亚采样彩色CCD图象的重建

在彩色图象传输、采集、存贮过程中，一般都采用对色度通道进行压缩的技术来减少图象占用的系统资源，在重建中，采用大面积着色的方法来重建图象。但这种方法会在图象的细节部分引入较大的误差，为了在实际应用中得到最佳的重建彩色图象，就需要研究在色度通道亚采样的情况下，如何利用了完备的数据有效地重建图象。针对CCD彩色图象的空间量化特点，提出了一种利用自然图象的约象条件和人眼视觉生理学特点重建CCD彩色图象的方法。该方法利用高分辩率的通道数据来获得图象的细节信息，并且利用图象各通道间的细节相似性（同变性）来获得低分辩率通道的图象细节。通过实验证明，该方法有效地提高了图象的清晰渡，消除了CCD图象重建中常见的伪彩和图象模糊等现象，可以用于数码相机或多光谱遥感图象处理等方面。     

由多聚集投影进行图象重建

扇形束投影用于单光子发射型ＣＴ中可以较大地提高系统的灵敏度，却带来投影数据截断产生的伪影问题。多聚焦格式采集投影数据是近几年提出的，它可以避免扇形束投影截断问题。针对多聚集投影数据的重建，此文提出了一种新的基于Ｆｏｕｒｉｅｒ级数展开和正则化技巧的近似级数展开算法。该方法推导简单严格。它可应用于平行束和扇形束的重建。新算法在实时可采用快速璃散Ｆｏｕｒｉｅｒ算法和不等距的梯形求积公式。数值实验表明该方     

由多聚焦投影进行图象重建

扇形束投影用于单光子发射型ＣＴ中可以较大地提高系统的灵敏度，却带来投影数据截断产生的伪影问题。多聚焦格式采集投影数据是近几年提出的，它可以避免扇形束投影截断问题。针对多聚焦投影数据的重建，此文提出了一种新的基于Ｆｏｕｒｉｅｒ级数展开和正则化技巧的近似级数展开算法。该方法推导简单严格。它可应用于平行束和扇形束的重建。新算法在实现时可采用快速离散Ｆｏｕｒｉｅｒ算法（ＦＦＴ）和不等距的梯形求积公式。数值实验表明该方法在计算量和精度两方面都较令人满意。     

基于动态后验模拟的PET图像重建

正电子发射成像是一种有效的生理功能性成像手段，但是由于投影数据中噪声大而给重建带来困难，为此提出了利用其他高质量的解剖成像结果的分割模板先验来进行完全Bayesian重建以提高重建效果，分割模板先验可以表示为包含超验参数的Markov场形式，但是它的非凸性和超验参数的存在使得无法用常规的方法得到最大后验估计，为此采用动态后验模拟算法计算后验平均估计，基于满足条件分布的动态后验模拟法可以同时更新象素的密度和超验参数，并且容易得到重建的方差和置信区间，将这种方法和似然估计、最大后验估计结果进行比较，重建的结果无论在空间分辨率和抑制噪声方面都有取得了好的效果。     

少量投影多准则CT图像重建的遗传算法研究

在投影数量极少的情况下实现CT图像重建,是一不完全问题,传统FBP、ART算法一般无法解决此类问题。通过附加先验约束,引入多重准则,将其转化为多目标约束下的最优化问题,然后应用遗传算法求得全局最优解。典型算例表明,在相同条件下其重建效果要优于传统算法。     

基于多目标优化的图象重建算法

针对当前流行的最大似然估计算法所存在的,由于投影数据的不完备性所产生的重建结果的非唯一性和最大似然估计算法本身对统计误差的积累放大效应所产生的,当迭代次数超过某个极限时,使重建图象质量开始严重变坏的问题,该文提出了新的基于多目标优化的图象重建算法,大大改善了图象重建的效果。     

基于遗传算法的图象重建算法

本文提出一种基于遗传算法的图象重建算法,该算法可以成功地解决由带有噪声的二维正交投影重建二维图象的问题.     

基于投影缺失正弦图的CT图像重建研究

通过对不完全投影重建的图像结果和正弦图对投影空间的数据分布情况进行分析,并根据工件较敏感部位的位置、形状和密度信息,对缺失的投影数据进行适当的补充。在此基础上,利用滤波反投影算法对补充后的正弦图进行图像的重建。经过实验验证,该方法改善了重建图像的质量,得到了较好的重建效果。     

基于折射角的稀疏投影角度相衬CT图像重建

已有基于X射线吸收衬度机制的计算机断层成像( CT)技术很难对由轻元素构成的弱吸收物质进行高质量成像。 X射线相位衬度CT成像是对弱吸收物质具有超高分辨率的一种CT技术,但该技术成像时间长、所需X射线辐射剂量大,不利于临床推广应用,因此,研究稀疏投影角度条件下的X射线相位衬度CT图像重建问题,基于压缩感知图像重建理论,使用折射角信息减少X射线辐射剂量,提出一种X射线相位衬度CT图像重建算法。实验结果表明,与滤波反投影算法相比,该算法在稀疏投影角度下可以得到较高质量的重建图像,在实际数据实验中能获得较高的峰值信噪比和数值准确性。     

高精度CT图像重建的并行运算实现

为解决超大图像(2048×2048)的FBP与OR-OSEM扇束图像重建,作者采用PC机群的并行处理技术。将图像重建算法改写为并行运算方式,按角度数均匀地分配计算任务给各个CPU。并行运算结果表明:图像重建速度与CPU的个数基本上成线性正比关系,可提高近25倍(CPU数为25时)。超大图像的在线重建可采用CPU阵列机来高速实现,这一技术对发展高精度CT具有重要的作用。     

MPI在CT并行重建中的应用

CT图像重建计算量巨大,为了达到理想的重建时间,并行处理很有必要,CT图像重建过程各个子空间相互独立,具有很好的并行性。采用基于消息传递接口(MPI)的并行算法充分利用了CT图像重建的这个特性,以平行束重建为例,采用卷积反投影重建算法进行CT图像重建过程的并行实现进行分析,实验结果证明,并行处理和单机处理重建结果完全一致,并且能够达到比较理想的加速比,可以扩展到CT的其他重建算法。     

基于Spark的CT图像FBP重建算法程序并行设计

将常用于CT图像重建的滤波反投影算法程序设计成能够运行在大数据框架Spark中的并行模式,以此来提高计算效率并实现批量图像的重建,缩短图像重建时间。基于分布式计算框架Spark,利用其图像处理工具Thunder,将滤波反投影算法在图像重建过程中设计成并行程序模式,实现图像的片间并行重建。实验结果表明,随着Spark集群规模的不断扩大,在确保重建图像质量的前提下,重建一定数量的CT图像相比单机模式下时间显著缩短,并行滤波反投影算法具有完全加速比,并行效率趋近于1。基于Spark集群实现的滤波反投影算法能够显著提升CT图像重建速度,并实现大量图像并行重建,可扩展其他的CT图像重建算法,对远程医学图像重建平台的建设具有重要参考意义。     

基于近邻非负线性组合的高分辨率图像重建

针对现有基于局部线性嵌入的高分辨率图像重建算法对噪声敏感、图像块间边界不连续等问题,提出一种近邻非负线性重建高分辨率图像的流形学习算法。将流形学习重建过程中的近邻线性组合系数约束为非负,并采用基于像素块比例值的特征提取方法。实验结果表明,该算法能重建更多的细节,降低块效应,提高重建图像的峰值信噪比。     

基于小波不可分离多分辨率的图像重建

文中提出并实现了一种基于小波不可分离多分辨率的重建算法。在图像重建领域内利用小波变换时,是对二维图像进行行和列的依次滤波,需要假定二维信号是关于自变量x和y可分离的,而实际二维信号中大多是不宜分开处理的。在算法中首先将投影数据进行二通道的小波分解,在分解抽样中,使用不同的抽样方法,直接得到小波的近似系数和细节系数,这些系数再经过逆小波变换得到最终的重建图像。基于不可分离多分辨率的小波算法将投影数据进行二通道的小波分解。     

基于改进图像重建算法的工业CT系统

目前工业CT扫描只能得到某一断面上的二维信息,不能得到被检测物的整体描述,人们希望获得具有高真实感的三维图像;Smith和Grangeat分别提出了三维投影重建算法,H.Kudo在对两种算法分别进行研究的基础上,提出了Smith-Grangeat方法,同时继承了两种算法的优点,但存在图像明显失真和衰减问题;通过对Smith-Grangeat方法进行改进,使图像失真减小;仿真结果验证了算法的有效性和工程实用性.     

一个基于图像代数的并行图像处理环境

系统可用性和应用程序可移植性差是许多现有的并行图像处理计算结构难以获得实际应用的重要原因,基于Ritter提出的图像代数理论,研究、实现了一个并行图像处理环境．用户在并行计算结构上进行程序设计时,只需用图像处理环境提供的图像代数运算描述算法即可,处理环境能够根据用户算法的描述,依据一个时间开销模型,自动从并行实现函数库中提取出最优或近似最优的并行代码完成算法的运行,算法的并行实现和并行计算结构的硬件细节对用户透明。     

基于 GPU 加速技术的 C 形臂 Cone Beam CT 三维 图像快速重建方法

平板探测器技术的发展使得锥形束计算机断层扫描技术(Cone Beam Computerized Tomography,CBCT)成为一种重要的成像技术,有着十分广泛的应用.基于C形臂的CBCT,除了具有CBCT的技术优势外,还特别适合在影像引导介入手术中应用.然而,如何在满足手术实时性要求的同时获得高分辨率高质量的三维断层图像,仍是个十分具有挑战性的课题.文章提出一种基于GPU加速技术的C形臂CBCT三维图像快速重建方法:在算法层面应用GPU并行加速技术对重建算法进行优化,在系统层面通过设计分布式系统和延迟隐藏机制,大大提升了由二维投影图像重建三维体数据的效率.在保持重建精度的前提下,优化后的GPU加速的FDK算法极大地提升了重建过程的计算效率.延迟隐藏机制进一步提升了系统的运行效率.在使用90帧投影时,系统效率提升了26%,重建延迟加速了2.1倍;当使用120帧投影时,系统效率提升39%,重建延迟加速达到3.3倍.     

基于稀疏表示的含噪图像超分辨重建方法

传统的含噪图像超分辨方法只能将图像去噪和图像超分辨分别进行处理,基于稀疏表示与字典训练的含噪声图像超分辨重建方法将两者融合在一起.提出一种基于图像块在训练字典下稀疏表示的协同处理方法,来解决含噪图像超分辨的问题.由于图像块可以由字典下的稀疏系数来表示,所以可训练一个分别适用于含噪低分辨率图像块和清晰高分辨率图像块的字典对,使得高低分辨率图像块在该字典对下具有相同的稀疏表示.当输入含噪低分辨率图像块时,先计算出其在低分辨率字典下的稀疏表示系数,然后利用此稀疏系数在高分辨率字典下进行重建,可得到清晰高分辨率图像块,最后通过整体优化完成清晰高分辨率图像,实现图像超分辨和图像去噪的目的.实验证明,采用局部自适应插值的方法放大低分辨率图像到中间分辨率再进行特征提取,比以往采用的双三线性插值的方法在重建图像质量上有提高,并通过研究字典λ参数的设置使得超分辨重建和去噪结果同时达到最佳,即在图像的视觉和质量上都具有较为明显的优势,具有很好的鲁棒性和有效性.