基于lp范数的分裂算法在稀疏角CT图像重建中的应用

稀疏角CT图像重建是热点研究问题。根据l_p范数具有良好的稀疏性及小波变换能够提取图像的全局和局部特征的性质，提出一个基于l_p范数及小波变换的稀疏角CT图像重建模型。利用半二次分裂算法对模型进行求解，并证明了该模型的全局收敛性。数值实验结果表明，该算法可以很好地抑制伪影，得到清晰的边缘，并且在投影角度较少的情况下也能取得较好的重建效果。     

基于稀疏重建的压缩图像质量提高方法

为了克服JPEG2000中低码率压缩图像在边缘处表现出的明显振铃效应严重降低了图像的人眼视觉质量的问题,在迭代凸集投影理论基础上,分析了迭代去噪方法恢复图像变换域稀疏数据的机理,提出了JPEG2000压缩图像重建算法.该算法保持压缩图像在小波域中的非零系数不变,通过迭代去噪恢复其他位置的小波系数.结果表明：提出方法有效地增强了JPEG2000压缩图像沿边缘的正则性,提高了图像的主客观质量,图像峰值信噪比平均提高0.52dB.     

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.     

超分辨率重建技术在CT无损检测中的应用研究

通过CT系统取得平动低分辨率图像序列,采用分级块匹配像素内配准进行运动估计,应用结合小波的改进凸集投影算法重建出超分辨率图像。对CT切片图像的处理结果表明,该方法能有效提高切片图像的分辨率,为工业CT图像增强,以及其在无损检测上的应用提供一种新的手段。     

基于小波框架变换的多聚焦图像融合新算法

在离散小波框架变换图像融合的基础上,从离散小波框架变换系数的特点出发,提出了一种基于离散小波框架变换的多聚焦图像融合算法。该算法通过计算低频系数加权窗口邻域的相似性度量和系数窗口邻域的信息熵来确定融合图像的低频系数;结合高频系数占优块和块与块之间的相关系数来确定融合后的高频系数。实验结果表明该算法提高了图像的融合质量。     

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。     

CT图像分块重建算法

为加快重建速度，节省资源，提出了CT图像分块重建算法，与一般的整幅重建算法不同，该算法通过恰当地分割投影空间、滤波投影空间、图像空间来实现重建的分块运算，最后拼装成整幅图像，它所占用的资源要比对整幅图像重建所需要的少，分块重建算法适用于多机运算、计算机网络分布运算及投影数据量巨大的高分辨率CT图像重建，并发展成一种局部重建技术，能减少对X射线剂量的要求，从而减少X射线对人体的辐射损害，仿真实验表明，CT图像分块重建算法是可行的和令人满意的。     

小波包变换在正电子发射断层扫描仪图像重建中的应用

在对常用的计算机断层图像重建方法-解析法深入研究的基础上,将小波包技术应用于断层图像重建,提出了基于小波包变换的多尺度断层图像重建框架。该方法能够直接从投影数据的多尺度表达中计算出目标多尺度表达系数,可在提取重建图像多分辨信息的同时,保留传统滤波反投影法的简便性和有效性,计算机仿真模型和临床正电子发射断层扫描仪投影数据的重建结果表明,该方法和滤波反投影方法相比,在不增加计算量的基础上,能够对任意不同频段的信号进行较为精确的重建,可以满足临床上识别重建图像不同特征的需求。     

CT投影变换理论及其在圆轨道锥束重建中的应用

为了精确地获得计算机断层成像(CT)图像重建所需的平行束X射线投影,提出了CT投影变换理论,得到了一种精确地由锥束投影计算平行束投影的算法.该算法可以适用于任意形式的扫描轨道.在此基础上,分别提出了针对完整物体和物体感兴趣区域进行CT投影变换的投影数据完备性条件.将CT投影变换方法应用于圆轨道CT图像重建,有效地改善了FDK算法的重建结果,特别是在远离扫描轨道的平面内,改进后的重建图像CT值更加接近真实值.数值模拟实验证明了上述CT投影变换理论和方法的有效性.     

急性运动中超分辨率图像重构方法研究

采用当前急性运动中超分辨率图像重构方法得到的重构图像存在全局误差,导致重构图像质量低下,重构效果不佳。为此,提出一种新的急性运动中超分辨率图像重构方法,设计急性运动中超分辨率图像重构模型,将小波稀疏字典作为急性运动中超分辨率图像重构的理论依据。将低分辨率急性运动图像分割成低分辨率图像块,对无噪高分辨率急性运动图像块相应的无噪低分辨率图像块进行分析。通过OMP方法对稀疏系数进行求解,依据得到的稀疏系数估计出高分辨率急性运动图像块的高频小波系数,将高分辨率小波系数急性运动图像块返回高分辨率小波系数急性运动图像,通过逆小波变换得到最终的高分辨率图像,对全局误差进行修正。实验结果表明,采用所提方法得到的重构图像质量高,重构效果好。     

基于非下采样contourlet变换的压缩感知图像重建

受传统采样定理限制,直接从信号采集系统得到高分辨率图像较困难,且信号获取过程会导致大量的采样数据.压缩感知理论指出可用特定测量矩阵将高维信号投影到低维空间上,求解数值优化问题准确重构原始信号,突破了传统采样定理的限制.传统压缩感知图像重建算法对所有系数测量,需进行多层小波变换保证图像质量,且小波捕捉方向信息有限,重建图像质量较差.故此提出采用非下采样contourlet变换(NSCT)做信号稀疏变换,并针对变换系数的特点,选择性的对系数测量,利用正交匹配追踪算法进行重构.实验结果表明,仅用单层NSCT变换可重建出高质量图像,克服传统算法需进行多层小波变换的缺点,降低采样和存储的数据量且重建的图像质量得到极大提升.     

一种新型高斯噪声滤波算法

为了更有效滤除数字图像中的高斯噪声,提出了一种新型滤波算法.该算法首先将含有高斯噪声的图像进行二维小波分解,得到高频和低频小波分解系数;然后保留低频小波系数不变,对高频小波系数通过维纳滤波器进行滤波,并进行小波系数重构;最后将重构图像进行多尺度小波分解,通过设定新的阈值和判别函数,弱化不重要的小波分解系数,并进行小波分...     

基于K-SVD 字典学习的岩心图像压缩感知重构

针对传统方法进行岩心图像压缩感知重构时,在低码率下容易产生细节丢失的问题,提出一种基于 K-SVD( K-Singular Value Decomposition) 超完备字典学习的压缩感知重构算法。首先根据分块压缩感知理论,将 岩心图像分块,采用高斯随机矩阵对相应层级的图像块进行观测,得到对应的观测值块,然后用MMSE ( Minimum Mean Squareerror Estimation) 方法获得初始解的估计并利用提示小波进行滤波,通过全局阈值的思想 得到自适应阈值,最后利用K-SVD 字典结合Landweber 迭代实现压缩与重构。实验结果表明,与传统方法相 比,在相同的采样率下获得的重构图像能较好地保留岩心图像的纹理信息,重构岩心图像的PSNR( Peak Signal to Noise Ratio) 值提高约0． 1 ～ 0． 8 dB。     

采用稀疏表示和小波变换的超分辨率重建算法

为了提高超分辨率重建图像的质量,提出一种基于稀疏表示和小波变换的超分辨率重建算法.首先,将小波变换的多尺度性、多方向性与稀疏表示的灵活性相结合,构建一种双稀疏编码(DSC)模型,提高稀疏系数的精度.然后,在双稀疏编码模型中引入局部线性嵌入正则化项(LLER),以更好地保留图像的结构;在重建过程中,对输入的低分辨率图像进行小波分解,得到3幅不同方向的高频子图,并采用提出的模型对其进行重建.最后,利用逆小波得到最终的高分辨率图像.实验结果表明:与多种主流的超分辨率算法相比,文中算法无论在主观视觉效果还是在峰值信噪比和结构相似度两个客观评价指标上,都取得了更好的效果.     

基于非局部全变差和部分支撑已知的CS-MR图像重建方法

提出一种基于压缩感知(CS)的磁共振(MR)图像重建方法.利用参考图像和目标图像结构的相似性,提取参考图像在小波域中L个大系数的索引集作为目标图像的已知支撑集,约束已知支撑集补集中小波系数的l₁范数.此外,采用非局部全变差(NLTV)作为规整化项构造目标函数,通过快速合成分离算法(FCSA)重建目标图像.仿真结果证明,该方法能有效保留图像的边缘和细节信息,抑制噪声干扰,在相同采样数据量下,重建性能优于经典CS-MRI和其他同类方法.      

有限角投影下的快速重建方法

介绍了层析Ｘ射线摄影合成的方法及原理，通过对ｔｏｍｏｓｙｎｔｈｅｓｉｓ中各断层像和投影像间的关系方程组的分析，提出了基于ｔｏｍｏｓｙｎｔｈｅｓｉｓ的快速工且利用ＰＣＳ方法加以约束，得到在有限角投影下的快速重建图像。     

基于小波变换的图像边界问题的研究

首先简要地介绍了一维信号对称边界延拓方式及二维信号双正交小波分解重构算法，然后在一维信号边界延拓方式的基础上，研究了在小波变换过程中，当高、低通滤波器长度为奇数且关于0对称时，数字图像能够精确重构的边界延拓问题。给出了数字图像的小波变换及边界延拓的步骤。最后，通过仿真实例验证了该对称边界延拓方式能够保证数字图像在小波变换中精确重构。     

基于Hessenberg测量矩阵的超声图像重建

针对超声图像连续性差、自身具有稀疏性的特点,提出了一种适用于超声图像的压缩感知重建方法。该方法以小波变换为稀疏基,Hessenberg矩阵为测量矩阵,引入正交匹配追踪(OMP)算法实现了超声图像的重建。超声C-扫描图像重建结果表明在观测数据采样率降低、数据缺失等条件下均能清晰的成像,验证了该方法的有效性。此外,本文给出Hessenberg测量矩阵的有限等距性(RIP)性质证明;并与基于Toeplitz测量矩阵的图像重建方法进行了比较,实验结果表明利用本文方法的重建图像在平均结构相似度(SSIM)、峰值信噪比(PSNR)和三维差值图等指标上均较优。该压缩感知重建方法在采样率为50%,原始数据较差的前提下,成功恢复出相似度在80%以上的超声图像。