基于改进非局部先验的Bayesian低剂量CT投影平滑算法

针对低剂量CT(LDCT)图像质量退化的问题,提出了一种改进的非局部先验模型,并将基于该模型的Bayesian统计算法应用于LDCT投影降噪中.首先将方向性测度引入到传统的非局部先验模型中,构建一种改进的先验模型;同时结合基于加权欧氏距离的距离测度,提高权重系数计算的准确性;然后运用基于该先验模型的Bayesian统计算法对LDCT投影进行平滑降噪;最后依据降噪后投影,利用滤波反投影(FBP)方法进行重建,得到改善的LDCT图像.实验结果表明,与典型的传统LDCT重建算法相比,该算法在抑制噪声、去除伪影的同时,较好地保留了重建图像细节信息.     

基于有序子窗搜索的非局部约束稀疏角度锥束CT重建算法

为了在稀疏角度扫描条件下更好地去除重建图像中的条状伪影和保留细节信息,将非局部先验引入锥束CT重建.基于有序子集投影划分思想,提出了有序子窗搜索算法,用以解决锥束CT迭代重建算法中非局部先验计算量过大的问题.该算法将每一个体素的搜索窗划分为M个不重复的子窗,每次迭代中选取不同子集元素计算非局部先验约束.实验结果表明,通过非局部先验约束,可以获得质量更好的重建图像.而且无论是在主观视觉效果方面,还是在峰值信噪比和结构相似性指标等客观评价指标方面,有序子窗搜索算法和传统非局部算法的重建结果均无明显差别,但前者可以明显降低先验项的时间复杂度.     

基于空间自适应正则化的超分辨率重建算法

针对模糊图像的复原问题,从正则化技术克服问题病态性的思想出发,研究了一种有效的超分辨率重建算法。该算法充分考虑了图像的局部特性,引入了空间自适应加权矩阵,采用全局正则化参数与局部正则化参数矩阵相结合的方法,弥补了传统正则化方法所带来的正则化误差以及噪声放大误差。实验结果表明,该算法能够有效地减少重建误差,保护图像的细节信息。     

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。     

基于模糊先验的惩罚最大似然重建算法

传统的二次先验算法不能有效的保持图像的边缘信息.为了解决这些问题,在最大似然算法中引入Hubber先验,同时结合模糊数学知识,形成了基于模糊先验的惩罚最大似然估计重建算法(PML-FuzzyHubber).仿真结果表明,相对于基于传统的Hubber先验等传统算法,PML-FuzzyHubber算法参数选择简单方便,能有效的抑制噪声和保持图像的边缘信息,重建出高质量的图像.     

基于小波变换模极大值的医学图像融合技术

针对目前的融合算法不能有效解决强去噪能力和细节信息保留之间的矛盾,提出一种基于小波变换模极大值特征的窗口区域强度自适应加权平均融合算法.首先,用选定的小波基提取不同尺度下小波变换模极大值特性;然后,利用信号与噪声的Lipschitz指数在局部奇异处呈现不同的表现形式的特性,滤除噪声信号;接着,计算模极大值的局部区域强度,动态地实现在不同尺度的子图像的小波分解系数之间分配权重;最后,将处理后的子图像重建得到融合后的图像.通过对CT和PET图像的融合实验,证明了该方法既可以适应不同特征图像的融合任务,又能达到有效抑制噪声而保留尽可能多的细节信息的目的.     

基于各向异性扩散的几种平滑算法比较及改进

该文比较了几种现有的P-M扩散系数改进算法的优缺点,提出了一种改进的基于视觉掩蔽效应的各向异性扩散平滑算法.该方法用归一化局部方差和图像梯度信息联合度量空间细节,能更有效地消除噪声,保持图像细节,也避免了原扩散系数参数估计的困难.实验结果表明,提出的改进方法得到的平滑图像具有更好的视觉质量.     

混合噪声的图像复原算法

提出了一种基于中值滤波和局部线性核平滑的图像去噪算法.该算法采用在空间域中的自适应滤波思想,运用改进的混合滤波器去除图像中的混合噪声.该算法的特点是复原后的图像能较好地保留边缘,同时对图像退化的先验知识要求不严格,并且有明确的数学公式,更适合实际运用.实验表明,作者提出的方法对含有混合噪声的图像复原具有较好的效果.     

基于双重约束CNN的壁画图像色彩还原

针对石窟壁画图像普遍存在的褪变色问题,提出了一种基于双重约束卷积神经网络的壁画图像色彩还原方法.该方法采用卷积神经网络提取壁画图像的高阶特征,在此基础上,为了对壁画色彩进行全局还原,利用最大均值差异约束建立全局特征映射关系以还原壁画图像中的全局颜色特征.针对不同卷积层存在局部色彩信息缺失的问题,利用马尔科夫随机场约束进行空间布局限制,保留壁画图像中的局部结构信息并对局部色彩进行还原.此外,通过平方梯度约束抑制图像还原过程中的噪声.实验结果表明:该方法在主客观分析指标方面均表现较佳,对于壁画褪变色区域的整体还原效果较好.     

一种改进的在线字典学习图像超分辨率重建算法

为提高重建图像的质量,详细表达图像高频细节信息,提出了一种改进的在线字典学习图像超分辨率重建算法.该算法在稀疏重建的字典训练阶段,采用在线字典学习以获取最优的超完备字典.在稀疏系数表示阶段,考虑图像多尺度间的冗余信息,构造L1范数正则项补偿对,抑制稀疏系数噪声提高重建效果.实验表明,该算法可更好地恢复图像细节,在客观评价和主观视觉感知上图像的重建质量均有所提高.