PET贝叶斯神经网络重建算法

从ML—EM重建算法入手，分析了贝叶斯模型的一些关键点，针对采用传统方法求解MAP问题的局限性，提出一种用于正电子成像的贝叶斯神经网络(BNN)重建算法，为了保留边缘信息，引入了二进制的保边缘变量，并应用共轭神经网络求解，模拟的重建结果表明，应用这种算法可以得到比ML—EM算法更好的重建图像。     

基于三判别器生成对抗网络的PET和MRI图像融合

针对正电子发射断层(positron emission tomography, PET)图像和磁共振成像(magnetic resonance imaging, MRI)的融合,提出了一种基于三判别器生成对抗网络的PET和MRI图像融合算法。首先将PET图像进行RGB到YCbCr彩色空间的转换;然后将所得PET图像的Y分量与MRI图像进行差分操作,得到“差分”图像;再将PET图像的Y分量、MRI图像和得到的差分图像进行“联结”,分别输入到三支路生成器网络中,得到融合图像的Y分量;接着将所得到融合图像的Y分量分别与源PET图像的Y分量、MRI图像和差分图像输入到三个判别器中,与生成器进行对抗训练;最后对得到的融合图像Y分量,连同PET图像的Cb和Cr分量进行YCbCr到RGB的反变换,从而得到最终的融合图像。在一组公开数据集上的实验结果表明,相较于其他几种对比算法,所提算法在主观判读与客观评价指标上均具有一定的优势。     

电容层析成像系统的图像重建

电容层析成像技术是20世纪80年代中后期形成和发展起来的过程层析成像技术。由于电容传感器具有“软场”特性，并且数据采集系统所获得的投影数据有限，因此图像重建精度的提高成为电容层析成像技术研究的一个难点，为解决这一问题，研究了电容层析成像系统的构成和数学模型，阐述了ECT系统的图像重建算法的发展现状及改进方法。     

一种基于模糊集理论的贝叶斯PET重建算法

最大似然估计算法是PET重建的经典算法,是统计意义上的最优解,但是MLEM (Maximum Likelihood Expectation Maximization)算法具有不稳定性,即随迭代次数的增加,图像噪声反而会增加.针对这一缺点,研究了最大后验(Maximum A Posteriori,MAP)重建方法,分析了...     

基于先验图像约束压缩感知 多能CT重建算法

由不同材质构成且材质之间密度相差较大的工件进行单一能量CT重建时无法获取完整内部结构.为获得结构信息完整的高质量CT重建图像,研究了基于先验图像压缩感知多能重建方法.首先从低到高依次采集多个能量下的投影数据,并用凸集投影-全变分最小化(POCS-TVM)算法对最低能量的投影数据进行CT重建,然后,将重建好的图像作为先验信息,利用先验图像压缩感知算法(PICCS)对下一组能量下的投影进行重建,重建后的图像再次作为新的先验信息重复以上步骤,依此类推直到最高能量的数据重建,以此达到完整重建.结果表明该方法可以有效减少因投影缺失而导致的伪影并保护低密度边缘.     

求解光学CT图像重建问题的扰动方法

综述图像重建问题的研究，在图像重建的方法研究中，着重讨论了国际上广为采用的扰动方法以及这种方法在光学CT重建算法的可行性，并在最后给出了实验结果。     

一种PET图像感兴趣区域体积特征的计算方法

针对14张脑瘤(Positron Emission Tomogrophy,PET)图像切片,将感兴趣区域分割出来,利用积分原理计算其体积特征.首先提取出图片所有点的像素值,然后利用自组织神经网络将像素值进行分类,其中自组织神经网络的输入节点经过多次的试验确定为2×2.通过自组织神经网络,可以将各个元素点进行标志,使得图片的分离简单精确并且计算出目标区域的元素点数.最后通过Matlab对14个切片构建出目标区域的三维立体图,利用积分原理算出该目标区域的体积为9.9 cm³.该方法合理,计算结果有效,且计算结果可对临床诊断有辅助作用.     

视觉传达约束下三维图像虚拟重建

针对在三维成像的虚拟重建过程中,以真实性为目标函数忽略了视觉传达需求下差异度重要性的问题,本文以视觉传达为约束条件,设计三维图像虚拟重建方法。通过将视觉传达中的差异度作为约束条件,采用视觉传达差异度的属性设计碰撞匹配重构算法,利用差异度阈值引起的区域碰撞,对三维图像进行重建。研究证明：所设计方法虚拟重建后的三维图像清晰度、边缘细节较为好,呈现的视觉传达效果较好。能够有效避免由于像素丢失造成的像素提取过程内存在不稳定状态或者呈现的不明显因素。     

结合年龄监督和人脸先验的语音-人脸图像重建

针对语音-人脸图像重建方法缺乏来自不同维度的监督约束及未利用人脸先验信息,导致生成图像和真实图像相似度不高的问题,提出结合年龄监督和人脸先验信息的语音-人脸图像重建方法. 通过预训练的年龄评估模型为当前数据集扩充年龄数据,弥补来自年龄监督信息的缺乏. 通过语音-人脸图像跨模态身份匹配方法,为给定语音检索接近真实人脸的面部图像,将得到的图像作为人脸先验信息使用. 该方法通过定义结合交叉熵损失和对抗损失的联合损失函数,从年龄感、低频内容和局部纹理等方面均衡提升重建图像质量. 基于数据集Voxceleb 1,通过人脸检索实验的方式进行测试,与当前主流方法进行比较和分析. 结果表明,该方法能有效提升生成图像与真实图像的相似度,所生成的图像具有更好的主客观评价结果.