一种采用逆卷积运算的光声图像优化方法技术

本发明专利技术公开了一种采用逆卷积运算的光声图像优化方法，包括以下步骤：先通过采集点源的光声信号来得到逆卷积核；采集待处理信号；估算出待处理信号的信噪比；使用维纳逆卷积的方法对待处理信号做逆卷积处理；以逆卷积之后的信号为输入进行图像重建，在灰度非线性变换处理后得到最终的优化图像。本发明专利技术针对光声成像分辨率低，伪影严重的问题，进行了优化，通过逆卷积运算消除了由于生物组织热膨胀的平衡特性以及采集系统的影响所导致的信号变形，在优化成像质量的同时也可以保证重建速度与效率。

【技术实现步骤摘要】
一种采用逆卷积运算的光声图像优化方法
本专利技术属于光声信号处理及成像领域，特别是一种针对光声成像的优化方法。
技术介绍
近些年，光声成像作为一种具有广泛应用前景的新兴成像技术，相关的研究日趋广泛与深入。这是由于光声成像结合了纯光学成像和超声成像的优点，能够在保证一定的成像深度的情况下，达到较高的对比度和空间分辨率。同时，相比于目前主流的超声成像，光声成像的仪器成本更低，有着相当高的应用价值。然而，由于光声信号的信噪比很低，导致重建出的光声图像易出现伪影，所以该项技术没有目前无法被广泛应用。同时，提高图像的分辨率可以使得图像上的细节部分显现出来，提升诊断成功率，所以在目前的成像领域，提高图像分辨率是一种基本需求。鉴于此，提高光声图像的质量，减轻伪影，提高图像分辨率是加速光声成像发展的根本途径与迫切需要。
技术实现思路
专利技术目的：本专利技术所要解决的技术问题是针对光声信号由于生物组织的热膨胀特性以及采集设备的影响，使得采集到的信号为无数个N形波的叠加，然而N形波中的负值部分会令信号产生混叠，导致重建图像信噪比低，分辨率低。为了从根源出发克服该不足，本专利技术提出基于逆卷积的方法来消除下陷波，将信号还原成脉冲波的形式。本专利技术在不损失信息的前提下，提供了一种可以提高图像质量，并保证重建速度与效率的图像优化方法，包括如下步骤：步骤一，利用光声数据采集设备，将极细的物体近似视作理想点源，用脉冲激光照射该点源，同时用阵列传感器接收声压信号pd(r0，t)，其中r0为传感器坐标向量参数，t为时间参数；步骤二，该组信号包括N个通道数据，正常情况下，忽略时延差异，每个通道数据的波形可视为一致的，遂截取其中任一通道的有用信号段，该信号段可视作生物组织热膨胀特性以及这套光声采集设备两者的总系统响应，也即逆卷积运算中的逆卷积核h(t)，并对h(t)的幅值做标准化处理；步骤三，采集待处理信号：使用同一套采集设备，在不改变采样率的前提下，原则上可以以任意物体为目标采集原始声压数据作为待处理信号g(t)；步骤四，估算出待处理信号的信噪比作为后续逆卷积的输入变量；步骤五，采用维纳逆卷积的方法，将由步骤二中得到的h(t)作为逆卷积核，结合已知的信噪比信息，对原始数据g(t)做逆卷积处理，得到优化信号f(t)；步骤六，为了减轻维纳逆卷积的振铃效应，用一个频域带通滤波器将振铃的固定频率滤除；步骤七，开始进行图像重建：通过基于延时求和原理的光声重建函数，以逆卷积处理后的信号f(t)作为输入变量，辅以采样率以及延时两个参数，得到的输出量即为优化后的光声图像；步骤八，对步骤七中得到的光声图像做灰度非线性变换处理，压缩其中灰度值低的部分，所得结果即为最终的优化图像。本专利技术中，优选地，步骤一中用点源作为信号源来发射超声波，用阵列传感器采集声压信号pd(r0，t)，其中阵列传感器是由N个单传感器组成，每个传感器为一个通道，可接收信号的一个时间序列，所以共接收到时延不同的N个时间序列。其中，时延值是根据传感器与信号源的距离决定。本专利技术中，优选地，步骤一和二中通过测量极细的物体来近似理想点源，这是由于理想情况下，实验所测得的理想点源光声信号是单个的N形波，而单个的N形波即为本专利技术中逆卷积核的正确波形。本专利技术中，优选地，步骤二中对测得的h(t)的幅值做标准化处理，即为在使用同一台采集设备以及不改变采样率的前提下，对任意信号做逆卷积的运算总使用同一个h(t)，且幅值保持不变。本专利技术中，优选地，步骤二中所提到的逆卷积的基础如下式所示：g(t)＝f(t)*h(t)+n(t)，其中，运算符*代表卷积，计算规则为g(t)为传感器实测的声压信号，即待处理信号，f(t)为逆卷积处理之后得到的复原信号，也即优化信号，n(t)为噪声信号，h(t)为逆卷积核。g(t)和f(t)为二维矩阵，一个维度表示单通道的时间序列，另一个维度表示通道数；h(t)为一维矩阵；n(t)的值由信噪比来换算。本专利技术中，优选地，步骤三中的成像目标理论上可以是任意信号，不论成像物体大小。因为虽然不同的成像目标可能产生宽窄不同幅值不同的信号，但一方面宽信号可视为多个窄信号的叠加，另一方面幅值在逆卷积中是线性变化的，所以原始信号的宽窄不同和幅值不同均不影响逆卷积的效果。本专利技术中，优选地，步骤三中对任意成像目标采集待处理信号g(t)时要求不改变采集装置和采样率，其原因在于，若改变了采集装置则逆卷积核h(t)应相应地变化，若改变了采样率，则逆卷积的结果可能会失真。本专利技术中，优选地，步骤四中对g(t)估算其信噪比采用迭代的方法，可转化为解决如下表达式表述的最优化问题：即在迭代开始前，先设定一个主观上的近似初始值，然后在不断改变信号信噪比值SNRg(t)的迭代中，通过比较相对应的重建图像的信噪比SNRi(x，y)大小，直到图像达到最优的信噪比，此时相对应的信号信噪比可视为最优。本专利技术中，优选地，步骤五中使用维纳逆卷积方法来对信号做逆卷积处理。其中，维纳逆卷积的原理可表示为：其中，是复原信号的傅里叶变换，也即频域形式，G(k)是采集信号的频域形式，M(k)是维纳逆卷积的系统函数，可表示为：其中H(k)为逆卷积核h(t)的频域形式，Sf(k)为f(t)的自相关函数Rf(k)的傅里叶变换，也即为f(t)的功率谱密度，Sn(k)为噪声信号n(t)的自相关函数Rn(k)的傅里叶变换，也即为n(t)的功率谱密度，表示噪声与信号的功率比，即噪信比。本专利技术中，优选地，步骤六中为了消除伴随维纳逆卷积而出现的振铃效应，采用频域带通滤波器的方法，振铃的特定频率段由多次数值仿真实验统计得出。本专利技术中，优选地，步骤七中的图像重建采用延时求和算法，该算法的核心思想是取每个传感器记录的时间序列中不同时间的点进行叠加，具体取哪一个时间点由该传感器与信号源的距离和声速决定，叠加的结果可以看作一个还原过程，还原出信号源产生的初始声压。算法思想遵循下式：其中，pd(r0，t)表示传感器接收到的声压信号，其中r0表示传感器坐标向量参数，t为时间参数；p0(r)表示信号源产生的初始声压信号。由于我们要重建的图像是逆卷积处理之后的图像，所以此时的pd(r0，t)用逆卷积之后得到的复原信号，即pd(r0，t)＝f(t)。本专利技术中，优选地，步骤七中使用的重建函数的输入变量除了传感器采集到的数据以外，还包括信号的采样率和时延值。本专利技术中，优选地，步骤七中的时延值是线性变化的。若使用单一不变的时延，则图像中只能聚焦某一横向上的点，由于准确的时延是非线性变化较难确定，所以本专利技术中使用线性的时延来近似非线性。具体地说，就是在图像中选取至少两个较清楚的横截线，对这两个横向分别取不同的时延使其聚焦到最优状态，然后根据两点确定一条直线的原则，确定整个重建过程中时延变化的斜率和固定点。本专利技术中，优选地，步骤七中重建函数的输出量为表征光声图像的二维矩阵，通常的延时求和由于结果有正有负，所以在最后一步会通过取绝对值或者取包络将二维矩阵变为非负的，其中取包络的操作即取希尔伯特变换。但是，在本专利技术中，由于逆卷积后的信号正值远大于负值，所以延时求和的结果为正值，无需取包络。本专利技术中，优选地，步骤八中对重建出的图像进行灰度的非线性变换，本专利技术中使用的非线性变换是指数式变换，形式如下式所示：本文档来自技高网...

【技术保护点】
1.一种采用逆卷积运算的光声图像优化方法，包括如下步骤：步骤一，利用光声数据采集设备，将极细的物体近似视作理想点源，用脉冲激光照射该点源，同时用阵列传感器接收声压信号；步骤二，接收到的声压信号包括N个通道数据，遂截取其中任一通道的有用信号段，该信号段可视作总系统响应，也即逆卷积运算中的逆卷积核h(t)，并对h(t)的幅值做标准化处理；步骤三，使用同一套采集设备，在不改变采样率的前提下，以任意物体为目标采集原始声压数据作为待处理信号g(t)；步骤四，估算出待处理信号的信噪比，即信号与噪声的功率比，作为后续逆卷积的输入变量；步骤五，采用维纳逆卷积的方法，将由步骤二中得到的h(t)作为逆卷积核，结合已知的信噪比信息，对原始数据g(t)做逆卷积处理，得到优化信号f(t)；步骤六，减轻维纳逆卷积的振铃效应；步骤七，通过基于延时求和原理的光声重建函数，以逆卷积处理后的信号f(t)作为输入变量，辅以采样率以及延时两个参数，得到的输出量即为优化后的光声图像；步骤八，对步骤七中得到的光声图像做灰度非线性变换处理，压缩其中灰度值低的部分，所得结果即为最终的优化图像。

【技术特征摘要】
1.一种采用逆卷积运算的光声图像优化方法，包括如下步骤：步骤一，利用光声数据采集设备，将极细的物体近似视作理想点源，用脉冲激光照射该点源，同时用阵列传感器接收声压信号；步骤二，接收到的声压信号包括N个通道数据，遂截取其中任一通道的有用信号段，该信号段可视作总系统响应，也即逆卷积运算中的逆卷积核h(t)，并对h(t)的幅值做标准化处理；步骤三，使用同一套采集设备，在不改变采样率的前提下，以任意物体为目标采集原始声压数据作为待处理信号g(t)；步骤四，估算出待处理信号的信噪比，即信号与噪声的功率比，作为后续逆卷积的输入变量；步骤五，采用维纳逆卷积的方法，将由步骤二中得到的h(t)作为逆卷积核，结合已知的信噪比信息，对原始数据g(t)做逆卷积处理，得到优化信号f(t)；步骤六，减轻维纳逆卷积的振铃效应；步骤七，通过基于延时求和原理的光声重建函数，以逆卷积处理后的信号f(t)作为输入变量，辅以采样率以及延时两个参数，得到的输出量即为优化后的光声图像；步骤八，对步骤七中得到...

【专利技术属性】
技术研发人员：袁杰，郭成雯，朱昀浩，刘晓峻，程茜，王学鼎，
申请(专利权)人：南京大学，同济大学，
类型：发明
国别省市：江苏,32