《基於壓縮感知的超寬頻和多分辨光聲成像方法研究》是依託哈爾濱工業大學，由馮乃章擔任項目負責人的面上項目。
基本介紹
- 中文名：基於壓縮感知的超寬頻和多分辨光聲成像方法研究
- 依託單位：哈爾濱工業大學
- 項目類別：面上項目
- 項目負責人：馮乃章
項目摘要,結題摘要,
項目摘要
研究基於壓縮感知的超寬頻和多分辨光聲成像方法，包括多譜帶光聲信號的壓縮採集、超寬頻和多分辨光聲圖像的重建、多分辨描述下光聲目標的分類三方面的內容。利用光聲目標的稀疏性和光聲信號產生過程的可控性，構建基於光學掩膜和多組單陣元超聲換能器的光聲成像系統，以採集多角度、多譜帶、弧向壓縮的光聲信息。利用多角度和多譜帶的光聲信息，建立基於小波分析的光聲圖像融合方法，以有效消除圖像偽跡並實現超寬頻和多分辨光聲圖像的重建。利用多分辨描述下的光聲圖像，建立基於非負矩陣分解的降維特徵提取方法和基於支持向量機的分類方法，以實現組織病變的高精度分類識別。該項研究旨在突破光聲成像領域的頻寬瓶頸，深度挖掘光聲成像技術所能提供的信息量，提供更為有效的光聲信息分析手段，促進光聲成像技術在組織病變的早期診斷方面發揮更大的作用。
結題摘要
本項研究旨在基於壓縮感知理論實現對生物組織的超寬頻成像和多分辨分析，提供含有更多信息量的光聲圖像和更為有效的分析組織變異的手段，包括如何構建壓縮採樣的光聲成像系統，在減少採樣次數提高採樣效率的同時保證預定要求的信噪比；如何根據壓縮採樣的方式確定重建方法，實現高質量的光聲圖像重建；如何通過光聲成像提取組織的特徵信息，並對特徵信息進行量化識別。研究要點包括：搭建新型光聲成像系統、提出壓縮採樣方案、實現針對光聲壓縮信號的重建算法、以及對光聲圖像進行量化、分類和識別。具體的首先將壓縮感知理論套用到傳統的光聲成像系統上，搭建了兩套不同解析度的光聲成像系統；提出基於膨脹圖理論的壓縮採樣方案及多角度觀測方法，縮簡訊號採集時間，提高了採樣效率，有效消除圖像偽影；實現了針對光聲壓縮信號的重建算法， 更好地保持了光聲圖像的邊緣信息，提高圖像恢復質量，實現了組織內具有不同光吸收係數的組分的超寬頻和多分辨成像；提出了基於多尺度Hessian濾波器的血管分割方法，實現了血管量化參數的獲取，包含描述血管基本強度信息的血管直徑、血管密度和血管長度分數，也包含描述血管形態的分形維數，並利用ELM完成了對血管的分類和識別，對疾病的早期及精確診斷具有重要的套用價值。提供了更為有效的光聲信息分析手段，促進光聲成像技術在組織病變的早期診斷方面發揮更大的作用。
