基于空间广义相干系数加权的医学合成孔径超声成像

为解决广义相干系数用于合成孔径成像中所存在的运算量大,图像对比度改善有限等问题,提出空间广义相干系数加权成像方法。该算法根据单个孔径成像结果之间的相干性来计算相干系数,通过加权空间合成进行成像。采用对FieldⅡ仿真点目标和吸声斑目标的数据进行成像表明,算法不仅使运算量减少N(N为阵元数)倍,而且相对于传统的广义相干系数算法,算法对散射点成像可提高信噪比7 dB,对于吸声斑成像可提高对比度3.2 dB。可见算法可以有效地提高成像速度和成像质量。      

一种广义旁瓣相消的超声成像算法

针对最小方差和相干系数结合算法在超声成像对比度、分辨率和对噪声的鲁棒性方面存在的不足, 提出一种广义旁瓣相消的成像算法. 首先基于最小方差准则, 构造广义旁瓣相消器, 获得自适应与非自适应两部分加权向量, 然后根据接收信号的协方差矩阵构建特征阈值信号子空间, 并将获得的加权向量投影到此特征信号子空间的左奇异矢量空间中, 获得新的加权矢量. 通过Field II点目标和吸声斑仿真结果表明: 该方法获得的超声图像在对比度、分辨率和对噪声的鲁棒性上均优于传统延时叠加算法及最小方差和相干系数结合算法, 同时将广义旁瓣相消算法获得的加权向量与符号相干系数结合, 还能进一步提高超声图像质量. 最后通过geabr_0实验数据进行测试, 结果表明: 提出算法的分辨率和对比度及对噪声的鲁棒性上均优于传统延时叠加算法及最小方差和相干系数结合算法.     

特征空间和符号相干系数融合的最小方差超声波束形成

为了提高医学超声成像的空间分辨率,提出一种融合了特征空间最小方差与符号相干系数的波束形成方法。首先利用最小方差法计算回波数据的协方差矩阵和加权向量;然后对协方差矩阵进行特征分解得到信号子空间,并将加权向量投影到该空间上;最后计算符号相干系数,用于优化特征空间法得到的回波信号,最终获得超声成像数据。为验证算法的有效性,对医学超声成像中常用的点目标、斑目标进行仿真,对点目标仿体和人体颈动脉组织进行超声成像实验。结果表明:所提出的方法在分辨率、对比度以及稳健性等方面都优于传统的延时叠加算法、最小方差算法、特征空间最小方差法以及特征空间与相干系数融合的方法。     

特征空间和符号相干系数融合的最小方差超声波束形成

为了提高医学超声成像的空间分辨率,提出一种融合了特征空间最小方差与符号相干系数的波束形成方法。首先利用最小方差法计算回波数据的协方差矩阵和加权向量;然后对协方差矩阵进行特征分解得到信号子空间,并将加权向量投影到该空间上;最后计算符号相干系数,用于优化特征空间法得到的回波信号,最终获得超声成像数据。为验证算法的有效性,对医学超声成像中常用的点目标、斑目标进行仿真,对点目标仿体和人体颈动脉组织进行超声成像实验。结果表明:所提出的方法在分辨率、对比度以及稳健性等方面都优于传统的延时叠加算法、最小方差算法、特征空间最小方差法以及特征空间与相干系数融合的方法。      

互相关自适应加权的医学超声成像算法研究

根据超声成像系统的超声回波信号互相关性,提出互相关自适应加权超声成像算法.该算法根据散射点回波信号之间的空间相关性设置加权系数,对不同位置的散射点进行自适应加权成像,从而降低了成像系统的旁瓣,抑制了相关性较差的噪声.通过Field II仿真的点目标和吸声斑目标处理结果表明该方法成像的横向和纵向分辨率高,成像速度快.相对于延时叠加(DAS)算法,该算法对散射点成像可提高对比度16 dB,对于吸声斑成像可提高对比度0.85 dB.最后采用完备数据集进行实验,结果表明该算法成像分辨率优于DAS算法,对比度提高了17 dB.     

超声虚源成像中自适应双向空间逐点聚焦方法

针对传统超声成像中图像分辨率和对比度随深度下降的问题,提出了一种基于虚源的自适应双向空间逐点聚焦超声成像方法。首先,使用超声换能器线列阵分子孔径分别定焦点发射和接收超声波,采集扫描线数据;然后将焦点视为虚拟点声源,计算虚源到空间成像点的延时,利用合成孔径原理再次进行空间逐点聚焦;在合成过程中采用相干系数进行自适应加权。采用空间脉冲响应法对不同深度的点目标和囊目标仿真成像,从而量化分辨率和对比度。在F数为1.5、焦距为10 mm时(对应子孔径阵元数为17)可以获得与64通道定焦点发射、动态聚焦接收相当的图像质量且在所有深度上保持一致。实际硬件平台的体模成像实验进一步验证了方法的有效性。该方法可在整个成像深度范围内保持和常规成像一致的分辨率和对比度,从而获得更优的整体成像效果。     

超声虚源成像中自适应双向空间逐点聚焦方法

针对传统超声成像中图像分辨率和对比度随深度下降的问题,提出了一种基于虚源的自适应双向空间逐点聚焦超声成像方法。首先,使用超声换能器线列阵分子孔径分别定焦点发射和接收超声波,采集扫描线数据;然后将焦点视为虚拟点声源,计算虚源到空间成像点的延时,利用合成孔径原理再次进行空间逐点聚焦;在合成过程中采用相干系数进行自适应加权。采用空间脉冲响应法对不同深度的点目标和囊目标仿真成像,从而量化分辨率和对比度。在F数为1.5、焦距为10 mm时(对应子孔径阵元数为17)可以获得与64通道定焦点发射、动态聚焦接收相当的图像质量且在所有深度上保持一致。实际硬件平台的体模成像实验进一步验证了方法的有效性。该方法可在整个成像深度范围内保持和常规成像一致的分辨率和对比度,从而获得更优的整体成像效果。      

特征空间最小方差波束形成与相关系数特征值加权相融合的超声成像算法

为了进一步提高超声成像的质量,提出一种信号特征空间的最小方差波束形成与相关系数特征值加权相融合的超声成像算法。利用超声回波信号具有一定的相关性,而相关系数空间最大特征值可以反映回波信号相关性较强的性质,将该特征值作为自适应加权系数对信号特征空间最小方差波束形成(EIBMV)的结果进行加权成像,得到高质量的成像结果。通过对散射点目标和斑目标的Field II仿真,结果表明该算法相对于EIBMV算法,亮斑对比度提高了4.22 dB,暗斑对比度提高了1.88 dB,并且进一步提高了横向分辨率。      

利用回波相干性的医学超声成像相位畸变校正方法

为了提高相位畸变条件下的医学超声成像的横向分辨率和对比度,提出了一种利用回波信号相干性的校正方法。首先给出平均相干系数的概念,并将其作为相位误差校正的度量,然后通过最大化平均相干系数逐步校正各个通道的延时误差,最后再利用经过校正的数据计算出一组新的相干系数并对回波信号进行加权优化,从而得到最终用于成像的数据。对点散射目标及斑散射目标的仿真结果分别显示,利用所提出的方法横向分辨率提高了约0.24 mm,对比度提高了约18 dB,且要优于邻近阵元互相关方法和相干系数直接加权的处理方法。利用回波相干性的相位畸变校正方法结合了相位误差校正和加权处理的优点,可以有效地改善医学超声成像的质量。      

超声成像中基于特征空间的前后向最小方差波束形成

针对最小方差(MV)波束形成在算法稳健性和超声成像对比度方面存在的缺点,提出一种将特征空间法和前后向空间平滑法融合用于最小方差波束形成的超声成像方法。首先用前后向空间平滑取代传统的前向空间平滑,得到更精确的协方差矩阵;然后计算最优加权向量,并将该向量投影到由协方差矩阵特征空间构造的信号子空间中;最后利用投影所获得的向量与阵元数据进行运算得到成像回波数据。为了验证算法的有效性,对医学成像中常用的点目标和斑目标进行了成像实验。仿真结果表明:所提出的方法不依赖于对角加载参数的选取,在保持MV算法高分辨率的同时,还有效提高图像的对比度和算法的稳健性。      

子阵列差分系数加权的超声成像算法

传统的自适应加权系数可以有效改善超声图像的分辨率和对比度,但会影响背景图像的散斑特性,因此提出子阵列差分加权系数(SDF)以提升图像质量.该系数适用于传统线扫描超声成像,首先对阵列接收到的回波信号采用子阵列平滑的方式计算均值,得到信号中高相干性成份的强度,再用差分的方式反映相邻阵元回波信号之间的差异性,最后对延时叠加(...     

复杂天空背景下的红外弱小目标跟踪

为解决传统跟踪算法不能有效区分复杂天空云层背景边缘和红外弱小目标,从而在跟踪过程中产生“偏移”的问题。在时空上下文原理基础上分析跟踪“偏移”的原因,引入高斯曲率滤波,提出一种改进的时空上下文红外弱小目标跟踪算法。该算法首先采用高斯曲率滤波对上下文区域进行预处理,在保留上下文区域背景边缘的同时剔除高频的红外弱小目标和噪声,从而获得准确的红外弱小目标置信图,利用红外弱小目标置信图估计出红外弱小目标位置。采用四组复杂天空背景下的红外弱小目标图像序列进行实验,并与经典的模板匹配算法、基于粒子滤波的均值漂移算法和快速压缩跟踪算法三种跟踪算法作比较。实验结果表明,算法在主观视觉和客观评价指标方面均优于其他三种算法,具有更高的目标跟踪精度与较好的实时性,可以实现对复杂天空背景下红外弱小目标的有效跟踪。     

Synthetic aperture ultrasound imaging

The paper describes the use of synthetic aperture (SA) imaging in medical ultrasound. SA imaging is a radical break with today's commercial systems, where the image is acquired sequentially one image line at a time. This puts a strict limit on the frame rate and the possibility of acquiring a sufficient amount of data for high precision flow estimation. These constrictions can be lifted by employing SA imaging. Here data is acquired simultaneously from all directions over a number of emissions, and the full image can be reconstructed from this data. The paper demonstrates the many benefits of SA imaging. Due to the complete data set, it is possible to have both dynamic transmit and receive focusing to improve contrast and resolution. It is also possible to improve penetration depth by employing codes during ultrasound transmission. Data sets for vector flow imaging can be acquired using short imaging sequences, whereby both the correct velocity magnitude and angle can be estimated. A number of examples of both phantom and in vivo SA images will be presented measured by the experimental ultrasound scanner RASMUS to demonstrate the many benefits of SA imaging.     

高分辨率扇形阵列超声激发振动声成像研究

对扇阵换能器的振动声成像进行了研究.在相关振动声成像和扇阵换能器的理论基础上,经过推导修正并得到了精确的速度势函数.进一步计算并仿真了系统点扩散函数（point spread function, PSF）,构造了组织模型,进行了成像仿真.最后分析了影响扇阵换能器系统分辨率的因素.研究结果表明：用扇阵换能器进行振动声成像可以获得很高的图像分辨率及对比度,在高强度聚焦超声（HIFU）治疗的热损伤检测等方面有重要的应用价值.分析指出通过提高换能器工作频率,减小几何焦距,增大口径可以提高系统的分辨率. 关键词： 振动声成像 扇形阵 点扩散函数     

改进的最小方差算法在超声成像中的应用

为了提高最小方差超声成像算法的分辨率、对比度以及对噪声的鲁棒性,提出一种改进的最小方差成像算法。该方法首先基于回波信号中期望信号与噪声信号的可分离性将信号划分为期望信号和噪声信号,然后根据最小方差原理,求出加权向量使期望信号功率最小,同时,为了增加算法对噪声的鲁棒性,对信号方向向量增加一对约束条件,进一步提高图像质量。在全发全收和合成孔径模式下对点目标和吸声斑进行仿真,结果表明所提算法在全发全收模式下,-6 dB处分辨率在最小方差基础上提高了1倍左右,在合成孔径模式下,对比度在特征空间最小方差算法基础上提高了8 dB,且远优于传统延时叠加算法。最后通过实验进一步表明改进的最小方差算法图像在分辨率、对比度及对噪声的鲁棒性等方面表现更优,可以有效的改善超声图像的质量。      

Optical coherence tomography

Optical Coherence Tomography (OCT) is a new technology for performing high-resolution cross sectional imaging. OCT is analogous to ultrasound imaging, except that it uses light instead of sound. OCT can provide cross sectional images of tissue structure on the micron scale in situ and in real time. OCT functions as a type of optical biopsy and is a powerful imaging technology for medical diagnostics because unlike conventional histopathology which requires removal of a tissue specimen and processing for microscopic examination, OCT can provide images of tissue in situ and in real time. OCT can be used where standard excisional biopsy is hazardous or impossible, to reduce sampling errors associated with excisional biopsy, and to guide interventional procedures.     

基于滤波差分的双阈值弱划痕提取算法

高质量光学元件表面缺陷中存在一些深度较浅或者宽度较窄的划痕,在暗场成像检测中,该类划痕产生的散射光灰度值很低,甚至淹没在背景光中,很难被目视或常规机器视觉识别,造成划痕缺陷的漏检。针对该问题,以既有的疵病检测系统为基础,根据划痕灰度的等级特征,提出双阈值法分类处理划痕缺陷。在低阈值的弱划痕处理中,根据弱划痕和背景的频率特征以及空间对比度特征,设计了频域滤波及背景差分算法。通过空间域以及频率域的滤波处理,排除高频噪声以及高亮度噪声,根据几何特征等提取弱划痕图像中的复杂背景。经差分处理后,提取弱划痕并增强对比度,最后与正常灰度级划痕信息一同通过高阈值(正常阈值)进行后续划痕的特征提取,即得到所有的划痕信息,为划痕缺陷总长度计算以及最大长度的分级判定奠定基础。实验结果表明,该算法避免了过低二值化阈值引入的背景等不规则噪声,使得划痕与背景的对比度大大增强。目前该算法已经应用于惯性约束聚变系统中大口径光学表面划痕的定量检测,并且使长度计量的准确度已提升到约80%。     

Infrared dim-small target tracking via singular value decomposition and improved Kernelized correlation filter

Infrared small target tracking plays an important role in applications including military reconnaissance, early warning and terminal guidance. In this paper, an effective algorithm based on the Singular Value Decomposition (SVD) and the improved Kernelized Correlation Filter (KCF) is presented for infrared small target tracking. Firstly, the super performance of the SVD-based algorithm is that it takes advantage of the target's global information and obtains a background estimation of an infrared image. A dim target is enhanced by subtracting the corresponding estimated background with update from the original image. Secondly, the KCF algorithm is combined with Gaussian Curvature Filter (GCF) to eliminate the excursion problem. The GCF technology is adopted to preserve the edge and eliminate the noise of the base sample in the KCF algorithm, helping to calculate the classifier parameter for a small target. At last, the target position is estimated with a response map, which is obtained via the kernelized classifier. Experimental results demonstrate that the presented algorithm performs favorably in terms of efficiency and accuracy, compared with several state-of-the-art algorithms.     

图像增强算法综述

图像增强算法能够提高图像整体和局部的对比度,突出图像的细节信息,使增强后的图像更符合人眼的视觉特性且易于机器识别,在军事和民用领域具有广泛的应用。本文从图像增强算法的原理出发,归纳总结了近年来应用比较广泛的4类图像增强算法及其改进算法,包括直方图均衡图像增强算法、小波变换图像增强算法、偏微分方程图像增强算法和基于Retinex理论的图像增强算法。结合人眼视觉特性、噪声抑制、亮度保持和信息熵最大化等图像增强的改进算法,在保证增强图像具有较高对比度的前提下,可进一步提升图像的质量。实现了9种较为典型的图像增强算法,采用主观和客观的评价方法对增强效果进行了对比,分析了不同增强算法的优缺点,并给出了这些算法的计算时间。对这些算法的深入研究能够推动图像增强技术向更高水平发展,从而使图像增强技术在多个学科领域发挥重要作用。