CN105374020A - 一种快速高分辨率的超声成像检测方法 - Google Patents

Abstract

本发明公开了一种快速高分辨率的超声成像检测方法，所述方法是利用超欠采样数据成像技术和超分辨率技术，在不增加硬件设备成本的情况下，解决如何以获取较少的采样数据，获取高分辨率超声成像的问题，以同时提高成像的速度和质量。本发明以压缩感知和稀疏表示理论为出发点，将超欠采样成像技术和超分辨率技术有机的融合在一起，并应用于超声检测系统中，实现其成像速度和成像分辨率在现有基础上有一个大幅度提高。

Description

一种快速高分辨率的超声成像检测方法

技术领域

本发明涉及图像处理与计算机视觉领域，尤其涉及一种基于压缩感知和超分辨率技术的超声成像检测方法。

背景技术

现今的超声成像系统空间分辨率不够高，成像分辨率不如X射线，而且超声成像是从大量背景噪声中提取有用的信息，图像受噪声干扰严重，成像质量不理想。然而在很多情况下，超声换能器成像过程中由于受加性噪声及探头点扩散函数的影响，超声图像采集系统只能获得降质的低分辨率图像，甚至因某些条件限制，只能采集完整数据的极少部分数据来进行图像重构，这样大大的限制超声成像检测技术应用。

目前，超欠采样数据重构图像是一个重要应用前景的技术，其主要研究方法有补零法、近邻插值迭代法、正则化法、迭代凸集反投影法(POCS)以及压缩感知(CompressedSensing，CS)等。CS理论是新近提出的可用于欠采样数据重建的理论，针对可压缩信号，利用CS理论可由远低于采样定理所要求的数据量重建原始信号。超分辨率图像重建是近年来最活跃的研究领域之一，超分辨率技术可以在一定程度上突破现有超声成像检测系统中固有的空间分辨率获取极限，获得更加清晰的超声图像，从而提高了检测系统的缺陷检测能力。作为一种新的图像表示模型，稀疏表示在此方面具有先天优势，探索基于稀疏表示理论的超分辨率重建的新方法，具有很高的研究价值。

在超声成像领域里，将压缩感知理论应用在超声成像的研究还相对较少。本发明主要借鉴以下两个团队的研究成果展开。一个是法国科学家Friboulet等人2010年在文献[1]首次将压缩感知理论引入到超声成像领域，借鉴传统经典图像压缩算法利用小波变换基函数及波原子基函数作为超声图像稀疏表达基来完成对超声图像的稀疏成像。随后该团队又对压缩感知在超声成像领域展开深入的研究。另外一个是以色列Eldar所主导的，其团队所提出了一种超声成像稀疏采样结构[2-4]，其研究基础是M.Vetterli提出的基于有限新息率(FiniteRateofInnovation，FRI)[5]采样信号模型，因其利用高斯采样核进行采样，虽然突破了香农采样带宽有限的局限性，但此结构不稳定，信噪比不是很高。Eldar利用有限新息率FRI的原理来构建测量矩阵，实现了单通道采样框架降低超声数据成像[6]。此后该研究团队对超声成像进行多通道采样[7]等。

在此背景下，我们提出了一种快速高分辨率的超声成像检测系统，采用超欠采样数据成像技术和超分辨率技术，在不增加硬件设备成本的情况下，提高超声成像的速度和质量，具有广阔的应用背景，在这方面展开研究颇有意义。

[1]D.Friboulet,H.Liebgott,R.Prost.CompressivesensingforrawRFsignalsreconstructioninultrasound[A].In367-370

[2]N.Wagner,Y.C.Eldar,A.Feuer,etc.Xamplinginultrasoundimaging[A].InSPIEMedicalImaging[C],2011

[3]M.Mishali,Y.C.Eldar.Xampling:Compressedsensingofanalogsignals[J].ArXivpreprintarXiv:1103.2960,2011

[4]T.Michaeli,Y.C.Eldar.Xamplingattherateofinnovation[J].SignalProcessing,IEEETransactionson,2012,60(3):1121-1133

[5]M.Vetterli,P.Marziliano,T.Blu.Samplingsignalswithfiniterateofinnovation[J].SignalProcessing,IEEETransactionson,2002,50(6):1417-1428

[6]R.Tur,Y.Eldar,Z.Friedman.Innovationratesamplingofpulsestreamswithapplicationtoultrasoundimaging[J].SignalProcessing,IEEETransactionson,2011,59(4):1827-1842

[7]Gedalyahu,R.TurandY.C.Eldar,"MultichannelSamplingofPulseStreamsattheRateofInnovation",IEEETrans.onSignalProcessing,vol.59,no.4,pp.1491-1504,Apr.2011

发明内容

为解决上述技术问题，本发明的目的是提供一种快速高分辨率的超声成像检测方法。

本发明的目的通过以下的技术方案来实现：

一种快速高分辨率的超声成像检测方法，该方法包括:

对图像进行随机采样；

采用高斯/伯努利型随机测量矩阵，并在测量过程中采用相邻回波差求解L₀范数来检测回波信号；

利用序列之间的时空相关性以及参考列/帧中的高分辨率信息，对序列进行超分辨率重建，获取初值图像/图像初值序列；

挖掘图像稀疏先验信息对预测残差部分进行非线性重建；

由初值图像/图像初值序列与相应的预测残差获得最终超声成像图像。

与现有技术相比，本发明的一个或多个实施例可以具有如下优点：

本发明采用的超欠采样和超分辨率技术，可以对超声成像检测的数据扫查速度和成像质量都得到几倍甚至几十倍的提高。但目前受限于重建算法的现状，暂时对于数据较大图像还不能满足实时性要求。

附图说明

图1(a)、1(b)和1(c)是二维超声成像的数据采样策略拟采用模式图；

图2(a)、2(b)和2(c)是三维超声成像的数据采样策略拟采用模式；

图3是二维超声成像技术流程图；

图4是三维超声成像技术流程图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合实施例及附图对本发明作进一步详细的描述。

本实施例提供的快速高分辨率的超声成像检测方法是利用超欠采样技术和超分辨率技术实现的，具体还包括傅立叶系数采样技术，变密度随机采样策略，超声信号的自适应字典稀疏表示方法以及序列超声图像间的超声斑点滤波方法。

所述方法具体包括：

对图像进行随机采样；

采用高斯/伯努利型随机测量矩阵，并在测量过程中采用相邻回波差求解L₀范数来检测回波信号；

利用序列之间的时空相关性以及参考列/帧中的高分辨率信息，对序列进行超分辨率重建，获取初值图像/图像初值序列；

挖掘图像稀疏先验信息对预测残差部分进行非线性重建；

由初值图像/图像初值序列与相应的预测残差获得最终超声成像图像。

在CS理论框架下，借鉴图像超分辨率重建方法，将重建过程分为两步：

第一步进行初值估计。这一步主要是借鉴图像的超分辨率建方法，对重建超声图像进行初值估计。

第二步是对估计残差利用CS理论进行重建。估计残差为理想图像与估计初值之差，本项目以估计残差图像为待重建目标，其重建过程可通过求解如下优化问题获得：

$\begin{array}{cc}\min imize\left|\right|\mathrm{\&Psi;}\mathrm{\&Delta;}x\left|\right|& s.t.\left|\right|y-\mathrm{\&Phi;}\hat{x}-\mathrm{\&Phi;}\mathrm{\&Delta;}x\left|\right|<\mathrm{\&epsiv;}\end{array}---\left(1\right)$

其中y是测量值，是由第一步初值估计获得，Δx是估计残差，Ψ为稀疏表示方法，Φ是随机投影矩阵。初值估计后的残差部分，相比于原始图像更为稀疏，因而更有利于CS理论的应用。对于残差部分的估计，采用如公式(1)改进后的CS理论进行重建。本发明通过将重建过程分成初值估计和残差估计两部分，巧妙地将各种信息综合起来。

下述以本发明应用于超声二维和三维成像中，其具体实现过程如下：

超欠采样超分辨率二维超声成像实验过程(如图3所示)：

将所提方法应用于超声C扫描成像等。为了能够充分利用各种信息，对于超声成像的数据采样策略拟采用如图1(a)所示的模式，其中K_x和K_y为由x,y轴构成的扫描面。图1(a)的采样模式可以分解为(b)、(c)两部分。先对图像进行图1(b)所示的随机采样，鉴于随机采样矩阵在实际应用中设计上的复杂性，本研究采用高斯/伯努利(二值)型随机测量矩阵，并在测量过程中采用相邻回波差求解L₀范数的方法检测回波信号，如果求解L₀范数值较大，则表明该处可能存在缺陷，则该对应位置进行图1(c)所示的采样。其中图1(c)中的每一列数据经Fourier反变换，可获得一个数据序列，其中第一列和最后一列数据为高分辨率参考列数据，其他列为低分辨率欠采样数据。据此，可以利用一维数据序列的超分辨率重建的方法，充分利用序列之间的时空相关性以及参考列中的高分辨率信息，对这个序列进行超分辨率重建，获得一个初值图像。获得初值图像后，再由图1(b)中的数据，利用公式(1)，充分挖掘图像稀疏先验信息对预测残差部分进行非线性重建；最后由初值图像加上预测残差获得最终的超声成像图像。

超欠采样超分辨率三维超声成像实现过程(如图4所示)：

三维超声成像的数据采样策略拟采用如图2(a)所示的模式，其中K_x和K_y为由x,y轴构成的扫描面,纵轴K_z表示图像的深度。图2(a)的采样模式可以分解为(b)、(c)两部分。图2(c)中的每一列数据经Fourier反变换，可获得一个图像序列，其中第一帧和最后一帧图像为高分辨率参考帧图像，其他帧为低分辨率图像。据此，可以利用图像序列超分辨率重建的方法，充分利用序列之间的时空相关性以及参考帧中的高分辨率信息，对这个序列进行超分辨率重建，获得一个高分辨率图像初值序列。获得初值序列后，再由图2(b)中的数据，利用公式(1)，对预测残差部分进行非线性重建；最后由初值序列加上相应的预测残差获得最终的三维超声成像。

上述图3和图4变密度随机采样策略是一种针对具体工件的变密度随机采样策略。

所述超欠采样技术、超分辨率技术以及稀疏表示方法这三者是三位一体，缺一不可的。首先对于超欠采样成像和超分辨率技术，两者既互相矛盾，比如采用欠采样将无法保证图像质量，而实现高分辨率又需要充分的先验信息。同时又互相联系，比如两者都是高度不适定问题的有效解决方法，同时两者可以通过稀疏先验信息作为连接桥梁，三者共同构成了解决以较少的采样数据，获取高分辨率超声成像的问题的新方法。

虽然本发明所揭露的实施方式如上，但所述的内容只是为了便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属技术领域内的技术人员，在不脱离本发明所揭露的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本发明的专利保护范围，仍须以所附的权利要求书所界定的范围为准。

Claims (7)

1.一种快速高分辨率的超声成像检测方法，其特征在于，所述方法包括：

对图像进行随机采样；

采用高斯/伯努利型随机测量矩阵，并在测量过程中采用相邻回波差求解L₀范数来检测回波信号；

利用序列之间的时空相关性以及参考列/帧中的高分辨率信息，对序列进行超分辨率重建，获取初值图像/图像初值序列；

挖掘图像稀疏先验信息对预测残差部分进行非线性重建；

由初值图像/图像初值序列与相应的预测残差获得最终超声成像图像。

2.如权利要求1所述的快速高分辨率的超声成像检测方法，其特征在于，所述采样是利用超欠采样数据成像技术，该超欠采样技术是基于压缩感知理论的超欠采样技术。

3.如权利要求2所述的快速高分辨率的超声成像检测方法，其特征在于，基于压缩感知理论的超欠采样技术为基于FRI的多通道傅立叶系数采样技术。

4.如权利要求1所述的快速高分辨率的超声成像检测方法，其特征在于，所述采样还包括针对具体工件的扫描策略，即变密度随机扫描策略，其中，变密度扫描变化依据L₀范数的取值，L₀范数值大，则扫描密度大；L₀范数值小，则扫描密度小。

5.如权利要求4所述的快速高分辨率的超声成像检测方法，其特征在于，对需要采样图像的每一列数据经Fourier反变换，获得一个数据序列，并确定高分辨率参考数据列/高分辨率参考帧图像及低分辨率欠采样数据列/低分辨率帧图像。

6.如权利要求1所述的快速高分辨率的超声成像检测方法，其特征在于，所述稀疏是一种针对超声信号特点的基于非参数层次贝叶斯稀疏表示模型的自适应字典稀疏表示方法。

7.如权利要求1所述的快速高分辨率的超声成像检测方法，其特征在于，所述重建包括初值估计和对估计残差利用压缩感知理论进行重建；

所述初值估计是借鉴图像的超分辨率重建，对重建超声图像进行初值估计；

所述估计残差为理想图像与估计初值之差。