基于稀疏变换学习的改进灵敏度编码重建算法

灵敏度编码(SENSE)是一种利用多个接收线圈的灵敏度信息来减少扫描时间的技术。 基于 SENSE 算法的磁共振成像重建算法的重建图像存在模糊伪影和细节缺失等问题,不利于临床医学诊断。 为减少磁共振重建图像伪影并提高重建图像质量,将数据驱动的自适应稀疏变换学习(TL)引入 SENSE 算法中,得到一种 TL-SENSE 算法。该算法利用交替方向乘子法进行求解,通过变换更新、硬阈值去噪和图像更新实现并行磁共振成像重建。 仿真实验结果表明,所提算法对图像去噪和修复效果较好,能完整保留纹理细节和边缘轮廓信息,目标图像与原始图像的一致性较高。 对所选 48 组数据, TL-SENSE 算法重建图像的平均信噪比相比 SENSE 算法、 L1-SENSE 算法、TV-SENSE算法和 LpTV-SENSE 算法,分别提高了 4.62 dB、1.91 dB、1.30 dB 和 0.89 dB。     

并行磁共振图像的非二次正则化保边性重建

针对并行磁共振在欠采样率较高情况下重建图像存在的混迭伪影和噪声问题,提出一种非二次正则化的保边性图像重建算法.基于SENSE技术,该算法以保边平滑性的非二次凸函数为正则化项,构建一个非二次代价函数,并运用非线性共轭梯度算法求解该最小化问题,实现并行磁共振图像的保边性重建.为了评价算法的有效性和鲁棒性,以归一化均方误差作为评价准则,分析并行磁共振欠采样率最大时真实数据和仿真数据的图像重建.结果表明,该算法显著减少欠采样率较高时并行磁共振图像的混迭伪影,并能够有效抑制噪声和保留边缘信息.相比于其他图像重建算法,该算法能够快速收敛.     

改进的共轭梯度MRI压缩成像算法

为了缩短磁共振成像系统的扫描时间,压缩感知方法利用欠采样数据和非线性恢复算法实现系统的实时或准实时成像需求。通过联合考虑MRI图像在变换域和梯度域下的稀疏性,提出了一种基于预测线搜索方法的共轭梯度算法来重建磁共振图像。针对共轭梯度算法中线搜索次数过多和运行时间过长问题,采用基于预测的方法来优化搜索步长值,以此缩短算法执行时间和减少线搜索次数。仿真实验利用磁共振图像的10%、20%和30%的下采样数据进行图像重建,结果显示基于该预测线搜索方法的压缩成像算法执行时间少于回溯线搜索法的执行时间,重构图像质量优于零填充法和FR共轭梯度法,验证了该算法的有效性。     

一种新的基于GRAPPA的图像重建算法

传统GRAPPA（generalized auto-calibrating partially parallel acquisitions）采样轨迹存在重建图像质量差、数据扫描时间长等问题。在传统GRAPPA基础上提出了一种新的图像重建算法——交叉采样轨迹法,利用在相位编码方向上线圈间的空间灵敏度信息的互补特性,能够得到准确的线圈权重系数,提高了重建图像的质量。通过对真实脑部数据进行实验,结果显示该方法相比于传统的GRAPPA采样轨迹,可提高重构图像的质量、缩短数据扫描时间,是一种有效的采样方法。     

光学综合孔径成像系统探测器采样研究

基于探测器采样原理,从空间域和频率域详细研究了探测器采样对光学综合孔径(OSA)成像质量的影响。在空间域,研究了OSA成像系统点扩散函数分布与探测器采样误差的关系;在频率域,基于探测器采样与光学传递函数的关系,研究了采样频率对OSA成像系统截止频率的影响,分析了成像系统欠采样的产生并进行了欠采样图像恢复仿真。实验结果表明,在OSA成像系统的设计中,要将探测器与光学系统适当匹配,才能获得最佳的图像性能。     

基于加权双层Bregman及图结构正则化的磁共振成像

针对磁共振图像(magnetic resonance imaging,MRI)重建质量的问题,提出一种基于加权双层Bregman字典学习方法和图结构正则化稀疏表示的新算法.该算法中,迭代重加权最小l1和图结构正则化稀疏表示模型是被合并到双层Bregman字典学习方法中.加权双层Breman的字典学习方法在外层迭代中增强K空间抽样数据的约束性,在内层迭代中解决Lp的优化.而图结构正则化稀疏表示方法具备捕获图像结构细节的能力,所以从较高的欠采样数据中能完成精确重建.此外,在内层迭代中,重加权最小l1和图结构正则化稀疏表示使算法能快速地趋于收敛.实验结果表明,所提出的算法可有效恢复MRI图像,其峰值信噪比和高频错误的值都优于基于压缩感知的字典学习方法和基于双层Bregman的自适应字典学习方法.     

一种宽幅星载TOPSAR数据高效成像算法

得益于天线波束方位向扫描技术,星载合成孔径雷达(SAR)能够在渐进扫描模式(TOPS)下实现宽测绘带观测.在TOPS模式下,SAR波束沿着方位向进行逆时针反复扫描,并在距离向上进行多次切换,从而获取多个图像切片(burst).为了获得均匀采样的完整成像结果,通常需要对各burst进行重采样,但这会增加额外的计算量,降低处理效率.本文提出了一种宽幅星载TOPSAR数据高效成像算法.首先,在去斜率操作中引入一种新的插值方法,可以灵活地调整最终图像的方位采样间隔,方便进行图像拼接.该方法避免了在聚焦处理前的补零操作,从而降低计算量.在此基础上,本文结合TOPS模式多burst的特点,设计了一种GPU并行处理架构,成倍地提高数据处理效率.最后,根据仿真数据进行了实验,验证了该成像算法的有效性和高效性.     

基于改进TV-ART的变电压CT重建算法

常规固定电压的CT重建,因成像系统动态范围受限,投影数据易出现过曝光和欠曝光共存现象,信息缺失,成像质量差,为此提出变电压CT重建。针对变电压CT中的不完全投影数据重建问题,提出了基于改进TV-ART的变电压CT重建算法。该算法在改进TV-ART的基础上,依据灰度加权,把前一电压的重建图像作为初值应用到下一电压重建中,直至最高电压,实现有效投影信息的全部重建,完整地再现复杂结构件的内部结构信息。实验结果表明,跟直接利用传统TV-ART重建算法相比,本研究提出的算法不仅实现了变电压图像信息的完整重建,像素值也更加稳定。     

各向异性头部组织感应电流磁共振电阻抗成像

为了对人体头部组织各向异性电导率分布进行成像,借助扩散张量核磁共振成像(DT-MRI)技术,提出一种新的感应电流磁共振电阻抗成像(IC-MREIT)算法.采用IC-MREIT J-substitution算法,重构头皮、颅骨、脑脊液、灰质组织的各向同性电导率及白质组织的等效各向同性电导率分布,以该等效各向同性电导率分布作为初始信息,迭代重构脑白质各向异性电导率分布.基于磁共振成像(MRI)数据,构建包含5种组织的真实头模型,在该模型上对重构算法的可行性进行验证.在无噪声及15％的噪声水平下,重构电导率的相对误差分别小于15％和24％.仿真结果表明,该算法具有较高的抗噪声能力和成像精度.     

基于反馈网络的磁共振图像超分辨率重建研究

针对磁共振图像超分辨率重建算法存在的边缘信息丢失和运动伪影等问题,本文提出一种基于反馈网络的磁共振图像超分辨重建方法.采用反馈路径构成网络结构,在所提出的重建算法中,将输入图像进行上采样和下采样操作,提取图像特征,并对提取的特征进行融合后与输入图像一起进行局部循环训练,同时通过残差和卷积操作,重建超分辨率图像.为了更加...     

欠采样技术的超宽带信号子空间重建方法

针对超宽带脉冲信号采样中需要设计超高速模数变换器的问题,提出了一种带通采样结构和子空间重建算法。超宽带脉冲信号通过一个带通滤波器后,以数倍信号新息率进行采样,然后采用子空间重建算法可以准确地恢复出超宽带脉冲信号的幅度和时移。分析和仿真结果表明,该算法所要求的采样率低于传统香农采样定理要求的奈奎斯特率;当信号受到噪声影响时,子空间重建算法的性能优于现有的零化滤波重建算法。     

基于分布式哈希表的分布式子空间聚类算法

提出一种基于分布式哈希表(DHT)的分布式子空间聚类(DISCLUS)算法,该算法对各结点存储的数据分别进行子空间聚类,对聚类结果进行合并,得到分布式系统的聚类结果.针对子空间聚类的特点,提出结果集缩减和结果集剪枝策略对结点间通讯进行优化.为实现结点聚类结果合并,提出分布式表决算法(DDV).该算法利用底层覆盖网的拓扑结构进行层次化表决信息收集,在动态网络环境中实现了对所有结点的无冗余覆盖.理论分析和实验表明,DISCLUS算法的聚类误差和通讯性能能够较好地适应系统数据集规模、网络规模和数据空间维度的增加.     

基于支持向量机(SVM)算法的加工机械故障分析

针对工业领域中加工机械故障数据集的复杂性和海量性,对经典支持向量机(SVM)算法进行深度优化,引入规范化超平面分割数据集,并求解最优解;选择高斯径向基函数作为算法模型核函数,改善算法的泛化性能;基于样本熵排列方式提取故障信号特征,在不可分空间内也可以实现对非线性数据集的精确分割.仿真结果与实例验证表明,优化SVM算法具有更强的数据集分类性能和故障分析与检测性能,实际应用效果良好.     

基于多分辨率学习卷积神经网络的磁共振图像超分辨率重建

高分辨率磁共振图像对于医学诊断具有重要意义,本文提出一种多分辨率学习卷积神经网络,并应用于磁共振图像超分辨率。网络是一种新型深度残差网络,包含用于特征提取的残差单元、多分辨率上采样的反卷积层以及多分辨率学习层。设计的网络在低分辨率图像空间中实现图像超分辨率,采用多分辨率上采样实现多个残差单元信息融合并加速网络,多分辨率学习能够自适应地确定各分辨率上采样的高维特征图对磁共振图像超分辨重建的贡献度。实验表明,论文提出的方法能够很好地超分辨率重建磁共振图像,优于最新的深度学习方法。     

基于支持向量机的电容层析成像图像重建算法

针对BP重建算法处理由电容层析成像系统所采集的投影数据耗时较多、收敛慢的问题,提出一种基于支持向量机的电容层析成像系统图像重建算法,提高了重建算法的成像速度,从而改善成像系统的整体性能.仿真结果表明,该方法的成像精确度及成像实时性较好.     

分布式宽带合作频谱感知算法

针对传统宽带合作频谱感知中集中式频谱重构带来的网络通信负担重、重构复杂度高的缺点,提出了一种基于分布式子空间估计的非重构宽带合作频谱感知算法.该算法直接从欠采样数据中估计信号子空间,利用子空间的正交性实现频谱感知.为了获得空间分集增益,采用基于扩散自适应的分布式估计算法求解全局信号子空间.理论分析与仿真结果表明,该算法无需重构原始信号的频谱,运算复杂度低,全分布式的多用户合作提高了频谱感知性能,且具有更少的节点通信量.     

基于空域滤波的核RX高光谱图像异常检测算法

核RX算法将原始高光谱数据通过非线性映射到高维特征空间进行处理,具有很好的非线性异常检测性能,但当背景数据中混入异常点后背景核矩阵将发生退化,使得漏检率上升.针对此问题,该文提出一种基于空域滤波的核RX算法,利用高光谱图像同一波段相邻像素的空间相关性,采用分波段空域滤波的方式优化背景数据的分布,抑制了异常数据对背景的干扰,构造更加符合背景分布的核矩阵,有效提高检测概率的同时降低了虚警概率.通过试验模拟数据和真实AVIRIS数据的测试检验,说明该算法性能优于传统RX算法以及核RX算法.     

基于多级残差U-Net的稀疏SPECT图像重建

低剂量单光子发射型断层扫描(Single-Photon Emission Computed Tomography，SPECT) 能够减少放射性示踪剂对人体的辐射损害，因此其临床应用变得愈发重要。SPECT扫描可通过投影角度稀疏采样实现低剂量成像；若直接对稀疏采样投影数据进行迭代重建，投影角度的缺失将导致重建图像中出现严重的射线伪影。现今主流的临床方法普遍在图像重建优化模型中引入特定的正则项以抑制射线伪影，然而该类方法不具有通用性，并且正则项过度依赖于经验选取。本文提出一种新颖的神经网络结构以学习稀疏采样投影数据与全角度采样投影数据之间的映射关系；通过所提网络结构合成缺失角度的投影数据，来提升重建图像的质量。数值实验表明，相较于传统迭代重建方法，论文重建方法所得图像的结构相似性(Structural Similarity, SSIM)提高了59%，标准均方误差(Normalized Mean-Square-Error, NMSE)降低了67%，峰值信噪比(Peak Signal-to-Noise Ratio, PSNR)提高了2.48 dB。因此，所提方法能较好地改善稀疏采样投影数据成像后的图像质量。     

非均匀空间采样下的表层穿透雷达逆时偏移成像算法

提出了一种冲激脉冲表层穿透雷达(ImpSPR:Impulse Surface Penetrating Radar)非均匀空间采样下的逆时偏移(NUSS-RTM:Non uniform Spatial Sampling Reverse Time Migration)成像算法。ImpSPR对表层下区域进行探测时,当空间采样非均匀分布时,基于快速傅里叶变换的距离偏移(RM:Range Migra-tion)成像算法和衍射层析成像算法不再是一种有效的方法。需要进行坐标轴拉伸变换或采用非均匀傅里叶变换进行成像处理,算法流程复杂。本文以波动方程RTM处理为基础,运用泰勒级数展开得到了波场关于空间维方向导数的二阶精度差分格式,导出了NUSS-RTM成像算法并给出了具体的差分网格实现形式。通过对ImpSPR实测数据的处理,结果表明NUSS-RTM成像算法可有效地应用于ImpSPR非均匀采样或均匀采样下的高分辨成像。     

基于旋转采样光场数据的物体表面重构

光场的旋转采样模式与图像重建的扫描模式具有相似的几何特性.借鉴图像重建的全刻画模型,提出一种基于旋转采样光场数据的物体表面重构算法,给出了旋转采样光场的参数化表示方法,建立了刻画旋转采样光场数据与物体表面关系的模型,得到物体表面特征点对应光线在旋转采样光场中的分布函数.根据分布函数结合图像的特征点匹配建立表面特征点位置的重构算法,由表面特征点生成物体表面的三维点云,实现物体的三维表面重构.实验结果验证了提出的基于旋转采样光场数据的物体表面重构算法的可行性和有效性.