Métodos de otimização aplicados ao projeto de arrays esparsos lineares para imagem por ultrassom

• Ano de defesa: 2022
• Autor(a) principal: Castro, Lucas Iohan Dutra de
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Estadual Paulista (Unesp)
• Palavras-chave em Português: Arrays esparsos; Imagens ultrassônicas; Padrão de radiação; Função objetivo; Métodos de busca; Point Spread Function; Sparse arrays; Ultrasonic imaging; Radiation pattern; Objective function; Search methods
• Link de acesso: http://hdl.handle.net/11449/237138

As ondas ultrassônicas são úteis para a formação de imagens de materiais utilizados na indústria, assim como para diagnósticos médicos por imagem. No âmbito das imagens ultrassônicas, os métodos que otimizam custos físicos e computacionais são alvos de pesquisa, pois mantêm certos níveis de qualidade em inspeções preventivas e corretivas de componentes, e também na caracterização de tecidos moles e de materiais rígidos biológicos. Os arrays de transdutores ultrassônicos são utilizados para obter imagens, existindo um padrão de qualidade associado ao espaçamento (pitch) entre os elementos que os compõem de até metade do comprimento de onda (λ/2). Esse padrão pode não ser seguido se houver a finalidade de reduzir custos relacionados ao tempo de processamento, assim como a redução do número de elementos do array. Isso é feito recorrendo-se aos arrays esparsos, nos quais estão incluídos pitches variados e maiores do que λ/2, existindo muitas divergências na qualidade das imagens resultantes de um número muito grande de combinações possíveis de arrays esparsos. O presente trabalho tem como principal proposta desenvolver duas funções objetivo capazes de avaliar adequadamente os arrays esparsos, sendo a primeira relacionada às intensidades dos artefatos presentes em alguns cenários de imagem simulados por Point Spread Function (PSF), e a segunda associada a diversas métricas provenientes do padrão de radiação e de outras funções que representam as configurações de array esparso linear. A primeira função objetivo é validada através de uma comparação de pontuações finais entre imagens por PSF e por dados experimentais, e as pontuações são associadas a um grupo de 18 configurações de array esparso. A segunda função objetivo, que é desenvolvida com base na primeira, requer processamentos mais rápidos e então é utilizada em alguns métodos de busca capazes de encontrar desejáveis configurações de array esparso. Através das duas funções objetivo, são obtidos dois conjuntos de pontuações finais, sendo relativamente próximos entre si para um grupo de 31 configurações de array esparso, o qual inclui os 18 arrays anteriores. Para 4 arrays com desempenhos distantes entre si, a classificação numérica conjunta é a mesma entre as duas funções objetivo, e também a mesma em relação aos desempenhos gerais por dados experimentais.