工业CT四轴运动控制系统的实现及误差分析

锥束工业CT机械运动控制系统的稳定性以及运动误差对图像重建有着很大的影响。为了保证图像重建的质量,在项目中搭建了四轴运动控制平台,并基于VC++6.0包含的MFC对锥束CT机械运动控制系统进行了界面开发。通过多人多次实验对运动控制系统的定位误差进行了检测,同时模拟了不同轴的定位误差对图像重建的影响。实验结果表明它的稳定性较好,运动误差保持在15μm以内。水平运动轴的定位误差对图像重建影响较小,升降运动轴误差较大时对重建图像影响较大,旋转轴的定位误差对重建图像影响比较大,实验中应尽可能地减小定位误差。     

基于多组耦合字典及交替学习的图像超分辨率重建

本文提出多组耦合字典及其交替学习算法,实现图像超分辨率重建. 在字典学习阶段将训练图像视为高分辨率图像,将它先缩小再放大得到低分辨率图像. 两图像之差为残差图像. 从残差图像块和低分辨率图像块特征的联合数据中学习耦合字典,得到残差图像和低分辨率图像间的映射关系. 针对图像块具有不同纹理和结构以及
字典学习效率的问题,提出多组耦合字典和字典交替学习算法. 在重建阶段先将输入图像插值放大,视为低分辨率图像. 求出低分辨率图像块对于每组耦合字典中低分辨率部分的稀疏表示误差,取表示误差最小的耦合字典中残差部分重建残差图像,与低分辨率图像融合得到高分辨率图像. 实验结果表明该方法具有良好的重建效果.     

术前计划系统中CT造影图像的配准

肾脏术前计划系统首先需要实现肾脏CT造影信息的融合,实现该信息融合需要进行以肾脏为中心的腹部三维CT造影图像的配准.本文首先采用基于DDCM可形变模型的半自动分割方法从CT扫描图像中分割出肾脏轮廓线,然后对轮廓线进行重建得到肾脏的二值体数据,该二值体数据膨胀后与原CT扫描图像重建出的灰度体数据求交,即得到完全包含肾脏的灰度体数据,最后采用互信息最大化的方法对重建得到的肾脏体数据进行配准.本文分析了配准过程中初始化参数对局部极值产生的影响,并应用几何矩的性质进行参数初始化,避免陷入局部极值.实验结果表明,本文方法能够实现以肾脏为中心的术前CT造影图像的配准,并且配准的精度和速度能够满足实际应用的需要.     

基于级联残差对抗生成网络的超分辨重建

图像超分辨率技术在遥感领域的应用越来越多,卷积神经网络(Convolutional neural network, CNN)在图像超分辨率任务方面取得了比传统方法更显著的改进。为了解决超分辨重建算法重建图像细节不清晰的问题,对基于对抗生成网络的超分辨重建算法进行了研究,以恢复接近人眼感知质量的超分辨重建图像。对抗生成网络分为生成器子模块和判别器子模块,生成器模块提取的低频图像特征在进入残差块前进行分组卷积,达到了降低参数量的目的。每3个残差块构成一个级联块,级联块通过级联的方式聚合不同级联块之间图像的特征,以实现信息流传递到更加深层的网络中,经过上采样完成生成器中的图像重建过程。判别器网络用于判别是否为生成器重建图像和真实的高分辨率图像,在真实高分辨率图像的判别过程中提高模型能力。同时,研究了加入感知损失对超分辨重建图像的影响,使重建图片纹理细节更加丰富。实验结果表明,重建图像的峰值信噪比较原来算法提高了0.48 dB,结构相似度提高了0.023,该模型在主观视觉评价和客观量化评估上有所提升。     

基于深度卷积网络的红外遥感图像超分辨率重建

针对红外遥感图像的超分辨率重建问题,提出了一种深度卷积残差学习网络。通过加深网络来扩大感受野,使在重建过程中能够利用到更多的邻域信息,提高了重建图像质量。使用残差网络,使模型能够更好的学习到先前信息,在提高数据稀疏性的同时,提高了算法效率,在亚像素卷积层提高红外遥感图像的尺度。实验结果表明,与常用深度学习网络相比,该网络得到的重建图像具有更好的重建效果。     

基于稀疏表示的遥感图像超分辨重建

为了获取高质量的超分辨遥感图像,提出了一种改进特征提取算子的稀疏表示遥感图像超分辨率重建方法。该算法通过设置模板,对一阶和二阶梯度滤波算子进行改进,在有效提取低分辨率图像边缘特征的同时,减少噪声干扰。利用遥感图像库训练得到高、低分辨率图像块字典,再应用低分辨率图像块及其字典求出稀疏表示系数。高、低分辨率图像块具有相同的稀疏表示系数,可根据已求的稀疏表示系数得出超分辨重建图像。实验结果表明,改进算法的超分辨重建效果的客观评价指标,比以往稀疏表示超分辨方法有很大提高,峰值信噪比提高近0.24 dB,均方根误差降低近0.15。     

基于URQ模型的I帧码率控制

当目标码率较低时,在编码视频序列中周期性地插入I帧,会导致重建视频播放时出现“闪烁”现象. 为提高I帧重建质量,抑制“闪烁”,提出了一种基于URQ模型的I帧码率控制算法. 首先根据图像的运动趋势和复杂度将I帧划分为运动区域、图像复杂区域和平坦区域;然后依据人眼视觉系统对不同区域“闪烁”的敏感性,为视觉敏感区域分配更多的码率,其他区域分配较少码率;最后,利用URQ模型计算编码所需的量化参数值,实现对I帧的码率控制. 实验结果表明,所提算法能够在保证码率控制精度的前提下,有效抑制由于周期性插入I帧导致的视频“闪烁”现象,提高重建视频的整体主客观质量.     

新边缘导向插值对CT成像质量的影响研究

将新边缘导向插值方法应用于CT图像重建的投影域,对投影数据进行恢复,并采用滤波反投影算法重建图像,以解决CT稀疏采样中投影数据的不完备而导致重建图像质量较差的问题.实验结果表明,与经典的双线性插值算法相比,基于新边缘导向插值方法得到的投影数据重建出的图像质量更高.     

基于OpenCV的多重干扰点二维码图像检测研究

在快捷支付的生活中,手机扫描二维码图像时会因囊括其他非用户锁定的二维码而导致识别失败,用户需要重新扫描二维码才能解决该问题,降低了二维码使用的便捷率。本文提出了一种改进的轮廓定位检测方法,先将图像进行降噪处理和图像增强处理,然后再获取关键探测图形的位置,最后通过旋转与ROI区域选定生成标准二维码图像。实验结果表明,本方法可提高二维码图像的检测率。     

基于OpenCV的多重干扰点二维码图像检测研究

在快捷支付的生活中,手机扫描二维码图像时会因囊括其他非用户锁定的二维码而导致识别失败,用户需要重新扫描二维码才能解决该问题,降低了二维码使用的便捷率。本文提出了一种改进的轮廓定位检测方法,先将图像进行降噪处理和图像增强处理,然后再获取关键探测图形的位置,最后通过旋转与ROI区域选定生成标准二维码图像。实验结果表明,本方法可提高二维码图像的检测率。     

CT用于非人体目标几何体的三维重建

当被扫描物体存在镂空、遮挡和狭小空间时,需要大量图像拍摄或激光扫描工作;利用三维点云构建三角网格时,需要大量人工交互操作,且三维面绘制容易丢失特征信息。为解决上述问题,提出了采用CT对非人体目标几何体进行三维重建,再用体绘制进行显示的方法。基于医用CT对瓷器、陶器、木器和青铜器等材质的工艺品进行三维扫描,直接基于体绘制算法进行三维显示,同时提取CT图像轮廓点实现面绘制建模。结果表明,CT扫描重建精度高、体绘制效果好且人工工作量小、速度快。因此CT扫描及体绘制在非人体目标的三维重建中具有可行性,并且可以提高效率和精度。     

CT图像重建算法的改进

CT图像重建算法是医学影像学的主要研究领域,然而CT图像重建时不可避免地存在噪声、伪影,因此,需要研究一种新的算法对CT图像进行去噪处理,进而重建出低噪声、高分辨率的CT图像。基于此,本文提出基于过完备字典稀疏的去噪模型,并运用于CT图像去噪,同时将基于低秩矩阵分解应用于CT重建,核心思想是利用CT图像投影矩阵的稀疏特性,提出了一种新的CT图像重建法,其重建过程分成2个步骤:一个是过完备字典稀疏法(K-SVD)进行图像去噪预处理,一个是低秩矩阵分解(LRMD)更新CT图像。结果表明,提出的方法能更好地保持图像细节,低秩矩阵的特性使得算法的复杂度得以降低,提出的方法具有较好的去噪效果,提高了重建图像的质量。     

基于稀疏表示和块匹配的图像超分辨率重建方法

针对图像的超分辨率重建问题,提出一种基于稀疏表示和块匹配的重建方法.首先,根据图像退化模型将HR图像退化成LR图像.然后,通过训练获得过完备字典,对图像重建问题进行稀疏表示,并对此进行求解.最后,利用重叠块技术缓解块效应,利用反向投影技术保证全局一致性,最终获得重建的HR图像.另外,将该方法扩展到多帧图像重建中,利用块匹配技术从多帧图像中选择出一个目标图像,以此实现重建.实验结果表明,该方法的重建图像具有较低的峰值信噪比.     

基于深度卷积神经网络的遥感图像超分辨率重建

针对基于卷积神经网络(Convolutional Neural Network,CNN)的遥感图像超分辨率重建算法训练时间较长问题,提出了一种超深的卷积神经网络来重建遥感低分辨率图像的方法。卷积神经网络共有20层,每层包含卷积层和非线性层,层与层之间采用级联的网络结构。其过程为从插值的低分辨率图像(Interpolated Low Resolution Image,ILR)中提取特征,将提取出来的特征通过残差学习预测到高频信息,ILR结合预测的高频信息重建出高分辨率图像(High-resolution Images,HR)。在训练过程中,通过梯度裁剪来防止梯度爆破,使训练保持平稳。实验表明,本文算法与其他算法相比较,主观视觉明显改善,客观评价指标显著提升。     

三偏心蝶阀模型参数化及重建的研究

描述了在阀门试验仿真系纺中利用ANSYSWorkbench有限元分析软件对三偏心蝶阀进行建模,参数化的过程.重点讨论了三维模型参数化的原则及模型重建过程中所要遵循的规律,并分析了模型参数化和重建二者之间的关系.     

木材缺陷重建图像的多核模型研究

针对基于应力波技术的木材无损检测算法中,重建后的木材缺陷图像与真实的木材缺陷图像差距较大,不能够准确地反应出真实情况下木材内部缺陷的大小和形状这一现状,采用多核模型进行优化重建算法,提高重建图像的准确率。以含有空洞的椴树木材为实验样本,利用多核模型优化重建的缺陷图像,提高重建图像的拟合度。根据采集到的数据建立点速度模型,对得到的点速度模型用多核模型进行优化,将多核模型优化的重建缺陷图像阈值分割处理,得到轮廓平滑、拟合度高的缺陷重建图像。研究结果表明,利用多核模型优化可以更加准确地反应出木材内部真实缺陷的情况,通过和其他方法的比较,证实了多核模型比其他模型更能准确表示木材内部缺陷,重建图像的拟合度更高,为提高木材缺陷重建图像提供了可行性方法,可为木材缺陷检测装置的设计提供参考。     

运用压缩感知理论的图像稀疏表示与重建

讨论了压缩感知理论用于图像稀疏重建的基本流程. 采用正交匹配追踪重建算法和正交归一化的随机高斯测量矩阵,对离散余弦变换和离散小波变换两种稀疏表示算法进行分析比较,通过调节实验图像的分块大小和采样率大小、采样率和稀疏表示算法对重构效果和效率的影响. 在图像的稀疏表示方面,离散余弦变换整体上比离散小波变换性能更好. 为了在重构效果与效率之间取得平衡,需要合理选择分块大小和采样率.     

基于PDE演化的视频图像序列超分辨率重建

在加权最小二乘的基础上,结合PDE正则化,提出了一种视频图像序列超分辨率重建的自适应滤波方法.详细讨论了运动补偿矩阵和权值矩阵的构成和性质,推导并给出了滤波器的递推公式.仿真试验表明该算法的重建结果相当有效,具有一定的自适应性和鲁棒性.     

基于学习的光学区域图像超分辨率重建算法的改进

针对基于学习的图像超分辨率重建存在着结果边缘模糊和速度比较低的问题,提出了通过将马尔科夫随机场运用到图像超分辨率重建,进行字典训练,随机选取训练图像块,并采用双三次插值方法放大图像颜色信息和图像的结构部分,将学习重建的图像和双三次插值得到的图像合并,得到最终结果。实验结果表明,运用峰值信噪比(Peak signal-to-noise ratio,PSNR)和结构相似性(Stractural similarity,SSIM)来客观评价图像重建效果,本文的算法重建图像效果较好,重建时间也有了一定的提高。     

一种改进的变分正则化CT重建算法

针对常规ART算法重建图像像素值不稳定,收敛速度慢的缺点,从正则化方法和求解不适定方程问题的数学角度入手,提出了能应用在CT重建中的一种改进的自适应变分正则法.该算法首先对投影数据进行ART重建,然后引入重建图像的梯度作为先验信息,并让梯度自适应下降,来改善重建结果.仿真实验表明,本文算法不仅很好地重建了完整图像的结构信息,还使重建图像更加平滑,收敛速度更快.