基于NSST域卷积神经网络的低剂量CT图像恢复

为解决低剂量CT（Low-Dose Computed Tomography,LDCT）图像中的噪声/伪影问题,提出一种基于非下采样Shearlet变换（Non-Sample Shearlet Transformation,NSST）的卷积神经网络（Convolution Neural Network,CNN）的NSST-CNN模型。训练时,对数据集中的常规剂量CT（Normal-Dose Computed Tomography,NDCT）和LDCT图像做NSST分解,将LDCT图像的高频子图作为输入,LDCT和NDCT图像的高频子图的残差图像作为标签,通过CNN训练,学习LDCT高频子图和高频残差子图的映射关系;测试时,将LDCT图像的高频子图减去利用映射关系预测的主要包括噪声/伪影的高频子图,然后做NSST反变换得到高质量的LDCT图像。实验结果表明,与KSVD、BM3D以及图像域CNN方法相比,NSST-CNN模型得到的结果具有更高的峰值信噪比和结构相似度,更接近NDCT图像。     

基于直觉模糊散度的自适应非局部均值去噪算法

针对传统的非局部均值(NLM)算法在图像去噪时会出现边缘会模糊的问题,提出了一种基于直觉模糊散度的自适应非局部均值(IFD-NLM)去噪算法.该算法利用图像块之间的直觉模糊散度度量非局部图像块的相似性,修正NLM算法的相似性权重,降低不相似图像块之间的干扰,提高了NLM算法相似性权重的准确性.此外,根据图像块内容和直觉模糊散度特征图像,设定相关阈值,自适应地选择滤波参数.实验结果表明,所提算法相对于传统NLM算法能更有效地去除噪声,同时可以保留更多的纹理细节特征和几何结构特征,图像细节信息更为丰富.     

各向异性加权先验模型MAP投影域降噪

低剂量计算机断层扫描技术（Low-Dose Computed Tomography,LDCT）降低了X射线对人体的辐射,但射线剂量降低造成重建图像中存在严重的伪影和噪声,对临床医学诊断有很大干扰。针对此问题,提出一种改进的各向异性加权先验模型的最大后验（Maximum A Posteriori,MAP）投影域降噪算法。该算法考虑到直觉模糊熵能够有效区分平滑区域和边缘细节区域,将其与传统的各向异性扩散系数相结合,构造了一种新的扩散系数,并采用局部方差实现其自适应调节;最后将该扩散系数融合于基于Huber先验的MAP优化估计算法框架中,实现对投影数据不同区域进行不同强度的降噪处理。该算法分别采用数字骨盆模型、Shepp-Logan头模型和数字胸腔模型三种体模进行验证,并与滤波反投影重建算法（Filter Back Projection,FBP）、惩罚重加权最小二乘法（Penalized Reweighted Least-Squares,PRWLS）、各向异性加权先验正弦图平滑算法进行对比。实验结果表明,利用所提算法重建出的图像中伪影明显减少,同时较好地保持了图像的边缘和细节信息。三种体模的信噪比分别为20.502 0 dB、23.294 8 dB、21.018 4 dB,所需时间分别为49.50 s、49.60 s、8.59 s。     

平稳小波域深度残差CNN用于低剂量CT图像估计

针对低剂量计算机断层扫描（LDCT）重建图像中存在大量噪声的问题,提出了一种平稳小波的深度残差卷积神经网络（SWT-CNN）模型,可以从LDCT图像估计标准剂量计算机断层扫描（NDCT）图像。该模型在训练阶段,将LDCT图像经平稳小波（SWT）三级分解后的高频系数作为输入,将LDCT图像高频系数与NDCT图像高频系数相减得到残差系数作为标签,通过深度卷积神经网络（CNN）学习输入和标签之间的映射关系;在测试阶段,利用此映射关系即可从LDCT图像的高频系数中预测NDCT高频系数,最后通过平稳小波反变换（ISWT）重构预测的NDCT图像。实验采用50对大小为512×512的同一体模的常规剂量胸腔及腹腔扫描切片和投影域添加噪声后的重建图像作为数据集,其中45对作为训练集,其余5对作为测试集。将所提模型与效果较好的非局部降噪算法、K-奇异值分解（K-SVD）算法、匹配三维滤波（BM3D）算法及图像域CNN（Image-CNN）模型对比,实验结果表明,SWT-CNN模型预测的NDCT图像信噪比（PSNR）和结构相似性（SSIM）高,且均方根误差（RMSE）小于其他算法处理结果。该模型对于提高低剂量CT图像质量是可行且有效的。     

基于模糊集和Otsu理论的PCB图像分割算法

针对印刷电路板(Printed Circuit Board,PCB)的图像分割问题,对Otsu法进行了改进.即首先用基于Otsu法的双阈值分割方法分割出所需的模糊区域;然后根据PCB图像的特点,运用模糊集理论描述不良问题的能力,构造出图像的隶属度函数;最终形成了基于模糊集和Otsu的分割算法.利用该算法对各种PCB图像进行了分割实验,实验结果表明:该算法对PCB图像具有良好的分割效果.     

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.     

利用修改的比尔-郎伯定律计算组织吸收对光子平均路径长度的影响

在使用修改的比尔-郎伯定律计算组织的吸收系数以及血氧含量时,平均路径长度(MPL)是一个重要的参数,由此参数可得到微分路径因子(DPF),而DPF通常假定为在一定组织吸收范围内是一个常数.通过腿部的光子蒙特卡罗仿真,本论文使用四种方法来估计MPL,并与MPL的原始定义进行对比.仿真结果表明,DPF显著受到组织吸收的影响,表现为10％的数值变化.因此,使用线性模型将比使用修改的比尔-郎伯定律能更好地计算组织的吸收系数以及血氧含量.     

基于灰阶熵的模糊对比度自适应图像增强算法

一般的数字图像存在噪声大、对比度低、边缘模糊等缺陷.为了有效地增强图像的模糊对比度,以满足后续的识别与检测要求,提出了一种基于灰阶熵的模糊对比度自适应图像增强算法.在模糊域内,根据邻域窗口灰阶熵值的大小,合理选取阈值,对阈值两侧的图像像素点进行不同程度的对比度增强处理,实现局部特征的增强.实验结果表明,该方法不仅增强了图像的整体对比度,而且有效地丰富了目标图像的细节信息,并抑制了噪声的放大.     

小波熵在心电高频噪声处理和R波检测中应用

为了在滤除噪声的同时不丢失信号有用信息,将小波熵理论与小波阈值去噪方法综合起来,提出一种基于小波熵的自适应阈值去噪和R波峰值定位方法,对心电信号高频噪声不同信噪比情况做了去噪处理,并同小波熵最优阈值法做了对比分析,结果表明,本算法可以自适应地确定小波系数阈值,不需要直接处理大量的小波系数,且具有良好的滤波性能,尤其在噪声严重时,去噪和R波检测效果更优。最后对实测和数据库中46例数据都做了应用分析,表明本算法具有快速性、有效性和稳定性的特点。     

基于统计特性的表面裂纹提取

提出一种基于统计特性的路面裂纹提取方法,用于提取在复杂背景下高速路面的不同裂纹.将路面图像按实际情况分成子块图像,并用各子块图像的灰度均值获取估计背景的平衡参数,结合阈值的迭代选取和Top-Hat变换.大量不同背景图片的处理结果表明,该方法可较好地提取路面裂纹信息.