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.

超声医学成像因非侵入式、成本低且实时性好而被广泛应用.超声波动方程具有严重的离散不适定问题,迭代化与正则化结合可以解决这一问题,但重建图像质量较差.为解决这一问题,本文在矩量法基础上,引入Tikhonov-Gaussian方法中的滤波因子,用于校正较小奇异值,将复杂的不适定问题转化为容易求解的最小二乘问题,重构出高质量图像.通过实验数据分析,改进后的截断完全最小二乘算法(truncated total least squares,TTLS)重建质量更高,效果更好,相对误差降低了1.16201％,峰值信噪比提高了0.29132％,信噪比提高了3.0269％,结构相似性提高了1.72531％,图像对比度提高了14.21319％.

由于基于模型类的重建算法重建速度慢、难以实现实时重建.为解决这一问题,本文采用基于延迟求和(DAS)的光声重建算法对图像进行重建.该算法以像素点为基础,计算其到各个传感器的相角.如果在传感器的空间接收范围内,则计算与传感器距离并且计算延迟,从而计算对应强度,最后将各个范围内传感器的强度累加,求得最终该像素点的光吸收强度.本文采用模拟数据,模拟声源发声、组织内的传播和探测器的接收,最后通过探测器接收到的数据,采用延迟求和(DAS)法重建图像.经实验验证,DAS算法在重建过程中能够快速重建图像,适合实时光声断层图像重建.