一种快速迭代软阈值稀疏角CT重建算法

针对目前迭代软阈值稀疏角CT重建算法收敛速度较慢的问题,提出了一种基于全变分约束的快速迭代软阈值稀疏角CT重建算法.该算法首先对CT稀疏投影数据采用联合代数重建算法(SART)进行重建,以获得满足数据一致性的重建图像,然后计算SART重建图像的离散梯度变换,并对其进行软阈值滤波,最后利用离散梯度变换的伪逆更新重建图像.由于在迭代过程中利用了前2次迭代重建图像作为下一次迭代的初始图像,因而加快了重建算法的收敛速度.对Shepp-Logan模体进行仿真的实验结果表明:在无噪、5×104和2×105光子泊松噪声情况下,与SART重建算法、基于Harr小波的快速迭代软阈值算法以及基于全变分约束的迭代软阈值重建算法相比,该重建算法的收敛速度有明显提高,同时能够有效减小图像的相对重建误差.     

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.     

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。     

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.     

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PI线段的扇束CT重建

为了研究反投影滤波重建方法在CT(computedtomography)系统中的应用,提出了一种基于PI线段的简化扇束射束重建算法.该算法首先对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,该简化算法能够对感兴趣区域进行精确重建,可以应用于实际的CT系统.而且这种方法有很多优势,比如能够减少需要的数据 ,快速完成扫描.减少辐射药剂的服用量,减少X-ray的辐射,加快计算机的运算.     

FFT在CT图像重建中的应用

本文阐述利用快速傅里叶变换(FFT)进行CT图像重建的算法(即FFT算法)的原理及实现该算法的软件设计。为了提高重建图像的精度,又利用FFT填充特性对算法加以改进,还研究了FFT算法过程中的相位修正问题,最后给出了FFT算法对实验数据的重建结果。     

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。     

一种射束硬化伪影校正方法

提出了一种医用CT图像射束硬化伪影校正后处理算法。CT扫描机扫描得到的投影数据重建CT图像,对此图像进行分割,得到仅包含高密度物质的图像。分别对原始图像和高密度物质图像进行投影,并对投影数据进行校正。使用校正后的投影数据进行图像重建,得到包含校正信息的校正图像。对原始CT图像,使用校正图像进行CT值校正,得到校正后的CT图像。通过实验,验证了该后处理校正算法的有效性和稳定性。     

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Mimics平台的CT图像三维重建算法研究

为充分挖掘CT图像中的医学诊断信息, 提高CT图像的三维重建效果与可视化程度, 研究了基于Mimics平台的CT图像三维重建算法。将腹部16排螺旋CT图像导入Mimics系统, 利用系统图像分割、 蒙版编辑和区域增长等功能模块, 将脾脏器官由腹部CT切片图像中完整分离出来, 并可进行任意角度的放大, 缩小等操作。与传统方法相比, 其实现的对人体器官、 骨骼和组织的CT图像的三维重建与可视化处理结果, 更加接近于真实器官的生理解剖结构。     

CO_2激光焊接等离子体图像的三维重建

利用一组同步触发的高速相机获取CO2激光焊接过程中等离子体在多个方向的投影图像,采用质心投影法则对等离子体图像进行微调以提高空间匹配度,通过相机标定以及投影权重因子的计算,建立了等离子体的三维图像与二维图像之间的投影关系方程,并利用代数迭代法求解方程,获得了等离子体的三维亮度分布.结果表明:与二维等离子体图像相比,所提出的激光焊接等离子体图像的三维重建方法具有较高的重建精度,能够更加准确地描述对象的整体特征和内部信息.     

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。     

基于数据网格的肝脏CT图像感兴趣区域分割

通过图像分割获取医学图像感兴趣区域是医学图像处理与分析要解决的首要问题及技术难点。为了获取肝脏CT图像中的感兴趣区域,针对肝脏CT图像的自身特点,提出了一种基于数据网格和改进的区域生长法相结合的肝脏CT图像感兴趣区域分割方法。首先利用数据网格对肝脏CT图像做粗分割,最大程度地去除骨骼及背景对后期分割的影响。其次,利用先验知识,确定区域生长的种子点,做基于改进的区域生长法的二次分割。实验结果表明,能较完整的分割出CT图像的肝脏区域。实验结果为进一步的医学肝脏图像的处理与分析奠定了基础。     

一种实用的三维折射率场重建算法

光学层析算法可分为两类：变换类算法与级数展开类算法。代数重建技术就是级数展开类算法中的一种。此种算法对于各类非完全投影数据，特别是住房吸遮挡物情况的三维折射率场重建具有很大的优越性，对于光线弯曲情况及先验知识的应用亦有其优越之外。该文提出了一种实用的三维折射率场重建算法，即联合应用加法式代数重建技术ＡＲＴ与乘法式代数重建技术ＱＭＡＲＴ重建三维折射率场。     

用于面部虚拟整形的三维人脸重建系统设计

为解决面部整形手术成功率低的问题,设计了用于面部虚拟整形的三维面部重建系统。该系统首先利用高精度深度相机采集人脸多角度深度图像,将每幅深度图像分别转换为对应点云模型并进行去噪预处理。接着,将正面点云和侧面点云进行粗匹配实现点云拼接,并提出一种改进的精配准算法进行精配准,得到目标人脸三维点云模型。对点云模型网格化处理后,提出一种基于半边结构的细分算法来提高重建模形精度,最后完成贴图即可构建人脸模型。为了验证所设计系统的重建精度,设计了对比实验。结果表明:系统重构人脸与其他重建系统相比,提高了人脸精度,且与真实人脸间差距小于2 mm,可以将其应用于面部虚拟整形,从而对专业医师提供术前指导,提高手术成功率。     

联合局部和全局稀疏表示的磁共振图像重建方法

针对在压缩传感中独立使用全局或局部稀疏字典所分别导致的图像细节或整体图像结构信息的丢失,提出了一种联合利用局部和全局稀疏约束来捕捉磁共振图像细节和整体结构信息的磁共振图像重建算法。该算法首先从特定的磁共振图像中训练出稀疏字典,然后利用该字典进行局部稀疏编码。其次,利用预定义的全局字典来加强磁共振图像的全局稀疏性。最后,在局部和全局稀疏的共同约束下,利用非线性共轭梯度算法来对重建模型进行求解。整个重建过程可以重复迭代以逐步改善重建质量。实验结果表明:当下采样因子达到10时,相比于字典学习算法(dictionary learning MRI,DLMRI),提出的算法在重建质量上可以提高1-6dB。     

基于数据挖掘的自动化推荐系统算法

结合人工神经网络中的自适应共振理论(ART)及数据挖掘(Data Mining)技术来建构一个可自动聚类族群特征且能挖掘出关联特质的自动化在线推荐系统。探讨如何有效地运用数据挖掘技术从大量的数据库中挖掘出完整知识,以推荐适当的信息给使用者,帮助他们在浩大的信息流中找到真正需要、有用的文件或信息。整合ART及数据挖掘技术,并针对推荐系统的特性提出一种改进的ART算法(MART算法)。实例验证了算法的有效性。