基于投影加权的多能光子计数X线CT全能谱图像重建改进方法

为了提高多能光子计数X线CT全能谱重建图像的对比噪声比,提出了一种基于投影加权的图像重建改进方法.首先,针对包含不同对比材料的3种模体进行投影仿真,获得包含泊松噪声和高斯噪声的投影正弦图;然后,从投影正弦图中提取噪声信息,构造关于权重的对比噪声比优化函数;最后,求解出使对比噪声比最优的权重,利用该权重进行投影加权图像重建,并对重建图像进行评估.实验结果表明:与当前仅考虑泊松噪声的基于投影加权的图像重建方法相比,对于含钙材料的模体,利用改进方法可明显提高重建图像的对比噪声比;对于含碘材料和等效软组织材料的模体,利用改进方法重建的图像对比噪声比则无显著统计差异.     

基于广义Nakagami分布的医学超声图像去斑点噪声算法

通过对含斑图像作对数变换和冗余分解变换,实现了一种基于小波域局部统计特性的医学超声图像去噪算法.利用双边广义Nakagami分布和高斯分布分别对斑点噪声小波系数和信号小波系数建模,在贝叶斯最大后验概率估计(MAP)准则下推导出相应的萎缩法表达式,即GNDShrink.实验结果表明:该算法与经典的去斑点噪声算法相比,信噪比和相关系数都有明显的提高,并且能很好地保存图像的纹理.     

基于稀疏支撑集先验的压缩感知图像序列重建算法

针对现有压缩感知图像序列重建算法重建精度不高、模型参数设置较多的问题,提出了一种结合稀疏支撑集先验和残差补偿的算法.在已知前一帧图像重建结果的基础上,通过求解1个最小化加权l1范数问题得到当前帧图像的初始估计.通过对估计残差进行压缩感知重建并对初始估计加以补偿,得到当前帧图像的最终重建结果.与其他同类算法相比,该算法减少了阈值参数的设置.实验结果表明,在相同的测量值数目下,该算法重建图像的相对误差、峰值信噪比和结构相似度指标均优于同类比较算法.     

基于快速分裂Bregman迭代的全变差正则化SENSE磁共振图像重建

在并行磁共振成像中,由于敏感度编码(SENSE)重建过程的病态性,当加速因子增大时,其重建图像的信噪比将会明显降低.通过深入分析全变差(TV)正则化的SENSE重建模型,引入一种高效快速的分裂Bregman迭代算法来得到优化解,进而有效改善图像重建效果.分别对磁共振的体模数据和大脑数据进行仿真实验研究.结果表明,与传统TV正则化SENSE重建相比,此算法不但迭代次数少、收敛速度快,而且能够有效消除混叠伪影,提高图像信噪比并减小归一化均方误差.     

L_1范数字典约束的感兴趣区域CT图像重建算法

针对现有全变分(TV)约束感兴趣区域(ROI)重建方法易产生块状伪影、细小结构丢失的问题,提出了一种L1范数字典稀疏约束的ROI低剂量CT医学图像重建算法。首先将ROI医学图像重建问题转化为最优化问题,以罚加权最小二乘函数为保真项,L1范数字典稀疏表示为约束项构建目标函数;然后将目标函数分解为图像更新和字典稀疏表示两个子优化问题,并交替求解上述两个子优化问题,实现ROI图像重建。胸腔模体仿真实验结果表明,在分别添加光子数为1×105、5×104和1×104泊松噪声投影情况下,与TV约束重建方法相比,图像结构相似度(SSIM)分别提高约0.103 5、0.113 1和0.125 8,峰值信噪比分别提高4.88、4.93和5.44dB。山羊肺部实际CT扫描实验结果进一步证明,本文算法能够有效地去除块状伪影且较好的保留细小结构。     

用于图像分割的局部区域能量最小化算法

针对点对马尔可夫随机场(Pairwise MRF)模型中像素成对交互的结构不能充分描述图像丰富的局部统计特征问题,在研究Pairwise MRF模型基础上,提出了一种基于局部区域能量最小化的图像分割算法.该算法先利用图像局部区域信息构造局部区域能量模型,建立了一种局部交互的区域马尔可夫随机场分割模型,然后采用无环置信传播(LBP)算法对MRF全局能量进行优化.优化过程中,对局部区域能量进行收敛并按照MAP准则估计局部区域标号,通过LBP算法把局部区域信息传递到邻域区域中去.实验结果表明,所提出的新算法较标准LBP算法具有更好的分割结果,并有效地抑制了图像噪声信号和纹理信号对分割结果的干扰和影响.     

一种改进牛顿-拉夫逊ERT绝对图像重建算法

为了提高电阻层析成像重建图像分辨率,提出一种改进牛顿-拉夫逊绝对图像重建算法.在算法迭代过程中,采取灵敏度矩阵自动更新的策略,同时结合图像重建结果自动选取阈值,并根据阈值修正电阻率.仿真实验结果表明:相比单纯采用灵敏度矩阵自动更新策略的改进牛顿-拉夫逊算法,在无噪声干扰下,新算法图像相对误差平均降低了35.620%,在1%幅度噪声干扰下,新算法图像相对误差平均降低了31.962%,在实现绝对图像重建的同时,有效提高了图像重建质量.     

一种自适应加权欠采样图像重建算法

针对欠采样图像重建中容易对噪声敏感且出现伪影的问题,构建了结合离散小波和TV的双正则化图像重建模型,基于该模型进一步提出了一种自适应加权迭代图像重建算法。该算法在每次迭代中通过阈值收缩方法依次计算TV正则项与小波系数先验项,更新重建图像。同时为了进一步提升重建图像的质量,引入迭代支集检测方法计算小波系数的自适应权重。实验结果表明,与其他算法相比,该文算法具有更好的时间效率和重建质量。     

基于小波变换的双匹配度图像融合算法

在研究图像融合基本方法的基础上,提出了一种基于小波变换的双匹配度并结合方向与区域能量的图像融合算法.对低频分量采用双匹配度的融合策略,对高频分量采用结合区域能量的带有方向性的加权算法.实验表明,图像融合算法使得低频部分的内容更详尽,而高频部分保留了有效的细节和边缘信息,最终使图像的清晰度更高.     

乳腺肿瘤同伦LM算法EIT图像重建

将同伦延拓方法与Levenberg-Marquardt(LM)迭代算法相结合,对不同的乳腺肿瘤模型进行图像重建,并与LM算法进行比较.在不同迭代初始值下,同伦LM算法与LM算法的平均电导率相对误差相比,最优值能降低接近7%,,运行时间最大能减少46%,的计算开销,电压相对误差要优于LM算法7%,以上.实验结果表明,同伦LM算法比LM算法能重建更好的图像,提高了重建图像的精度和收敛速度.     

融合低秩和稀疏表示的图像超分辨率重建算法

针对现有图像超分辨率重建算法收敛速度慢、易受噪声影响的问题,结合低秩矩阵恢复与稀疏重建理论,提出了一种新的单幅图像超分辨率重建算法。对于待重建的退化图像,首先进行低秩恢复,得到含有原始图像大部分信息的低秩部分和主要由噪声组成的稀疏部分,然后对低秩部分利用学习的高低分辨率字典对进行稀疏重建。实验结果表明:本文算法对噪声鲁棒,运行速度快,图像视觉效果更佳;相比基于稀疏表示的统计预测模型(SPBSR),本文算法的峰值信噪比指标平均提高了4dB。     

基于小波能量加权的医学图像融合新算法

目前的大多数基于小波变换的医学图像融合算法,由于没有细致考虑低频分量融合规则以及高频分量邻域特征对于融合效果的重要性,因而得到的融合效果有时并不理想.现提出一种小波域按邻域加窗能量加权的融合准则,该准则根据人体颅部18F-FDG和MRI-T1图像的特点,充分考虑到了低频分量和高频分量邻域特征,对原图像高、低频小波系数分别选用具有不同物理意义的窗矩阵进行邻域加窗能量计算,以归一化加窗能量为权值对各小波系数进行加权,得到融合小波系数,经过小波反变换重构出融合图像.实验证明,采用提出的融合算法得到的融合图像很好地包含了源图像的信息,该算法在医学图像融合应用中比传统的小波系数取大算法、加权平均算法及按邻域方差加权算法效果更好.     

一种MRF-MAP框架下的图像超分辨率重建方法

基于多帧观察样本的超分辨率图像重建是超分辨率图像重建研究中的重要方向.在马尔科夫随机场最大后验概率(MRF-MAP)框架下研究了多帧图像的超分辨率重建问题.根据给定的空间图像退化模型建立了超分辨率重建的二阶能量函数,并利用α-expansion图切算法对能量函数进行求解.考虑到α-expansion算法的规范性要求,将能量函数进行近似.针对二阶能量函数的图切算法,讨论了s-t图的构造,给出一种节点的分配方法以及t-link和n-link的赋值方式,以提高图切算法的计算效果.通过对两种类型的图像进行超分辨率重建的对比实验,表明该方法具有较好的去噪及重建效果.     

基于快速分裂Bregman迭代的全变差正则化SENSE磁共振图像重建

在并行磁共振成像中，由于敏感度编码(SENSE)重建过程的病态性，当加速因子增大时，其重建图像的信噪比将会明显降低.通过深入分析全变差(TV)正则化的SENSE重建模型，引入一种高效快速的分裂Bregman迭代算法来得到优化解，进而有效改善图像重建效果.分别对磁共振的体模数据和大脑数据进行仿真实验研究.结果表明，与传统TV正则化SENSE重建相比，此算法不但迭代次数少、收敛速度快，而且能够有效消除混叠伪影，提高图像信噪比并减小归一化均方误差.     

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。     

低秩矩阵在CT图像重建中的应用

CT图像重建是医学影像学的重要研究课题,但由于噪声对医学CT图像的影响比较大,为了在不牺牲图像精度和空间分辨率的情况下,重建出噪声含量最低的图像,就要选择合适的去噪方法对图像进行预处理.针对于此,笔者提出一种新的CT图像重建算法,重建过程分成两个步骤:首先用低秩矩阵加权核范数最小化(WNNM)进行图像去噪,再用低秩矩阵分解(LRMD)更新CT图像.实验结果表明,提出的方法具有较强的细节保持能力,低秩矩阵的特性简化计算过程,降低算法复杂度,同时保证了重建图像的去噪效果.     

基于特征补偿的深度神经网络重建超分辨率图像

为有效恢复图像的高频信息,本文提出一种基于特征补偿的深度神经网络重建超分辨率图像方法.该方法结合密集型深度卷积神经网络和残差网络,并将原图像的高频信息单独提取上采样后与重建后的超分辨率图像融合形成高频特征补偿,使得图像质量提升.通过实验对比,本文算法相比于SRCNN算法重建出的超分辨率图像效果提升约1 db.     

一种用于CT偏置扫描重建的指数型加权函数

针对计算机层析成像(CT)偏置扫描滤波反投影(FBP)重建算法中加权函数形式复杂、抑噪性能不足的问题,该文提出了一种形式简洁、连续光滑的Sigmoid指数型加权函数。通过对偏置重建过程进行Fourier变换,推导得到加权函数对白噪声的频域响应余项,相较Parker、Wang这2种加权函数,该文函数频域响应余项的高频部分幅度更低。该文分别进行了扇形束与锥形束几何在无噪声和有噪声情况下的偏置扫描仿真实验,重建图像采取主客观相结合的方法进行评价。结果表明:在理想无噪声条件下,3种加权函数重建图像无显著差异;在有噪声条件下,该文函数重建图像整体平滑、边缘锐利、对比度突出;F-范数、均方差(MSE)、对比度噪声比(CNR)这3项指标均有改善。相较Parker与Wang函数,该文函数形式简洁且抑噪性能更为优异。     

基于Kalman滤波的电容成像图像重建算法

在电容成像(E lectrica l C apac itance T om ography,ECT)中,为充分利用多次量测信息以提高电容成像图像重建质量,提出一种基于K a lm an滤波的电容成像图像重建算法。该算法重点考虑了测量噪声的影响,利用对流型一系列多次测量中获得的新息不断进行最优加权以获得重建图像的最小方差估计。针对3种典型介电常数分布进行了仿真,结果表明K a lm an滤波应用于ECT图像重建的可行性和有效性。提出了提高该算法运算速度的方案,分析和仿真结果表明通过预先计算最优滤波增益,并寻找合适的迭代次数,算法可快速地获得满意的图像重建结果。     

一种改进的基于NSST-SPCNN医学图像融合算法

为了尽可能多地获取图像中的细节与边缘信息,提出了一种基于非亚采样剪切波变换和改进自适应脉冲耦合神经网络相结合的图像融合算法。采用非亚采样剪切波变换算法将两幅精配准的图像进行分解,分别得到两幅图像的低频分量与不同尺度方向的高频分量。在低频系数区采取局部能量加权和与双边滤波来计算融合不同尺度的低通分量,实现细节的提取与能量的保存。在高频系数区域,采用改进的自适应参数脉冲耦合神经网络算法,通过简化脉冲耦合神经网络模型、优化自适应参数融合高通分量,提高融合的效率与质量,同时避免人工输入经验阈值的不便。最后,经过NSST的逆变换得到最终的融合图像。实验结果表明,该算法能有效地保持图像边缘与纹理,保留图像的细节信息与纹理特征。与传统算法相比,具有更好的性能与适用性。