稀疏正则化方法的超声信号反卷积

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

稀疏正则化方法的超声信号反卷积

文乔农, 刘增力, 万遂人, 徐双

文章导航 > 电子科技大学学报 > 2013 > 42(3): 475-480

文乔农, 刘增力, 万遂人, 徐双. 稀疏正则化方法的超声信号反卷积[J]. 电子科技大学学报, 2013, 42(3): 475-480. doi: 10.3969/j.issn.1001-0548.2013.03.030

引用本文:

文乔农, 刘增力, 万遂人, 徐双. 稀疏正则化方法的超声信号反卷积[J]. 电子科技大学学报, 2013, 42(3): 475-480. doi: 10.3969/j.issn.1001-0548.2013.03.030

WEN Qiao-nong, LIU Zeng-li, WAN Sui-ren, XU Shuang. Sparse Regularization-Based Ultrasound Signal Deconvolution[J]. Journal of University of Electronic Science and Technology of China, 2013, 42(3): 475-480. doi: 10.3969/j.issn.1001-0548.2013.03.030

Citation:

WEN Qiao-nong, LIU Zeng-li, WAN Sui-ren, XU Shuang. Sparse Regularization-Based Ultrasound Signal Deconvolution[J]. Journal of University of Electronic Science and Technology of China, 2013, 42(3): 475-480. doi: 10.3969/j.issn.1001-0548.2013.03.030

稀疏正则化方法的超声信号反卷积

doi: 10.3969/j.issn.1001-0548.2013.03.030

1.
昆明理工大学信息工程与自动化学院昆明 650500;
2.
东南大学医学电子学实验室南京 210096;
3.
东南大学计算机科学与工程学院南京 210096

基金项目:

国家973项目(2010CB933903);国家自然科学基金(61271007)

作者简介:
文乔农(1974-)，男，博士，主要从事医学图像处理方面的研究.

中图分类号: TP391

Sparse Regularization-Based Ultrasound Signal Deconvolution

1.
School of Information Engineering and Automation,Kunming University of Science and Technology Kunming 650500;
2.
Medical Electronics Laboratory,Southeast University Nanjing 210096;
3.
School of Computer Science and Technology,Southeast University Nanjing 210096

摘要: 提出了一种在稀疏分解框架下的超声信号反卷积模型，改善了超声成像的质量。该模型包含两个正则项，分别约束信号的光滑性和字典表示的稀疏性，并应用高阶统计量和MA模型估计系统的点扩散函数。模型直接求解很困难，采用分裂Bregman方法交替迭代求解；并对反卷积的信号进行动态滤波、包络检波、二次抽样、动态压缩、灰阶映射等处理，得到超声灰度图像。实验结果表明，该反卷积方法成像比直接成像的分辨率高，图像的对比度得到增强，斑点噪声明显减少。
- 反卷积 /
- 点扩散函数 /
- 正则化 /
- 稀疏分解
Abstract: A ultrasound signal deconvolution model in the framework of the sparse decomposition is proposed to improve the quality of medical ultrasound images. The smoothness of the signal and the sparsity of the dictionary representation are constrained by using two regularization terms, and the point spread function is estimated by using higher order statistics and MA model. The proposed model is solved by alternatively iterating split Bregman method. The gray scale ultrasound image is acquired by the dynamic filtering, envelope detecting, second sampling, dynamic compressing, and gray scale mapping. Experiments show that the proposed deconvolution method can achieve images with higher resolution, better contrast enhancement, and less speckle noise, compared with direct imaging methods.
- deconvolution /
- point spread function /
- regularization /
- sparse decomposition

[1]	周书田, 颜信, 谢镇汕. 视频人脸识别中高效分解卷积与时间金字塔网络研究 . 电子科技大学学报, 2021, 50(2): 231-235. doi: 10.12178/1001-0548.2020319
[2]	韩奎, 聂在平, 阙肖峰. 基于相位提取基函数的高效区域分解方法 . 电子科技大学学报, 2017, 46(4): 520-524. doi: 10.3969/j.issn.1001-0548.2017.04.007
[3]	许志良, 邓承志, 张运生. 非局域自相似约束的Shearlet稀疏正则化图像恢复 . 电子科技大学学报, 2016, 45(1): 43-47. doi: 10.3969/j.issn.1001-0548.2016.01.006
[4]	余刚, 王知衍, 邵璐, 胡舒悦, 蔡毅. 基于奇异值分解的个性化评论推荐 . 电子科技大学学报, 2015, 44(4): 605-610. doi: 10.3969/j.issn.1001-0548.2015.04.022
[5]	王聪, 张凤荔, 杨晓翔. 分布式环境下动态网络时延矩阵正则化重建 . 电子科技大学学报, 2014, 43(6): 923-928. doi: 10.3969/j.issn.1001-0548.2014.06.022
[6]	薛博, 陈小梅, 毛冰晶, 倪国强. 镜面微振动时点扩散函数的仿真分析 . 电子科技大学学报, 2014, 43(1): 155-160. doi: 10.3969/j.issn.1001-0548.2014.01.026
[7]	王瑜, 张慧妍. 基于四阶PDEs和对比度增强的荧光显微图像去噪 . 电子科技大学学报, 2012, 41(4): 564-567.
[8]	向强, 秦开宇, 张传武. 基于线性正则变换的时频信号分离方法 . 电子科技大学学报, 2010, 39(4): 570-573,633. doi: 10.3969/j.issn.1001-0548.2010.04.020
[9]	曹宇, 赵杰, 程远志, 闫继宏. MRI中髋关节股头软骨的厚度测量方法 . 电子科技大学学报, 2009, 38(4): 626-630. doi: 10.3969/j.issn.1001-0548.2009.04.035
[10]	方继承, 贾哲, 于全. 指数函数分解法的CPM非相干序列估计 . 电子科技大学学报, 2008, 37(3): 358-360.
[11]	尹忠科, 王建英, Pierre Vandergheynst. 由图像的稀疏分解重建图像的快速算法 . 电子科技大学学报, 2006, 35(4): 447-449.
[12]	尹忠科, 解梅, 王建英. 基于稀疏分解的图像去噪 . 电子科技大学学报, 2006, 35(6): 876-878.
[13]	陈翰林, 尚亚东, 刘希强. 正则化长波方程的显式精确解 . 电子科技大学学报, 2005, 34(5): 709-712.
[14]	尹忠科, 解梅, 王建英. 基于原子能量特性的快速图像匹配追踪 . 电子科技大学学报, 2005, 34(2): 156-159.
[15]	袁丁, 范平志. 电子证据与反拒认协议及形式化分析 . 电子科技大学学报, 2004, 33(5): 531-534.
[16]	于长丰, 严一民, 阎坤, 杨新铁. 反氢原子能级及光谱的经典定性研究 . 电子科技大学学报, 2004, 33(4): 461-463,484.
[17]	洪洁, 范修斌, 方刚, 路晓峰. 布尔函数最优连续化 . 电子科技大学学报, 2004, 33(5): 621-622,626.
[18]	喻胜, 何丕雁, 陈光. 利用最小化代价函数方法实现多窗口谱分析 . 电子科技大学学报, 1999, 28(3): 273-277.
[19]	何为. 在液镓电极上反丁烯二腈的电氢化二聚 . 电子科技大学学报, 1997, 26(2): 215-220.
[20]	张先迪. 高度不正则图的全着色 . 电子科技大学学报, 1997, 26(6): 650-653.

WeChat

点击查看大图

计量

文章访问数: 3607
HTML全文浏览量: 101
PDF下载量: 56
被引次数: 0

稀疏正则化方法的超声信号反卷积

doi: 10.3969/j.issn.1001-0548.2013.03.030

1. 昆明理工大学信息工程与自动化学院昆明 650500;

2. 东南大学医学电子学实验室南京 210096;

3. 东南大学计算机科学与工程学院南京 210096

基金项目:

国家973项目(2010CB933903);国家自然科学基金(61271007)

作者简介:
文乔农(1974-)，男，博士，主要从事医学图像处理方面的研究.

收稿日期: 2011-05-27
修回日期: 2013-03-19
刊出日期: 2013-06-15

中图分类号: TP391

关键词:

摘要: 提出了一种在稀疏分解框架下的超声信号反卷积模型，改善了超声成像的质量。该模型包含两个正则项，分别约束信号的光滑性和字典表示的稀疏性，并应用高阶统计量和MA模型估计系统的点扩散函数。模型直接求解很困难，采用分裂Bregman方法交替迭代求解；并对反卷积的信号进行动态滤波、包络检波、二次抽样、动态压缩、灰阶映射等处理，得到超声灰度图像。实验结果表明，该反卷积方法成像比直接成像的分辨率高，图像的对比度得到增强，斑点噪声明显减少。

English Abstract

文乔农, 刘增力, 万遂人, 徐双. 稀疏正则化方法的超声信号反卷积[J]. 电子科技大学学报, 2013, 42(3): 475-480. doi: 10.3969/j.issn.1001-0548.2013.03.030

引用本文:

文乔农, 刘增力, 万遂人, 徐双. 稀疏正则化方法的超声信号反卷积[J]. 电子科技大学学报, 2013, 42(3): 475-480. doi: 10.3969/j.issn.1001-0548.2013.03.030

WEN Qiao-nong, LIU Zeng-li, WAN Sui-ren, XU Shuang. Sparse Regularization-Based Ultrasound Signal Deconvolution[J]. Journal of University of Electronic Science and Technology of China, 2013, 42(3): 475-480. doi: 10.3969/j.issn.1001-0548.2013.03.030

Citation:

WEN Qiao-nong, LIU Zeng-li, WAN Sui-ren, XU Shuang. Sparse Regularization-Based Ultrasound Signal Deconvolution[J]. Journal of University of Electronic Science and Technology of China, 2013, 42(3): 475-480. doi: 10.3969/j.issn.1001-0548.2013.03.030

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

期刊在线

编辑办公

友情链接

电子科技大学

版权所有 © 《电子科技大学学报》编辑部

地址: 成都市建设北路二段四号电子科技大学主楼中350室电话: 028-83202308,83207559 Email: xuebao@uestc.edu.cn

本系统由北京仁和汇智信息技术有限公司开发