二维Radon变换在图像重建中的重要性质及定理

Radon变换及其逆变换作为图像重建的数学基础,在图像重建中有着特殊的意义.首先介绍了二维Radon变换定义的几种形式,然后总结了二维Radon变换的基本性质:线性、带线性、对称性、周期性、位移性等,最后给出了中心切片定理和二维Radon逆变换公式并给予证明.     

基于OPED的有限角投影数据快速重建算法

针对Radon投影的计算机断层(Computer Tomography,CT)重建问题,提出了一种新的基于单位圆上正交展开法(Orthogonal Polynomial Expansions on the Disk,OPED)的有限角投影数据快速重建算法。该算法通过求解缺失投影与已知数据分别对应的正弦变换数据集之间所满足的线性方程组,得到完备数据正弦变换数据集的近似值,之后运用快速傅里叶变换(Fast Fourier Transform,FFT)及线性插值算法提高重建速度从而缩短重建时间。分别推导了单、双边投影数据缺失时的快速重建算法并给出了重建结果,实验结果证明,该方法能够有效提高重建效率。     

用最佳椭圆线重建多圆图像

文中通过对多圆图像的Radon变换曲线的分析,建立了用少量的投影数据(理论上只用两个角度的投影数据)重建多圆图像的最佳椭圆线方法,并针对自定义的一个多圆图像给出了重建结果。     

一类广义Radon变换的反演

 近年来，正电子和单光子发射断层成像的现代图像处理技术不仅是医学上研究大脑功能特征的两个重要工具，而且它们在临床医学、核医学等领域发挥着重要的作用。而与这些图像处理技术紧密相关的需研究的数学问题就是Radon变换和广义Radon变换的重建和反演。该文利用带权的平方可积函数空间上算子理论得到一类广义 Radon 变换的奇异值分解，从而导出了广义 Radon 变换的反演公式以及值域的特征。     

一种新的图像重建的扇束卷积反投影算法

通过Radon变换的小波反演公式,得到了扇束投影重建的卷积反投影算法。利用Lemarie-Mayer小波束构造该算法的窗函数,分别进行了全局重建和局部重建。与其他传统的重建算法相比较,在全局重建,特别是局部重建上都能取得一些不错的结果。     

基于lp范数的分裂算法在稀疏角CT图像重建中的应用

稀疏角CT图像重建是热点研究问题。根据l_p范数具有良好的稀疏性及小波变换能够提取图像的全局和局部特征的性质，提出一个基于l_p范数及小波变换的稀疏角CT图像重建模型。利用半二次分裂算法对模型进行求解，并证明了该模型的全局收敛性。数值实验结果表明，该算法可以很好地抑制伪影，得到清晰的边缘，并且在投影角度较少的情况下也能取得较好的重建效果。     

Radon变换方法重建高维波动方程声速系数

研究了高维波动方程的反问题，根据奇性解的演化去求声速的Radon变换，将反问题的解转化为Radon反变换，而Radon反变换能够只根据外部测量数据重建内部截面图像，计算实例证实了这种方法的有效性。     

高阶3D Radon变换及其数据重建应用

针对高分辨率Radon变换无法较好地保持地震波振幅变化信息问题,在高阶Radon变换和3D Radon变换基础上,根据地震波传播的横向连续性提出高阶3D Radon变换。该方法首先将正交多项式拟合延拓至正交多项式面拟合,模拟平面波沿不同传播方向的振幅变化特性。与3D Radon变换结合,实现地震波在不同传播路径下的正交多项式面拟合,构成高阶3D Radon变换。该方法既考虑了地震波的传播路径,又考虑了地震波传播振幅变化,因此具有保幅以及高分辨率的特点。应用于地震数据重建表明,该方法具有良好的重建效果,并具有一定的抗噪性,且能够较好地保留地震波在不同方向上的振幅变化特性。     

一维小波检测和反演二维空间中Radon变换的奇性

在二维空间中,基于Radon变换的理论,以小波变换作为工具,及利用此分片光滑函数积分线旋转变化时得到的、Ra-don变换的奇性传播规律,得到Radon变换的奇性反演公式。检测分片光滑函数Radon变换的奇性曲线,并根据原函数与其Radon变换奇性的关系;利用Legendre变换的对合性质来反演出原函数的奇性曲线。     

基于Radon和Fourier-Mellin变换的物体几何不变性分析

本文提出一种具有高容噪能力并且对灰度和二值图像都适用的平移、尺度与旋转不变性分析方法,该算法在对图像进行坐标变换后,利用Radon变换将目标图像转换到投影空间,组成投影矩阵,然后对投影矩阵进行Fourier-Mellin变换,最后从变换矩阵中提取不变特征、进行目标图像的分类。理论分析与实验结果表明,与现有的不变性分析方法相比,该算法克服了以往方法的不足,对灰度和二值图像的不变性识别都适用,并且本算法对噪声的鲁棒性强;对灰度图像的识别率高;可以达到理想的分类效果。     

不变矩在图像重建中的应用

为解决图像重建过程中的可视效果问题,利用Zernike矩和pseudo-Zernike矩进行图像重建,通过NHS对图像的相似度进行度量.实验证明Zernike矩和pseudo-Zernike矩进行图像重建的效果有明显的差异,且高阶矩的重构效果并不理想,仅当重构阶数在20～48之间才能保证图像重建具有很好的相似度.     

基于改进SRResNet深度学习网络的低照度图像超分辨率重建方法

为解决低照度条件下低分辨率图像的超分辨率重建问题,提出一种基于改进SRResNet（super-resolution residual networks,超分辨率残差网络）深度学习网络的低照度图像超分辨率重建方法。通过将读取的图像下采样、亮度降低等处理生成低照度低分辨率图像,并将该图像与高分辨率图像作为数据对输入学习模型,以便改进SRResNet的训练数据对的生成方式,优化训练过程,从而构建面向单帧低照度彩色图像的基于改进SRResNet训练的超分辨率重建方法。实验结果表明：与现有流行的图像超分辨率重建方法相比,该方法的峰值信噪比（peak signal to noise ratio,PSNR)、结构相似性（structural similarity,SSIM）指标整体为最优,低照度环境下的超分辨率重建图像更为清晰明亮、细节更丰富,该方法训练出的深度学习网络的重建效果更好。     

代数重建和同步迭代重建在电容层析成像中的比较研究

针对电容层析成像技术(ECT)中的逆问题——图像重建算法的非线性和病态性问题,以12电极电容层析成像系统为对象,研究了代数重建算法(ART)与同步迭代重建算法(SIRT).分别对仿真电容值和实测电容值进行图像重建的实验验证,从成像效果、相对误差及重建时间3个方面对这两种算法进行了评估与分析.结果表明,ART算法和SIRT算法均能有效地实现ECT图像重建,其中SIRT算法能够在100次迭代内达到高精度,在收敛速度和成像效果上更具有优势.     

基于e~0范数优化算法的图像重建

为了解决稀疏信号的重建问题提出了光滑e0范数优化算法,它与最小1范数优化算法等图像重建的方法相比有很大的不同,着重实验了这种信号重建算法中重要参数的选择,并利用手写体数字图像库为试验样本做了一维信号重建和二维图像重建实验.实验结果证明了基于e0范数优化算法在图像重建时间和重建精度上的优越性,此为后续的图像工程研究奠定了基础.     

基于众源影像的三维重建方法

目前,众源影像存在获取数据难以筛选,进而导致从影像中生成的点云数据产生几何缺失和含有大量噪声等问题。针对此,论文实现了一种基于众源影像的三维重建方法。首先,采用基于网站Application Programming Interface（API）和基于网页解析的方法获取众源影像数据,然后借助深度学习对获取得到的众源影像进行筛选,获取高质量的众源影像数据,最后运用运动恢复结构（Structure from motion,SFM）算法完成三维重建。论文利用众源影像获取场景的三维结构,对生成的点云模型进行对比和分析,得到了经深度学习算法筛选的图片集更适用于三维重建的结论,以解决众源影像这一新兴数据源在三维建模应用时出现的弊端和不足。     

基于多字典和稀疏噪声编码的图像超分辨率重建

稀疏表示模型是通过将字典中的原子进行组合得到期望的结果.为了解决传统字典学习中所有图像块重建均使用同一个字典,从而忽略了最佳稀疏域的问题,提出来一种基于多字典和稀疏噪声编码的图像超分辨率重建算法.在字典训练时,利用图像的特征将它们合理地划分成若干个簇,每个聚类训练生成子字典对,利用最佳字典对进行重建.在求解稀疏系数阶段,引入稀疏编码噪声去除噪声的影响,利用图像非局部自相似性来获得原始图像稀疏编码系数的良好估计,然后将观测图像的稀疏编码系数集中到这些估计当中.实验表明,与ASDS算法和SSIM算法相比较,该算法有更好的重建结果,获得了更丰富的图像细节和更清晰的边缘.     

一种基于边缘增强扩散的凸集投影图像重建方法

将边缘增强扩散与凸集投影算法相结合,提出了一种基于边缘增强扩散的凸集投影方法.该方法能在一定程度上减少噪声的影响,解决重建后图像的振铃问题,且信噪比有一定的提高,改进超分辨率重建图像的效果.实验表明两者能实现很好的结合.     

动态滤波反投影图像重建算法研究

图像重建算法是过程层析成像(Process Tomography,PT)中的关键技术之一.本文提出了一种动态滤波反投影算法(Active Filter Linear Back Projection,AFLBP),并进行了实验仿真.结果表明,采用AFLBP对ECT系统中图像进行重建,可使系统在保持快速成像的同时,较好地解决了敏感场的非均匀分布和固定灰度阈值造成的成像精度问题,大大提高了系统的成像精度.     

不适定逆成像问题的多准则正则化求解方法

不适定性（ｉｌｌ－ｐｏｓｅｄｎｅｓｓ）是图像重建（Ｘ射线ＣＴ的投影重建、心电ＥＣＧ及电ＥＥＧ信号的逆成像重建）逆问题求解中非常普遍的情况,由于对观测数据及正问题数字离散化过程中所产生的误差极为敏感,它在银行大程度上将影响到重建图像的质量、稳定性和求解精度。通过对由投影重建图像逆问题求解过程中的不适宜性分析,给出了求解不适定逆成像问题的多准则正则化方法及其理论基础,实验结果表明该方法比传统的单准则正     

基于增广拉格朗日的全变分正则化CT迭代重建算法

采用一种基于增广拉格朗日方法(augmented Lagrangian method)求解全变分正则化(total variation regularization)算法(ALMTVR)来进行CT图像重建.将ALMTVR算法与经典的代数重建算法(algebraic reconstruction technique,ART)进行比较,并采用仿真数据与实际数据进行实验.在实验中,使用ALMTVR算法与ART算法分别进行图像重建,并对重建图像进行对比分析.实验结果表明:所提算法与ART算法相比,显著提高了图像重建的质量与速度,显示了其对图像重建的有效性及在CT成像系统中潜在的应用价值.