一种用于可穿戴超声成像质量提升的反卷积重构方法技术

本发明专利技术公开了一种用于可穿戴超声成像质量提升的反卷积重构方法，所述方法包括如下步骤：步骤一：建立可穿戴超声成像的卷积和噪声的数学模型；步骤二：针对正向数学模型中的图像退化因素，提出用于可穿戴超声成像质量提升的基于连续性和相对稀疏联合约束的反卷积模型；步骤三：整合保真项

【技术实现步骤摘要】
一种用于可穿戴超声成像质量提升的反卷积重构方法


[0001]本专利技术涉及一种超声成像后处理方法，具体涉及一种基于维纳滤波结合稀疏性和连续性先验约束的反卷积重构方法，用于提高可穿戴超声在体积和性能受限下的成像质量
。

技术介绍

[0002]超声成像是最常用的医学成像形式之一，由于其非侵入性
、
低成本
、
便携性和实时成像等优点，已被广泛应用于医学诊断领域，但由于超声成像受到其低分辨率和多种噪声的影响，而严重限制了其在医学诊断中的应用
。
近年来，随着对硬件系统和后处理算法的研究，超声成像在提高成像质量方面取得了可喜的进展，然而，即使采用最先进的设备，也不能完全满足对更高分辨率和信噪比的需求，尤其在一些小型化的可穿戴便携式设备中，由于通道数以及探头的限制，导致其分辨率
、
信噪比以及对比度性能相比于传统超声设备更为糟糕，除此之外，贴片探头与人体之间的相对运动还会导致图像的运动伪影，从而可穿戴超声设备对高质量图像的需求更为迫切
。
[0003]维纳滤波器是一种本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种用于可穿戴超声成像质量提升的反卷积重构方法，其特征在于所述方法包括如下步骤：步骤一：针对点扩散函数
、
散斑噪声
、
杂波噪声
、
测量噪声以及运动伪影对可穿戴超声成像过程的影响，建立可穿戴超声成像的卷积和噪声的数学模型，具体表现形式为：
s(x
，
y)
＝
β
f(x,y)+d(x,y)
其中，
x
和
y
分别表示横向和纵向的采样方向，
g(x
，
y)
代表观测到
RF
图像，
h(x
，
y)
表示点扩散函数，
n(x
，
y)
表示测量噪声以及杂波噪声，
f(x
，
y)
表示待求的组织反射函数，
β
表示运动参数，
d(x
，
y)
表示组织反射函数中散射体的随机效应，表示卷积运算；步骤二：基于可穿戴超声成像的卷积和噪声的数学模型，结合维纳滤波以及连续性和相对稀疏性先验，针对正向数学模型中的图像退化因素，提出用于可穿戴超声成像质量提升的基于连续性和相对稀疏联合约束的反卷积模型，以去除噪声以及
PSF
的影响，解析组织反射函数；步骤三：针对反卷积模型中约束项的为一次约束而非二次函数问题，整合保真项
、
嗨森约束以及稀疏约束项，并结合
Split
‑
Bregman
算法，建立优化求解模型，并且引入中间变量，进行迭代求解，以最终获得分辨率
、
信噪比以及对比度提升的可穿戴超声图像
。2.
根据权利要求1所述的用于可穿戴超声成像质量提升的反卷积重构方法，其特征在于所述步骤二的具体步骤如下：步骤二一：对获得的
RF
图像
g(x
，
y)
做初步的纳滤波预处理，以去除
h(x
，
y)
的影响，从而获得分辨率初步提升的图像
s(x
，
y)
，具体公式如下：其中，
S(u,v)、G(u,v)、H(u
，
v)、N(u
，
v)
分别为
s(x
，
y)、g(x,y)、h(x
，
y)、n(x
，
y)
的傅里叶变换，
u,v
分别表示
x
，
y
的频率形式，
H
*
(u,v)
与
H(u,v)
共轭，
||
表示绝对值，上标2表示求平方运算，
η
为正则化因子；步骤二二：在满足奈奎斯特采样定理下，根据任何相邻像素点之间具有连续性的特性，采用嗨森结构矩阵作为连续性约束，去除一些具有随机性和不连续的噪声的影响，采用稀疏约束项获得更多高频信息，以对抗嗨森结构矩阵带来的分辨率降低的负面影响，最后以
s(x
，
y)
与
f(x
，
y)
差的范数作为保真项，连续性和稀疏性先验作为联合约束项，建立基于连续性和相对稀疏联合约束的反卷积模型，具体公式为：其中，
s
和
f
分别代表
s(x
，
y)
和
f(x
，
y)
的缩写，
R
Hes...

【专利技术属性】
技术研发人员：章欣，李翔宇，沈毅，王艳，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：