[发明专利]面向无损检测的自适应压缩感知的重建方法

说明书

技术领域

本发明涉及无损检测成像技术领域，具体为一种面向无损检测的自适应压缩感知的重建方法，用基于模型的重建算法结合压缩感知理论和自适应理论进行图像的重建。

背景技术

无损检测技术是指：利用物质的声、光、磁和电等特性，在不损害或不影响被检测对象使用性能的前提下，检测被检对象中是否存在缺陷或不均匀性，给出缺陷大小，位置，性质和数量等信息。它与破坏性检测想比，无损检测具有非破坏性、全面性、全程性等优点。近年来，无损检测技术快速发展，基于不同物理特性的检测技术相继被提出和应用。本专利主要针对无损检测技术中的一种基于光电效应的光声层析成像技术展开研究。

光声层析成像技术中涉及的重建算法的研究在最近几年获得快速发展。最简单的重建方法是延迟迭代算法(DAS)，这是一种在超声波成像中常用的波束成像技术，该技术中引入相关因子和最小方差方法可以进一步提高重建质量；滤波反投影重建算法(FBP)因为其快速高效的重建速度成为在光声成像技术中使用较多的一种重建算法，该算法基于逆向Radon变换并且以目标成像物体位于检测区域的中心和目标物体远离超声波探测器为两个重要前提；上述两种方法方便容易计算，当探测器收集到足够的超声波信号时能够恢复出高质量、高信噪比的图像。但是，如果收集获得的超声波信号不足，重建的图像很容易出现假象。除了上述这两种近似重建方法外，一些解析重建方法相继被提出：如通用反投影算法(UBP)和傅里叶域重建算法，这两种算法为了能够重建出精确的图像也需要超声波信号的充分获取，在某些特殊情况下同样存在着数据扫描不足的问题。为了克服这样的问题基于模型的重建算法(迭代算法)被提出，该算法将重建原始图像的过程转化为一个求解最优化问题，并且能够解决非理想的物理条件和测量环境下的图像重建问题，因此，由超声波的不均匀性和衰减所导致的重建问题也可以得到很好的解决。

可以看到在数据不足，测量环境不理想的情况下，基于模型的重建算法具有其他传统重建算法无可比拟的高质量图像重建效果。但是该方法也有其自身缺点：在重建过程产生几何观测矩阵时，需要计算机相当庞大的内存消耗(特别是对于3D图像重建)，以及在求解目标函数时几十甚至上百次的迭代运算过程中需要相当长的计算时间。有些学者从计算机数据存储结构以及利用计算机图形加速处理器(GPU)加快运算，但是这需要昂贵的硬件支持。

发明内容

为了克服现有技术的不足，本发明提供一种基于压缩感知理论和自适应建模的迭代重建算法，不需要昂贵的硬件支持，基于重建算法本身，在原有的高精度重建基础上，快速的进行图像重建。

本发明解决其技术问题所采用的技术方案为：

所述一种面向无损检测的自适应压缩感知的重建方法，其特征在于：包括以下步骤：

步骤1：根据所获得的超声波信号利用解析法—通用反投影重建算法进行图像的初步重建；

步骤2：将步骤1得到的初步重建结果作为先验模型，依次采用图像特征映射提取算法、自适应网格节点生成算法以及图像的Delaunay三角化方法，产生自适应的三角网格；

步骤3：根据步骤2得到的三角形网格结合三角线性插值方法建立正向模型P＝MH，其中P指换能器检测获得的超声波能量信号矩阵，矩阵M指初始声波压力与探测信号之间的几何关系矩阵，H指自适应三角网格节点的像素值；

步骤4：利用步骤3建立的正向模型，根据换能器检测获得的超声波能量信号矩阵P和初始声波压力与探测信号之间的几何关系矩阵M求解自适应三角网格节点的像素值H：

将正向模型P＝MH求解问题转换为优化问题，其中P_d为换能器获得的超声波信号，H^*＝wH，w为小波变换基，λ＝0.05；采用l₁范数最小化方法求解优化问题，得到自适应三角网格节点的像素值H，再利用三角线性插值方法得到每个像素点的值，完成原始图像的重建。

有益效果

本发明实现了一种光声层析技术中图像重建的方法，该方法可以将高维几何关系矩阵M进行降维，降维后的矩阵大大减少了内存存储空间，结合压缩感知理论，在利用l1范数最优化方法求解方程的迭代过程中加快计算速度。和现有重建方法比较具有精度高，内存占用少，对硬件配置要求不高的特点。