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.     

基于分裂Bregman算法的全变差图像修复

图像修复是指对一副图像受损或缺失区域的图像内容的重建。全变差正则化是一个有效的恢复锋锐边缘图像的修复方法。本文重点研究了全变差正则化图像修复方法,并基于Bregman迭代正则化方法设计了其快速迭代求解算法。实验结果表明,基于分裂Bregman算法的全变差图像修复方法是有效的,复原图像在客观评价标准和主观视觉效果方面均有较好表现。     

基于Tikhonov和变差正则化的磁感应断层成像重建算法

为了解决磁感应断层成像(MIT)逆问题的病态性和改善重建图像的质量,提出一种新的组合算法.该组合算法首先利用Tikhonov正则化算法对解的适定性产生初步的成像区域,之后再利用变差正则化算法对解的保边缘性和锐化作用进行图像重建.该组合算法与Tikhonov正则化算法及变差正则化算法相比,不仅有效地克服了磁感应断层成像(...     

基于方向信息测度的非局部正则化图像去噪方法

针对非局部正则化在图像去噪过程中计算复杂度高、复原速度慢的问题,基于方向信息测度提出了改进的非局部正则化方法.在图像的边缘轮廓区域使用保边性能较好的非局部正则化方法,而在图像的平坦区域使用各向异性全变差模型,且该全变差模型由基于Bregman迭代正则化方法的快速迭代算法进行求解.实验结果表明:基于方向信息测度的非局部正则化方法在快速消除图像噪声的同时,能有效地保留图像的边缘和纹理等结构信息.     

基于正则方法与迭代技术相结合的复杂温度场重建算法

针对傅里叶正则算法在复杂温度场重建过程中存在的不足 ,首先用正则化方法获得温度场重建这一不适定问题的稳定解 ,然后利用迭代技术对解进行一次迭代优化修正 ,充分考虑观测矩阵降质对温度场重建的影响·提出一种基于正则化方法与一次迭代技术相结合的复杂温度场重建算法·仿真结果表明该算法温度场重建精度优于傅里叶正则算法 ,能快速而较高精度地重建出复杂温度场二维温度分布     

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.     

混合正则化模型的交替迭代原理与图像恢复

由有界变差函数的半范数(TV)描述的正则项,在图像恢复过程中,对于图像的纹理部分,容易造成细节丢失;对于图像的卡通部分,容易产生阶梯效应;为克服此缺点,提出一种混合卡通-纹理正则化模型(hybrid cartoon texture regularization model,HCTRM)和交替迭代算法。首先,对受系统和噪声模糊的图像,用Kullback-Leibler函数描述拟合项;对于图像的卡通部分用分数阶TV的半范数来描述,纹理部分用紧框架域L_1范数来描述,建立HCTRM。其次,分析HCTRM解的存在性和唯一性。再次,引入辅助变量,将HCTRM转化为标准表达式,应用交替方向乘子算法(ADMM),将HCTRM分解为2个大的子问题。最后,将每个大的子问题,再分裂为2个小的容易处理的子问题,形成快速交替迭代算法。针对TV的半范数作为正则项,容易消除图像的纹理,且产生阶梯效应的缺点,提出一种HCTRM和交替迭代算法。仿真表明,能有效地恢复非平稳区域的纹理,克服在平稳区域产生的阶梯效应,取得较高的峰值信噪比和结构相似测度。     

脑磁感应断层成像技术的敏感性分析及图像重建

为了分析脑磁感应断层成像(MIT)技术的敏感性,利用三层同心圆的简单头模型讨论了颅内血肿电导率大小、颅内血肿面积、颅内血肿位置及颅骨电导率大小对接收线圈上感生电压的影响,并利用变差正则化方法对三个不同位置的血肿进行了仿真重建.仿真结果表明:低电导率的颅骨对接收线圈上感生电压的影响不大,且利用变差正则化方法所获得的重建图像可以大致反映出颅内血肿的位置和大小.与Tikhonov正则化方法相比,重建图像的质量也得到了一定的提高,所以此方法为脑MIT的图像重建提供了一种有效的途径.     

基于自回归正则化和稀疏表示的图像超分辨率重建

针对图像超分辨率重建中稀疏系数解不精确和重建图像质量不理想的问题,本文提出了一种空间自回归正则化的超分重构算法.该重构算法联合稀疏K-SVD方法训练一个具有相同稀疏系数解的相对应于高低分辨率图像块的字典对,在此基础上利用自然图像本身具有的局部自回归性先验知识来对图像进行处理,经过模型的训练和选择引入正则化项,实现图像的局部约束,从而完整构造了基于正则化的稀疏编码目标函数,为了进一步实现图像去模糊得到清晰图像,利用退化模型实现全局约束.实验结果表明:与Bicubic、NE和SCR等算法相比,本文算法在主观视觉效果和客观评价指标方面都有了一定地提升.     

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.     

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。     

基于全变差和P-Laplace模型的混合图像修复算法

图像修复是近年来图像处理研究的主要问题之一.在基于偏微分方程的修复算法中,全变差(total variation,TV)模型能够很好地保护图像边缘信息,但其各向异性扩散方式在平坦区域容易产生阶梯效应;而在图像平坦区域具有良好修复效果的P-Laplace模型,其各向同性扩散方式不适于修复图像边缘信息.将TV模型和P-Laplace模型有机结合起来,提出了一种混合图像修复算法.提出的扩散控制参数k能够根据待修复像素所在区域调节两种信息扩散方式的重要程度,实现混合图像修复.实验结果表明,所提算法获得了更好的修复结果.     

一类退化抛物型方程反问题的全变差正则化方法

研究了一类利用附加条件重构二阶退化抛物型方程辐射系数的反问题.基于最优控制理论,利用全变差正则化方法,将原问题转化为一个优化问题.文中的附加条件并非通常意义下的终端观测值,而是平均意义下的观测数据.由于全变差的不可微性,很难处理控制问题唯一最优解的证明,为了克服这一困难,引入了一个磨光全变差正则化项,进而讨论了最优解的存在性和所满足的必要条件,最终在假设终端时刻比较小的情况下,证明了极小元的唯一性和稳定性.     

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.