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。     

一种基于加权多准则的火炮爆炸场中高温火球三维温度场的迭代重建算法

针对爆炸场温度高、温度动态范围大、不可直接测量、温度场重建难以取得较高精度等问题,改进了一种在图像重建中广泛应用的联合代数重建（simultaneous algebraic reconstruction technique,SART）算法,以实现爆炸场中温度场的重建。该改进方法将原算法迭代固定步长改为自适应步长,通过判断相邻像素间是否产生畸变来决定迭代步长的大小,无畸变时迭代步长较大,有畸变时则加入惩罚使迭代步长变小;并在SART算法满足的最小二乘准则中加入均匀性准则,提高重建质量。通过仿真实验讨论了惩罚区域和惩罚系数对重建图像质量的影响,并对比了传统SART算法和在校正项中加入惩罚的SART算法。实验结果表明,由于改进方法在迭代系数中加入了惩罚项,得到的重建图像质量更高。     

基于分割Bregman迭代的内-外置电极电容层析成像

针对电容层析成像(electrical capacitance tomography,ECT)逆问题的病态性和不适定性,提出了一种基于分割布雷格曼迭代(split Bregman iteration,SBI)的图像重构算法。在目标函数中引入基于参考图像的正则化、低阶约束和空间约束,从而提高成像质量和空间分辨率。对内-外置电极的ECT敏感场内环形区域进行图像重建。仿真结果表明:与Tlkhonov正则化算法和Landweber迭代算法相比,基于布雷格曼迭代的图像重建算法具有较好的空间分辨率,图像误差降低至0. 162 1,图像相关系数提升至0. 874 4,图像重建的精度和质量较高,说明了该算法在ECT图像重建领域的可行性和有效性。     

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。     

在最优准则下的共轭梯度重建算法

将最小二乘准则与平滑准则相结合,提出了一个关于SIRT型CT代数重建模型的实用的最优准则,根据这一准则推导出相应的代数重建方程·分别应用预优共轭梯度算法和另一种新兴的迭代格式SOR like算法对该方程进行求解·在理论上证明了:对任意的迭代初值,预优共轭梯度法的收敛速度至少不低于广义SOR或SOR like算法·在数值实验中,验证了预优共轭梯度算法比SOR like算法具有更好的CT重建效果和消噪能力·由此导出的预优共轭梯度重建算法提高了CT代数重建的效率·     

基于评价指标的EIT算法参数选择方法研究

为客观准确地选择EIT算法参数,采用8种评价参数指标对共轭梯度算法的迭代次数和Tikhonov正则化算法的正则化因子的选择进行研究.首先,构建EIT正问题模型,并求得两种算法的逆问题解;然后,根据8种评价参数的定义,获得图像重建时的最佳参考值范围:共轭梯度迭代算法的迭代次数在70~80次,正则化因子的取值范围为0.01~0.1.为了验证上述结论,重建EIT图像,并进行对比分析.结果表明:基于评价指标获得参数重建图像的效果更令人满意;针对参数选择,提出的方法可为其他电阻抗图像重建算法提供一种客观的评价依据,为EIT图像质量评价体系的构建奠定基础.     

一种改进的稀疏表示超分辨率重建算法

针对稀疏表示超分辨率重建算法中稀疏表示系数正则化效果不明显、字典完备性弱以及重建图像存在虚边缘等问题,提出了一种改进的稀疏表示超分辨率重建算法.首先对正则化正交匹配追踪(regularized orthogonal matching pursuit,ROMP)稀疏表示系数求解算法进行了改进,通过引入局部约束加权来提高稀疏表示系数的精度、增强图像的纹理特性;然后,将Huber影响函数用于提取图像的先验特征信息,以增强图像特征、提升高分辨率字典的表示能力;最后,提出了基于学习的迭代反投影方法,提高了图像后处理阶段预测误差的准确性,进一步改善了高分辨率重建图像效果.实验结果表明,该方法在峰值信噪比和视觉效果上都有所提高,重建图像的纹理特性和质量得到了有效增强.     

一种基于并行遗传算法的超分辨率图像重建方法研究

笔者提出了一种基于并行遗传算法的图像(序列)超分辨率重建的新框架方法.文中给出了算法原理及步骤,并对算法特点和性质进行了详细的分析,与直接使用迭代正则化相比,通过实验的方法选取正则化参数的方法,其最大优势是可通过实验来调整正则化参数,使算法更易搜索到最佳图像估计.最后给出了实验结果以及详细的实验分析,并将其与其它正则化图像插值技术进行了比较,证明是一种新颖实用的方法.     

基于Split Bregman算法的MRI图像重建参数分析

压缩感知理论已应用在MRI成像中,作为压缩感知的非线性重建算法的重要分支,以Split Bregman算法为代表的凸松弛法将信号重建问题转化为凸优化问题求解,其计算效率高.对Split Bregman算法的正则化参数功能和调节机制进行了理论研究,分析了正则化参数对该算法收敛精度和收敛速度的影响.仿真结果表明了3个正则化参数对MRI图像重建效率和精度的影响程度.     

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.     

基于模拟退火粒子群算法的MIT图像重建方法

为了改善逆问题病态性又能提高图像重建质量,提出了一种基于模拟退火粒子群算法的MIT图像重建方法.根据Hessian矩阵的维度,构建了一种Tikhonov和NOSER型混合多参数正则化算法.将模拟退火算法和粒子群算法进行组合,以广义交叉准则构建目标函数,进行正则化多参数寻优.结果表明,所提方法不仅有效克服了MIT重建图像数值解的不稳定性,增强了抗噪性能,而且所获得的重建图像的质量优于Tikhonov正则化和混合正则化算法,为MIT技术应用提供了理论参考.     

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.     

复杂温度场图像重建算法实验研究

在声学法燃煤锅炉炉膛火焰温度场重建中,重建算法是实现温度场重建的关键.提出一种新的复杂温度场图像重建算法,通过在温度场重建中加入先验信息矩阵,实现在较少声波飞行时间测量数据下的复杂温度场图像的重建.用该算法结合所研制的实验系统对实际燃烧火焰温度场进行了重建实验,给出了实验结果.实验结果表明,该算法可实现复杂温度场图像重建.     

基于三维模型的改进正则化ERT成像算法

电阻层析成像（ERT）通过对被测场边界注入电流,测量被测场电压变化,重建物场内电导率．针对ERT成像分辨率低,提出一种基于三维模型的改进Tikhonov迭代电阻成像算法．针对Tikhonov正则化参数选择问题,提出基于同伦映射的方法,并利用非线性函数Sigmoid调节正则化参数,以获得的图像灰度值作为Tikhonov迭代法的初始值进行迭代,重建敏感场图像．仿真及实验结果表明,该方法有效地改进了ERT图像质量．     

基于自一致性的磁共振并行成像高效重构算法

磁共振并行成像技术能够显著地减少成像时间,然而高质量的图像重构比较困难.为了提高重构图像的质量,基于自一致性的SPIRiT框架,提出了一种高效的重构算法.该算法针对一个含有数据一致性、校准一致性和联合稀疏性正则项的复杂优化问题,首先将该问题简化成一般性最优化问题;再使用算子分离算法将其分解成一个梯度计算问题和一个可通过软阈值法求解的去噪问题;最后,再使用加速方案对算法进行加速.实验结果表明,当加速因子为8时,采用所提出的新算法的重构图像比采用POCS算法的重构图像的SNR提高约2.4,dB,且重构时间也节约了约30%.对于要求高质量重构图像的场合,所提出的算法能够满足需求.     

结构电阻率断层图像等位线修正重建法

提出一种碳纤维混凝土（CFRC）结构电阻率断层图像等位线修正重建方法．该方法利用CFRC结构内正演电场各测量值的等值线位置信息，建立一种等效电导模型；依据该电导模型的物理关系计算各迭代步的相应区域等效电阻调整量，进而求解区域电阻率调整量，使得电阻率调整后CFRC结构各电极测量值的等值线终止点向相应电极修正，实现CFRC结构的ERT图像重建．该迭代过程等效于电极正演电位逼近电极测量电位的过程．该算法原理简单、易于实现，无需正则化技术和求解雅可比矩阵及黑塞矩阵信息，避开了Newton-Raphson类算法的病态性和计算量大的问题．研究结果表明：该算法能够获得满意的图像重建效果和重建速度．     

基于自适应乘法正则化的结构随机激励识别

针对结构随机激励识别存在的激励位置未知以及重构效率偏低问题,本文提出了一种基于自适应乘法正则化的结构随机激励识别方法。该方法无需依赖于激励位置的先验信息,仅通过结构响应即可实现激励的准确定位和高效重构。首先,利用不同响应功率谱之间的传递特性来计算任意指定激励位置的定位误差,进而通过最小化定位误差来识别目标激励位置;在此基础上,借助自适应乘性正则化方法,定义全局正则化项来构造新的重构优化函数;然后,引入广义迭代加权最小二乘算法对优化函数进行求解,从而实现了结构随机激励识别;最后通过数值算例验证了所提方法的有效性。结果表明：所提方法能够精准的定位结构随机激励位置,且在与Tikhonov方法重构精度相似的基础上,提高了识别效率约15倍,同时具备良好的抗噪能力,为结构外部作用效应的获取提供了一种新思路。     

Numerical simulation of tomographic-SAR imaging and object reconstruction using compressive sensing with L 1/2-norm regularization

By making use of multiple acquisitions of synthetic aperture radar （SAR） observations over the same area, tomographic-SAR （tomo-SAR） technology can achieve three-dimensional （3-D） imaging of the objects of interest. The compressive sensing （CS） approach has been applied to deal with the sparseness of the elevation signals. Due to its sparsity and convexity, the L1-norm regulariza- tion, as an approximated Lo-norm with an exact solution, has been employed in CS to reconstruct the reflectivity profile of the objects. In this paper, based on our studies on polarimetric scattering and SAR imaging simulations, we produce numerical multi-pass tomo-SAR observations of the terrain object. Then, we present the CS with novel L1/2- norm regularization to realize 3-D reconstruction. As a non-convex optimization problem, the L1/2-norm regularization is solved by an iterative algorithm. This numerical simulation of tomo-SAR imaging and 3-D reconstruction of the object modeling can be of great help for parameterized analysis of tomo-SAR imagery. As an example, a tomo-SAR image and 3-D reconstruction of the Beijing National Stadium model are presented.     

解非线性不适定问题的一种正则化方法

研究了在实Hilbert空间中,求解非线性不适定问题的方法．通过对修正的三阶牛顿法进行Tikhonov正则化,得到新的迭代格式．在适当的条件下选取正则化参数,应用广义偏差准则,得出该迭代格式是单调的且是收敛性的．结果表明此迭代格式可应用于求解非线性不适定问题．