 수 있는 4D 블록 매칭(BM4D) 필터를 사용했습니다. BM4D 필터는 하드 임계값 및 Wiener 필터링 단계를 갖춘 변환 도메인 필터링 기술을 활용합니다. 제안된 알고리즘은 잡음이 있는 영상에 적용 시 기존의 다른 필터링 방법(가우시안 필터, 중앙값 필터, 위너 필터)에 비해 가장 적합한 잡음 제거 출력을 생성합니다. BM4D로 필터링된 이미지의 출력을 다른 기존 필터의 노이즈 수준과 비교했습니다. 필터링된 이미지는 구조적 유사성 지수 매트릭스(SSIM) 및 피크 신호 ​​대 잡음비(PSNR)와 같은 측정항목을 사용하여 정성적으로 분석되었습니다. 결합된 정성적 및 정량적 분석은 BM4D 기술이 SAM의 음향 영상을 제거하는 데 가장 적합한 방법임을 보여줍니다. 제안된 블록 매칭 필터는 특히 신호 대 잡음비가 좋지 않은 시나리오에서 음향 또는 광음향 영상 잡음 제거 분야에 새로운 길을 열어줍니다.

재료 과학부터 생물학까지, 주사 음향 현미경(SAM)은 표면 및 내부 구조를 이미지화하고 연구 중인 재료에 손상을 주지 않고 비파괴 평가를 수행하는 데 성공적으로 사용되었습니다1. SAM은 물체를 검사하는 능력 외에도 검사된 품목에 대한 풍부하고 정확한 정량적 정보를 제공할 수도 있습니다. SAM은 재료의 비침습적 미세 구조 특성화, 압전 재료의 표면 및 지하 기계적 특성 특성화, 복합 구조의 구조 상태 모니터링(SHM), 폴리머의 표면 결함 감지 등 다양한 기능을 갖추고 있습니다. 회로 및 이방성 포논의 전파를 조사합니다2,3,4,5,6,7. SAM의 기술은 경쟁이 치열하고 까다로운 마이크로 전자공학 및 반도체 산업 시장에서 매우 중요합니다. 이는 플립칩 패키지의 금형 설계를 향상시키는 데 중요한 역할을 하며 칩 스케일 패키지 및 3D IC 스택과 같은 소형화된 어셈블리와 관련된 복잡성을 관리할 수 있어 업계에서 중요한 도구입니다8, 9.

특정 주파수에서 SAM에 의해 생성된 이미지의 해상도는 음향 빔의 스폿 크기와 함께 x 및 y 방향의 픽셀 크기 또는 스캔 단계에 따라 달라집니다. 초음파 영상에서는 신호를 수집하여 영상을 생성하는데, 생성된 영상의 품질은 노이즈의 존재 여부에 따라 크게 영향을 받을 수 있습니다. 노이즈가 있는 이미지는 대비 감소, 가장자리 및 텍스처 세부 묘사 손실, 해상도 감소를 유발하여 후처리 알고리즘 성능에 부정적인 영향을 미칠 수 있습니다. 따라서 소음은 음향영상의 신호품질을 저하시키는 중요한 요소이다. 획득한 이미지에서 정확한 매개변수 결정은 효과적인 이미지 노이즈 제거에 달려 있습니다.

초음파 영상에서 가장 널리 퍼져 있고 해결되지 않은 문제는 여러 소스에서 발생하는 노이즈로 인해 영상 품질이 크게 저하되는 경우가 많습니다. 결과적으로 음향 대비가 중요한 역할을 하는 민감한 응용 분야에서는 소음의 존재가 매우 제한됩니다. 환경, 전자적 노이즈, 전송 케이블 등 다양한 요인으로 인해 영상은 획득, 압축, 전송 과정에서 필연적으로 노이즈가 발생하게 되어 영상 정보의 왜곡 및 손실이 발생하게 됩니다. 이러한 요인으로 인해 이미지는 데이터 수집 중에 무작위 노이즈가 나타나는 데 취약해집니다. 노이즈 제거 기술은 공간 영역 방법과 변환 영역 방법이라는 두 가지 주요 범주로 분류될 수 있습니다. 공간 필터는 선형 필터와 비선형 필터로 더 나눌 수 있으며, 노이즈는 주파수 스펙트럼에서 더 높은 영역을 차지하는 경향이 있으므로 이미지의 픽셀 값에 저역 통과 필터링을 사용합니다10. 공간 필터는 노이즈를 어느 정도 줄이는 경향이 있지만 이미지가 흐려지는 경우가 많습니다. 대조적으로, 변환 도메인은 이 문제를 해결하기 위해 웨이블릿 분해 및 경험적 모드 분해(EMD)와 같은 다양한 신호 처리 기술을 제공합니다. 또한 주성분 분석(PCA) 및 특이값 분해(SVD)와 같은 방법을 신호 재구성 및 복원에 사용할 수 있습니다12, 13. Wang et al. 신호를 제거하기 위해 웨이브 패킷 분해와 EMD를 결합한 하이브리드 방법을 활용한 후 SVM(Support Vector Machine)14을 사용하여 다양한 엔진 결함을 분류했습니다. 별도의 연구에서 Fan et al. 다양한 수준의 소음을 사용하여 시뮬레이션된 데이터를 사용하여 시연된 주성분 분석(PCA)을 기반으로 한 소음 제거 알고리즘을 제시했습니다15. Huanet al. 주성분 분석(PCA)과 특이값 분해(SVD)를 결합하여 간섭의 특이값을 식별하는 C-PCASVD라는 방법을 도입했습니다. 이 기술을 사용하면 잡음이 제거된 자유 유도 감쇠(FID)와 잡음 감소 효율성 간의 최적의 균형을 유지할 수 있습니다.