超声成像因非侵入式、成本低且实时性好而被广泛应用.超声系统需要大量的采集通道数据和较高的采样率来提高图像重建质量,导致成像耗时,系统复杂.压缩感知(compressed sens-ing,CS)算法能够在欠采样的条件下用较少的测量值重构出原始信号.因此,针对系统面临的采样率高,数据量大的问题,本文将CS理论中的DWT-IRLS算法应用在超声成像中,通过离散小波变换基(discrete wavelet transformation,DWT)对超声数据进行稀疏转换,对高低频系数进行采样测量,并使用迭代重加权最小二乘法(iterative reweighted least squares,IRLS)进行测量系数重构,最后对变换域系数进行DWT逆转换得到重建图像.通过实验分析,以50％原始数据重建图像效果逐渐趋于稳定,在均方误差和峰值信噪比方面进行对比分析,DWT-IRLS算法相比较于DWT-OMP、DWT-CoSamp和DCT-IRLS等重构算法,成像质量更高,细节特征更为明显.
NETL
NSTL
万方数据
维普
