基于双字典自适应学习算法的低采样率CT重建

在医疗诊断中,稀疏采样能减少CT扫描过程中辐射对患者的伤害.但直接对稀疏采样后的投影数据进行重建,会使CT重建后的图像出现失真、伪影等问题.为保证低采样率下重建图像的质量,提出了双字典自适应学习算法,参照Sparse-Land模型的双字典学习框架,将K-SVD算法与双字典学习算法框架相结合得到补全投影数据,利用FBP算法进行重建得到高质量的重建图像.实验结果表明,在低采样率下使用所提方法进行CT重建的图像质量优于COMP双字典学习算法和MOD双字典学习算法,并且此方法有效提高了CT图像重建在低采样率时的性能.     

基于直方图偏差约束的快速模糊C均值图像分割法

为了解决传统模糊C均值（FCM）聚类分割算法计算耗时的问题，提出了在直方图偏差约束条件下的快速FCM图像分割算法．通过对原始图像重新采样以减小FCM算法数据处理的数量，利用平滑后归一化直方图的距离偏差作为约束条件来计算合适的采样率，以控制重新采样产生的图像失真，得到满足正确分割所需要的阈值，并在采样率计算中采用黄金分割法搜索满足约束条件的采样率．实验结果表明，在保持传统FCM聚类算法分割效果的前提下，所提算法的分割时间分别仅为传统的FCM、二维熵、Otsu等算法的3．0%～11.2%、9.2%～30．2%和15.0%～52．0%.     

基于Hessenberg测量矩阵的超声图像重建

针对超声图像连续性差、自身具有稀疏性的特点,提出了一种适用于超声图像的压缩感知重建方法。该方法以小波变换为稀疏基,Hessenberg矩阵为测量矩阵,引入正交匹配追踪(OMP)算法实现了超声图像的重建。超声C-扫描图像重建结果表明在观测数据采样率降低、数据缺失等条件下均能清晰的成像,验证了该方法的有效性。此外,本文给出Hessenberg测量矩阵的有限等距性(RIP)性质证明;并与基于Toeplitz测量矩阵的图像重建方法进行了比较,实验结果表明利用本文方法的重建图像在平均结构相似度(SSIM)、峰值信噪比(PSNR)和三维差值图等指标上均较优。该压缩感知重建方法在采样率为50%,原始数据较差的前提下,成功恢复出相似度在80%以上的超声图像。     

基于残差网络的微波关联成像目标重构方法研究

微波关联成像将量子强度关联成像的思想扩展到微波领域,不仅很好地解决了传统雷达无法进行高分辨凝视成像以及复杂的运动补偿等问题,还具有分辨率高、抗干扰能力强等特点,受到广泛关注.针对微波关联成像传统重构算法在低采样数条件下重构质量差问题,将残差网络和卷积神经网络应用于微波关联成像重构中,提出一种基于残差网络的微波关联成像方法,以雷达接收机回波数据作为网络的输入,依次通过训练好的特征提取网络和图像增强网络,进行高质量图像反演,并将文中算法与伪逆算法和压缩感知算法进行仿真对比分析.仿真结果表明:在相同采样率下,文中算法成像质量均高于其他算法.同时,在不牺牲图像质量的条件下,单张图像重构执行程序所耗时间约为0.06s,提高了图像重建的速度,对工程应用有重要意义.     

基于DCT域采样和重建的低码率图像压缩算法

本文构建了一种基于DCT域采样和超分辨率(Super Resolution, SR)重建的低码率图像压缩编码算法。在编码端对原始图像进行分块离散余弦变换（DCT）,并提取每个DCT系数块的低频系数,然后再反变换到空间域,从而得到在DCT域下采样的低分辨率（Low Resolution,LR）图像块。用JPEG标准对下采样图像块编解码后,采用基于学习的方法恢复DCT域高频系数,重建出高分辨率（High Resolution, HR）的图像。实验结果表明,在码率较低的情况下,本文算法比JPEG编码标准具有更好的率失真性能;同时,在相同码率下,本文算法重建的解码图像视觉效果更好。     

AMR-WB到AMR转码中合成滤波器转换算法

提出AMR-WB到AMR转码中的2种合成滤波器转换算法.第1种是基于采样率转换和Prony算法的转换,首先将AMR-WB合成滤波器的单位采样响应进行采样率转换,然后根据最小二乘法,使得新的滤波器的单位采样响应和采样率转换后的响应的误差最小化.第2种是基于自相关值内插的转换算法,首先由AMR-WB语音的LPC参数倒推出自相关,然后采用三次样条内插出AMR语音的自相关,最后利用Levinson-Durbin算法计算LPC参数,即得到解码端的合成滤波器.算法复杂度分析表明,2种算法的计算复杂度都低于Tandem转码.实验结果表明,2种算法都可以得到比较小的谱失真.第2种算法的谱失真在浊音帧比第1种算法略大,在清音帧谱失真有时较大,但是由于清音激励的随机性,对合成清音质量影响不大.     

几种漫射光学成像图像重建算法的比较研究

针对漫射光学成像(DOT)选择不同的逆问题求解算法将直接影响成像质量的问题,对4种常用重建算法的重建效果进行了比较研究,采用双异质模型,利用Rytov方法对扩散近似方程进行近似,假设散射系数是已知常量,重点关注吸收系数图像的重建.通过使用Tikhonov正则化、截断奇异值分解(TSVD)、代数重建算法(ART)和同时迭代重建技术(SIRT)4种常用重建算法,对不同条件下的双异质图像的逆问题进行求解,研究不同算法重建后图像的空间分辨率、抗噪声能力和成像速度.研究结果表明:低噪声条件下,Tikhonov正则化算法重建图像的空间分辨率最好;当信噪比小于20 dB时,TSVD算法具有最佳的抗噪声性能;当源-探测器结构不变,成像的感兴趣区域的尺寸和体素划分固定时,Tikhonov正则化算法的速度最快.总体上讲,子空间技术优于代数重建技术,研究结果对不同成像条件下选择合适的重建算法具有一定的指导意义.     

ECT系统中重建高介电常数对象的算法

针对电容层析成像(ECT)系统中常用的快速图像重建算法线性反投影(LBP)算法在重建高介电常数成像对象的图像时,重建的图像质量差,提出一种高介电常数成像对象的快速图像重建算法,根据不同介电常数成像对象的成像敏感场分布图具有高度相关性的特点,采用成像敏感场灵敏度替换法提升高介电常数对象的成像敏感场灵敏度,利用正则化图像重...     

基于残差网络的微波关联成像目标重构方法

微波关联成像将量子强度关联成像的思想扩展到微波领域,不仅很好地解决了传统雷达无法进行高分辨凝视成像以及复杂的运动补偿等问题,还具有分辨率高、抗干扰能力强等特点,受到广泛关注。针对微波关联成像传统重构算法在低采样数条件下重构质量差问题,将残差网络和卷积神经网络应用于微波关联成像重构中,提出一种基于残差网络的微波关联成像方法,以雷达接收机回波数据作为网络的输入,依次通过训练好的特征提取网络和图像增强网络,进行高质量图像反演,并将文中算法与伪逆算法和压缩感知算法进行仿真对比分析。仿真结果表明:在相同采样率下,文中算法成像质量均高于其他算法。同时,在不牺牲图像质量的条件下,单张图像重构执行程序所耗时间约为0.06s,提高了图像重建的速度,对工程应用有重要意义。     

结合局部稀疏性和非局部相似性的盲压缩感知方法

为了降低传统的盲压缩感知图像重建方法所需求的采样率,提出了一种新的盲压缩感知图像重建方法,该方法同时考虑局部图像块的稀疏性和非局部图像块间的相似性,另外选择交替方向乘子算法求解产生的非凸优化问题,实现了图像的准确重建。实验结果表明,在不损失图像重构质量的情况下,该方法能够显著地降低采样率。     

具有噪声鲁棒性的三维磁性纳米粒子成像快速重构方法

为提升磁性纳米粒子三维成像和重构速度,降低三维重构对采样投影数据完备性要求,针对含噪声投影数据三维重构优化问题,本文提出了一种具有噪声鲁棒性的三维磁性纳米粒子成像快速重构方法（noise-robust 3D sparse sampling magnetic particle imaging,3D NRSS-MPI）. 该算法通过求解一个由MPI投影成像正向模型l₂范数和稀疏正则约束建立的凸优化问题实现3D MPI图像重构. 模型不受MPI扫描轨迹限制,为不断发展的MPI新技术提供了普适性的基础模型;建立的三维全变分稀疏算子（3D total variation sparse operator, 3D TV Sparse Operator）利用MPI先验信息提升含噪MPI投影数据三维重构的鲁棒性,且可以进行无矩阵运算,大幅提升了运算效率. 通过点源和冠状血管模型成像实验表明,在1/4欠采样下,本文3D NRSS-MPI方法可以有效消除重构图像星状伪影,获取较高的图像信噪比,同时冠状动脉重建结构相似性超过0.701,可以准确地对欠采样、有噪声的MPI数据进行快速而稳健的重建,有效缩短了4倍成像和重构时间.      

基于反卷积算法的超声图像优化方法

超声成像技术因其无侵入、低成本、快速、可便携化的特性，成为医学成像领域的一大研究热点.然而，受限于声波的传播特性、成像算法的弊端以及硬件发展，超声图像存在成像深度小、大量伪影、分辨率低等问题.针对超声图像中的目标混叠和分辨率低下问题，提出了一种基于信号处理的超声图像优化方法，通过反卷积算法对超声探头采集到的原始信号进行处理，再将处理后的信号按照延时求和成像算法重建为图像.提出的方法可以减轻信号间的混叠，最终减轻图像中的混叠，令图像中原本难以辨认的微小结构和细节信息得以展现.通过仿真和实验证明，经过处理后的信号所重建的图像质量优于原始信号所重建的图像，验证了提出的信号处理方法的有效性.     

基于视觉显著性的分块自适应压缩感知算法

针对SAR图像的压缩感知重建问题,在分块压缩感知框架的基础上,提出了基于视觉显著性的分块自适应压缩感知算法.在采样阶段,每个子块的采样率依据显著信息自适应的变化;在重建阶段,根据不同图像显著信息的差异,自适应地滤波.实验结果表明:该方法不仅重建结果的整体质量更优,视觉效果更好,而且在重建后的图像中能更好地保持边缘和目标等重要特征.     

融合边界条件的电阻抗图像重建仿真研究

结合成像目标的边界结构信息,提出一种新的改善电阻抗图像重建质量的方法.在生物医学电阻抗断层成像中,将传统采用圆形场域的重建模型改进为与人体胸腔边界近似的八边形场域,建立正问题数学模型,求解得到灵敏度系数矩阵,经等位线滤波反投影算法获得感兴趣区域的仿真分布图像.针对成像目标在场域中的不同分布情况,采用面积占空比对两种重建模型下的成像效果进行评价.图像及数据分析结果表明,改进方法重建图像伪影明显减少,面积占空比也更接近真实分布,提高了图像空间分辨率,达到了改善电阻抗重建图像质量的目的.     

基于双CMOS的多光谱成像系统设计研究

传统摄影术所记录和复制的图像数据颜色是基于同色异谱原理的颜色复制技术,虽然能够提供高分辨率的图像,但是由于同色异谱现象,不能实现颜色的真实复制.文章利用多光谱成像技术,设计一个多光谱成像系统,根据系统对目标的数字响应,采用适当的算法,来重建其光谱维信息.     

基于信息蒸馏级联伸缩网络的图像超分辨率重建

针对图像超分辨率重建算法在图像高频信息恢复过程中特征提取不充分、利用效率不高、重建高频细节能力不足等问题，本文提出了一种基于信息蒸馏级联伸缩网络的图像超分辨率重建算法.首先，构建特征可伸缩的信息蒸馏块，通过扩大信息蒸馏中输入信息的特征感受野，以及采用通道注意力提取感兴趣信息，解决了信息蒸馏的图像超分辨率重建非线性映射过程中特征提取不充分的问题；然后，设计级联残差叠加映射块，该块将多个残差块组合在一起，通过将残差结构中的残差部分引出并采用级联叠加的方式，增加了信息蒸馏块间信息的传递，使提取的特征信息包含更多细节.实验结果表明，本文算法重建图像相比其他对比算法更为清晰，峰值信噪比（PSNR）和结构相似度（SSIM）均有较大的提升.     

基于双向循环网络的变色龙视觉超分辨率图像重建

针对使用均方误差（Mean Square Error,MSE）作为目标损失函数，导致重建的超分辨率图像在失真与感知质量上难以兼得的问题，提出基于双向循环网络的变色龙视觉重建模型（Super-resolution Bidirectional Recurrent Neural Network,SRBRNN）以改善重建效果.首先，鉴于变色龙可以同时注视两个不同方向的非凡视觉功能，SRBRNN模型借助双向循环神经网络结合序列演进前向与反向给输出提供不同方向时间信息的思想，实现重建过程中失真与感知质量的兼顾；其次，SRBRNN模型定义了特征演进和退化序列，并设计了低分辨率图像到高分辨率图像演进和高分辨率图像到低分辨率图像退化网络，将演进网络和退化网络对应应用为原双向循环网络的前向循环和反向循环网络；最后，利用双向循环机制重建超分辨率特征.用SRBRNN算法在Set5、Set14、BSD100基准测试集上进行实验，实验结果表明在峰值信噪比(Peak Signal to Noise Ratio,PSNR)和结构相似性(Structural Similarity, SSIM)评估指标及主观质量评分上，...     

基于范数优化的并行磁共振成像算法

研究了并行磁共振成像图像重建的范数优化问题.首先,通过分析目前常用的2种并行磁共振成像重建算法——GRAPPA算法和SENSE算法,归纳出它们在重建过程中所用的动态数学模型,描述成形如矩阵方程Ax=b的形式;然后,将范数优化引入到重建算法中的建模及模型参数估计中,通过采用不同矩阵范数意义下的目标函数,即在不同的范数空间中重建图像,提高优化的自由度和算法设计的灵活性;最后,通过仿真对范数优化后的重建图像质量进行分析,说明不同范数优化对重建图像的影响,并探讨了范数优化中相关参数及优化目标函数的选择问题.     

一种用于射电天文图像重建的自适应尺度算法

为了解决在成像过程中反卷积点扩展函数所带来的模糊效应，提出一种新的图像重建算法.新算法利用高斯函数分解模型，能够有效解决基于Delta函数分解模型所引起的问题，并在重建延展源和致密源方面具备更好的效果.通过VLA模拟观测数据对算法进行测试，并与现有的2类图像重建算法进行比较，结果表明，新算法能够有效平衡现有的反卷积算法的计算复杂度和性能问题，能对图像进行更加精确建模，具有更好的图像重建性能.     

基于CT投影数据不完全的代数重建算法的研究与实现

目前,CT图像重建算法主要包括解析法和迭代法。解析法以卷积反投影算法最为常用,该算法的重建速度快,成像质量较好,但它要求完全的、等间距的投影数据,积分路径（射线）要为直线,而且重建图像有伪影。代数重建算法是迭代法的典型形式。它适用于不同方式的采样数据,对不完全数据也可重建图像,但计算量大、重建速度慢,影响了算法的应用范围。