基于改进牛顿-拉夫逊算法的脑出血磁感应断层成像研究

针对脑出血磁感应断层成像(MIT)中正问题模型过于简化、图像重建质量较低、算法收敛效率低、病变与背景间伪影较大、耗时较长等问题，该文提出一种用于脑出血MIT的改进牛顿-拉夫逊(NR)算法。将线性反投影(LBP)算法计算结果作为改进NR算法的迭代初值，在目标函数中加入自适应加速惩罚项和L2范数惩罚项，提高算法每一步迭代的效率，减少重建图像的伪影。引入投影算子P施加物理意义上的约束，提高收敛速度并改善成像质量。利用Comsol Multiphysics构建了包含头皮、颅骨、脑脊液和脑实质的真实3维颅脑模型。仿真计算了相位差检测值和灵敏度矩阵用于后续的图像重建。利用所提改进NR算法与5种图像重建算法分别对3个位置出血量分别为24 ml, 14 ml, 2 ml的脑出血进行磁感应断层成像。实验结果表明，所提算法相比其他5种算法重建图像的质量更高，成像时间平均只需NR算法的1/3。使用更少的迭代次数重建出更高质量的图像，并且能实现2 ml脑出血的图像重建，为脑出血的MIT检测提供一种新的有效算法。     

基于改进电极敏感场的ECT图像重建算法研究

针对目前电容层析成像技术中重建图像质量有待提高的问题,对该技术正问题和反问题的改进方法进行了研究。通过将电极数目由传统的8电极增加至12电极来增加投影数据,从而改善图像重建的欠定性,并且在12电极敏感阵列的基础上对其灵敏度矩阵进行了均值滤波的改进处理,基于处理后的灵敏度矩阵对经典图像重建算法LBP算法和Landweber迭代算法进行了改进,仿真研究结果表明,基于敏感场滤波处理后的两种算法较之于原始算法成像精度明显提高。且两种算法中,改进后的Landweber迭代法成像效果更好。     

一种磁感应成像中生物组织涡流信号的新型测量方法

磁感应成像(MIT)是对所测生物组织电导率进行图像重建的一种新型技术,生物组织所产生的涡流信号过于微弱制约着MIT检测装置的设计精度和重建图像的分辨率.该文基于涡流信号的特点,提出一种最大化减少主磁场信号的涡流检测方法,即对线圈传感器进行改进有效抵消主磁场信号从而增大涡流场.针对所提出的MIT测量模型,通过仿真实验,确...     

三维磁感应磁声成像的新算法研究

 磁感应磁声成像技术(MAT-MI)作为一种新型无创的电阻抗成像技术,融合了磁感应技术和超声断层扫描技术,提供了高分辨率的成像结果.本研究提出了一种用于MAT-MI计算电导率分布的新型算法,解决电导率重建过程中的奇异值问题,同时又缩短了重建所需时间,并通过计算机仿真构建的三维环状线圈和乳腺模型,验证了算法的稳定性和可靠性.     

基于Lanczos双对角化的快速光声成像重建方法

光声成像结合了光学成像和声成像的优点,是一种具有高空间分辨率、高对比度的无损成像技术,成为当前生物医学成像的研究热点之一。重建光声图像是一个典型的逆问题,具有严重的病态性。针对光声成像的病态性和较大的系统矩阵会导致重建速度慢的问题,提出了一种基于Lanczos双对角化的快速指数滤波重建方法,并通过数值仿真证实了该方法的有效性。仿真结果表明,所提方法在保证重建图像高质量的同时极大地提高了重建速度,其重建时间是指数滤波和后投影方法的1/67~1/47。     

基于稀疏度自适应压缩感知的电容层析成像图像重建算法

为提高电容层析成像(ECT)系统重建图像的质量,该文提出一种基于改进稀疏度自适应的压缩感知电容层析成像算法。利用压缩感知与电容层析成像算法的契合点,以随机改造后的电容层析成像灵敏度矩阵为观测矩阵,离散余弦基为稀疏基,测量电容值为观测值,建立模型。利用线性反投影算法(LBP算法)所得图像预估原始图像稀疏度,以预估稀疏度值作为索引原子初始值进行稀疏度自适应迭代。改进后的稀疏度自适应匹配追踪重构算法实现ECT图像重建,解决了稀疏度预估不准确导致重建图像精度差的问题。仿真实验结果表明,该算法可以有效重建ECT图像,其成像质量优于LBP算法、Landweber算法、Tikhonov算法等传统算法,是研究电容层析成像图像重建的一种新的方法和手段。     

基于低秩矩阵近似的低噪宽幅热红外成像技术

为解决强背景弱信号场景下热红外成像系统噪声制约图像信噪比的问题,提出了一种基于低秩矩阵近似理论的低噪宽幅热红外成像技术.利用面阵摆扫方式实现宽幅扫描成像并构建严格的观测矩阵,通过加权核范数最小化方法求解去噪的低秩矩阵形式.试验证明该技术具有较高的峰值信噪比与降噪鲁棒性,在宽幅成像的同时也提高了探测灵敏度.研究成果在红外弱目标识别、广域侦查等领域具有一定应用价值.     

Hadamard编码调制关联成像的阈值处理研究

关联成像是一种通过单像素探测器以成像时间换取空间分辨率的新颖成像方案,然而,其存在重建质量低、数据采集时间长的问题。Hadamard编码调制计算关联成像能够实现高效率的成像,显著提高了关联成像方案的适用性,但是其独特的图像噪声集中现象是影响其实用化亟待解决的难题。通过分析Hadamard矩阵作为测量矩阵计算关联成像重建结果的噪声特点,基于图像分割理论,提出了一种利用阈值处理和形态学图像增强的Hadamard编码调制关联成像噪声压制方案,并通过实验验证了该方案的可行性,获得接近8 dB的光学图像增强。该方案对二值图像和灰度图像都有比较好的效果,其工作促进了关联成像技术的实用化。     

基于深度学习理论的光学分子成像图像重建方法

光学分子成像图像重建是当前的研究重点,由于传统光学分子成像图像重建方法存在重建误差,效果不理想等缺陷,为了获得理想的光学分子成像图像重建效果,提出了基于深度学习理论的光学分子成像图像重建方法.首先分析光学分子成像图像重建工作原理,找到导致光学分子成像图像重建质量差的因素,然后采集光学分子成像图像,选择卷积神经网络算法进行光学分子成像的图像重建.实验结果显示:采用本方法进行峰值信噪比(PSNR)范围为34.16～38.96,结构相似性(SSIM)范围为0.854 9～0.980 8,均远远大于常规方法数值,表明提出方法图像重建质量较高,充分证明提出方法性能较好.应用价值相似性指标更大,图像重建质量更高,则提出方法的图像重建性能更佳.     

基于图拉普拉斯正则化的PET图像核重建方法

正电子发射断层成像（Positron Emission Tomography,PET）在很多疾病的早期诊断中有重要的作用,PET图像重建的难点之一是如何在保持重建图像中病灶边缘特性的同时具有良好的去噪性能.针对此问题,本文提出了一种结合图拉普拉斯正则化和深度图像先验的PET图像核重建方法 .设计了改进的U-net神经网络,将PET前向投影模型中的核系数表示为神经网络的输出;通过先验图像构建图拉普拉斯矩阵,重建问题被建模为基于神经网络的带图拉普拉斯正则化项的最大似然函数优化问题.利用优化转移方法导出了收敛的迭代重建算法,每一次迭代包括由核重建方法更新图像和利用神经网络更新核系数两个步骤.仿真和临床实验结果表明,本文提出的方法在不同的指标下都有更好的重建效果,优于已有核重建方法以及最新的基于深度系数先验的重建方法 .     

Absolute conductivity reconstruction in magnetic induction tomography using a nonlinear method

Magnetic induction tomography (MIT) attempts to image the electrical and magnetic characteristics of a target using impedance measurement data from pairs of excitation and detection coils. This inverse eddy current problem is nonlinear and also severely ill posed so regularization is required for a stable solution. A regularized Gauss-Newton algorithm has been implemented as a nonlinear, iterative inverse solver. In this algorithm, one needs to solve the forward problem and recalculate the Jacobian matrix for each iteration. The forward problem has been solved using an edge based finite element method for magnetic vector potential A and electrical scalar potential V, a so called A, A - V formulation. A theoretical study of the general inverse eddy current problem and a derivation, paying special attention to the boundary conditions, of an adjoint field formula for the Jacobian is given. This efficient formula calculates the change in measured induced voltage due to a small perturbation of the conductivity in a region. This has the advantage that it involves only the inner product of the electric fields when two different coils are excited, and these are convenient computationally. This paper also shows that the sensitivity maps change significantly when the conductivity distribution changes, demonstrating the necessity for a nonlinear reconstruction algorithm. The performance of the inverse solver has been examined and results presented from simulated data with added noise.     

Optimum Receiver Array Design for Magnetic Induction Tomography

Magnetic induction tomography (MIT) is an imaging modality that aims at mapping the distribution of the electrical conductivity inside the body. Eddy currents are induced in the body by magnetic induction and the resulting fields are measured by an array of receiver coils. In MIT, the location of the receivers affects the quality of the image reconstruction. In this paper, a fast deterministic algorithm was applied to obtain optimum receiver array designs for a given specific excitation. The design strategy is based on the iterative exclusion of receiver locations, which yield poor conductivity information, from the space spanning all possible locations until a feasible design is reached. The applicability of “regionally focused” MIT designs that increase the image resolution at a particular region was demonstrated. Currently used design geometries and the corresponding reconstructed images were compared to the images obtained by optimized designs. The eigenvalue analysis of the Hessian matrix showed that the algorithm tends to maintain identical conductivity information content sensed by the receivers. Although the method does not guarantee finding the optimum design globally, the results demonstrate the practical usability of this algorithm in MIT experimental designs.      

基于压缩感知理论的稀疏孔径ISAR成像

在基于压缩感知理论的逆合成孔径雷达成像过程中,利用正交匹配追踪算法进行信号重构时存在重构精度较低、运算速度较慢的缺点,针对上述问题,提出了一种利用改进正交匹配追踪算法进行信号重构的稀疏孔径高分辨成像方法。首先,构造数据选择矩阵作为测量矩阵模拟回波缺失情况,然后利用稀疏基矩阵对回波信号进行稀疏表示,最后采取一种改进正交匹配追踪算法进行图像重构,相比于正交匹配追踪算法同时提高了运算速度和成像质量。通过仿真实验,在稀疏孔径数据随机缺失的情况下,改变数据缺失率,将该算法与距离-多普勒算法和正交匹配追踪算法的成像结果进行对比,验证了该算法的有效性和优越性。     

低幂平均列相关性测量矩阵构造算法

压缩感知是一种新的信号描述、采样和重构理论,其核心问题包括测量矩阵的选择和构造以及重构算法设计.本文首先提出感知矩阵幂平均列相关性定义,进而得出测量矩阵的择优原则;然后依据等角紧框架理论和特征向量近似法,提出新的测量矩阵构造算法,减小感知矩阵的幂平均列相关性.实验结果表明,本文算法达到了降低感知矩阵列相关性的目的.另外,当重构算法相同时,采用本文算法得到的测量矩阵比采用Gaussian、Elad、Xu和Vahid算法得到测量矩阵的重构错误率要低.     

A reconstruction algorithm of electrical impedance tomography with optimal configuration of the driven electrodes

A reconstruction algorithm for electrical impedance tomography (EIT) is presented. The least-squares (LS) method is applied and a formulation similar to that of the perturbation method is found. The main difference from perturbation lies with the sensitivity matrix, which here is replaced by the Jacobian matrix, defined in terms of the partial derivatives of every sensing electrode pair voltage difference with respect to every element's conductivity. The mutual position between the active electrodes is chosen to give optimum sensitivity. The results shown that the algorithm presented here has a better convergence and needs fewer iterations than the perturbation method.     

基于压缩感知的SAR图像压缩与重构方法

结合合成孔径雷达(SAR)图像特点,提出了一种基于压缩感知的SAR图像压缩与重构方法,并给出了具体的方法及详细流程.该方法首先将原始SAR图像进行分块处理,同时,利用离散小波变换(DWT)对分块结果进行稀疏处理,利用近似QR分解后的随机高斯矩阵对稀疏处理结果进行低维线性观测,实现了SAR图像的稀疏化表征与压缩.文中讨论的改进的正交匹配追踪(OMP)算法,与传统的OMP算法相比,改进的OMP算法在保证重构精度的前提下,可有效提高收敛速度.最后,通过离散小波反变换等处理获得最终的SAR图像重构结果.仿真实验结果证明所提方法的有效性与可行性.     

导数法峰值锐化算法提高磁感应成像图像分辨率

磁感应成像(MIT)是一种利用电磁感应原理重构生物组织电导率分布的非接触式电阻抗成像技术。该文利用亥姆霍兹线圈和20个检测线圈搭建了旋转式磁感应成像系统,利用滤波反投影算法重构图像。分别利用2阶和4阶导数法峰值锐化算法处理单目标和双目标检测线圈的测量数据,通过3个客观参数对比处理前后的重构图像结果。结果证明磁感应成像中导数法峰值锐化能够有效地增加图像质量。     

静态阻抗断层图像重建新方法

阻抗断层图像重建是一个严重病态的非线性的逆问题,特别是在静态阻抗断层成像中,由于其图像重建模型误差和测量噪声的影响更为严重,因此常用的基于目标函数梯度信息不断迭代的改进的Newton-Raphson类重建算法,即使使用正则化技术,其稳定性仍较差,甚至发散.本文提出一种全新的静态阻抗断层图像重建方法,它利用基于生物自然选择与遗传机理的遗传算法去搜索阻抗图像重建问题的最优解,无需正则化技术,也不会象改进的Newton-Raphson类算法那样易陷入局部最优解.实验结果也表明基于遗传算法的图像重建方法重建的静态阻抗断层图像,其成像精度和空间分辨率都大大好于改进的Newton-Raphson类重建算法.     

Compressed Blind Signal Reconstruction Model and Algorithm

The model of inherent connection between underdetermined blind signal separation and compressed sensing (CS) is analyzed first; then, the mathematical model of underdetermined blind signal reconstruction is built using CS. More specifically, the mixing matrix is estimated by exploiting the wavelet packet transform and k-means clustering methods up to permutation and scaling indeterminacy, and then, the measurement matrix and the measurement equation are obtained. To reconstruct the underdetermined sparse source signals, the proposed semi-blind compressed reconstruction algorithm is derived based on the blind signal reconstruction model and compressive sampling matching pursuit (CoSaMP) method. Our simulation results demonstrate that the proposed scheme is effective, irrespective of artificial data or real data. Moreover, the proposed scheme can be adjusted for different applications by modifying the mixing matrix estimation method and CoSaMP method with respect to the correspondence conditions.     

基于随机滤波的探地雷达成像方法

探地雷达是一种超宽带雷达系统,若按传统的奈奎斯特采样,雷达回波信号需要大量空间存储。压缩感知可以实现利用少量的测量值对稀疏信号进行重构,其中最为关键的是测量矩阵和重构算法的选择。本文将压缩感知应用于探地雷达成像,并利用随机滤波的思想选择测量矩阵,可以有效减少测量矩阵中非零值的个数。利用正交匹配追踪算法对信号进行重构,算法简单,降低了数据的存储量和运算复杂度,该算法同样可以对时间和空间上同时压缩的数据进行成像。最后,本文给出基于时间连续信号的GPR接收机一种CS实现方案。仿真结果表明,本文提出的成像方法可以以少量数据精确地对信号进行重构,并且运算量少。