高压电缆源平移扫描CT高效重建算法EI北大核心CSCD

为提高在役高压电缆X射线扫描图像重建速度,结合传统的滤波反投影算法,提出基于数据平滑的局部扫描重建算法。分析了源直线扫描局部计算机断层成像方法存在的有限角和数据截断问题,提出数据平滑方式解决方法。主要途径是利用余弦函数沿探测器方向和射线源方向分别进行数据平滑插值,避免投影数据值在这两个方向上突然降为零,起到抑制截断伪影和有限角伪影的作用。实验证明,所提方法能有效抑制图像伪影,有利于电缆阻水缓冲层缺陷识别。相较于原有的联合迭代重建算法,该方法缩短了重建时间且图像重建质量相当;相较于传统滤波反投影算法,重建图像质量提高但重建耗时基本一致。     

基于自适应正则化的超分辨率重建方法

传统正则化超分辨重建得到的图像往往存在过度平滑或伪信息残留的问题,结合超分辨重建模型对重建图像伪信息的产生进行了分析,针对传统方法的不足提出了基于图像区域信息自适应的正则化方法,通过图像的区域信息将图像划分为平滑区与非平滑区域,对不同区域选用不同的先验模型进行约束。同时考虑人眼的视觉感知特性,结合区域信息实现正则化参数的自适应选取。实验结果表明该方法在抑制重建图像伪信息的同时能有效保护细节,效果要优于传统方法与单一的先验模型约束,对于红外与可见光图像重建效果的提升提供了一定的理论参考。     

多局部残差连接注意网络的图像去模糊

针对现有的基于卷积神经网络的图像去模糊算法存在图像纹理细节恢复不清晰的问题,提出了一种基于多局部残差连接注意网络的图像去模糊算法。首先,采用一个卷积层进行浅层特征提取;其次,设计了一种新的基于残差连接和并行注意机制的多局部残差连接注意模块,用于消除图像模糊并提取上下文信息;再次,采用一个基于扩张卷积的成对连接模块进行细节恢复;最后,利用一个卷积层重建清晰图像。实验结果表明：在GoPro数据集上的PSNR (peak signal to noise ratio)和SSIM (structure similarity)分别为31.83 dB、0.927 5,在定性和定量两方面都表明所提方法能够有效地恢复模糊图像的纹理细节,网络性能优于对比方法。     

基于梯度阈值自适应处理的红外图像超分辨率重建

超分辨率图像重建中,Huber马尔可夫随机场模型是一种常用的正则化算子.针对Huber函数中固定梯度阈值引起图像重建效果不佳的问题,本文提出一种梯度阈值自适应处理的红外图像超分辨率重建算法.在最大后验概率理论框架下,构造了基于数据项和正则项的正则化模型;通过迭代的方式,利用中间重建结果不断更新正则化参量,解决了Huber马尔可夫随机场模型中梯度阈值不易选择的难题.实验结果表明,改进算法能够根据局部梯度特征自适应选择相应的正则化参量并找到最优解,较好恢复目标细节的同时有效抑制了图像噪音.     

基于梯度阈值自适应处理的红外图像超分辨率重建

超分辨率图像重建中,Huber马尔可夫随机场模型是一种常用的正则化算子.针对Huber函数中固定梯度阈值引起图像重建效果不佳的问题,本文提出一种梯度阈值自适应处理的红外图像超分辨率重建算法.在最大后验概率理论框架下,构造了基于数据项和正则项的正则化模型;通过迭代的方式,利用中间重建结果不断更新正则化参量,解决了Huber马尔可夫随机场模型中梯度阈值不易选择的难题.实验结果表明,改进算法能够根据局部梯度特征自适应选择相应的正则化参量并找到最优解,较好恢复目标细节的同时有效抑制了图像噪音.     

基于深度神经网络的时空编码磁共振成像超分辨率重建方法

单扫描时空编码磁共振成像是一种新型超快速磁共振成像技术,它对磁场不均匀和化学位移伪影有较强的抵抗性,但是其固有的空间分辨率较低,因此通常需要进行超分辨率重建,以在不增加采样点数的情况下提高时空编码磁共振图像的空间分辨率.然而,现有的重建方法存在迭代求解时间长、重建结果有混叠伪影残留等问题.为此,本文提出了一种基于深度神经网络的单扫描时空编码磁共振成像超分辨率重建方法.该方法采用模拟样本训练深度神经网络,再利用训练好的网络模型对实际采样信号进行重建.数值模拟、水模和活体鼠脑的实验结果表明,该方法能快速重建出无残留混叠伪影、纹理信息清楚的超分辨率时空编码磁共振图像.适当增加训练样本数量以及在训练样本中加入适当的随机噪声水平,有助于改善重建效果.     

基于Tikhonov正则化和细节重建的红外与可见光图像融合方法

传统的红外与可见光图像融方法将图像分解为多个频域分量后分别融合再相加,存在边缘模糊、对比度低等问题,为此提出了一种基于Tikhonov正则化和细节重建的融合方法。首先,利用Tikhonov正则化将图像分解为基本层和细节层,针对基本层训练一种用于细节重建的生成对抗网络;然后提取待融合图像的基本层特征,采用主成分分析方法进行融合;最后将基本层融合结果输入到生成对抗网络中,重建出一幅高频信息丰富的融合图像。实验结果表明:所提方法很好地保留了源图像中的细节信息和高亮区域,对不同清晰度的图像具有较好的鲁棒性。     

联合深度去噪先验图像盲去模糊

目前,基于统计先验的图像去模糊方法对噪声敏感,细节恢复能力有限,而基于先验学习的算法对图像及其模糊类型、噪声水平等适应性较差。针对上述问题,基于图像模糊前后像素直方图统计,首先提出一种简单有效的低值像素先验。然后针对现有方法对图像去模糊后出现大量噪声或伪影等问题,设计深度卷积神经网络学习图像深度去噪先验,并联合低值像素先验、梯度稀疏先验提出新的去模糊模型。同时,在模糊核估计过程中,利用图像分解方法分离出图像的结构层,并在结构层估计模糊核,获得更为准确的估计结果。大量实验结果表明,本文算法不仅具有很好的细节恢复能力,且对图像及其模糊类型、噪声水平等更具稳健性。与现有主流算法相比,本文方法优势明显。     

全变分约束迭代滤波反投影CT重建

重建算法是计算机断层成像(CT)技术的核心。在解析法CT重建过程中,结合先验信息和引入优化约束条件较为困难。通过对滤波反投影(FBP)原理及其重建图像与理想CT图像差值关系的分析,构造了以FBP为基础的迭代循环,解决了解析重建过程中先验信息的利用和优化约束条件的引入问题。为抑制迭代FBP产生的图像伪影,将全变分(TV)模型引入重建过程,建立了TV约束迭代滤波反投影CT重建方法。在数值模拟中,针对完善投影数据、稀疏投影数据、含金属投影数据和有限角投影数据等不同情况,重建出了与原始模型高度一致的CT图像,研究表明TV约束迭代滤波反投影方法是一种精度高、适应性较强的CT重建方法。     

基于支撑先验与深度图像先验的无预训练磁共振图像重建方法

基于深度学习的磁共振成像(magnetic resonance imaging, MRI)方法需要大规模、高质量的病患数据样本集进行预训练.然而,由于病患隐私及设备等因素限制,获取大规模、高质量的磁共振数据集在实际临床应用中面临挑战.本文提出一种新的基于深度学习的欠采样磁共振图像重建方法,该方法无需预训练、不依赖训练数据集,而是充分利用待重建的目标MR图像的结构先验和支撑先验,并将其引入深度图像先验(deep image prior, DIP)框架,从而削减对训练数据集的依赖,提升学习效率.基于参考图像与目标图像的相似性,采用高分辨率参考图像作为深度网络输入,将结构先验信息引入网络;将参考图像在小波域中幅值大的系数索引集作为目标图像的已知支撑集,构造正则化约束项,将网络训练转化为网络参数的最优化求解过程.实验结果表明,本文方法可由欠采样k空间数据重建得到更精确的磁共振图像,且在保留组织特征、细节纹理方面具有明显优势.     

纹理细节恢复的图像超分辨率重建算法

针对现有单图像超分辨率方法在重建过程中容易忽略原图像中不同结构-纹理的差异与联系，导致生成的高分辨率图像缺乏纹理细节并存在伪影的问题，提出了纹理细节恢复的图像超分辨率重建算法。该方法由梯度分支、纹理分支和图像超分辨率分支组成。其中，在梯度分支和纹理分支之间使用了类注意力模块处理二者的特征混淆问题，并通过双向特征融合模块实现了对结构特征与纹理特征的相互促进，作为先验信息以达到纹理细节信息增强的目的。此外，在图像超分辨率分支还通过构建特征恢复模块，利用浅层和深层信息帮助网络保留了图像中更丰富的上下文信息和纹理细节。该方法通过在DIV2K数据集上进行了网络训练，并在5个基准测试集Set5、Set14、BSD100、Urban100和MANGA109上进行了实验，峰值信噪比(PSNR, Peak Signal to Noise Ratio)分别：37.88dB、33.28dB、32.0781dB、31.89dB、38.39dB,相比现有方法均有显著提升。实验结果表明，本文方法获得了有效的重建图像并且保留更多的图像细节，生成具有边缘清晰和逼真细节的超分辨率图像。     

基于卷积法TV模型的锥束CT散射校正方法

为了解决CT图像中散射伪影问题,提出并使用修正的泊松分布函数作为散射函数,然后利用卷积模型生成多个散射基图像,将基图像与原始重建图像的线性组合作为最终重建图像,最后,通过使重建图像的全变分函数最小求取线性组合系数最优解。该算法具有计算复杂度小、能够灵活应用于不同的成像对象的特点。实验结果表明,算法能够有效抑制散射导致的杯状和黑色带状伪影,提高图像对比度。     

基于乘性正则化的有限角度CT重建算法

计算机层析(CT)扫描过程中,为了加快速度,同时减少X射线对人体的伤害,在有限角度下采样少量的投影数据进行不完全数据重建就显得非常重要。基于总变分最小化的图像迭代重建算法,能够较好地应用于有限角度CT重建,然而,其最小化函数的权值参数必须通过大量的实验观察比较才能被确定。即便这样,得到的参数往往也不是最优的。为此,引入了一种基于乘性正则化的迭代重建算法,将总变分函数作为最小化函数的一个因子,在具有总变分方法优点的同时,能够在迭代过程中自适应地调整正则化参数。仿真实验验证了该算法的有效性。     

基于成像差分吸收光谱技术和压缩感知理论的烟囱烟羽断层重建研究

烟羽断层重建质量受两方面条件限制：其中一个限制条件是遥感设备的时间分辨率。以往的研究多使用多轴差分吸收光谱仪（MAX-DOAS）进行CT重建,受采集数据速度的限制,重建图像的时间分辨率较低。另一个限制条件是,采集到的数据量有限,是典型的不完全角度重建。过去多使用代数迭代重建算法或统计迭代重建算法,重建图像受测量误差的影响比较大,分辨率较低且伪影较多。构造了基于成像差分吸收光谱技术（IDOAS）的光谱数据采集系统,与多轴差分吸收光谱仪构造的系统相比,数据采集的时间分辨率提高了160多倍,基本解决了时间分辨率的问题。提出了一种基于压缩感知理论和低三阶导数模型的烟羽断层重建算法--投影凸函数集低三阶导数法,简称为POCS-LTD。在投影的过程中,使用代数重建算法使重建图像符合投影方程;在全变分迭代的过程中使用了优化算法,将低三阶导数模型的全变分归一化值作为优化算法的迭代方向,前次迭代运算结果与本次投影运算的差值的模作为迭代步长。对重建算法进行了数值模拟,并以重建图像的接近度和一致性相关因子为指标,对重建结果进行了分析。数值模拟表明,算法具有良好的抗误差能力,与传统的低三阶导数法相比,本文提出的算法将重建接近度减小了80%以上。使用烟羽数据采集系统进行了外场实验,用POCS-LTD算法对外场实验的数据进行了烟羽重建,重建图像显示烟羽图像清晰,伪影得到了较好的抑制。介绍的烟羽断层数据采集系统和烟羽断层重建算法,提高了烟羽断层重建图像的时间分辨率,减少了重建图像的伪影,扩大了光谱测量技术的应用范围。     

基于多尺度双阶段网络的图像超分辨率重建

针对目前图像超分辨率重建算法中所存在的特征信息提取不充分、重建图像细节信息模糊等问题,提出了一种多尺度双阶段网络来实现图像的超分辨率重建。首先,考虑到单尺度卷积层会出现特征信息提取不充分的现象,故而以多尺度卷积层为大体框架,设计网络模型;其次,考虑到重建后的图像效果,将整体网络分为2个阶段,第1阶段根据输入的低分辨率图像进行特征信息的提取和重建,第2阶段对重建后的图像进行更深一步的特征细化,从而提高重建图像的视觉效果;整体网络中还引入了跳跃连接和注意力模块,以加强特征信息的有效传播;最后,以数据集Set5、Set14、Urban100、BSDS100和Manga109作为测试集展开实验,峰值信噪比和结构相似度作为图像质量的评价指标。实验结果表明,二者的值相比以往均有所提高,且重建图像视觉效果较好。因此,该算法在客观评价和主观视觉上都取得了较好的结果。     

联合卷积稀疏编码与梯度L0范数的低剂量CT三维重建

CT扫描中潜在的辐射伤害已越来越受到人们的重视,然而降低扫描剂量会导致成像质量退化,从而影响诊断结果。针对上述问题,提出一种联合卷积稀疏编码与梯度L_0范数的三维重建算法。该算法通过频率分解的重建形式对高频成分进行无监督的多尺度在线卷积稀疏编码约束,对低频成分进行梯度L_0范数约束,从而实现低剂量CT图像中噪声伪影的抑制与组织细节的保持。此外,卷积稀疏编码中使用三种不同尺度的三维滤波器,可有效适应不同尺度下的特征信息,提高编码能力。腹部CT仿真数据和真实扫描数据的实验结果表明,所提算法在25%常规剂量的重建过程中可以获得噪声伪影少、结构细节对比度高和质量更好的成像效果。     

激光反射断层成像相位恢复方法

针对激光反射断层成像过程中存在目标的平动和抖动所产生的旋转中心偏移导致重建图像错位形成伪影的问题,提出基于相位恢复技术的改进误差下降算法.该方法通过光强反复迭代得到相位分布,获得重构目标丢失的相位信息,通过增加初始约束条件以及空间域和频域的限制有效改善算法的收敛性.运用改进的误差下降算法,有效改善了相位恢复方法容易陷入局部极小解的问题,获得了优化的重构图像.仿真实验表明,三组投影数据重建图像的平均相对均方误差由0.774下降为0.551,能够有效消除图像重建伪影.外场实验结果表明此方法使激光反射断层成像系统分辨率得到有效改善.     

基于结构字典学习的图像复原方法

本文提出一种新的结构字典学习方法,并利用它进行图像复原。首先给出结构字典学习的基本内容和方法,然后将傅里叶正则化方法和结构字典学习方法有效整合到图像复原算法中。结构字典学习方法是先将原图像进行结构分解,再分别学习出每个结构图像中的字典,最后利用这些字典对原图像进行稀疏的表示。结合傅里叶正则化,提出了一种有效的迭代图像复原算法:第一步在傅里叶域利用正则化反卷积方法得到图像的初步估计;第二步采用结构字典学习的方法对遗留的噪声进行去噪处理。实验结果表明,提出的方法在改进信噪比和视觉质量上都要优于6种先进的图像复原方法,改进的信噪比平均提升0.5 d B以上。     

基于非局部先验的单幅图像去雾算法

现有单幅图像去雾算法大多基于局部先验,去雾结果存在块效应。在处理浓雾区域时,如果没有特殊处理,会导致图像中的一些伪影被增大,比如在原始的有雾图像中几乎不可见的噪声、色彩重叠等,在去雾后的图像中被增强,进而影响图像质量。针对以上存在的问题,提出了一种改进算法。首先采用非局部先验,估算初始的透射率,然后采用正则化的方法优化透射率,并且将原始图像和去雾后图像的梯度差L1/2范数作为正则化项,达到抑制噪声干扰的目的。结果表明,该算法能够很好地恢复出图像的细节信息和色彩;与局部先验方法相比,具有更好的稳健性。     

利用CAD模型的不完全扫描CT图像重建

工业计算机断层成像(CT)扫描大尺寸和高密度工件时,会出现穿不透、扫描角度有限导致的投影数据不完备、重建伪影严重等问题。基于此,提出一种将工件的CAD设计模型作为先验知识,来实现该类对象的有限角CT重建优质图像的方法。由工件CT扫描的断层位置计算CAD模型对应的分层位置,并得到模型的像素截面;根据CT系统X射线能量和模型中各部分材质,确定和生成一幅衰减系数图像,并将其配准到一幅零灰度图像中,得到先验图像;最后对扫描投影数据进行SART+TVM+PRIOR算法重建,得到重建图像。仿真实验和实际工件扫描实验的结果显示,加入先验图像后重建的图像质量要远远优于未加入先验图像的重建结果,边缘结构更加清晰,并极大地减少了伪影。