基于卡尔曼滤波的超声层析成像动态图像重建方法技术

本发明专利技术涉及一种基于卡尔曼滤波的超声层析成像动态图像重建方法，采用超声透射层析成像数据采集系统获取测量数据，将超声层析成像中时变目标动态图像重建问题，视为目标分布状态估计问题，构建时变目标的状态估计问题模型，并利用卡尔曼滤波方法进行状态估计问题的求解，计算状态参数的后验点估计；引入状态参数的空间先验约束以改善动态重建问题的不适定性。定性。定性。

【技术实现步骤摘要】
基于卡尔曼滤波的超声层析成像动态图像重建方法


[0001]本专利技术属于超声层析成像
，涉及一种封闭管道内时变目标分布的动态可视化方法。

技术介绍

[0002]动态图像重建研究在多相流过程参数检测和人体运动器官状态监测等领域具有一定的研究价值和广泛的应用，例如多相流过程的快速变化，呼吸过程中肿瘤的运动等。重构动态目标的敏感物理参数分布对于多相介质复杂流动过程可视化和人体健康状态评估有着十分重要的意义，高精度和高鲁棒性的动态成像方法不断被提出和改进。超声层析成像技术(Ultrasonic Tomography，UT)具有无辐射、非侵入、低成本等优势，在工业和生物医学等领域应用广泛。UT依据超声波与被测介质间相互作用的物理机制差异，主要可分为：超声反射层析成像(Ultrasonic Reflection Tomography，URT)，超声透射层析成像(Ultrasonic Transmission Tomography，UTT)，超声衍射层析成像(Ultrasonic Diffraction Tomography，UDT)，目前应用较广泛的是UTT技术。UTT通过在域边界上激励和测量探头上的声强数据，重构出域内声学参数的空间分布估计，广泛应用于燃烧诊断中的温度场反演、多相流过程的参数估计、乳腺成像中的肿瘤检测等问题。UTT图像重建方法在实现工艺参数的稳定可靠检测上起着重要作用。
[0003]2001年，A等人在《Inverse Problems》第17卷第467
‑
483页发表《State estimation with fluid dynamical evolution models in process tomography
‑
an application to impedance tomography》，将动态问题作为一个状态估计问题，用一个表示状态演化过程的随机微分方程和包含测量噪声的观测方程来描述状态的特征，从而利用采用固定滞后卡尔曼平滑算法解决最优状态估计问题。同时将流动模型与实际观测模型相结合，证明与之前用于非平稳EIT估计的普通随机游走演化模型相比，采用一种可行的演化模型可大大提高重建效果。
[0004]2005年，K.Y.Kim等人在《International Communications in Heat and Mass Transfer》第32卷第639
‑
647页发表《Electrical impedance imaging of two
‑
phase flows undergoing rapid transient:Part I.Dynamic imaging》针对传统静态成像技术无法观测到的快速瞬态两相系统，重点研究了动态成像技术，将图像重建问题视为非线性状态估计问题，在最小均方误差意义下，借助卡尔曼滤波估计未知状态，提出基于扩展卡尔曼滤波算法的动态EIT算法，在一定程度上提高了图像重建性能。
[0005]2007年，J.P.Kaipio等人在《Chemical engineering journal(化学工程科学)》第127卷第23
‑
30页发表了《An experimental evaluation of state estimation with fluid dynamical models in process tomography》，其基于流体动力学模型中介质浓度分布对流扩散假设，构建了电导率参数估计的状态演化方程，采用EIT测量模型构建电导率参数估计的观测方程，并利用卡尔曼滤波算法实现了电导率参数的非稳态估计。
[0006]2008年，K.Y.Kim等人在《Journal of Computational Physics》第227卷第7089
‑
7112页发表了《Nonstationary phase boundary estimation in electrical impedance tomography using unscented Kalman filter》，其中针对EIT气/液两相流中气泡重建问题，考虑了EIT逆问题的病态性和非线性，利用随机非线性模型构建电导率估计的观测方程，构建了一种基于无迹卡尔曼滤波的气泡动态重建方法，提高电导率参数动态估计性能。
[0007]2011年，Liu,CG和He,B在《IEEE Transactions on Biomedical Engineering》第58卷第541
‑
549页发表了《Noninvasive Estimation of Global Activation Sequence Using the Extended Kalman Filter》提出了一种基于无创体表电位的三维激活序列成像算法。通过建立三维激活序列与激活过程中体表记录之间的非线性关系，利用扩展卡尔曼滤波器递归估计激活序列，同时将一种新的正则化方法引入到扩展卡尔曼滤波器的“预测”过程解决逆问题的病态性，使得该算法对噪声具有鲁棒性，成像精度较高。
[0008]2013年，S.Liu和J.Lei等人在《Flow Measurement and Instrumentation》第31卷第35
‑
46页发表的《Generalized multi
‑
scale dynamic inversion algorithm for electrical capacitance tomograph》提出了一种基于动态对象的测量信息和动态演化信息建立的多尺度动态重建模型，提出泛化目标函数并结合演化策略算法和同伦方法的优点，设计了一种迭代算法来求解该目标泛函，使得重构图像的精度得到了提高。
[0009]2015年，J.Lei等人在《Flow Measurement and Instrumentation》第41卷第104
‑
114页发表《Dynamic imaging method using the low n
‑
rank tensor for electrical capacitance tomography》，将动态图像构建成一个三阶张量，即前两个维度是空间，第三个维度是时间。基于差分图像矩阵的二维空间结构特性和图像张量的空间时间特性，提出了一种融合了测量信息、动态演化信息、时间约束、空间约束、差分图像的低n阶约束和三阶张量的低n阶约束的新目标函数，并利用批处理模式对图像进行重构，提高了动态图像重建的鲁棒性和重建结果的质量，提供了一个解决ECT反演问题的框架。
[0010]2017年，Yanqiu Li等人在《Sensors》第17卷发表《Dynamic reconstruction algorithm of three
‑
dimensional temperature field measurement by acou本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于卡尔曼滤波的超声层析成像动态图像重建方法，采用超声透射层析成像数据采集系统获取测量数据，将超声层析成像中时变目标动态图像重建问题，视为目标分布状态估计问题，构建时变目标的状态估计问题模型，并利用卡尔曼滤波方法进行状态估计问题的求解，计算状态参数的后验点估计；引入状态参数的空间先验约束以改善动态重建问题的不适定性，包括步骤如下：(1)构建时变目标的状态估计问题模型，将时变声衰减系数的估计转化为状态估计问题，使用一对状态观测方程和状态演化方程建模：y
t
＝S
t
μ
t
+e
t
μ
t
＝F
t
‑1μ
t
‑1+ω
t
‑1式中，t表示第t次激励；表示第t次激励时声衰减系数的变化，即时变目标在第t个状态时对应的状态参数；表示第t次激励时得到的测量数据；表示测量噪声；M表示一个完整的循环激励周期内测量数据维度；N表示未知的声衰减系数维度；Le表示探头的总数目；F
t
‑1表示状态转移矩阵，当F
t
‑1为单位矩阵时表示采用随机游走模型；ω
t
‑1表示状态噪声；表示超声透射层析成像数据采集系统构建的线性观测矩阵；假定测量噪声和状态噪声模型为高斯分布，则有阵；假定测量噪声和状态噪声...

【专利技术属性】
技术研发人员：梁光辉，杜云丹，董峰，
申请(专利权)人：天津大学，
类型：发明
国别省市：