微扫描超分辨率超声成像技术研究

针对提高超声成像的分辨率问题展开研究,提出了微扫描超分辨率超声成像的方法.通过将微扫描和超分辨率技术结合并应用于超声成像中,微扫描技术获取满足超分辨率技术的多幅低分辨率图像,然后应用超分辨率图像重建算法获取高分辨力图像,并对此过程进行了仿真.仿真结果表明:提出的基于微扫描的超分辨率超声成像方法在实际应用中有一定的可行性,对提高超声成像设备的分辨率具有参考价值.     

基于改进相干因子的延时乘累加平面波超声成像

针对超声回波信号高相关性特性，提出一种基于改进相干因子的延时乘累加(pCF-DMAS)波束形成算法并应用至平面波超声成像.该算法通过增强相干因子的相干性来计算回波信号的权值，然后进行乘累加运算.通过使用Field II进行超声点目标和囊肿目标的仿真实验，对成像结果进行分析验证了算法的有效性.仿真结果表明，算法具有优秀的横向分辨率，在p取0.7时具有所有对比算法中的最高对比度.综合点目标和囊肿目标的成像效果，给出算法的最优p值0.3.相比延时叠加和延时乘累加波束形成算法，所提算法的图像对比度CR分别提高了12.559，9.602dB.     

用于CMOS图像器件的超分辨率算法研究

提出一种基于CMOS图像器件的超分辨率图像合成算法,该方法将4幅沿水平、垂直及对角线方向错位获取的CMOS图像重新组合,得到一幅重建的新图像.对重建图像的像素灰度进行了理论分析和计算,求出了重建超分辨率图像的算法.结果表明,在不提高CMOS工艺水平的条件下,该算法能将重建的CMOS图像的分辨率提高到原图像的2×2倍.实现了CMOS图像器件的超分辨率图像合成算法.对该算法进行了计算机仿真,结果同理论分析计算的结果完全一致,证明了所提出的CMOS图像器件超分辨率算法是正确的.     

基于凸集投影算法的被动毫米波图像超分辨率恢复

为了提高被动毫米波图像分辨率,该文将凸集投影算法(POCS)应用于被动毫米波图像的超分辨率恢复中.文章对引起被动毫米波成像系统图像降质的因素进行了分析和讨论,建立了成像模型,结合POCS算法原理,利用图像的噪声统计特性以及幅度约束条件,对POCS算法用于被动毫米波图像的超分辨率恢复进行了详细分析,并给出了算法流程.仿真结果表明:POCS算法用于被动毫米波图像的超分辨率恢复相对双线性差值方法恢复效果有明显改善.     

提高超声C扫描图像分辨率的插值方法研究

根据超声C扫描成像原理,分析了采样间隔对超声C扫描图像分辨率的影响.采用一种基于局部协方差特征的边缘自适应图像插值方法来提高C扫描图像的分辨率,同时将图像局部均方差作为边缘特征判据,使算法得到了简化.该方法根据低分辨率图像的局部协方差估计出高分辨率图像的插值加权系数,能够在放大图像的同时保留图像的边缘特征.试验结果表明,基于局部协方差特征的图像插值方法明显提高了C扫描图像分辨率,并且减小了边缘模糊效应,因此降低了采样间隔对图像分辨率的影响,提高了图像中缺陷分布评价结果的准确性.     

基于弧形阵列的板中超声导波成像检测

弧形阵列对其所在圆弧中心的重点区域进行超声导波成像检测,具有比直线阵列成像更高的横向分辨率。该文介绍了板中超声导波弧形阵列成像检测实验系统构成,详细分析了弧形阵列聚焦图像的椭圆簇轨迹特征,结合合成孔径聚焦讨论了其成像原理。该椭圆簇轨迹特征可用以分析、解释、改进图像的横向分辨率。成像实验表明:基于椭圆簇轨迹特征的合成孔径聚焦原理可用于弧形阵列成像检测,适当减小成像采样步距可使图像灰度更加平滑,成像采样距离为导波波长的1/3时成像效果最好;在圆心角小于散射点的声波散射开角时,增大阵元间距和弧形阵列圆心角可显著提高图像横向分辨率。该研究有助于将弧形阵列超声导波成像技术应用于大尺度板结构无损检测。     

基于反卷积算法的超声图像优化方法

超声成像技术因其无侵入、低成本、快速、可便携化的特性，成为医学成像领域的一大研究热点.然而，受限于声波的传播特性、成像算法的弊端以及硬件发展，超声图像存在成像深度小、大量伪影、分辨率低等问题.针对超声图像中的目标混叠和分辨率低下问题，提出了一种基于信号处理的超声图像优化方法，通过反卷积算法对超声探头采集到的原始信号进行处理，再将处理后的信号按照延时求和成像算法重建为图像.提出的方法可以减轻信号间的混叠，最终减轻图像中的混叠，令图像中原本难以辨认的微小结构和细节信息得以展现.通过仿真和实验证明，经过处理后的信号所重建的图像质量优于原始信号所重建的图像，验证了提出的信号处理方法的有效性.     

基于提升小波变换与改进空间投影结合的图像匹配算法

针对标准投影算法在图像匹配中存在抗噪性差的缺点,文中提出了一种基于提升小波变换与改进空间投影结合的图像匹配算法.首先,通过提升小波变换得到多分辨率图像,对最低分辨率图像应用空间投影算法进行匹配,然后,将得到的粗匹配候选点集应用到高一级分辨率图像的匹配中,最后,应用归一化互相关匹配算法计算最终的精匹配点.仿真结果表明,相比其它的改进算法,该算法的匹配准确度和鲁棒性显著提高.     

一种双站合成孔径雷达的高分辨率成像与合成方法

针对合成孔径雷达难以提高系统固有分辨率,分析了双站合成孔径雷达之间的频谱关系,提出了一种距离向分辨率自动合成方法.基于该方法,双站合成孔径雷达高分辨率成像处理流程可以分为2步:首先,采用改进的双站非线性Chirp-Scaling算法得到高质量的子图像对;然后,利用子图像对之间存在的频谱偏移关系,利用分辨率自动合成算法将子图像对合成为分辨率更高的图像,从而完成双站合成孔径雷达的高分辨率成像处理.仿真结果表明,该处理技术及成像方法可以得到较好的高分辨率成像效果.     

基于正则化方法的毫米波图像亮温反演

为了提高毫米波辐射图像的分辨率,该文采用正则化的方法对毫米波图像进行亮温反演。根据毫米波辐射图像的退化因素,分析了毫米波辐射计天线的亮温模型,给出了毫米波图像的离散退化函数。引入半二次正则化方法对毫米波图像进行亮温反演,该方法可以将图像退化函数从病态方程转换成确定性迭代算法,从而快速解出高分辨毫米波辐射图像。仿真结果表明该方法有效地提高了图像的分辨率,且所需时间短,满足实时性的要求。     

遥感影像双线性插值小波融合方法

在进行同一地物的具有高空间分辨率的全色影像和多光谱遥感图像融合时，应用双线性插值的方法对多光谱图像进行插值，使之等于全色图像的空间分辨率．在此基础上，对两幅影像分别实施小波变换，提出了小波系数的融合运算公式．同时，为了说明本方法的可靠性，将其与近邻插值的小波变换、色彩变换(IHS)、Brovery变换等融合算法作了对比．仿真结果表明，该算法在提高影像空间分辨率的同时，图像的光谱信息损失最少．不失为一种较为理想的融合算法．     

基于SQI的超分辨率图像重建算法

提出了一种基于自商图像(Self Quotient Image-SQI)的超分辨率图像重建算法.该方法首先利用SQI提取光照不变量作为图像特征,并假设光反射分量具有分段平滑的特性,近似认为每一个小的图像块具有相同的增益系数;然后在流形学习的框架下,借助局部线性嵌套的思想构建高分辨率图像和低分辨率图像块间的关系,从而实现了超分辨率重建和图像增强.仿真结果表明,该算法有效地克服了传统方法受光照因素影响的缺点,在提高分辨率的同时克服了光照因素的影响,特别是对阴影效应的消除具有明显效果.     

基于字典学习的超分辨率显微CT图像重建

为提高显微CT重建图像的空间分辨率,提出了一种基于字典学习的超分辨率图像重建算法.首先,将重建图像进行网格细化,并使用面积权值模型实现对投影过程的精确建模.然后,选择高质量的图像作为训练样本,采用K-SVD算法构建图像字典.基于该图像字典,利用正交匹配追踪算法实现对重建图像的稀疏表达,并以此作为稀疏项约束引入到重建算法的目标函数中.最后,使用梯度下降法求解目标函数.实验结果表明:与传统的基于插值的超分辨率重建算法相比,所提算法的超分辨率结果在图像对比度、边缘保持方面具有优势,并且保留了更多的图像高频信息,从而有效提高了重建图像的空间分辨率.     

基于半耦合字典的快速图像超分辨率重建算法

为了提高图像超分辨率重建的效率与质量,考虑到高、低分辨率稀疏表示系数的不同,改进了锚定邻域回归算法,并结合半耦合字典学习算法提出了一种快速图像超分辨率重建算法.首先采用半耦合字典学习算法得到高分辨率字典、低分辨率字典及映射矩阵;再采用岭回归算法求解低分辨率稀疏表示系数,并根据高分辨率稀疏表示系数与低分辨率稀疏表示系数之间的映射关系,得到高分辨率稀疏表示系数;然后,根据输入图像块特征寻找字典中与其最相关的字典原子,计算该字典原子所对应的投影矩阵,进行超分辨率重建.仿真结果表明:提出的算法不仅在重建速度上表现更快,重建图像的质量也得到提高,在客观指标和主观效果上均取得更好的效果.     

基于小波变换的光声成像算法

为了进一步提高光声重建图像的质量,利用小波变换的多维多分辨率特性对光声图像进行消噪,将小波包的分解和重构理论与统计差值相结合对光声图像的细节部分进行增强。由仿真和实验结果表明,重建图像经过小波降噪和图像增强后,其对比度相对滤波反投影算法的光声像得到了明显的提高,其分辨率由0.55 mm提高到0.48 mm,该算法将为病变组织的正确诊断与治疗提供了更高的精度和准确度。     

基于线性预测外推的高分辨率雷达成像

为了提高实验室合成孔径雷达(SAR)成像系统的分辨率,采用自回归(AR)模型,对采集到的数据进行距离向和方位向上的线性预测外推,对外推后的数据进行快速傅里叶变换(FFT)。实验结果表明,相比于传统的快速傅里叶变换成像算法,在同样的硬件条件下,使用该方法可以提高该系统的纵向及横向的分辨率,得到更清晰的雷达图像,或使用较小孔径长度就可以获得相同质量的雷达图像;并且该算法计算速度较快,易于操作,便于在系统上实现实时成像。     

基于加权因子的双重延时乘累加波束形成算法

针对超声成像中双重延时乘累加算法不适用于高噪声环境的问题,提出一种基于均值-标准差加权因子的双重延时乘累加算法,即RD-DMAS算法.该加权因子对解决高噪声带来的图像斑点问题具有显著效果,而双重延时乘累加波束形成算法能大幅提高超声成像分辨率,使所提算法能得到高分辨率和高对比度的重建图像.对该算法在点散射目标仿体、囊肿仿...     

基于盲反卷积的超分辨率图像盲复原算法

为解决超分辨率图像盲复原问题,研究了一种广义图像降质模型及广义超分辨率图像盲复原算法模型.提出了基于TVBD的交替最小化超分辨率图像盲复原算法,并加以改进以改善复原效果;通过结合MSAA算法,提出了基于TV交替最小化的快速中值超分辨率图像盲复原算法,排除野值干扰,提高算法精度和速度;根据峰值信噪比和误差平方和,提出两种新的客观评价指标,衡量各算法的复原效果.实验表明,本文算法有效实现了超分辨率图像盲复原,并提高了复原精度.     

联合稀疏表示和总变分正则化的超分辨率重建方法

为提高基于稀疏表示的图像超分辨率重建的质量,该文提出了联合稀疏表示与总变分正则化的超分辨率重建算法。首先,在字典训练阶段,从具有相似统计特征的训练图片中获取图像块,作为训练字典的样本,并用K-SVD算法进行字典训练,得到高、低分辨率的字典。在稀疏编码阶段,根据局部稀疏编码模型求解出低分辨图像的稀疏表示系数,再利用稀疏表示系数和高分辨率字典对输入低分辨率图像进行重建,得到高分辨率图像。最后,将重建得到的高分辨率图像进行总变分正则化优化,进一步提高重建效果。仿真实验结果表明,该算法在客观评价指标和主观视觉效果上,图像质量都有明显提高。     

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。