Rizzo, Vittorio
(2019)
Ricostruzione di segnali ultrasonici sottocampionati mediante tecniche di compressive sensing e di single-image super-resolution.
[Laurea magistrale], Università di Bologna, Corso di Studio in
Ingegneria elettronica [LM-DM270], Documento full-text non disponibile
Il full-text non è disponibile per scelta dell'autore.
(
Contatta l'autore)
Abstract
La scansione laser ad ultrasuoni è un metodo di monitoraggio strutturale molto efficace nell'ambito del rilevamento dei danni, grazie alla sua natura non distruttiva, alla sensibilità al danno locale e all'elevata risoluzione spaziale. Le immagini ricostruite a seguito della propagazione di onde ultrasoniche nella struttura di interesse consentono di riscontrare la presenza di eventuali danni. Tuttavia, la scansione laser ad ultrasuoni richiede tempi di scansione molto lunghi per ottenere un elevata risoluzione spaziale e un adeguato rapporto segnale rumore, necessari al rilevamento dei danni. L'obiettivo di questo elaborato è quello di presentare un metodo che consente di ricostruire immagini ultrasoniche ad alta risoluzione a partire da un numero ridotto di punti scansionati e, quindi, di risolvere il problema degli eccessivi tempi di scansione. Tale metodo si basa sull'implementazione di due tecniche: il compressive sensing e la super-risoluzione. Il compressive sensing consente di acquisire un segnale a partire da un numero di campioni inferiore rispetto a quello stabilito dal criterio di Shannon-Nyquist, con una perdita ridotta di informazione. La super-risoluzione (SR) è una tecnica che consente di ottenere immagini ad alta risoluzione a partire da immagini a bassa risoluzione. Nel lavoro svolto, l'algoritmo di super-risoluzione riceve in ingresso le immagini prodotte dall'algoritmo di CS e le elabora al fine di ottenere un'immagine "più simile" all'immagine ultrasonica vera.
Abstract
La scansione laser ad ultrasuoni è un metodo di monitoraggio strutturale molto efficace nell'ambito del rilevamento dei danni, grazie alla sua natura non distruttiva, alla sensibilità al danno locale e all'elevata risoluzione spaziale. Le immagini ricostruite a seguito della propagazione di onde ultrasoniche nella struttura di interesse consentono di riscontrare la presenza di eventuali danni. Tuttavia, la scansione laser ad ultrasuoni richiede tempi di scansione molto lunghi per ottenere un elevata risoluzione spaziale e un adeguato rapporto segnale rumore, necessari al rilevamento dei danni. L'obiettivo di questo elaborato è quello di presentare un metodo che consente di ricostruire immagini ultrasoniche ad alta risoluzione a partire da un numero ridotto di punti scansionati e, quindi, di risolvere il problema degli eccessivi tempi di scansione. Tale metodo si basa sull'implementazione di due tecniche: il compressive sensing e la super-risoluzione. Il compressive sensing consente di acquisire un segnale a partire da un numero di campioni inferiore rispetto a quello stabilito dal criterio di Shannon-Nyquist, con una perdita ridotta di informazione. La super-risoluzione (SR) è una tecnica che consente di ottenere immagini ad alta risoluzione a partire da immagini a bassa risoluzione. Nel lavoro svolto, l'algoritmo di super-risoluzione riceve in ingresso le immagini prodotte dall'algoritmo di CS e le elabora al fine di ottenere un'immagine "più simile" all'immagine ultrasonica vera.
Tipologia del documento
Tesi di laurea
(Laurea magistrale)
Autore della tesi
Rizzo, Vittorio
Relatore della tesi
Scuola
Corso di studio
Indirizzo
Bioingegneria elettronica
Ordinamento Cds
DM270
Parole chiave
single-image super-resolution,compressive sensing,deep learning,ricostruzione immagini ultrasoniche
Data di discussione della Tesi
7 Febbraio 2019
URI
Altri metadati
Tipologia del documento
Tesi di laurea
(NON SPECIFICATO)
Autore della tesi
Rizzo, Vittorio
Relatore della tesi
Scuola
Corso di studio
Indirizzo
Bioingegneria elettronica
Ordinamento Cds
DM270
Parole chiave
single-image super-resolution,compressive sensing,deep learning,ricostruzione immagini ultrasoniche
Data di discussione della Tesi
7 Febbraio 2019
URI
Gestione del documento: