本文選題：光聲圖像重建 + 濾波處理算法�。� 參考：《生物化學(xué)與生物物理進展》2017年11期

【摘要】：針對光聲圖像重建過程中存在的原始光聲信號信噪比差、重建圖像對比度低、分辨率不足等問題,提出了基于Renyi熵的光聲圖像重建濾波算法.該算法首先根據(jù)原始光聲信號的Renyi熵分布情況,確定分割閾值,并濾除雜波信號;再利用濾波后的光聲數(shù)據(jù)進行延時疊加光聲圖像重建.利用該濾波算法分別處理鉛筆芯橫截面(零維)、頭發(fā)絲(一維)以及小鼠大腦皮層血管(二維)等不同維度樣本的光聲信號,實驗結(jié)果表明:相比Renyi熵處理之前,重建圖像對比度平均增強了32.45%,分辨率平均提高了30.78%,信噪比提高了47.66%,均方誤差降低了35.01%;相比典型的濾波處理算法(模極大值法和閾值去噪法),本研究中圖像的對比度、分辨率和信噪比分別提高了25.94%/10.60%、27.90%/19.48%、35.21%/10.60%,均方誤差減小了28.57%/16.66%.因此,選擇利用Renyi熵濾波算法處理光聲信號,從而使光聲圖像重建質(zhì)量得到大幅改善.
[Abstract]:Aiming at the problems of poor signal-to-noise ratio (SNR) of original photoacoustic signal, low contrast of reconstructed image and insufficient resolution in the process of photoacoustic image reconstruction, a filter algorithm for photoacoustic image reconstruction based on Renyi entropy is proposed. Based on the Renyi entropy distribution of the original photoacoustic signal, the segmentation threshold is determined and the clutter signal is filtered. Then the filtered photoacoustic data are used to reconstruct the delayed superimposed photoacoustic image. The filter algorithm is used to process the photoacoustic signals of the lead pen core cross-section (zero dimension), hair filament (one dimension) and mouse cerebral cortical vessel (2 D) respectively. The experimental results show that: compared with Renyi entropy processing, The contrast of reconstructed image is increased by 32.45, the resolution is increased by 30.78, the SNR is increased by 47.66, and the mean square error is reduced by 35.01.Compared with the typical filtering algorithms (modulus maximum method and threshold denoising method), the contrast of the image in this study, The resolution and the signal-to-noise ratio were increased 25.94 / 10.60 and 27.90 / 19.48, 35.21 / 10.60, respectively, and the mean square error was reduced by 28.57% 16.66. Therefore, Renyi entropy filter algorithm is used to process photoacoustic signal, which can improve the quality of photoacoustic image reconstruction greatly.
【作者單位】： 太原理工大學(xué)信息工程學(xué)院微納系統(tǒng)研究中心教育部先進傳感器與智能控制系統(tǒng)重點實驗室;Department
【基金】：國家自然科學(xué)基金(61474079,11602159) 山西省優(yōu)秀人才科技創(chuàng)新項目(201605D211020) 山西省高等學(xué)�？萍紕�(chuàng)新項目(2016136)資助~~
【分類號】：TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 蔡秋霞;譚治良;;光聲顯微鏡技術(shù)的研究進展[J];硅谷;2013年02期

2 向良忠;邢達;郭華;楊思華;;高分辨率快速數(shù)字化光聲CT乳腺腫瘤成像[J];物理學(xué)報;2009年07期

3 孫鳳文,郭海峰,楊康;求解光學(xué)CT圖像重建問題的擾動方法[J];沈陽工業(yè)學(xué)院學(xué)報;2002年01期

4 郭海峰,楊康;求解光學(xué)CT圖像重建問題的最佳攝動量法[J];儀器儀表學(xué)報;2001年S2期

5 潘晉孝,韓焱,繆麗娜;圖像重建中濾波算子的一種優(yōu)化方法[J];測試技術(shù)學(xué)報;2001年04期

6 夏平;在影像專業(yè)講授“圖像重建”的教學(xué)實踐[J];電氣電子教學(xué)學(xué)報;2001年03期

7 張連順,張春平,王新宇,祁勝文,田建國;光與生物組織相互作用模型及圖像重建[J];激光與光電子學(xué)進展;2002年04期

8 海鷹,姜紅軍,平子良;圓諧-傅立葉矩圖像重建誤差分析[J];內(nèi)蒙古師范大學(xué)學(xué)報(自然科學(xué)漢文版);2003年04期

9 肖斌;ICT圖像重建并行處理技術(shù)簡介[J];計量技術(shù);2004年09期

10 張兆田,張朋;改進的圖像重建迭代算法[J];電子與信息學(xué)報;2004年10期

相關(guān)會議論文 前10條

1 邢達;;內(nèi)源分子特異性吸收的光聲無損醫(yī)學(xué)影像技術(shù)[A];“廣東省光學(xué)學(xué)會2013年學(xué)術(shù)交流大會”暨“粵港臺光學(xué)界產(chǎn)學(xué)研合作交流大會”會議手冊論文集[C];2013年

2 張海南;湯日杰;張書旭;蔡霜;彭俊琴;張愛芳;;4維CT圖像重建及其肺癌調(diào)強放療中的應(yīng)用[A];2010中華醫(yī)學(xué)會影像技術(shù)分會第十八次全國學(xué)術(shù)大會論文集[C];2010年

3 程玉雄;曹良志;吳宏春;鄭友琦;張宏博;;基于壓縮傳感的圖像重建[A];第五屆反應(yīng)堆物理與核材料學(xué)術(shù)研討會、第二屆核能軟件自主化研討會會議摘要集[C];2011年

4 康克軍;王石;;環(huán)形移位懸浮存儲器并行CT圖像重建體系[A];第7屆全國核電子學(xué)與核探測技術(shù)學(xué)術(shù)年會論文集（三）[C];1994年

5 王春海;肖斌;;ICT圖像重建并行處理技術(shù)[A];《制造業(yè)自動化與網(wǎng)絡(luò)化制造》學(xué)術(shù)交流會論文集[C];2004年

6 王春海;肖斌;;ICT圖像重建并行處理技術(shù)[A];先進制造技術(shù)論壇暨第三屆制造業(yè)自動化與信息化技術(shù)交流會論文集[C];2004年

7 孫朝明;湯光平;王增勇;李強;;二維CT圖像重建方法分析與試驗[A];全國射線數(shù)字成像與CT新技術(shù)研討會論文集[C];2012年

8 張勇;何彬;張全虎;馮朝;;層析γ掃描圖像重建的迭代算法[A];中國核科學(xué)技術(shù)進展報告——中國核學(xué)會2009年學(xué)術(shù)年會論文集（第一卷·第5冊）[C];2009年

9 張挺;朱雙華;;一種基于多點地質(zhì)統(tǒng)計法的圖像重建方法[A];第十五屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2010年

10 印胤;劉力;孫功星;;高精度CT圖像重建的并行運算實現(xiàn)[A];第11屆全國計算機在現(xiàn)代科學(xué)技術(shù)領(lǐng)域應(yīng)用學(xué)術(shù)會議論文集[C];2003年

相關(guān)博士學(xué)位論文 前10條

1 韓建寧;基于聲學(xué)超透鏡的光聲顯微成像亞波長分辨率技術(shù)研究[D];中北大學(xué);2015年

2 封婷;光聲分析方法在骨質(zhì)定性和定量評估中的研究[D];南京大學(xué);2016年

3 劉婷;基于稀疏采樣的光聲顯微成像方法研究[D];哈爾濱工業(yè)大學(xué);2016年

4 張硯;高性能光聲圖像迭代重建方法的研究[D];復(fù)旦大學(xué);2014年

5 侯慶鋒;基于非局部濾波導(dǎo)出先驗的PET圖像重建[D];南方醫(yī)科大學(xué);2015年

6 趙佳;電阻層析成像稀疏重建方法研究[D];天津大學(xué);2015年

7 譚梧浩;新型電學(xué)層析成像技術(shù)及其應(yīng)用研究[D];浙江大學(xué);2016年

8 王斯琪;低秩和對偶在圖像序列處理中的應(yīng)用研究[D];西安電子科技大學(xué);2015年

9 謝維斯;MR圖像重建的模型與快速重建方法研究[D];湖南大學(xué);2015年

10 彭亞麗;三維重建的若干關(guān)鍵技術(shù)研究[D];西安電子科技大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 杜怡;光聲顯微成像信號的時頻分析和去噪[D];上海交通大學(xué);2015年

2 韓朵朵;血管內(nèi)光聲圖像重建算法的研究[D];華北電力大學(xué);2016年

3 曾文平;光聲技術(shù)用于層析成像的研究[D];江西科技師范學(xué)院;2010年

4 鄒俊;基于有限元的光聲成像算法研究[D];西安電子科技大學(xué);2012年

5 胡玉葉;基于壓縮感知的MRI圖像重建方法的VC實現(xiàn)[D];中南民族大學(xué);2014年

6 蘇渤力;基于熱聲系統(tǒng)的組織成像研究及圖像重建[D];西南交通大學(xué);2015年

7 胡自強;基于張量分解的腦部圖像病變識別算法研究[D];曲阜師范大學(xué);2015年

8 白靜;基于TV正則化約束模型的三維斷層相位顯微鏡圖像重建[D];浙江大學(xué);2015年

9 陳智;基于全變分(TV)的3D PET圖像重建[D];浙江大學(xué);2015年

10 任曉辰;電容層析成像系統(tǒng)相敏解調(diào)技術(shù)及圖像重建[D];華北電力大學(xué);2015年

，

本文編號：1998499