[发明专利]一种合成孔径压缩感知超声成像中的高效能稀疏字典的设计方法

说明书

本发明公布了一种合成孔径压缩感知超声成像中的高效能稀疏字典的设计方法，属于超声成像技术领域。该方法包括如下步骤：超声阵列接收的连续回波信号进行放大处理和A/D转换，获得超声成像所需要的回波信号x；选取delta矩阵作为合成孔径压缩感知超声成像的测量矩阵，对回波信号x进行非均匀压缩采样，得到测量信号y；利用发射脉冲作为基函数构造高效能稀疏字典Ψ；根据delta矩阵、测量信号y以及高效能稀疏字典Ψ构建合成孔径压缩感知超声成像的数学模型，通过该模型和重构算法得到重建原始回波信号利用重建原始回波信号进行波束合成并最终成像；本发明能让回波信号以更高的压缩率实现相同的恢复效果，进一步减少合成孔径成像所需存储的数据量、降低超声成像系统的复杂度。

技术领域

本发明属于超声成像技术领域，具体涉及一种合成孔径压缩感知超声成像中的高效能稀疏字典的设计方法。

背景技术

合成孔径成像是目前超声成像中用于提高图像分辨率、改善成像质量的一种方法。这种技术最早由Passman在1996年提出，其基本思想是单个阵元依次发射脉冲信号，全部阵元同时接收来自检测区域的散射信号，然后对所有阵元数据进行处理得到最终的医学图像，因此需要存储的回波数据量十分巨大，增加了硬件实现的复杂度。压缩感知是近年来针对高速数据采集与大容量数据存储而提出的一种解决办法，该理论认为当信号本身或在某个变换域上是稀疏的，则通过重构算法便可以从少量采样数据中以极高的精度重建原始信号，减少需要存储的数据量，降低硬件实现复杂度。

由于压缩感知首先要将待恢复信号变换到某一个稀疏域中，常见的重构算法是先重构出稀疏域中的稀疏表示系数进而恢复出原始信号，因而信号在稀疏域中的稀疏系数直接决定了重构的效果。在相同重构条件下，稀疏系数越稀疏，即非零元素越少，重构精度越高，该稀疏字典的效能就越好。目前常用的稀疏变换矩阵有：离散傅立叶变换(DiscreteFourier Transform,DFT)矩阵、离散正交余弦变换(Discrete cosine transform,DCT)矩阵、小波变换(Discrete Wavelet Transform,DWT)矩阵、离散沃尔什-哈尔玛变换(Discrete Walsh-Hadamard Transform,DWHT)矩阵等。而常见的稀疏矩阵缺少针对性，特别是当应用于超声回波信号这种具有重复叠加特性的信号时，并没有充分利用信号自身的特点，故其稀疏表示能力有限，重构精度低，在低压缩率下难以保证重构图像的效果。因此设计高效能的稀疏字典是合成孔径压缩感知超声成像应用研究的热点。

发明内容

有鉴于此，本发明的目的在于提供一种合成孔径压缩感知超声成像中的高效能稀疏字典的设计方法。

为达到上述目的，本发明提供如下技术方案：

一种合成孔径压缩感知超声成像中的高效能稀疏字典的设计方法，该方法包括以下步骤：

1)声阵列接收的连续回波信号x(t)进行放大处理和A/D转换，获得超声成像所需要的回波信号x；

2)选取delta矩阵作为合成孔径压缩感知超声成像的测量矩阵，对回波信号x进行一定比例的非均匀压缩采样，得到测量信号y；

3)利用发射脉冲s(t)作为基函数构造高效能稀疏字典Ψ；

4)根据delta矩阵、测量信号y以及高效能稀疏字典Ψ构建合成孔径压缩感知超声成像的数学模型；

5)通过合成孔径压缩感知超声成像的数学模型和重构算法得到重建原始回波信号

6)利用重建原始回波信号进行波束合成并最终成像；

进一步，在步骤2)中，具体包括：

21)根据回波信号x的长度N以及选定的压缩采样率p，计算测量信号y的长度M＝p·N；