论文部分内容阅读
针对医学超声图像的复原和重建问题,分别研究了基于同态滤波和最大后验估计的超声图像复原,基于二维压缩感知的超声图像重建以及离散三角变换域的卷积乘积性质三个方面内容。 ·超声图像复原:利用同态滤波和逆滤波器求出点扩展函数之后,比较了自然稀疏(空间域l1范数)、小波域稀疏(小波域l1范数)和全变分(Total Variation,TV)正则化项对超声图像复原结果的影响,最后利用快速迭代收缩阈值(Fast iterativeshrinkage thresholding,FIST)算法进行了优化,并通过分辨率增益和对复原图像求轮廓来评价复原效果。结果表明,基于自然稀疏和FIST算法的超声图像复原方法能够得到最高的分辨率增益并能得到最优的边界增强效果。 ·基于二维压缩感知的超声图像重建:提出了基于二维压缩感知(Compressed Sensing,CS)和k-空间重建的方法对超声图像进行了重建。结果表明,该算法能够有效地降低一维CS的采样和重建时间,并在重建质量上优于二维CS。 ·离散三角变换域的卷积乘积性质:推导了一维和二维离散三角变换(DiscreteTrigonometric Transform,DTT)的卷积乘积性质。结果表明,一维卷积结果的离散余弦变换(Discrete Cosine Transform,DCT)可表示成输入信号的DCT与线性滤波器的离散傅里叶变换(Discrete Fourier Fransform,DFT)模的乘积,相对于传统算法,该算法只需预计算滤波器一半长度的DFT;另外,二维DTT的卷积乘积性质可有效替代空间域滤波,并在某些情况下优于DFT域的二维线性滤波。