基于广义Gibbs先验的低剂量X-CT优质重建研究

为获取低剂量条件下X-CT的优质重建,提出基于广义Gibbs先验的低剂量X-CT重建算法。新算法首先对投影数据进行统计建模,其后采用Bayesian最大后验估计方法,将投影数据中非局部的先验信息加诸于该数据的恢复中,达到抑制噪声的效果,最后仍采用经典的滤波反投影方法对恢复后的投影数据进行解释CT重建。文中将非局部先验称为广义Gibbs先验,其原因在于该先验具有传统Gibbs先验形式的同时,可以通过选择较大邻域和自适应的加权方式充分利用投影数据的全局信息进行数据恢复。通过与已有算法的对比实验,表明该文提出的基于广义Gibbs先验的低剂量X-CT重建算法在降低噪声效果和保持边缘方面具有较好的表现。     

基于整数小波变换的医学图像易碎水印方法

为了对医学图像进行快速鲁棒的认证提出了一种基于整数小波变换的易碎水印算法.该算法首先利用小波分解后的四叉树结构结合树节点上的统计信息和密钥来选择嵌入水印的位置,然后对确定嵌入水印的位置只嵌入1bit的水印信息.该算法具有以下特点：（1）图像嵌入水印后具有较高的信噪比,适用于医学图像的认证;（2）结合小波系数的统计信息来选择嵌入水印的位置,可保证水印的易碎性;（3）小波分解在空频域的特性使得算法对篡改有很强的定位能力;（4）可利用密钥对本算法进行保护,即使算法公开,也能抵挡恶意攻击.实验结果表明,该算法适用于医学图像的认证,并且复杂度较低,实用性较强.