压缩感知(CS)包含一个事实,即它可以从比传统方法少得多的测量中恢复某些信号和图像,从而为基于相控阵材料表征的大量数据收集提供了解决方案。 本文介绍了如何利用CS框架在时域和频域中有效压缩超声相控阵图像。 通过将图像投影到其离散余弦变换域,实现了一种新颖的方案,以验证CS用于数据缩减的潜力,并探索其重构精度。 CIVA仿真的结果表明,时域和频域CS都可以使用小于Nyquist定理的最低要求的样本来准确地重建阵列图像。 对于三种类型的人工缺陷的实验验证,尽管在保留明显缺陷的情况下可以实现可观的数据缩减,但目前尚无法打破时域的奈奎斯特限制。 幸运的是,频域中的合格恢复使其成为现实,这意味着相控阵图像重建的真正突破。 作为一个案例研究,将所提出的CS程序应用于检查具有不同凹坑缺陷的发动机汽缸腔,结果表明基于正交匹配追踪(OMP)的CS保证了实际应用的性能。