[发明专利]基于盲估计的微小缺陷高频超声显微成像的稀疏重构方法

权利要求书

1.基于盲估计的微小缺陷高频超声显微成像的稀疏重构方法，其特征在于，所述方法包括如下步骤：

步骤1：预设过采样的步长s,并利用超声显微成像系统获取待测样品的原始C扫图像；

步骤2：对所述原始C扫图像进行去噪处理，所述去噪处理包括：利用图块聚类方法将所述原始C扫图像中的相似图块进行聚类，进而叠加成三维数组，然后对所述三维数组进行协同滤波；

步骤3：根据最大化后验概率模型按照下列公式从去噪的C扫图像中估计出超声探头的点扩散函数k，其中，p(k|y)代表后验概率，表示在已经观察到所述去噪的C扫图像的条件下所述点扩散函数k的概率，x代表理想的C扫图像，

步骤31：根据所述步长s以及超声显微成像中使用的超声探头的分辨率r,设置所述点扩散函数k的尺寸为r/s×r/s；

步骤32：利用期望最大化网络，将理想的C扫图像x作为隐藏变量，通过交替更新隐藏变量和点扩散函数k，进而求解出最佳的点扩散函数k；

步骤4：根据二维超声显微成像稀疏重构方法获取最终超分辨率图像由下列拉格朗日算子公式进行求解，其中，|| ||₂表示欧拉范数，|| ||₁表示在向量模式下的l₁范数，λ是正则化参数，

采用迭代阈值收缩算法进行快速求解该凸优化l₁范数正则化问题，包括：

步骤41：按照下列公式进行逼近操作，计算残差值υ_n，其中n为迭代更新步数，x_n为第n步的超分辨图像，x₀＝y，k为点扩散函数矩阵，k^T为k的转置矩阵，

υ_n＝x_n-δλk^T(kx_n-y)；

步骤42：按照下列公式进行软阈值操作，计算n+1步的超分辨率图像x_n+1，

x_n+1＝max{|υ_n|-δ,0}·sign(υ_n)

当满足时，停止迭代，此时的x_n+1为所述最终超分辨图像其中，ε为0.001～0.01之间的实数。

2.根据权利要求1所述的方法，其特征在于，所述利用图块聚类方法将所述原始C扫图像中的相似图块进行聚类，进而叠加成三维数组，包括：

按照下列公式计算所述原始C扫图像中的图块之间的距离，当所述距离小于所设定的阈值0.12时，定义为相似图块；其中，D表示图块之间的距离，|| ||₂是l₂-范数，X_i和X_j表示所述原始C扫图像中的两个参考图块，T表示对图块进行二维变换，H表示对二维变换的结果进行硬阈值收缩操作，N表示图块的大小，

通过寻找参考图块周边相似度最高的16个图块一起进行叠加构成所述三维数组。

3.根据权利要求1所述的方法，其特征在于，所述对所述三维数组进行协同滤波，包括：

按照下列公式对所述三维数组进行协同滤波，包括，对所述三维数组进行三维快速傅里叶变换后，进行硬阈值操作，通过三维快速傅里叶逆变换得到协同滤波后的三维数组，对所述协同滤波后的三维数组进行加权平均，得到去噪后的三维数组，

其中，X_3D表示三维数组，γ_3D表示协同滤波后的三维数组，表示三维快速傅里叶逆变换，H表示硬阈值操作，Τ_3D表示三维快速傅里叶变换，所述硬阈值操作为将数据中所有小于阈值的数值直接置0。