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.     

基于非局部拉格朗日乘子的磁共振图像重建

由于TV变换会造成阶梯伪影,使其不能很好地恢复磁共振图像(MRI)的细节和纹理.针对这种缺点,提出了在优化模型中引入非局部正则化来改善现有的MR重建算法.该方法以非局部均值(NLM)滤波为基础,利用磁共振图像的自相似特点,可以有效抑制阶梯效应并恢复图像细节.为了克服该正则化在实现方面的复杂性,进一步提出了一种改进的基于非局部拉格朗日乘子的磁共振成像方法(MRNLM),在简化非局部方法的同时提高了MR图像质量.实验结果表明,该算法在提高信噪比和视觉接受方面均有显著提升,并在时间和质量上达到很好的平衡.     

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。     

荧光3维解卷积成像及其正则化方法

解卷积荧光成像方法由于能够提高图像质量,因此在生物领域得到越来越广泛的应用。该文基于RichardsonLucy(R-L)算法,提出全变分(TV)正则化的盲解卷积算法。采用根据实际实验系统参数仿真的球模型以及真实的荧光图像,来比较正则化前后图像的复原效果。结果表明:R-L算法可以去除由于点扩散函数引起的大部分模糊,而随着迭代次数的增加,TV正则化算法能抑制噪声的放大。TV正则化的盲解卷积算法在复原实际的生物图片中效果较好。     

基于SIDWT和迭代自一致性的快速并行成像重建方法

为提高并行磁共振成像的重建速度，基于平移不变离散小波变换(SIDWT)和迭代自一致性并行成像重建(SPIRiT)模型，提出一种高效的重建方法fSIDWT-SPIRiT.该方法针对含有数据一致项、校正一致项和L1范数正则项的复杂优化问题，首先将数据一致项和校正一致项进行合并处理，之后利用快速投影迭代软阈值算法进行求解以实现快速并行磁共振成像重建.最后，在不同人体器官的数据集上进行测试.仿真实验结果表明：与其他方法相比，该方法能够在保证图像重建质量的同时，具有更快的收敛速度.     

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。     

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。     

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.     

基于正则化的SPACE-RIP并行磁共振成像重建算法

采用并行磁共振成像可以提高成像速度和图像分辨率,但这是以牺牲重建图像的信噪比为代价的。为此,该文提出了一种基于正则化的并行磁共振成像重建算法,降低由于阵列线圈的几何相关而造成的信噪比损失。以预扫描图像作为最后重建图像的先验信息,用L曲线方法求解最佳正则化参数。实验表明,该方法能较大限度地减弱噪声对重建结果的影响,当SPACE-RIP并行成像技术的加速因子达到4时,仍可得到高质量的高分辨率重建影像。重建后的图像质量良好,对临床诊断具有较高实用价值。     

Graph Regularized Sparse Coding Method for Highly Undersampled MRI Reconstruction

The imaging speed is a bottleneck for magnetic resonance imaging( MRI) since it appears. To alleviate this difficulty,a novel graph regularized sparse coding method for highly undersampled MRI reconstruction( GSCMRI) was proposed. The graph regularized sparse coding showed the potential in maintaining the geometrical information of the data. In this study, it was incorporated with two-level Bregman iterative procedure that updated the data term in outer-level and learned dictionary in innerlevel. Moreover,the graph regularized sparse coding and simple dictionary updating stages derived by the inner minimization made the proposed algorithm converge in few iterations, meanwhile achieving superior reconstruction performance. Extensive experimental results have demonstrated GSCMRI can consistently recover both real-valued MR images and complex-valued MR data efficiently,and outperform the current state-of-the-art approaches in terms of higher PSNR and lower HFEN values.     

基于混沌飞蛾扑火优化的膝盖MRI分割算法

由于飞蛾扑火优化(MFO)算法在解决实际优化问题时仍会表现出易陷局部最优、收敛停滞等不足，针对MRI图像较难分割问题，本文提出了一种基于混沌飞蛾扑火(CMFO)的膝盖MRI分割算法.为辅助医生阅片，提高诊断效率和准确率，实验先将膝盖MRI图像选作研究对象，然后将CMFO算法与最大阈值熵相结合应用到医学MRI图像多阈值分割领域.为突出基于CMFO的膝盖MRI分割的优势，引入了SOA，BFOA和MFO算法作对比实验，结果表明:CMFO算法能有效改善MFO的优化性能，而且对膝盖MRI图像分割具有更好的适用性和优越性.     

基于改进BET的MRI脑组织自动提取算法

提出一种基于改进BET(brain extraction tool)的MRI脑组织自动提取算法.首先，该算法结合图像梯度信息能够估计出更为准确的脑重心(center of gravity，COG)；其次，该算法构建了新的脑表面形变力，在垂直于脑表面切线的扩张力中引入了边缘力，该力很好地抑制了脑组织的边界泄漏和过度分割问题.使用本文方法对MRI脑影像进行了自动脑组织提取，实验结果表明，本文算法能够自动获得更加准确的脑组织提取结果，特别是在脑组织边缘处，本文算法与BET算法相比，提取结果更准确.     

基于流形学习和梯度约束的图像超分辨率重建

将改进的基于流形学习的超分辨率重建与基于梯度约束的正则化重建结合起来,提出一种新的单帧图像超分辨率重建算法.该算法首先针对基于流形学习的超分辨率重建,提出新的特征提取方法,联合归一化亮度与平稳小波变换细节子带系数两个特征矢量,提高重建性能;然后将学习得到的高分辨率图像作为初始估计,将其梯度作为目标梯度域,进行基于梯度约束的正则化重建,得到最终的高分辨率图像.与现有的一些算法相比,文中算法无论在视觉效果还是客观评价上都具有较好的重建性能.     

基于正则化的SPACE-RIP并行磁共振成像重建算法

采用并行磁共振成像可以提高成像速度和图像分辨率,但这是以牺牲重建图像的信噪比为代价的。为此,该文提出了一种基于正则化的并行磁共振成像重建算法,降低由于阵列线圈的几何相关而造成的信噪比损失。以预扫描图像作为最后重建图像的先验信息,用L曲线方法求解最佳正则化参数。实验表明,该方法能较大限度地减弱噪声对重建结果的影响,当SPACE-RIP并行成像技术的加速因子达到4时,仍可得到高质量的高分辨率重建影像。重建后的图像质量良好,对临床诊断具有较高实用价值。     

基于压缩感知的心电信号稀疏采样与重构算法

实时心电监测的数据量过大，给系统的传输和存储带来很大压力.为降低采集端的功耗，达到既减轻采样复杂度又降低传输数据量的目的，使用压缩感知技术对心电信号进行压缩采样及重构.以信号重构时间和重构误差为关键指标，研究不同重构算法和小波基的性能表现.结果表明，当压缩率在30%以内时，基追踪作为信号重构算法的百分比均方根差小于4%，同时其重构耗时最短;当压缩率在70%以内时，子空间追踪的误差小于10%，且始终保持较低的重构耗时.最优小波基往往和具体压缩率有关.     

基于DWT的多尺度分块变采样率压缩感知图像重构算法

利用压缩感知理论改善图像重构的质量是目前图像处理技术研究的焦点。通过DWT域对图像每级分解时的每个子带中应用分块采样并结合平滑投影Landweber重构算法,提出一种多尺度分块变采样率压缩感知图像重构算法。比较BCS-SPL和TV以及多尺度GPSR图像处理算法,文中提出的算法使重构的图像质量提高了1～3 dB。     

基于近似梯度下降法的?q范数约束的压缩鬼成像

由于鬼成像在图像重构领域的优异表现,因此一直是研究的热点之一。近年来,有学者也将鬼成像与压缩感知理论相结合,提出了压缩鬼成像技术。为了以最少的测量值获得最优的重建效果,学者们提出了很多图像重构算法,其中应用最为广泛的是基于?₁范数或核范数的重构算法,因其凸性和光滑性在很多领域都有很好应用效果。非凸的?_q(0q约束实现重建所需要的测量值更少,并且相较于?₁约束,?_q范数的限制等距性条件更为宽松。为此,利用?_q范数约束来进行压缩鬼成像,并介绍了?_q范数的近似点算子和近似梯度下降算法,通过实验验证该算法对进行压缩鬼成像的可行性,对比分析各种不同算法在不同类型的图像之间的重建效果。     

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.