电磁层析成像技术图像重建的仿真研究

电磁层析成像（EMT）技术的逆问题至今没有完全解决，在简单图像重建的基础上改进了EMT的反投影算法，应用了可以解第一类Fredholm积分方程病态问题的Landweber迭代法，通过重建结果的比较，Landweber迭代法是目前重建精度较高的EMT重建算法。     

电磁层析成像技术图像重建的仿真研究

电磁层析成像(EMT)技术的逆问题至今没有完全解决.在简单图像重建的基础上改进了EMT的反投影算法,应用了可以解第一类Fredholm积分方程病态问题的Landweber迭代法.通过重建结果的比较,Landweber迭代法是目前重建精度较高的EMT重建算法.     

电容层析成像算法

电容层析成像技术具有非侵入,响应快,低成本,测量范围宽及易于安装等特点,在多相流在线检测中具有良好的发展前景。电容成像中图像的重建算法与技术,是其在工业实际中得以应用的关键。近年来在图像重建方面的研究取得了较大的进展,Tikhonov正则法,Landweber迭代法、同步跌代法、神经网络法、共轭梯度法及通用迭代法的图像重建质量较LBP法有了明显提高。     

电容层析成像算法

电容层析成像技术具有非侵入,响应快,低成本,测量范围宽及易于安装等特点,在多相流在线检测中具有良好的发展前景.电容成像中图像的重建算法与技术,是其在工业实际中得以应用的关键.近年来在图像重建方面的研究取得了较大的进展,Tikhonov正则法,Landweber迭代法、同步跌代法、神经网络法、共轭梯度法及通用迭代法的图像重建质量较LBP法有了明显提高.     

基于网格的最小二乘重建算法

与投影数据及系统的灵敏度等各种特性息息相关的迭代图像重建算法,一直是医学图像重建中热点问题.具有重建速度快特点的解析法却不能得到让人满意的图像,而迭代算法能得到质量较好的图像,但存在重建时间过长的问题.本文以图像的网格化模型为基础,对惩罚加权最小二乘重建算法进行相关改进.实验结果表明,改进后的算法具有较好的重建结果.     

基于共轭梯度的工业 CT 图像重建

为了保证不完全投影数据的重建图像质量,通过共轭梯度法对工业CT图像进行重建.通过对模拟数据和实际工件断层扫描数据进行图像重建,估计了算法的有效性.结果表明,与最速下降法相比,此算法适用于不完全投影数据的图像重建,在保证重建图像拟合度的同时,大大提高了重建速度.     

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.     

受限视角投影图像重建的压缩恢复算法及改进

讨论了用于受限视角投影的压缩恢复算法的局限性,并指出其固有缺点是采样极不均匀,形成混迭,且不能靠增加投影数克服。提出改进的压缩恢复算法,先利用压缩恢复法求出初始图像,再估算缺失的投影数据,后者与原有的受限投影数据一起形成完全投影数据,并用熟知的卷积反投影法重建最后的图像。计算机仿真结果表明,用改进后的算法重建,其成像质量明显提高。     

迭代法求矩阵广义逆的ERT图像重建算法

电阻层析成像(ERT)技术是一种类似于CT图像的新型层析成像技术.在研究迭代法求矩阵广义逆的基础上,提出一种新的ERT图像重建算法,并对其性能进行了仿真试验.阐述了该算法的原理,并给出部分图像重建结果.同两种反投影算法相比,该算法重建的图像空间分辨力高且更为清晰.     

非完全数据光学CT图像重建技术

非完全数据图像重建是光学CT技术的重点和难点内容，本文设计了此条件下的正交测量光路及干涉条纹自动处理系统。同时重点论述了此条件下的重建算法，它包括改进的联合代数重建法和频谱分析重建法。最后设计了一种实用测量重建算法。为光学CT技术的实用化发展奠定了基础。     

层析γ扫描中几种透射图像重建算法对比

透射测量是层析γ成像扫描中发射测量的基础,合理的重建算法是透射图像重建的核心。结合TGS透射测量的特点,利用蒙特卡罗模拟构建了EM、Richardson、ART三种迭代算法模型,分析对比了三种算法的误差。同时开展了透射测量实验,实验数据表明ART算法重建值相对参考值的最大误差为29%,并且多个体素超过20%;而Richardson算法仅为15%,其中只有10个体素重建值大于10%,虽然相对ART算法有很大提升,但所得的偏差值还是很大;EM算法相比前两种算法有明显的优势,即使出现了几个相对误差值大于10%的体素,但都处于图像边缘,对整体重建影响非常小。     

体数据医学影像剖面的重建

解析医学影像的存储形式DICOM(Digital Imagingand Communicition in Medcine)文件,从中获得影像坐标等标签和图像数据,并依据DICOM格式包含得信息将图像数据构造成体数据。以体数据为基础,实现了相对紧临域的三线性插值剖面重建算法。实验表明,算法重建的剖面线条清晰,组织结构突出,能向医生提供正确的局部信息。     

圆轨道XCT图像重建的EM算法研究与实现

X射线CT(XCT)是一门用来获取观测物体断层图像的技术,它广泛地应用于医疗诊断和工业无损检测等领域。但目前常用于CT重建的滤波反投影算法易受噪声和伪影的影响,降低了图像质量,为了抑制图像伪影与噪声,本文应用统计迭代的方法进行XCT重建。我们将最大似然估计(MLE)理论推广到XCT,基于投影数据统计模型,实现了期望最大化(EM)算法在圆轨道XCT中的应用。最后,对计算机模拟数据与X射线扫描实际数据分别进行了实验,实验结果表明该方法有效可行,重建图像清晰准确。     

基于平行PI线段的平行束CT重建

为了研究基于PI线段的反投影滤波重建方法在CT(computed tomography)系统中的应用,提出了一种基于平行PI线段的简化的平行射束重建算法。该算法首先对平行X射线束产生的投影数据进行微分,然后把这些微分后的数据反投影到一系列的平行PI线段上,最后沿着PI线段的方向对反投影数据进行Hilbert滤波,即得到重建图像。利用Shepp-Logan模型进行计算机数值模拟实验,得到了该算法和传统的滤波反投影算法的对比结果。利用微焦点X射线CT的投影数据进行重建,得到了实际数据下的重建图像。实验结果表明,该简化算法能够进行精确重建,可以应用于实际的CT系统。     

最速下降法在图像重建中的应用

图像重建常常被转化为解非线性无约束极值问题。通过范数极小化推导出了最速下降法的一般算法,通过对模拟数据的重建估计了算法的有效性,并对重建图像与滤波反投影(FilterBack-projection,FBP)重建图像进行了比较。     

层析成像的模糊-神经网络重建方法

考虑投影数据不足时，射线层析成像的离散重建算法难以取得较好效果的情况，利用模糊理论建立了表示物体衰减系数的连续函数，用神经网络学习算法确定该连续函数中的待定参数．提出了一种适于投影数据或投影方向不够时的CT图像重建算法．计算机仿真结果显示了该方法在投影数据严重缺少时的良好效果。     

MART算法快速高质量图像重建研究

ART(Algebraic Reconstruction Technique)算法是一种典型的迭代图像重建算法,适合于不完全投影数据图像重建。为了提高乘型ART(Multiplicative ART, MART)算法的重建质量,提出了一种基于亚像素的图像重建方法。首先将原始图像中的每个像素等分解为四个亚像素,然后提出一种高效的射线与像素的求交算法来计算权因子和亚像素索引,利用MART算法重建得到高分辨率重建图像,最后通过合并亚像素图像得到原始分辨率的高质量重建图像。实验结果表明文中提出的方法非常有效,与传统方法相比取得了3倍以上的重建加速比,图像重建质量显著提高。     

用于CMOS图像器件的超分辨率算法研究

提出一种基于CMOS图像器件的超分辨率图像合成算法,该方法将4幅沿水平、垂直及对角线方向错位获取的CMOS图像重新组合,得到一幅重建的新图像.对重建图像的像素灰度进行了理论分析和计算,求出了重建超分辨率图像的算法.结果表明,在不提高CMOS工艺水平的条件下,该算法能将重建的CMOS图像的分辨率提高到原图像的2×2倍.实现了CMOS图像器件的超分辨率图像合成算法.对该算法进行了计算机仿真,结果同理论分析计算的结果完全一致,证明了所提出的CMOS图像器件超分辨率算法是正确的.     

电容成像图像重建算法原理及评价

对现有的电容成像图像重建算法进行了综述并介绍了其原理,其中包括线性反投影法(LBP)、基于奇异值分解(SVD)的直接算法、Tikhonov正则化方法、Newton-Raphson算法、最速下降法、Landweber迭代算法、代数重建技术(ART)、同步迭代重建技术(SIRT)和基于模型的重建算法。在此基础上使用仿真和实验数据对目前主要使用的线性反投影法、基于奇异值分解的直接方法、Tikhonov正则化方法、Tikhonov迭代、投影Landweber迭代等进行了评价。对它们从电容值误差、图像误差、相关系数和耗用时间几个角度进行了比较,并对今后电容成像图像重建算法的发展方向提出了一些看法。     

基于Marching Cubes算法的多层医学图像重建实现

为了进一步增强医学三维图像的可视性,研究了用于医学三维图像重建的Marching Cubes算法,采用了双曲线渐进方法来消除其等值面连接的二义性,使用八叉树数据结构减少多层图像重建的冗余计算.在VS2005平台上,对CT医学图像序列,利用OPENGL图形库实现了基于这些方法的多层医学三维图像重建.实验结果表明:基于MC算法的多层医学图像重建比单层重建能给医生提供更多的可视化信息,具有一定的临床优势.