本文關(guān)鍵詞：超聲成像波束合成理論與算法研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：超聲具有對(duì)人體無(wú)害,實(shí)時(shí)成像,成本較低等優(yōu)點(diǎn),目前廣泛應(yīng)用于血管、骨密度、心臟等器官的醫(yī)學(xué)檢測(cè)領(lǐng)域。成像算法在醫(yī)學(xué)超聲成像中起了非常重要的作用。其中,波束合成是核心環(huán)節(jié)。最小方差自適應(yīng)加權(quán)波束合成方法是根據(jù)接收回波數(shù)據(jù)動(dòng)態(tài)的計(jì)算加權(quán)值,能夠使得圖像在降低旁瓣等級(jí)的基礎(chǔ)上保持較好的分辨率。合成發(fā)射孔徑可以實(shí)現(xiàn)發(fā)射和接收兩階段動(dòng)態(tài)聚焦,大大提高圖像空間分辨率。雖然這兩種算法在一定程度上提高了圖像質(zhì)量,但還存在一定的缺陷,具體表現(xiàn)在:(1)最小方差波束形成算法對(duì)圖像質(zhì)量的提高有限,空間分辨率有待提高,對(duì)比度低,同時(shí)抗噪能力弱。(2)合成發(fā)射孔徑成像算法中,較多的發(fā)射陣元數(shù)會(huì)影響數(shù)據(jù)獲取時(shí)間,使得成像速度較慢,不適用于高幀率成像。針對(duì)上述兩個(gè)問(wèn)題,本文開(kāi)展了如下研究:(1)開(kāi)展了相位相干波束合成算法和廣義旁瓣相消波束合成算法以及兩者融合的研究。本文針對(duì)最小方差與相干系數(shù)融合(MV-CF)算法在超聲圖像分辨率、對(duì)比度以及抗噪能力上的不足,提出了兩種新的波束合成算法。分別為基于特征空間的廣義旁瓣相消的波束合成算法(ES-GSC)以及特征空間與廣義旁瓣相消波束合成與符號(hào)相干系數(shù)融合(ESGSC-SCF)算法。ES-GSC算法是根據(jù)回波信號(hào)中期望信號(hào)與噪聲信號(hào)的可分離性,同時(shí)基于最小方差準(zhǔn)則,構(gòu)造廣義旁瓣相消器,獲得自適應(yīng)與非自適應(yīng)兩部分加權(quán)向量,然后根據(jù)接收信號(hào)的協(xié)方差矩陣構(gòu)建特征閾值信號(hào)子空間,并將加權(quán)向量投影到此空間的左奇異矢量空間中,獲得新的加權(quán)矢量。仿真以及實(shí)驗(yàn)結(jié)果表明:該算法可以有效提高圖像質(zhì)量。ESGSC-SCF算法首先利用ES-GSC算法獲得加權(quán)向量,并對(duì)接收回波數(shù)據(jù)進(jìn)行加權(quán)處理。然后利用回波信號(hào)的極性特點(diǎn)并依據(jù)方差原理計(jì)算符號(hào)相干加權(quán)系數(shù)SCF,最后利用獲得的SCF加權(quán)系數(shù)對(duì)經(jīng)過(guò)ES-GSC加權(quán)后的回波數(shù)據(jù)再進(jìn)行一次加權(quán)處理。仿真以及實(shí)驗(yàn)結(jié)果表明:所提出融合算法能在ES-GSC基礎(chǔ)上從分辨率,對(duì)比度,以及對(duì)噪聲的魯棒性上進(jìn)一步提高圖像質(zhì)量。(2)提出了一種改進(jìn)的稀疏合成發(fā)射孔徑超聲成像算法。該方法主要是從全部陣元中選取部分陣元代替全部陣元發(fā)射,依據(jù)有效孔徑原理,對(duì)每次發(fā)射后的接收回波數(shù)據(jù)進(jìn)行合適加權(quán)處理,以使得合成的有效孔徑與全部陣元發(fā)射時(shí)產(chǎn)生的有效孔徑相同,從而在遠(yuǎn)場(chǎng)處產(chǎn)生相同的點(diǎn)散射函數(shù)(PSF)。同時(shí)為了進(jìn)一步消除近場(chǎng)、中場(chǎng)有效孔徑不適用而造成的偽像,對(duì)回波數(shù)據(jù)再進(jìn)行一次符號(hào)相干系數(shù)加權(quán)處理。仿真結(jié)果表明:所提出的算法能使得成像速度顯著加快,中近場(chǎng)的圖像質(zhì)量比全陣元發(fā)射時(shí)稍差,而融合了SCF算法后,在成像速度不受影響下圖像質(zhì)量能顯著提高。
【關(guān)鍵詞】：超聲成像 廣義旁瓣相消器 相位相干 稀疏合成發(fā)射孔徑
【學(xué)位授予單位】：重慶大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TP391.41;TB559
【目錄】：

• 中文摘要3-5
• 英文摘要5-9
• 1 緒論9-15
• 1.1 研究背景及意義9-10
• 1.2 研究歷史與現(xiàn)狀10-13
• 1.2.1 醫(yī)學(xué)超聲成像發(fā)展歷史與現(xiàn)狀10-11
• 1.2.2 超聲波束合成研究歷史與現(xiàn)狀11-13
• 1.3 本文的主要研究?jī)?nèi)容13-15
• 2 超聲成像的基本理論15-27
• 2.1 超聲成像基本原理15-16
• 2.2 超聲波束的時(shí)空控制16-20
• 2.3 延時(shí)疊加波束合成20-23
• 2.3.1 聲場(chǎng)分布計(jì)算21-22
• 2.3.2 超聲聲場(chǎng)聲束的仿真22-23
• 2.4 超聲圖像質(zhì)量評(píng)判23-26
• 2.4.1 系統(tǒng)靈敏性及回波探測(cè)能力23-24
• 2.4.2 空間分辨率24-25
• 2.4.3 吸聲斑物體探測(cè)能力25-26
• 2.5 本章小結(jié)26-27
• 3 基于特征空間的廣義旁瓣相消的超聲成像波束合成算法27-37
• 3.1 最小方差波束合成算法27-28
• 3.2 廣義相干系數(shù)法28-29
• 3.3 相位相干算法29-33
• 3.3.1 相位相干加權(quán)(SCF)算法29-31
• 3.3.2 符號(hào)相干加權(quán)(SCF)算法31-33
• 3.4 改進(jìn)的基于特征空間的廣義旁瓣相消的波束合成算法33-36
• 3.4.1 廣義旁瓣相消的波束合成算法33-34
• 3.4.2 基于特征空間的廣義旁瓣相消的波束合成算法34-35
• 3.4.3 基于特征空間的廣義旁瓣相消波束合成與符號(hào)相干系數(shù)融合算法35-36
• 3.5 本章小結(jié)36-37
• 4 改進(jìn)的稀疏合成發(fā)射孔徑超聲成像37-49
• 4.1 合成發(fā)射孔徑(STA)算法37-39
• 4.2 一種改進(jìn)的稀疏合成發(fā)射孔徑成像算法39-48
• 4.2.1 點(diǎn)散射函數(shù)(PSF)40-41
• 4.2.2 有效孔徑41-44
• 4.2.3 稀疏全聚焦算法44-48
• 4.3 本章小結(jié)48-49
• 5 仿真及實(shí)驗(yàn)結(jié)果分析49-67
• 5.1 仿真設(shè)計(jì)49
• 5.2 仿真實(shí)驗(yàn)對(duì)比與分析49-62
• 5.2.1 基于特征空間的廣義旁瓣相消波束合成仿真成像49-54
• 5.2.2 鄰近點(diǎn)分辨率和對(duì)不正確聲速的魯棒性54-57
• 5.2.3 稀疏合成發(fā)射孔徑成像仿真57-62
• 5.3 實(shí)驗(yàn)測(cè)試62-65
• 5.3.1 geabr_0 數(shù)據(jù)實(shí)驗(yàn)成像62-63
• 5.3.2 實(shí)驗(yàn)設(shè)備探測(cè)體膜數(shù)據(jù)成像63-65
• 5.4 本章小結(jié)65-67
• 6 總結(jié)與展望67-69
• 6.1 總結(jié)67-68
• 6.2 展望68-69
• 致謝69-71
• 參考文獻(xiàn)71-75
• 附錄75
• A. 作者在攻讀學(xué)位期間發(fā)表的論文目錄75
• B. 作者在攻讀學(xué)位期間取得的科研成果目錄75

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 韓進(jìn);;算法淺說(shuō)[J];廣西教育學(xué)院學(xué)報(bào);2008年04期

2 王貴竹;一種產(chǎn)生單向分解值的算法[J];安徽大學(xué)學(xué)報(bào)(自然科學(xué)版);2001年03期

3 高廣尚;蔣泰;;ISO 18000-6 Type C中的防沖突機(jī)制分析[J];廣西科學(xué)院學(xué)報(bào);2008年04期

4 石連栓;離散變量結(jié)構(gòu)優(yōu)化設(shè)計(jì)算法研究綜述[J];天津職業(yè)技術(shù)師范學(xué)院學(xué)報(bào);2001年01期

5 張宏哲;;FFT算法的一種改進(jìn)[J];長(zhǎng)安大學(xué)學(xué)報(bào)(自然科學(xué)版);1988年01期

6 范曉平;;最小生成樹(shù)(MST)的“分級(jí)選樹(shù)”算法[J];西南交通大學(xué)學(xué)報(bào);1983年01期

7 劉志奎;劉慶民;;零件矩形邊界框區(qū)域自動(dòng)提取算法及應(yīng)用[J];光學(xué)技術(shù);2012年02期

8 戴光明;張全元;包建全;;一種車(chē)型特征提取的新算法[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2009年10期

9 李躍波;王麗珍;;AUCBoost算法處理不平衡分類(lèi)問(wèn)題[J];云南大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年S2期

10 顧翔,徐克t

本文編號(hào)：307409