基于小波收缩减小磁共振图像截断伪影的方法

在磁共振成像（MRI）中，为了缩短成像时间并使图像保持较高的信噪比，往往只采集部分相位编码的磁共振信号进行图像重建，但在重建的图像上会出现截断伪影．在分析磁共振图像截断伪影特征的基础上，为了尽可能保留图像的细节特征，利用小波变换的多分辨率特性，对与截断伪影相关的细节子带进行小波收缩，并利用图像模板技术进一步消除图像背景区域的截断伪影和噪声．实验结果表明，该方法能有效地减小截断伪影，同时能更好地保持图像的细节特征．     

并行磁共振图像的非二次正则化保边性重建

针对并行磁共振在欠采样率较高情况下重建图像存在的混迭伪影和噪声问题,提出一种非二次正则化的保边性图像重建算法.基于SENSE技术,该算法以保边平滑性的非二次凸函数为正则化项,构建一个非二次代价函数,并运用非线性共轭梯度算法求解该最小化问题,实现并行磁共振图像的保边性重建.为了评价算法的有效性和鲁棒性,以归一化均方误差作为评价准则,分析并行磁共振欠采样率最大时真实数据和仿真数据的图像重建.结果表明,该算法显著减少欠采样率较高时并行磁共振图像的混迭伪影,并能够有效抑制噪声和保留边缘信息.相比于其他图像重建算法,该算法能够快速收敛.     

结合非线性GRAPPA与SENSE的并行磁共振成像

针对SENSE并行磁共振成像中采用补零缺失数据方法估计敏感度分布不准确性的问题,提出采用非线性GRAPPA方法估算缺失的K空间欠采样数据.计算并行线圈的敏感度分布,将这些敏感度分布应用于SENSE并行磁共振成像.采用不同加速因子的脑磁共振K空间欠采样数据以验证提出算法的重建性能.实验结果表明,与单一的非线性GRAPPA和SENSE重建算法相比,该混合NLGRAPPA-SENSE算法在加速因子较大时可以重建出更加准确的磁共振图像,具有更低的噪声功率(AP)和更高的信噪比(SNR)性能.     

多尺度残差网络模型的开放式电阻抗成像算法

针对开放式电阻抗成像（OEIT）的图像重建算法存在的成像精度低、对噪声敏感、重建图像伪影面积较大等问题,提出基于多尺度残差网络模型的OEIT算法. 该算法利用不同尺寸卷积核的残差块提取边界电压的多尺度特征;在完成特征拼接后,利用卷积实现深层信息融合,得到预测的电导率分布结果. 使用有限元法搭建OEIT正问题模型,构造“边界电压?电导率分布”数据集,将所提算法与其他算法在该数据集和实际模型实验中进行比较. 结果表明,所提算法使OEIT的重建精度、抗噪能力和定位目标准确性显著提高,并使检测目标的伪影面积缩小.     

改进的共轭梯度MRI压缩成像算法

为了缩短磁共振成像系统的扫描时间,压缩感知方法利用欠采样数据和非线性恢复算法实现系统的实时或准实时成像需求。通过联合考虑MRI图像在变换域和梯度域下的稀疏性,提出了一种基于预测线搜索方法的共轭梯度算法来重建磁共振图像。针对共轭梯度算法中线搜索次数过多和运行时间过长问题,采用基于预测的方法来优化搜索步长值,以此缩短算法执行时间和减少线搜索次数。仿真实验利用磁共振图像的10%、20%和30%的下采样数据进行图像重建,结果显示基于该预测线搜索方法的压缩成像算法执行时间少于回溯线搜索法的执行时间,重构图像质量优于零填充法和FR共轭梯度法,验证了该算法的有效性。     

融合边界条件的电阻抗图像重建仿真研究

结合成像目标的边界结构信息,提出一种新的改善电阻抗图像重建质量的方法．在生物医学电阻抗断层成像中,将传统采用圆形场域的重建模型改进为与人体胸腔边界近似的八边形场域,建立正问题数学模型,求解得到灵敏度系数矩阵,经等位线滤波反投影算法获得感兴趣区域的仿真分布图像．针对成像目标在场域中的不同分布情况,采用面积占空比对两种重建模型下的成像效果进行评价．图像及数据分析结果表明,改进方法重建图像伪影明显减少,面积占空比也更接近真实分布,提高了图像空间分辨率,达到了改善电阻抗重建图像质量的目的．     

一种有损压缩车牌图像重建算法

图像经过JEPG格式压缩后易存在方块伪影。针对此类有损压缩车牌图像,给出一种基于卷积神经网络的重建方法,据以通过非线性映射和重建减少压缩伪影。卷积神经网络分为特征提取层、特征增强层、非线性映射层和重建层。其中,特征提取层采用三个不同尺寸的卷积核提取特征,并对其进行融合,由此可捕捉更多图像细节信息。实验结果表明,采用该网络结构重建有损压缩车牌图像的效果较好,能明显减少重建后的方块伪影。     

基于改进的四阶各向异性扩散的中值先验重建算法

针对只能提供有限局部先验信息的最大后验法可以使重建后的图像出现阶梯状边缘伪影和过度平滑等缺点,提出了一种基于改进四阶各向异性扩散的中值先验重建算法.该算法首先在中值先验分布重建算法的目标函数中加入先验信息,用于保真图像的细节;然后针对重建图像依然存在块状伪影的问题,在每次迭代中对重建的图像进行改进的四阶偏微分降噪处理,从而使图像得到进一步的优化.仿真实验结果表明,该重建算法可以在对重建图像进行降噪的同时很好地保持图像的边缘和细节,获得高信噪比以及高质量的图像.     

基于字典学习与等效视数的低剂量 CT伪影抑制算法

针对低剂量CT图像出现条形伪影的现象,提出了一种基于字典学习与等效视数(ENL)的伪影抑制算法.该方法首先利用平稳小波变换(SWT)对低剂量CT图像进行单层分解,并对高频图像训练字典,然后利用等效视数(ENL)对字典进行分区得到伪影字典和特征字典,并只对特征原子进行稀疏编码,经小波逆变换(ISWT)后得到处理的CT图像;然后,采用双边滤波器对处理后的CT图像进行分解并训练高频字典,通过判断等效视数(ENL)来摒弃伪影字典,从而去除高频图像残留的伪影和噪声,达到抑制条形伪影的目的.实验结果表明,与总变分降噪算法、K-奇异值分解(K-SVD)算法和三维块匹配滤波(BM3D)算法对比,该算法在抑制条形伪影的同时保留了更多的边缘和细节信息,并具有较高的结构相似性和峰值信噪比.     

基于反馈网络的磁共振图像超分辨率重建研究

针对磁共振图像超分辨率重建算法存在的边缘信息丢失和运动伪影等问题,本文提出一种基于反馈网络的磁共振图像超分辨重建方法.采用反馈路径构成网络结构,在所提出的重建算法中,将输入图像进行上采样和下采样操作,提取图像特征,并对提取的特征进行融合后与输入图像一起进行局部循环训练,同时通过残差和卷积操作,重建超分辨率图像.为了更加...     

基于非局部均值的单帧图像超分辨率重建算法

为了解决单帧低分辨率图像获得高分辨率图像的问题,提出了一种基于非局部均值滤波的单帧图像超分辨率算法,将图像超分辨率重建视为反问题,建立正则化模型,充分考虑图像的局部结构信息和自然图像中不同尺度的相似性冗余,加入非局部滤波.实验结果表明,文中算法从单帧图像重建的图像边缘轮廓和纹理较传统算法清楚,有效抑制了人工伪影,同时对噪声具有鲁棒性.在视觉效果及峰值信噪比上都取得良好的结果.     

Reference-driven method for MR image reconstruction based on wavelet sparsity and nonlocal total variation

A novel reference-driven method for MR image reconstruction based on wavelet sparsity and nonlocal total variation (NLTV) is proposed. Utilizing the sparsity of the difference image between the target image and the motion-compensated reference image in wavelet transform domain, the proposed method does not need to estimate contrast changes and therefore increases computational efficiency. Additionally, NLTV regularization is applied to preserve image details and features without blocky effects. An efficient alternating iterative algorithm is used to estimate motion effects and reconstruct the difference image. Experimental results demonstrate that the proposed method can significantly reduce sampling rate or improve the quality of the reconstructed image alternatively.     

基于自适应阈值滤波的三维ECT重建算法

针对三维ECT迭代重建时,重建图像中含有大量伪迹且重建迭代次数多的问题,提出一种基于自适应阈值滤波的三维ECT重建算法.该算法融合Landweber迭代算法和模糊阈值滤波技术,在算法迭代过程中采用阈值滤波方式对三维ECT重建图像进行强化伪迹抑制.利用当前图像模糊度量最小属性确定阈值大小,给出了模糊阈值计算公式,并进行了三维图像重建的仿真和实验研究.结果表明,自适应阈值滤波方式能够显著减少重建图像中的伪迹和重建时间,所提算法具有良好的应用潜力.     

结合多特征的单幅图像超分辨率重建算法

为提高直接捕获的图像质量,针对梯度特征只能提取水平、垂直方向信息及非下采样轮廓波变换(NSCT)提取细节信息不足的缺陷,提出一种结合Gabor变换及NSCT的超分辨率重建算法.该算法充分利用Gabor变换和NSCT的互补性,针对输入图像块的特点,采用Gabor变换来提取纹理特征,NSCT来提取轮廓特征,然后分别利用稀疏模型进行重建,最后合并成一幅高分辨率图像.由于输入图像或多或少存在模糊,在重建过程中,加入了去模糊的正则项,以消除输入模糊的影响.实验结果表明,结合两种特征的超分辨率效果与单一特征相比,能够恢复更多的细节信息,去模糊正则项也有一定的作用.本文方法与Kim提出的核岭回归及Yang提出的稀疏表示算法(SCSR)相比,主观上视觉效果更加清晰,客观上PSNR值平均提高了近2d B,说明了该算法能够有效地提高图像的质量.     

一种改进条件生成对抗网络的图像去雾算法

针对现有去雾算法存在的颜色失真、细节丢失和一些肉眼可见的薄雾残留等问题，提出了一种改进条件生成对抗网络的去雾算法。首先，为了能更好地保留图像的底层纹理信息和结构信息，共享浅层和深层图像之间的特征，设计了含对称层跳跃连接结构的生成器。其次，为了保留图像的细节并减少伪影，重新设计了损失函数，在原始网络损失的基础上引入L1损失和感知损失。提出的算法在HSTS数据集上的峰值信噪比可达27.306 4 dB，结构相似度达0.963 3，比其他算法的最优值分别提高了5.728 dB和0.058 1。去雾后目标检测的mAP提高了2.51%，召回率提高了4.31%。实验结果表明，所提出算法可以减少色差，解决薄雾残留问题，块效应基本消除，在主观效果和客观评价上均具有明显优势。     

一种邻域一致性的NSCT域多传感器图像融合算法

针对同一场景多传感器图像融合问题,提出了一种基于邻域特性的非采样Contourlet变换域融合新算法．首先对待融合图像进行非采样Contourlet变换分解,由邻域平均能量与方差构造各点的能量方差决策值,基于决策值最大原则选择低频子带系数,从而在保持图像亮度的同时融合更多的边缘细节;基于邻域能量最大原则选择带通方向子带系数,以保留更多的边缘．最后反变换得到融合图像．采用多聚焦图像及红外与可见光图像进行仿真实验,并对融合结果进行了主客观评价．实验结果表明,该算法较好地融合了亮度及边缘细节,避免了引入人为噪声,得到了具有更好的视觉效果和量化指标的融合图像．     

多尺度变换与标记符分水岭相结合的图像分割

针对传统分水岭算法对噪声敏感和易于产生过分割的问题,提出一种将多尺度变换与控制标记符分水岭算法相结合的分割策略。首先对原始图像进行高斯金字塔尺度变换,抑制部分噪声,降低细节干扰;再用Sobel梯度算子计算尺度变换后的图像梯度;然后对梯度图像进行重建,再采用基于控制标记符的分水岭变换算法对重建后的梯度图进行分割,最后将分割结果变换回原始尺度。实验结果表明,该方法能够抑制传统算法中的过分割问题,且分割效果较好。     

带阈值滤波的迭代法三维ECT图像重建

针对Landweber迭代法用于三维ECT重建时,需要的迭代次数多且重建图像中含有大量伪迹的问题,提出了一种带阈值滤波的迭代重建法.该方法利用Landweber迭代法重建一初始图像,用阈值滤波获得改进图像,为了获得最佳阈值,依次用有限个离散化阈值对初始图像做二值化处理,计算出二值化图像对应的电容估计值与电容测量值之间的误差,并将对应最小误差的阈值确定为最佳阈值.仿真实验结果表明,自适应阈值滤波能够显著减少重建图像中的伪迹和重建时间,该方法具有良好的应用潜力.