超声图像重构的ModulePCA算法研究

摘要

PCA(Principle Component Analysis)算法常用于对较高维度的图像特征进行提取,对高维数据进行一定程度的降维,最大限度保证数据不失真进行图像重构.ModulePCA算法基于PCA算法,对图像进行分割后的子图像逐个进行PCA分析重构以及拼接.针对其在超声图像重构中的应用,与光学Lena图像重构质量比较,研究影响重构超声图像质量的因素.理论分析及仿真实验结果表明随着划分的子图像个数的增加,重构图像与原图像的均方值误差逐渐减小,重构图像的质量越好.重构的超声图像与原图像的均方值误差总是大于重构的Lena图像与原图像的均方值误差.