反卷积程序

 

超分辨率重建(super-resolution reconstruction) 是一种由一序列低分辨率退化图像重建一幅(或序列)高分辨率清晰图像的第二代复原技术。

超分辨率重建技术始于20世纪60年代， Harris和Goodman提出了单幅图像复的超分辨率方法，并采用PSF(Point Spread Function)的解析模型对大气扰动的模糊进行了去(反)卷积运算。80年代末，在超分辨率影响重建方法研究上取得了突破性进展，Andrews和Hunt诠释了超分辨率图像重建的理论基础，而且提出和发展了许多又使用价值的方法。超分辨率图像重建主要有三类方法：频域外推方法；空域迭代方法；Bayesian方法等非线性复原方法。  

 

 

实际应用中光束都有一定的聚焦宽度(通常是几百纳米米数量级)，所以当被测组织中埋有两个相距较近的吸收体(如病变组织)时，从探测到的调制散射光中，两个吸收体的成像会出现混叠，难以分辨。这是因为吸收体分布图与聚焦超声分布图卷积的结果，使探测到的吸收体分布图被扩展。

如果能将混叠在一起的含有吸收体信息的调制信号锐化，从而分离它们，那么成像分辨率将得到提高。针对这个问题，本文采用去卷积法对由于聚焦超声场扫描而产生扩展的吸收体分布图进行预处理，再进行图像重建。理论和仿真结果表明，成像空间分辨率大大提高，图像质量明显改善。

 

利用反卷积算法的前提条件是所要研究的系统必须是线性不变系统。在实际运用中，许多系统都可看作线性不变系统，比如在一定条件下的生物组织。

 

假设f(x )、y(x)、h(x)分别为系统输入、输出信号及系统的点扩展函数。则系统输入、输出信号的关系可表示为：