[發(fā)明專利]一種基于確定性測(cè)量矩陣的壓縮感知超聲成像方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010562052.3
• 申請(qǐng)日: 2020-06-18
• 公開（公告）號(hào): CN111722233A
• 公開（公告）日: 2020-09-29
• 發(fā)明（設(shè)計(jì)）人: 王平;柳學(xué)功;李錫濤;田訓(xùn);梁家祺;王慧悅;武超;閆鑫龍;孔露;杜婷婷;孔美婭
• 申請(qǐng)（專利權(quán)）人: 重慶大學(xué)
• 主分類號(hào): G01S15/89
• 分類號(hào): G01S15/89;G01S7/539
• 代理公司: 北京同恒源知識(shí)產(chǎn)權(quán)代理有限公司 11275
• 代理人: 楊柳岸

本發(fā)明涉及一種基于確定性測(cè)量矩陣的壓縮感知超聲成像方法，屬于超聲成像技術(shù)領(lǐng)域。該方法包括：對(duì)超聲陣列接收到的回波信號(hào)進(jìn)行處理，得到所需要的超聲回波信號(hào)x；構(gòu)造確定性測(cè)量矩陣，即二元稀疏塊對(duì)角矩陣BSBD對(duì)超聲回波信號(hào)進(jìn)行壓縮采樣，得到測(cè)量信號(hào)y；選取離散余弦變換DCT作為稀疏字典Ψ，對(duì)超聲回波信號(hào)x進(jìn)行稀疏表示；通過(guò)計(jì)算得到二元稀疏塊對(duì)角矩陣BSBD和稀疏字典Ψ之間的相干系數(shù)μ；利用重構(gòu)算法求解最優(yōu)化問(wèn)題，恢復(fù)出原始超聲信號(hào)利用原始超聲信號(hào)進(jìn)行波束合成并最終成像；本發(fā)明能夠顯著提高超聲信號(hào)測(cè)量效率，并且硬件實(shí)現(xiàn)簡(jiǎn)單，能夠?qū)Τ曅盘?hào)進(jìn)行快速、近似最優(yōu)的重構(gòu)。

技術(shù)領(lǐng)域

本發(fā)明屬于超聲成像技術(shù)領(lǐng)域，涉及一種基于確定性測(cè)量矩陣的壓縮感知超聲成像方法。

背景技術(shù)

隨著對(duì)超聲成像質(zhì)量要求的提高，必然要求更高的采樣頻率，從而產(chǎn)生海量的回波數(shù)據(jù)，對(duì)存儲(chǔ)、傳輸和處理帶來(lái)困難。幸運(yùn)的是，在2006年由Donoho和Candès提出的壓縮感知理論(CS)能夠解決前述問(wèn)題。該理論指出，如果原信號(hào)是稀疏的或在某種變換域下可壓縮，就能以遠(yuǎn)低于奈奎斯特的速率對(duì)信號(hào)采樣的同時(shí)進(jìn)行壓縮。再通過(guò)從少量的采樣數(shù)據(jù)以極高的精度重構(gòu)出原始信號(hào)，這大大減少了成像所需要的數(shù)據(jù)量。盡管壓縮感知在理論上取得了巨大的成功，但是CS在感知超聲信號(hào)方面仍然面臨著一些實(shí)際的挑戰(zhàn)，包括設(shè)計(jì)簡(jiǎn)單而有效的測(cè)量矩陣。

壓縮感知主要由信號(hào)的獲取，稀疏表示和重建三大部分構(gòu)成，測(cè)量矩陣作為壓縮感知的核心內(nèi)容起著重要作用。測(cè)量矩陣性能越好，需要的采樣數(shù)越少，重建誤差也越小。目前的測(cè)量矩陣主要分為隨機(jī)性矩陣和確定性矩陣兩大類。在壓縮感知中常用的隨機(jī)性測(cè)量矩陣包括高斯隨機(jī)測(cè)量矩陣、伯努利隨機(jī)測(cè)量矩陣等。因其所需測(cè)量數(shù)目少、重構(gòu)精度高而備受青睞，但其結(jié)構(gòu)復(fù)雜，元素的產(chǎn)生具有隨機(jī)性，因而需要較大的存儲(chǔ)空間和較高的計(jì)算量，硬件實(shí)現(xiàn)上具有一定的困難。相反，確定性測(cè)量矩陣結(jié)構(gòu)簡(jiǎn)單，大大降低了硬件構(gòu)造難度，有利于工程實(shí)現(xiàn)。因此，許多學(xué)者轉(zhuǎn)而研究了確定性矩陣，如Toeplitz矩陣、循環(huán)測(cè)量矩陣等，但因這些確定性測(cè)量矩陣的重建誤差較大，未能得到廣泛應(yīng)用。特別地，將這些確定性測(cè)量矩陣應(yīng)用到具有重疊性的超聲信號(hào)時(shí)，圖像的重構(gòu)效果很差。

綜上所述，現(xiàn)亟需發(fā)明一種簡(jiǎn)單又高效、硬件實(shí)現(xiàn)簡(jiǎn)單、測(cè)量效率高的確定性測(cè)量矩陣對(duì)超聲信號(hào)進(jìn)行壓縮采樣，提高超聲圖像重構(gòu)質(zhì)量。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明的目的在于提供一種基于確定性測(cè)量矩陣的壓縮感知超聲成像方法，所利用的測(cè)量矩陣中的二元稀疏塊對(duì)角矩陣與常用稀疏矩陣不相關(guān)，并且能夠提供快速、近似最優(yōu)的重構(gòu)，從而保證重構(gòu)超聲圖像質(zhì)量，在低采樣率下的重構(gòu)超聲圖像質(zhì)量?jī)?yōu)于高斯隨機(jī)測(cè)量矩陣以及以拓普利茲矩陣為代表的確定性測(cè)量矩陣。

為達(dá)到上述目的，本發(fā)明提供如下技術(shù)方案：

一種基于確定性測(cè)量矩陣的壓縮感知超聲成像方法，包括以下步驟：

S1：對(duì)超聲陣列接收到的超聲信號(hào)進(jìn)行處理，得到所需要的超聲回波信號(hào)x；

S2：構(gòu)造確定性測(cè)量矩陣，即二元稀疏塊對(duì)角矩陣BSBD對(duì)超聲回波信號(hào)進(jìn)行壓縮采樣，得到測(cè)量信號(hào)y；

S3：選取離散余弦變換DCT作為稀疏字典Ψ，對(duì)超聲回波信號(hào)x進(jìn)行稀疏表示；

S4：通過(guò)計(jì)算得到二元稀疏塊對(duì)角矩陣BSBD和稀疏字典Ψ之間的相干系數(shù)μ；

S5：利用重構(gòu)算法求解最優(yōu)化問(wèn)題，恢復(fù)出原始超聲信號(hào)

S6：利用原始超聲信號(hào)進(jìn)行波束合成并最終成像。

進(jìn)一步，所述步驟S2具體包括以下步驟：

S21：設(shè)置L個(gè)塊對(duì)角矩陣對(duì)角矩陣A₁,A₂,…,A_L是大小為m×n(m＝n)的測(cè)量矩陣Φ的子矩陣，其中，測(cè)量矩陣Φ為：