基于字典学习的光声图像重建算法的研究

《基于字典学习的光声图像重建算法的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士学位论文论文题目基于字典学习的光声图像重建算法的研究研究生姓名周丽丽指导教师姓名王加俊专业名称信号与信息处理研究方向图像重建论文提交日期2014年5月万方数据基于字典学习的光声图像重建算法的研究中文摘要Ⅰ万方数据万方数据基于字典学习的光声图像重建算法的研究中文摘要基于字典学习的光声图像重建算法的研究中文摘要光声成像（又称热声成像）是一种新型的无损医学成像技术。它结合了光学成像的高对比度和超声成像的高分辨率，适用于肿瘤检测、血管成像、脑部结构和功能成像和流速检测等领域。该成像方式使用电磁脉冲（一般用激光）照射待测生物组织，组织受热膨胀后激发出超声

2、波利用超声换能器所接收的超声波信号，并结合一定的图像重建算法即可计算出组织内部的初始声压的分布图像。光声图像的质量与光声信号的时空的采样率密切相关。但是在实际成像系统中，由于超声换能器空间位置的限制或者时间采样率较低的原因，探测到的信号往往是不完备的，导致重建图像的质量严重下降。本文针对上述问题研究光声图像的重建算法。本文的主要工作和贡献如下：首先，利用k-Wave软件对含有不同异常目标的组织边界上的光声信号的特征进行了研究，验证了利用光声信号重建组织异常目标的合理性；然后，针对不完全数据，提出先利用压缩感知方法恢复出完全测量数据，再重建光声图像的

3、思想，并给出了基于离散余弦变换的光声图像重建算法；该算法以离散余弦变换函数为稀疏基，将光声信号数据稀疏化，从欠采样光声信号中恢复出完全采样数据，进而利用滤波反投影算法实现光声图像的高质量重建；最后，提出了基于字典学习的光声图像重建的算法。该方法通过字典学习的方法，构造最优稀疏基函数，使信号在变换域上更稀疏，从而更好地恢复出完全测量数据。实验证明：与直接利用不完全数据进行光声图像重建的方法相比，利用压缩感知方法可以更好地重建出光声图像，而且利用基于字典学习的方法获得的自适应变换基函数可以获得比使用固定基函数更好的重建效果。关键词：光声成像，k-Wav

4、e，滤波反投影，压缩感知，字典学习。作者：周丽丽指导老师：王加俊Ⅰ万方数据AbstractPhotoacousticImageReconstructionBasedontheDictionaryLearningPhotoacousticImageReconstructionBasedontheDictionaryLearningAbstractPhotoacoustictomography(PAT),whichisalsoreferredtoasthermoacoustictomography,isanoveltechniqueofnoninvas

5、ivemedicalimaging.Combiningthehighcontrastofopticalimagingandthegoodresolutionofultrasoundimaging,PATissuitablefortumordetection,vesselimaging,brainstructuralandfunctionalimaging,andflowspeedmeasurement,etc.InPAT,anelectromagneticpulse(usuallylaser)isusedtoirradiatethebiologic

6、altissue.Withthephotoacousticsignaldetectedbytheultrasonictransducers,theoriginalpressuredistributionofthetissuecanbereconstructedbasedonproperimagereconstructionalgorithms.ThequalityofthereconstructedimageinPATdependsonthespatialandtemporalsamplingrates.However,owingtorestric

7、tionsinthespatialpositionsofthetransducersorbecauseofthelowtemporalsamplingrates,wecanonlyobtainincompletemeasurementdatainPAT,whichwillfinallydegradethereconstructedphotoacousticimage.Thisdissertationfocusesonsuchaproblemandtriestodevelopreconstructionalgorithmssuitableforinc

8、ompletemeasurement.Themainworkandcontributionsofthisdissertat