锥束 X-射线 CT 投影数据的仿真

研究 CT 图像优化问题,针对提高精确性和有效性,传统的解析方法很难应用于几何形状比较复杂的物体.为了提高CT 图像重建精度,提出从离散化图像的 Radon 变换,推导出一种模拟 X-射线投影数据的模型,并提出采用模型的快速计算方法.模型不受物体内部几何形状和扫描轨迹限制,用于数字化灰度图像.利用上述方法对三维 SHEPP-LOGAN 模型的投影数据进行仿真,并对得到的数据采用 OS-EM 算法进行重建.结果表明,提高了图像精度,进一步验证了方法的有效性.     

基于连续X射线谱的CT重建算法仿真

关于提高CT图像精度的问题,传统的CT重建算法都是基于X射线源是单色源的假设,忽略了X射线的多色性.直接用多色投影数据进行图像重建易产生金属、硬化等伪影,降低图像质量,影响CT值标定,从而影响医学或工业诊断.考虑到X射线能谱的连续性,采用仿真手段实现连续X射线谱的统计重建.首先将连续X射线谱离散成若干单能谱,再根据待检工件的材质信息以及射线能量所对应的质量衰减系数,构建基于连续X射线谱的工件材质模型;最后利用多能统计重建算法对多能投影数据进行迭代重建.仿真结果表明,算法充分地利用了X射线的多能性,在一定程度上可以有效地降低图像伪影,提高CT重建图像质量.     

基于折射角的稀疏投影角度相衬CT图像重建

已有基于X射线吸收衬度机制的计算机断层成像( CT)技术很难对由轻元素构成的弱吸收物质进行高质量成像。 X射线相位衬度CT成像是对弱吸收物质具有超高分辨率的一种CT技术,但该技术成像时间长、所需X射线辐射剂量大,不利于临床推广应用,因此,研究稀疏投影角度条件下的X射线相位衬度CT图像重建问题,基于压缩感知图像重建理论,使用折射角信息减少X射线辐射剂量,提出一种X射线相位衬度CT图像重建算法。实验结果表明,与滤波反投影算法相比,该算法在稀疏投影角度下可以得到较高质量的重建图像,在实际数据实验中能获得较高的峰值信噪比和数值准确性。     

基于先验知识的单视图三维点云重建算法研究

单幅图像的三维重建是一个不适定问题,由于图像与三维模型间存在的表示模式差异,通常存在物体自遮挡、低光照、多类对象等情况,针对目前单幅图像三维模型重建中重建模型具有歧义性的问题,提出了一种基于先验信息指导的多几何角度约束的三维点云模型重建方法。首先,通过预训练三维点云自编码器获得先验知识,并最小化输入图像特征向量与点云特征向量的差异,使得输入图像特征分布逼近点云特征分布;然后,利用可微投影模块将图像的三维点云表示形式从不同视角投影到二维平面;最后,通过最小化投影图与数据集中真实投影图的差异,优化初始重建点云。在ShapeNet和Pix3D数据集上与其他方法的定量定性比较结果表明了该方法的有效性。     

一种基于POCS约束的图像代数重建算法

不完全投影数据的代数重建问题一直是CT应用中的热点问题.通过对相互垂直角度投影图像之间的关系分析,文中提出一种改进的代数重建(ART)算法.该算法采用记录射线穿过网格编号和射线与网格相交长度的方法计算投影系数矩阵,并在反投影过程中对不完全投影数据采用凸集投影约束的方法进行重建.实验表明该算法与ART算法相比,图像重建的速度与图像重建的质量都得到较大提高.     

基于Shepp-Logan头模型的锥束CT仿真投影快速计算

针对三维Shepp-Logan头模型投影仿真,提出了一种快速并行投影计算方法。首先依次计算三维射线与各椭球的交点,然后对交点序列进行排序,用排序后的交点序列来确定射线穿过模型的区域编号及长度,最后将每个区域内的投影累加得到射线的投影值。在此基础上,将计算任务分解为4个独立的子任务,通过多线程技术在多核平台上实现了锥束CT仿真投影的快速并行计算。实验结果表明,该方法非常有效,在四核平台上取得了约3.5倍的加速比;图像重建结果验证了该方法生成的投影数据是准确的。     

一种新的基于平面检测器的锥形束体积重建算法

由于锥形束体积重建算法具有较高的获取投影数据的速度、较大的 X射线利用率及能保持重建物体的空间和密度各向同性等方面的优点 ,因而引起了人们的广泛关注 .针对锥顶轨迹为单圆的锥形束体积重建问题 ,提出了一种基于平面检测器的 T- FDK算法 (简称 FT- FDK算法 ) .该算法首先将锥形束投影数据重排为倾斜平行投影数据 ,然后再经过加权滤波和反投影重建来得到待测物体的三维结构 .实验结果表明 ,该算法不仅与传统的 FDK算法有相同的计算复杂度 ,且重建图象的质量有了明显的提高 ,因而该算法在医学成像和无损探伤等领域具有重要的实用价值 .     

一种基于深度和颜色的3D表面重建方法

为了快速、有效地对三维物体的表面进行重建，提出了一种基于深度和颜色的3D表面重建方法。该方法利用同一物体在空间稀疏分布的不同视点下的多幅深度图像，根据3D物体表面同一点在不同深度图像上颜色和纹理的一致性，通过逆投影变换，可将图像中像素点映射到三维空间中的正确位置。然后在以物体为中心的单个坐标系下，进行数据融合，可得到三维物体表面各点的三维数据。实验结果表明该方法具有复杂度恒定、获取图像真实感强等优点，适用于形状、结构草杂的物体重建。     

基于SIFT特征和ISM的X射线图像危险品检测方法

针对行李安检时X射线图像中的危险品检测问题,提出一种基于尺度不变特征变换(SIFT)和隐式形状模型(ISM)的检测方法。首先,采集不同姿态的危险品X射线图像,并标注目标位置,构建训练数据集。然后,通过SIFT算法提取目标关键点,并以此构建目标的ISM模型。在检测过程中,将提取的目标SIFT描述符与ISM模型中的视觉描述符进行匹配,通过投票机制来判断目标是否为危险品。通过手枪和酒瓶的检测实验表明,该方法能够从X射线图像中准确检测出危险品,且对目标姿态变化具有鲁棒性。     

三维时频变换视角的智能微观三维形貌重建方法

基于图像聚焦信息的三维形貌重建方法通常对微观物体的景深图像序列采用统一的聚焦评价标准,这类重建方法往往会忽视图像序列之间的联系,难以修正图像纹理稀疏或低对比度导致的连续帧深度误差.鉴于三维数据特有的多维度信息关联特性,本文将微观物体的不同景深图像序列视为三维数据,在重建过程中引入全部图像序列之间的关联关系,从三维数据时频变换的视角构造了以多视角分析、稳定性聚类、选择性融合逻辑耦合的微观三维形貌重建框架.首先从理论上分析三维数据相较于传统二维图像处理重建问题的优势,通过构造三维时频变换实现三维数据到不同尺度、区域和方向深度图像之间的映射;然后从增强深度图像特征的角度构建基于多模态纹理特征的局部稳定性聚类算法,实现同质性较好深度图像的自适应选择;最后提出选择性深度图像融合的策略,通过构造层筛过滤平衡树对滤除离散噪声后的多层深度图像进行融合,实现微观物体高精度的三维形貌重建.模拟数据与真实场景数据均验证了本文方法的有效性.三维时频变换视角的智能微观三维重建方法为基于图像聚焦信息的三维形貌重建提供一个崭新的研究视角,在精密制造、亚微米级工业测量等领域具有重要的理论意义和应用价值.     

误差云映射的深度融合3维重建

描述了一种应用于视频序列的3维稠密重建方法,主要针对基于多深度图恢复3维物体时存在的多对一映射重复投影问题,提出基于误差云概念的3维定点优化方法.该方法首先通过深度矫正,增加视频序列深度图的一致性;其次利用投影过滤分类算法,把所有投影点按照多对一映射的关系,以3维空间中所有不同点为类型,进行投影点依次映射,将每一点划分在各自的误差云类中以求得投影点与3维点的对应关系;随后采用空间高斯分布求出每个误差云所恢复出来的点坐标.最后通过多边形技术对恢复的点云数据进行网格化,使其重建出精确的目标物体或场景的3维轮廓.从实验结果可以观察到,本文3维重建方法可以有效减少深度图融合多对一映射重复投影问题所带来的负面影响,使重建结果更加接近于真实物体,达到较好的效果.     

三维锥束CT投影数据的模拟

三维锥束CT是目前研究的热点,也是医学CT和工业CT的发展方向。三维重建算法的可靠性和准确性的研究过程中,模型的设计以及投影数据的模拟是必不可少的一部分。本文详细介绍了3DShepp-Logan头部模型的设计思路、推导了等距锥束射线投影仿真公式,基于3DShepp-Logan头部模型进行了投影数据模拟,并利用FDK算法的重建结果验证了思路的可行性和模型计算的准确性。     

基于VR技术的X射线图像安检危险品自动识别

针对当前X射线图像安检危险品识别方法未采集模糊静态图像目标,导致安检危险品图像呈现效果较差、危险品识别率较低、识别时间较长的问题,提出了基于VR技术的X射线图像安检危险品自动识别方法。通过X射线获取安检危险品成像,采用VR技术采集模糊静态图像目标,利用光学成像原理分层处理模糊静态图像目标,获取模糊静态图像目标亮度层和细...     

Tomographic Reconstruction of 3D Objects Using Marked Point Process Framework

For reconstructing sparse volumes of 3D objects from projection images taken from different viewing directions, several volumetric reconstruction techniques are available. Most popular volume reconstruction methods are algebraic algorithms (e.g. the multiplicative algebraic reconstruction technique, MART). These methods which belong to voxel-oriented class allow volume to be reconstructed by computing each voxel intensity. A new class of tomographic reconstruction methods, called “object-oriented” approach, has recently emerged and was used in the Tomographic Particle Image Velocimetry technique (Tomo-PIV). In this paper, we propose an object-oriented approach, called Iterative Object Detection—Object Volume Reconstruction based on Marked Point Process (IOD-OVRMPP), to reconstruct the volume of 3D objects from projection images of 2D objects. Our approach allows the problem to be solved in a parsimonious way by minimizing an energy function based on a least squares criterion. Each object belonging to 2D or 3D space is identified by its continuous position and a set of features (marks). In order to optimize the population of objects, we use a simulated annealing algorithm which provides a “Maximum A Posteriori” estimation. To test our approach, we apply it to the field of Tomo-PIV where the volume reconstruction process is one of the most important steps in the analysis of volumetric flow. Finally, using synthetic data, we show that the proposed approach is able to reconstruct densely seeded flows.     

Three-Dimensional Measurement Using Structured Light Based on Deep Learning

Three-dimensional (3D) reconstruction using structured light projection has the characteristics of non-contact, high precision, easy operation, and strong real-time performance. However, for actual measurement, projection modulated images are disturbed by electronic noise or other interference, which reduces the precision of the measurement system. To solve this problem, a 3D measurement algorithm of structured light based on deep learning is proposed. The end-to-end multi-convolution neural network model is designed to separately extract the coarse- and fine-layer features of a 3D image. The point-cloud model is obtained by nonlinear regression. The weighting coefficient loss function is introduced to the multi-convolution neural network, and the point-cloud data are continuously optimized to obtain the 3D reconstruction model. To verify the effectiveness of the method, image datasets of different 3D gypsum models were collected, trained, and tested using the above method. Experimental results show that the algorithm effectively eliminates external light environmental interference, avoids the influence of object shape, and achieves higher stability and precision. The proposed method is proved to be effective for regular objects.     

轴对称物体X射线层析成像的正则化方法

论述了由单幅X射线投影进行轴对称物体密度重建的正则化方法。正则化模型的建立根据被重建物体的先验信息确定,对这一数学模型的求解转化为解对称正定线性代数方程组的问题,数值实现容易。仿真计算结果显示了重建方法关于密度界面位置和函数值的精度,验证了正则化方法的抗噪性,保证了测量数据的微小误差不会引起数值解的强烈抖动。     

锥束CT感兴趣区域图像重建研究

针对锥束CT感兴趣区域扫描中存在的截断投影数据图像重建问题,提出用基于迭代的代数重建(ART)算法进行重建。锥束ART算法的缺点是计算量大、重建速度慢。为了提高该算法的重建速度,提出了一种基于多核平台的快速并行图像重建方法。首先将三维重建区域等分为上下两块,相应地,探测器平面也分为上下两部分;然后通过双线性插值计算虚拟探测器投影数据;最后通过多线程技术在多核平台上实现了ART算法的并行重建,在保持较高重建精度的同时取得了约两倍的重建加速比。在此基础上,通过仿真实验对3DShepp-Logan模型不同感兴趣区域进行了重建,实验结果表明,ART算法用于感兴趣区域图像重建是可行的。     

Plane-based optimization for 3D object reconstruction from single line drawings

In previous optimization-based methods of 3D planar-faced object reconstruction from single 2D line drawings, the missing depths of the vertices of a line drawing (and other parameters in some methods) are used as the variables of the objective functions. A 3D object with planar faces is derived by finding values for these variables that minimize the objective functions. These methods work well for simple objects with a small number N of variables. As N grows, however, it is very difficult for them to find expected objects. This is because with the nonlinear objective functions in a space of large dimension N, the search for optimal solutions can easily get trapped into local minima. In this paper, we use the parameters of the planes that pass through the planar faces of an object as the variables of the objective function. This leads to a set of linear constraints on the planes of the object, resulting in a much lower dimensional nullspace where optimization is easier to achieve. We prove that the dimension of this nullspace is exactly equal to the minimum number of vertex depths which define the 3D object. Since a practical line drawing is usually not an exact projection of a 3D object, we expand the nullspace to a larger space based on the singular value decomposition of the projection matrix of the line drawing. In this space, robust 3D reconstruction can be achieved. Compared with two most related methods, our method not only can reconstruct more complex 3D objects from 2D line drawings, but also is computationally more efficient.     

用模拟退火方法实现从两张相互垂直的二维投影图像还原三维物体

本研究实现了从0/1矩阵的横向、纵向和还原出矩阵,这个方法在三维重建中有广泛的用途。本研究成功地从两张相互垂直的人体腿部模型的投影还原出三维模型,并且误差非常小,从而证明了此方法在三维重建中非常有效。