基于非局部方向性核先验的PET图像Bayesian重建

为了在抑制噪声的同时更好地保持PET重建图像中的细节结构,提出了一种基于非局部方向性核先验(NSKP)的Bayesian重建算法.为了充分利用图像中的全局信息,该算法在二阶核回归过程中估计出图像梯度,计算出相应的方向性矩阵,并根据非局部均值权值矩阵和方向性矩阵的卷积,计算先验项的权值.在重建中,该算法在高阶核回归过程中同时更新图像的梯度和先验信息,而不是单独计算图像梯度.另外,高阶核回归方法运用多自由度的参数估计提高了重建的精确度.研究结果表明,该算法通过计算引入局部结构信息的全局先验权重,更好地抑制了噪声和过平滑,保持了重建图像中细节区域的结构性和背景区域的一致性.对体模数据的模拟实验结果从视觉和数值角度验证了该算法在PET图像重建中的有效性.     

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.     

基于图形处理器的锥束CT快速迭代重建算法

提出了一种基于图形处理器实现的锥束CT图像迭代重建算法.该算法将三维纹理作为被重建物体的离散模型,基于射线投射方法实现了锥束CT的正投影计算;通过反向逐层映射到三维纹理实现了反投影计算;采用多纹理融合等技术完成了图像校正和投影校正.与经典的TMA-SART算法比较,作者算法运算速度快,占用显存少,支持全浮点精度运算,且易于在算法中添加先验知识和约束条件.通过对Shepp-Logan模型的图像迭代重建实验,验证了该算法的优势.     

基于低秩约束和字典学习的图像超分辨率重建

基于学习的超分辨率重建算法通过对图像的整体信息学习进行重建,没有对图像的内部结构信息特征进行分解考虑.基于图像的低秩稀疏分解理论,本文提出一种新的图像超分辨率重建算法.在研究图像矩阵的低秩部分与稀疏部分信息特征的基础上,结合图像自身蕴含的先验信息,本文分两步对图像恢复重建.首先,将图像的非局部自相似性先验信息引入图像的基本重建模型.在该模型下利用相似图像块矩阵的天然低秩性约束得到初始估计高分辨率图像.第二步,提出一种改进的字典学习算法恢复出初始估计高分辨率图像中缺失的高频成份信息,获得最终的高分辨率图像.为了使高频成份得到更好的恢复,在字典学习样本集的构建阶段应用了一种基于低秩稀疏分解理论的样本集构建方法.实验分析表明,本文提出的算法与现有主流算法相比,在主观视觉效果和客观性能分析上都能显示出更好的优越性.     

基于Directionlet变换的遥感图像降噪算法研究

提出一种有效的基于Directionlet变换的Bayesian最大后验估计实现遥感图像降噪算法。首先采用具有多尺度、多方向特点的Directionlet变换对含噪遥感图像进行分解,然后根据先验信息和噪声系数分布设计最大后验估计算法实现相干斑噪声的去除。实验结果表明,提出的算法与传统降噪算法相比不仅原始图像的边缘和纹理信息可保留,而且可获得更好的降噪视觉效果。     

多方向加权TV和变换域非局部正则化图像去模糊

针对传统全变差(TV)去模糊对噪声敏感且细节恢复能力有限等缺点,利用边缘检测对传统TV模型进行改进,并受空域非局部自相似性正则化思想启发,将图像的变换域非局部自相似性约束融入去模糊模型,提出一种基于边缘检测的多方向加权TV和变换域非局部正则化的图像去模糊方法.首先,运用边缘检测将中心像素邻域内的像素对划分为同侧像素对和异侧像素对,对不同类型的像素对采用不同的权重,在去模糊的同时尽可能保持图像边缘等细节特征;其次,为充分利用先验信息,将变换域非局部正则化约束融入到改进的TV模型,进一步改善图像视觉质量;最后,对新模型进行有效求解.实验结果表明,本文算法在去模糊的同时可更好地保留图像的边缘、纹理等细节特征.     

自适应先验马尔可夫随机场模型的图像分割算法

针对全局同态先验马尔可夫随机场(Markov random field,MRF)模型在图像分割中不能有效利用图像局部统计特征的问题,提出了一种基于局部自适应先验MRF模型的图像分割算法.该算法基于贝叶斯理论,利用局部先验Potts模型描述图像的局部特征,建立了一种局部自适应先验MRF模型;提出了基于区域的置信度传播(Belief Propagation,BP)算法,把图像的局部区域特征传递到全局,最终基于最大后验准则(MAP)得到图像的分割结果.实验结果表明:所提模型对于图像中的噪声或者纹理特征等具有较好的分割,分割结果明显优于全局同态先验MRF模型;提出的自适应先验MRF模型对于图像的噪声或者纹理突变信号的干扰具有较强的鲁棒性;算法具有较少的迭代次数和较好的分割结果,且分割时间较短.     

基于改进非局部均值滤波算法的显著性区域检测

针对传统非局部均值(NL-Means)滤波算法缺乏对人类视觉系统考虑的问题,提出一种基于改进非局部均值滤波算法框架的显著性区域检测算法.首先利用作为低层线索的颜色独特性生成初级显著图,然后利用对象性测度估计算法提取出对象候选集,再将对象性测度估计分数扩展到每个超像素区域,生成高层线索的前景先验和背景先验显著图,最后将3个显著图进行多尺度融合并作为改进滤波算法的对象级线索,经滤波得到最终显著图.在基准数据集MSRA-1000和ECSSD上,与目前流行的检测算法进行了主观定性和客观定量比较,实验结果表明,该算法不仅在均匀高亮显著对象的同时抑制背景区域,而且在准确率、召回率和F-measure等评价指标上也有较大提升.     

基于非局部Bayesian的单掩膜编码衍射成像算法

为了降低编码衍射成像系统的硬件复杂度,研究基于单个编码衍射图案(coded diffraction pattern,CDP)的成像算法.以图像本身具有的非局部区域自相似特性作为相位恢复中的信号约束,克服单个CDP携带信息过少的不足,提出一种基于非局部Bayesian估计与图像自相似性的相位恢复与图像重建算法.研究结果表...     

SPECT局部重建中小波去噪方法研究

针对单光子发射断层成像技术中全局图像重建时间过长的问题,提出了局部重建的思想,同时为了提高局部重建图像的质量,需要在局部重建之前,对投影图像进行噪声去除.利用基于小波变换的复数改进二元萎缩相关去噪法,对噪声投影图进行处理,并利用局部重建算法进行图像的局部重建,在保留图像细节的同时,降低了图像噪声,缩短了重建时间.利用均方误差评价标准,对去噪结果进行评测,结果表明:在局部重建中,利用该方法进行去噪处理具有良好的效果.     

基于向量稀疏和矩阵低秩的压缩感知核磁共振图像重建算法

当前基于压缩感知理论的核磁共振图像重建算法大多仅利用图像数据的稀疏性或者低秩性,并没有同时利用图像的这两个性质.本文提出了一种基于向量稀疏性和矩阵低秩性的压缩感知核磁共振图像重建方法.该方法利用核磁共振图像中图像块的非局部相似性对求解优化模型的经典非线性共轭梯度算法进行改进.主要是在共轭梯度算法的迭代过程中对每一图像块寻找其相似块,由于相似块的像素组成的矩阵具有低秩性,因此利用矩阵低秩恢复算法对每一图像块进行更新.改进后的方法同时利用了图像数据的稀疏性和低秩性.实验结果表明,该方法相对于现有的具有代表性的图像重建算法相比,提升了重建图像的质量,具有较高的信噪比.     

基于先验信息的全变分图像复原算法

为了提高全变分模型的图像复原效果,提出一种基于先验信息的全变分图像复原算法.首先,采用能够有效保护滤波后图像结构信息的非局部均值算法对模糊退化图像进行滤波以减少其中所含噪声,获取滤波后的先验图像信息.然后,构建基于该先验信息的全变分图像复原模型,该模型不仅保留了全变分模型对复原图像边界信息的保护优势,也保留了非局部均值的结构信息保护优势.最后,采用分裂Bregman交替方向乘子迭代算法对所提模型进行优化,得到复原后的图像.实验结果表明,无论从主观视觉效果方面,还是从峰值信噪比与结构相似性客观量化指标方面对所复原图像进行评价,与其他算法相比,所提算法均能取得较好的复原效果.     

基于正弦图分区修复的稀疏角度CT重建算法

针对稀疏投影CT重建图像中的条形伪影问题,提出一种稀疏表示与低秩矩阵填充相结合的正弦图分区修复方法.首先,将正弦图子块依据灰度熵大小分为两类;然后,采用字典学习算法修复边界区域的正弦图子块,为了保留正弦图的内部结构,设计一种联合修复模型用于内部子块的修复,将正弦图的低秩特性融入稀疏表示模型中,以便引入非局部信息;最后,组成完整的正弦图并经滤波反投影(FBP)重建获得最终图像.实验结果表明,与经典算法相比,该算法在投影域与图像域皆有较优表现,能够较好地修复正弦图的结构,明显改善稀疏重建图像中的条形伪影及结构模糊问题.     

快速非匀质图像分割方法

针对灰度非匀质图像分割困难及效率低下的问题,提出一种基于局部区域活动轮廓模型快速分割方法.该方法结合核函数和割测度定义一个新的能量函数.一方面,在中心点被核函数掩模的局部区域内,用邻近点的加权均值拟合数据项能有效处理图像的非匀质分布.另一方面,用割测度逼近的曲线长度作为全局正则性,利于轮廓快速定位于物体边界.最后,在轮廓演化过程中,使用基于栅格图的最大流算法,避免了传统模型计算代价高昂的水平集函数.合成图像和真实图像的实验结果表明,提出的方法能有效快速地分割灰度非匀质图像中的弱边缘物体及多灰阶复杂结构物体;同时,对初始轮廓线位置和噪声具有较好的鲁棒性.     

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.     

基于凸集投影和线过程模型的超分辨率图像重建

为了改善超分辨率重建图像的效果，提出了一种基于线过程模型的凸集投影方法。根据先验信息在图像重建中有重要作用的原理，该方法在数据一致性投影的基础上，将描述边缘信息的线过程模型作为图像的一个先验知识，用于重建过程中的平滑性约束投影，从而达到既保存图像的高频分量，又在一定程度上降低平滑区域噪声的效果。实验结果表明，该方法重建结果的视觉效果好于原方法，且信噪比有所提高，尤其是在高抽取率的情况下可以明显减少振铃效应。     

基于低秩和全变差正则化的图像压缩感知重构

为了解决基于低秩正则化的图像压缩感知重构算法不能充分利用图像局部梯度稀疏特性的问题,提出了一种基于低秩与全变差正则化的图像压缩感知重构算法.首先,通过图像块匹配法寻找结构相似的图像块,组成非局部相似块组;其次,联合相似块矩阵低秩与图像梯度稀疏先验组成正则化项,结合传统的压缩感知模型形成新模型;最后,采用交替方向乘子法实现图像的重构.测试图像为自然灰度图像,为了验证算法的有效性,从主观视觉和峰值信噪比两方面进行对比.试验结果表明,和基于低秩正则化的图像压缩感知算法相比,该算法在准确描述图像非局部自相似性结构特征的前提下提高了重构质量,重构的图像在峰值信噪比上平均提升1 d B.     

基于全局和局部特征的图像拼接方法

针对传统序列图像拼接算法中的误差累积问题,提出一种基于全局和局部特征的图像拼接方法. 同时拍摄大视场角、低分辨率全局图像和小视场角、高分辨率局部图像,利用深度学习替代传统算法提取两者匹配点,进而根据两者面积比等比例扩大全局图像的匹配点坐标,将局部图像无缩放地投影至全局图像所在平面,最后融合投影后局部图像的重叠区域,拼接形成一幅大视场角、高分辨率全景图像. 实验结果表明,该方法中深度学习快速且精准地实现了特征匹配,同时局部图像间相互独立,有效地解决了拼接顺序限制和拼接误差累积.      

基于PM模型的改进SIRT图像重建算法

在实际的扫描过程中,投影数据不可避免地受到各种噪声的干扰,影响重建图像的精度,从而给后续的图像处理带来许多困难.为提高图像重建的质量,提出了一种新的图像重建算法.首先,分析PM模型的优缺点,并在此基础上对该模型进行改进,然后利用改进的PM模型来处理SIRT算法迭代后的结果,使得SIRT重建算法与PM模型去噪可以循环交替...     

联合深度置信网络与邻域回归的超分辨率算法

为了提高重建的质量和速度,提出一种联合深度置信网络与邻域回归的超分辨率算法.一方面,结合字典学习与神经网络表示的联系对传统的深度置信网络进行调整,采用该网络模型实现字典学习,充分利用该模型突出的学习能力,使字典具有更好的特征表达能力,从而提高图像的重建质量.另一方面,在基于字典学习的超分辨率框架中融入邻域回归思想.首先,利用最近邻域算法确定字典原子的最近邻域映射关系;然后以此为基础,结合邻域回归方法,离线计算高、低分辨率投影矩阵;最后在重建过程中将该投影矩阵应用于图像重建.该方法避免了字典学习中的系数求解过程,降低了计算的复杂度,提高了重建的速度.实验表明,算法具有更高的峰值信噪比和结构相似度,同时极大地提高了图像的重建速度.