基于残差图分解与平滑块排列的低剂量CT投影降噪算法

针对低剂量CT(Computed Tomography)图像质量严重退化的问题,将平滑块排列(Smooth Patch Ordering,SPO)算法应用于低剂量CT投影降噪中,并通过残差图分解提取图像结构信息以进一步提高SPO算法的去噪性能.首先对低剂量CT投影进行SPO滤波得到初始的降噪投影,然后通过改进的形态分量分析(Morphological Component Analysis,MCA)方法将残差图分解为结构部分和噪声部分,并将残差图中提取的结构部分作为补偿投影,与降噪投影相加得到新的降噪投影.最后利用滤波反投影(Filtered-Back Projection,FBP)方法对新的降噪投影进行重建,获得重建的低剂量CT图像.实验结果证明,与其他传统算法相比,所提算法在低剂量CT重建图像的噪声抑制以及边缘、细节和结构等特征的保持方面都有明显的优越性.     

低剂量CT图像模型参数估计及统计去噪研究

由于提高低剂量CT图像的信噪比是低剂量CT获得有效临床应用的关键,为此,提出了一种低剂量CT投影域的自适应统计降噪算法.针对低剂量CT投影图像的非平稳高斯噪声特性,采用EM算法自适应地估计图像模型中的参数,并在此基础上对图像进行最大后验概率估计,从而达到图像降噪的目的.在对参数的估计过程中,引入MCMC的吉布斯采样技术,并在算法中引入两项初始化技术,从而减少了参数估计过程中的计算量,加快了算法的收敛速度.对仿真投影数据以及真实投影数据的实验结果表明,与传统算法相比,该算法在抑制噪声及保持分辨率方面均具有明显优势.     

基于改进各项异性扩散和小波变换的MLEM低剂量CT重建算法

为了解决低剂量CT重建图像受噪声污染严重的问题,提出了一种基于小波收缩和差分曲率各项异性扩散的MLEM低剂量CT重建算法.该算法首先采用最大似然期望最大化(Maximum Likelihood Expectation Maximization,MLEM)算法对低剂量投影数据进行重建.然后对重建后的图像进行小波变换,对包含噪声少的低频系数进行基于差分曲率的各项异性扩散,对高频系数进行软阈值处理.仿真结果表明:与常用重建算法相比,本文算法处理后的图像更清晰,可以更好地保持图像的纹理等细节信息.     

基于分数阶各向异性扩散和小波的MLEM低剂量CT重建算法

针对低剂量CT重建图像受噪声污染严重的问题,提出了一种基于分数阶各项异性扩散和小波的MLEM低剂量CT重建算法.首先,采用最大似然期望最大化(Maximum Likelihood Expectation Maximization,MLEM)算法重建低剂量投影数据.然后,将小波变换应用于图像,使得图像的低频系数部分集中了主要信息,而高频系数部分集中了边缘和噪声.最后,在低频系数部分进行基于差分的分数阶各项异性扩散,在高频系数部分进行软阈值处理.采用Shepp-Logan和Hot-Cold模型进行低剂量CT图像重建仿真,实验结果表明,本文算法在降低噪声和保持图像细节方面都优于其他算法.     

基于小波收缩及变指数和片相似的最小二乘重建算法

在低剂量计算机断层扫描(Computed Tomography,CT)重建方法中,针对最小二乘重建算法收敛速度慢,由于噪声而导致图像退化的问题,提出一种结合小波收缩以及基于变指数和片相似的最小二乘重建算法.它结合了小波收缩和各向异性扩散的优点,在最小二乘重建算法的每次迭代中对图像进行离散平稳小波分解,在小波域的高频部分使用小波收缩方法,低频部分使用基于变指数和片相似性的各向异性扩散进行消噪,最后用中值滤波处理图像残留的脉冲噪声点,从而进一步优化图像.仿真实验结果表明,混合去噪算法可以有效地去除低剂量图像的噪声,且在保持图像边缘和细节方面效果较好,从而可获得高质量的图像.     

基于MCMC方法的自适应低剂量CT图像去噪

针对低剂量CT图像的低信噪比的问题,提出了一种新的基于MCMC方法的低剂量CT投影图像的自适应降噪算法.该算法是在对投影图像先验模型中的平滑参数以及噪声方差进行自适应估计的基础上,求解理想投影图像在观察投影图像条件下的期望值,以此期望值作为理想投影图像的估计值,从而达到图像降噪的目的.其中对先验概率模型中的平滑参数以及非平稳噪声的方差在运用EM算法进行估计过程中,引入MCMC技术中的Gibbs采样,很好解决了参数估计中的计算问题,并在此基础上,通过再一次运用MCMC的Gibbs采样,以获得理想数据的条件期望值.计算机仿真实验以及真实投影图像的实验均表明了本文所提出的算法在低剂量CT图像降噪中能够取得良好的效果.     

基于正弦图恢复的CT局部重建算法

针对局部扫描过程中投影数据沿探测器方向截断的特点,提出一种基于正弦图数据恢复的扇束CT局部重建算法.算法首先基于截断正弦图提取的边缘信息对缺失投影数据进行扩充,接下来对未扩充完整的零值区域利用两侧已知的投影数据进行线性插值,最后依据扩充完整的投影数据经滤波反投影重建出局部图像.仿真和临床数据的重建结果表明,算法对直接利用局部截断投影数据重建图像中呈现的环形伪影有明显的抑制作用,且重建图像边缘清晰.     

基于先验图像约束压缩感知 多能CT重建算法

由不同材质构成且材质之间密度相差较大的工件进行单一能量CT重建时无法获取完整内部结构.为获得结构信息完整的高质量CT重建图像,研究了基于先验图像压缩感知多能重建方法.首先从低到高依次采集多个能量下的投影数据,并用凸集投影-全变分最小化(POCS-TVM)算法对最低能量的投影数据进行CT重建,然后,将重建好的图像作为先验信息,利用先验图像压缩感知算法(PICCS)对下一组能量下的投影进行重建,重建后的图像再次作为新的先验信息重复以上步骤,依此类推直到最高能量的数据重建,以此达到完整重建.结果表明该方法可以有效减少因投影缺失而导致的伪影并保护低密度边缘.     

基于Twomey算法的CT图像重建

针对不完全投影数据的CT图像重建,本文将原本用于反演微粒粒径分布的Twomey算法引入并应用到CT图像重建中。在代数迭代层面上把其与代数重建技术(ART)算法和同步迭代重建技术(SIRT)算法分析对比后进行了计算机模拟实验。仿真结果显示:本文算法所求得的解的精度要优于主流的ART和SIRT算法。     

一种自适应低剂量CT图像质量改善算法

针对低剂量CT(low-dose CT,LDCT)扫描会导致图像质量劣化问题,提出一种基于剪切波变换的低剂量CT图像质量改善算法.首先,利用Anscombe变换,将LDCT图像中的X射线量子噪声转化为近似服从Gaussian分布的噪声;其次,将变换后的LDCT图像转换成剪切波变换域并针对剪切波域上的低信噪比高频系数子带,利用剩余自相关功率改进噪声方差的计算精度并结合贝叶斯最大后验估计提取非噪声高频系数;最后,利用剪切波逆变换和Anscombe逆变换获得重构图像.大量的实验结果表明,该算法优于小波域的算法.其重构图像质量与基于小波域的算法相比,峰值信噪比(PSNR)平均提高52.2%,平均结构相似度(MSSIM)提高34.9%.     

Waveletdomain dilated network for fast low-dose CT image reconstruction

Low-dose CT has the advantages of low radiation and high efficiency, but the noise and artifacts with low-dose CT images reduce the reliability of diagnosis. In order to improve the quality of low-dose CT images, this paper attempts to enhance the visuals of reconstructed CT images in the wavelet domain, and improve the running speed by combining the multi-dilated convolution and subpixel, so that the model can be better deployed to the CT equipment. The data set of "2016 AAPM Low Dose CT image Challenge" is used to evaluate the proposed method. Experimental results show that the visuals of reconstructed CT images are better. Compared with RED-CNN, the average PSNR of the proposed method is improved by 0.1428dB (1mm) / 0.0939dB (3mm), and the running speed on the CPU and GPU is increased by more than 55% and 50%, respectively.     

一种DWT和DCT相结合的数字图像水印算法

提出一种DWT变换和DCT变换相结合的灰度图像数字水印算法。对二值水印图像进行置乱和混沌加密处理,将水印图像序列调制成正负序列。在水印的嵌入过程中,对载体图像进行小波变换,提取出其低频系数矩阵,将低频系数矩阵划分成4×4大小的子块,针对各子块进行DCT变换,采用正负量化的方法进行水印的嵌入。实验结果表明,该算法对JPEG压缩、加噪、剪切和滤波等攻击,具有良好的抵抗能力,鲁棒性较好。     

一种实用的CT二次侧数据远程传送装置的研制

给出了利用单片机串行通讯对电力系统CT二次侧电流进行远距离数字传送和接收的实用方法,使CT不全因二次侧开路而烧毁,抗干扰能力强、测量精度高,并能够直接提供A／D转换结果。本装置已应用于电力参数微机监控系统中,电压和电流测量精度达0．2级。     

小波变换在光栅图像处理中的应用

小波变换在信号分析、计算机视觉、视频图像分析、CT图像和地震勘测等领域有广泛应用,在变形光栅图像处理中可用以滤除噪声和消除频谱混叠等。介绍并实现了小波变换滤除噪声、消除频谱混叠的原理和实现过程。采用光栅三维扫描仪获取铁路导轨的光栅图像,点云拼接后对数据、图像     

CT图象处理中一种改进的中值滤波法

在传统中值滤波的基础上,根据扫描进入计算机后人体关节CT图象的特点,提出一种在消除孤立噪声、保护边缘的同时使图象边缘得到增强的改进中值滤波法。这种方法可以使CT图象处理具有高的准确性、实时性。     

基于DenseNet的低分辨CT影像肺腺癌组织学亚型分类

为了实现在低剂量、低分辨率CT扫描影像中对肺腺癌组织学亚型的分类鉴别,提出一种基于DenseNet的深度学习方法,从混合性磨玻璃结节（mGGNs）5 mm层厚的低分辨率CT影像中预测IAC和MIA病理分类. 从丽水市中心医院105例患者的105个5 mm层厚低分辨率CT图像中选取样本,划分训练集和测试集后,对训练集进行数据扩展,构建深度学习2D和3D DenseNet模型,分类鉴别IAC和MIA. 2D DenseNet模型的分类准确度为76.67%,敏感性为63.33%,特异性为90.00%,受试者工作特征曲线下的区域面积为0.888 9,显著优于3D DenseNet模型和其他几种深度学习网络模型. 深度学习技术,尤其是2D DenseNet模型,可辅助并指导医生在肺癌CT筛查中对患者的肺腺癌组织学亚型进行预判,特别是在图像分辨率较低的情况下,仍能够快速提供较为准确的诊断.     

基于BP网络的工业CT图像边缘检测

采用改进的BP算法,实现工业CT图像的边缘检测。本文构造了学习样本,可以在较短时间内训练得到权值矩阵,从而实现二值图像边缘检测。并在此基础上,综合灰度图像各位面的边缘提取结果,实现对灰度图像的边缘检测。通过对发动机CT图像的实验,证明利用本文得到的权值矩阵用于边缘检测,泛化性较好,抗噪能力强,能得到较为连续精细的边缘。     

一种新的基于密度的聚类与孤立点检测算法

目的 提出一种聚类分析的新算法，解决聚类和同时检测孤立点的问题．方法 结合SNN算法和LOF算法给出新算法-SNN_LOF算法原理：（1）建立相似度矩阵；（2）去除噪声；（3）密度；（4）标记核心点；（5）计算每个数据点的lrd值；（6）由核心对象出发来形成一个聚；（7）取出被作为噪声的数据点；（8）计算被定义为噪声数据的LOF值，输出被视为孤立点的数据点．编制算法程序实现聚类和孤立点检测．结果 用CURE数据集，DBSCAN聚类算法和SNN聚类算法结果相同，时间消耗是很接近的．但当数据上升到10000以上时，SNN_LOF算法聚类的效率明显要高于DBSCAN算法，同时也检测到了孤立点．结论 SNN_LOF算法可以在聚类的同时发现孤立点．在大数据量时，SNN_LOF算法的聚类时间效率明显要高于DBSCAN算法．