基于动态参数的Tikhonov方法在电容成像图像重建中的应用

该文针对电容成像(ECT)图像重建问题的病态性,采用Tikhonov正则化方法进行图像重建,并选用三种方法动态选择正则化参数。仿真结果表明对某些流型分布,用文中所述方法得到的重建结果优于目前普遍使用的线性反投影(LBP)算法。该方法为提高ECT图像重建质量提供了新的途径。     

正则化算法在CT图像重建上的应用

由于受数据采集时间、照射剂量、成像系统扫描的几何位置等因素的约束,计算机断层成像（Computed tomography,CT）技术目前只能在有限角度范围或在较少的投影角度得到数据,这些都属于不完全角度重建问题. 因此,图像重建的算法应用变得尤为重要,本文将现有的几种正则化超分辨率重建算法应用到CT图像重建上并做了一系列的对比分析,分析不同算法下不同的图像重建效果. 首先对低分辨率CT图像进行图像配准,然后再进行样条插值放大,最后运用相关正则化算法进行超分辨率图像重建. 实验结果表明正则化算法的应用一定程度上提高了图像分辨率,其中双边正则化下的重建效果最好,基于L2范数全变分正则化效果较差.     

基于正则化的超分辨率图像重建方法及其实现

超分辨率图像重建是用同一景物的若干低分辨率图像通过数字图像处理技术获取其高分辨率图像的一种技术.介绍了基于正则化方法的超分辨率图像重建的研究现状和以正则化为基础的几种重建方法在近几年的研究和发展趋势.在此基础上,实现了一种遥感图像的正则化超分辨率重建算法,实验验证了方法的有效性.     

正则化广义逆ERT 图像重建算法的研究

提出一种正则化广义逆ERT图像重建算法，利用ERT仿真软件得到的数据进行图像重建。与常用的ERT图像重建算法进行比较，重建出的图像经过统一的门限滤波后，反投影算法、灵敏度系数算法和正则化广义逆ERT图像重建算法重建图像的CSIE平均值分别为12％，9％和6％。研究表明，正则化广义逆ERT图像重建算法重建速度快，能显著提高重建图像的质量，适合于工业过程应用。     

一种基于遗传算法的电容成像图像重建方法

提出一种基于遗传算法的电容成像图像重建方法.该方法以线性反投影算法图像重建结果作为初始图像,选取Tikhonov正则化指标作为适应度函数,利用遗传算法对初始图像重新进行优化处理,选择能够更好反映管道中不同相介质所在位置的像素点,并确定这些像素点灰度值的最大最小值,最后根据最大值和最小值确定像素点的灰度值.该算法充分利用遗传算法对低维空间高效的搜索能力,避免了应用遗传算法直接求取各像素点的灰度值,具有较高的效率.数值计算结果表明该算法对两相流不同流型分布具有良好的适应性,与Landweber方法相比,能在更短的计算时间的情况下,取得更好的重建图像.     

基于正则化迭代的并行磁共振图像重建算法

为了解决并行磁共振成像过程的病态性和图像信噪比下降问题,降低重建过程中噪声放大和异常值的干扰造成的图像信噪比的损失,提出了一种基于正则化共轭梯度迭代的并行磁共振成像重建算法;该算法基于最小二乘理论,引入正则化,优化方程,进而进行迭代重建;采用了不同加速因子的人脑磁共振K空间欠采样数据以验证该算法的重建性能,仿真结果表明了该算法相较于最小二乘法,能较大限度地降低噪声对重建结果的干扰,具有信噪比更高、误差更小、成像效果更好等特征;重建图像质量得到了较好的改善,对临床诊断更具有适用性。     

总变差正则化断层图像重建的解耦Bregman迭代算法

在断层重建的很多工程应用中,由于低剂量以及成像硬件等原因,经常需要在测量数据不充分的情况下去重建图像。基于图像分段光滑的假设,提出采用误差的加权范数作为数据保真项,TV（total variation）作为正则项的断层图像重建模型。该模型求解时,首先通过引入代理函数将原问题解耦为残差的加权范数最小化和加权范数TV去噪这两个子问题;然后采用了Chambolle的对偶空间正交投影法的框架对加权范数TV去噪问题进行求解,避免了由于TV项在不可导处所带来的计算不稳定;最后,为了提高收敛速度并且避免由正则化参数选取所引起的数值不稳定,引入Bregman方法,给出该模型的快速迭代算法。在扇形束少角度欠采样的条件下,对理想情况和高斯噪声情况下进行仿真测试,并同多种算法进行了比较。实验结果表明,该算法重建效果好,收敛速度快。     

压缩图像空时自适应正则化超分辨率重建

所谓超分辨率(SR)技术就是由低分辨率(LR)图像序列来重建高分辨率(HR)图像的技术,而基于压缩图像的SR技术正成为当前研究的热点。为了提高压缩图像的重建质量,在正则化理论的基础上,通过利用比特流中的信息,提出了一种新颖的空时自适应超分辨率重建算法,该算法先利用正则化代价函数控制时域数据和空域先验信息之间的平衡,使正则化参数在SR重建过程中得到自适应地调整,然后利用迭代梯度下降法进行超分辨率重建。仿真实验表明,该自适应算法比采用传统算法重建的图像的主、客观质量有一定的提高,适合压缩图像的应用。     

编码曝光图像的L0正则化去模糊重建方法

目标的运动会导致其成像模糊。为了从模糊的图像中恢复清晰的目标图像,本文采用了编码曝光成像技术。与传统相机成像中快门一直处于开启的状态不同,编码曝光相机成像是在快门开启和闭合转换过程中成像。由于在时域快速转换的编码等效为频域较宽的滤波器,因此编码曝光成像有效地保留了目标的高频信息。为了从编码曝光图像中清晰地复原图像,本文设计了能保留图像高频细节的L ₀正则项约束的图像重建和模糊核估计方法。通过待重建图像与模糊核的交替迭代更新来完成图像重建。仿真合成图像和实际采集图像的实验表明,本方法对多种运动产生的模糊均有良好的图像复原效果。     

电容层析成像图像重建算法研究

图像重建算法是电容层析成像系统的关键技术之一,是改善重建图像质量的重要因素.在正则化的基础上提出了一种基于QR分解的电容层析成像算法,该方法首先将离散化和线性化处理后的电容层析成像物理模型进行Tikhonov正则化处理,然后将QR分解的思想引入电容层析成像方程中求解出初始图像,然后再对初始图像进行优化修正提高重建图像质量.成像结果表明,图像重建结果与实际相符,图像质量得到了改善.     

电容层析成像系统图像重建算法的研究

本文利用Tikhonov正则化和奇异系统理论,分析了引起电容层析成像系统逆问题不适定性的根本原因是由于敏感场矩阵小奇异值的存在。针对一般Tikhonov正则化方法将所有的奇异值都采取同一正则化参数修正带来的误差,本文将小奇异值对应的项设定正则化参数,而舍去零奇异值对应向量,既减少了误差又加快了速度。例算结果表明,用本文方法重建图像,比其它如线性反投影算法(LBP)、Landweber迭代法及一般Tikhonov正则化算法,都有一定程度的改善。     

基于最大熵电容成象图象重建算法的研究

针对电容层析成象图象重建算法存在的不足,充分考虑灵敏度和介质分布不均匀对图象重建质量的影响,利用信息熵的概念提出最大熵图象重建算法,实验表明,图象重建模型是可靠的,最大熵图象重建算法重建精度优于反投影算法,它具有简单快捷、实时笥好等优点,可实现图象的快速重建。     

用于两相流电容层析成像系统中的图像重建算法

图像重建算法研究和增加投影数据是改善图像重建质量的两个重要方面。由于目前在ECT系统中存在着一种基于奇异值分解（SVD）的图像重建算法,此算法中的奇异值将对应图像重建矩阵中很大的对角线元素,从而导致伪逆很不稳定。因而讨论了改进的基于奇异值分解（MSVD）的图像重建算法,该算法是用改进奇异值分解方法求出图像重建矩阵。仿真及实验结果均表明该算法是一种实时的、重建图像质量优于SVD。     

电容层析成像系统传感器场域新的剖分方法及图像重建

电容层析成像传感器的敏感场受多相流介质分布的影响，软场特性给图像重建带来很大困难，为了提高重建图像质量，对敏感场分布进行分析是非常必要的。本文采用有限元法，通过对敏感场场域采用两种不同剖分形式的比较，提出一种新的场域剖分形式，对敏感场分布进行计算机及仿真，依据敏感场计算的数据及测量结果，提出了基于遗传算法的图像重建算法。实验证明有限元模型是正确的，说明利用不等间距的剖分形式可以得到较好的仿真结果，重建的图像具有较高的精度。     

电容层析成像图像重建的新算法

对采用RBF神经网络的8电极电容层析成像系统的图像重建的方法进行了探讨。该神经网络采用遗传算法结合传统的最近邻聚类方法进行学习。仿真实验结果表明,该方法的成像精度及成像实时性较好。     

非闭合电极电容层析成像传感器的设计及实验研究

提出并制作了一种新型的非闭合电极电容传感器,对其敏感场进行了计算,利用该传感器对实际物体进行了测试,并对测试结果实现了物体图像重建.结果表明,该传感器对不同介电常数物质测试敏感,利用所计算的敏感场能够由测试电容信号重建出物体的图像,从而为电容层析成像技术进行冻土测试提供了实验基础.     

基于电容层析成像技术的两相流可视化测量仪器

针对油水两相流参数测量问题,依据二重积分微元原理建立了油水两相流分布信息的数学模型,采用一种具有抗杂散电容的测量电路和80C32单片机完成了极板间电容的测量和采集系统的控制,组建了一套8电极油水两相流电容层析成像测量系统,系统采用了自适应阈值的图像重建的方法完成了油水两相流的截面图像的重建和油水两相流含水率的计算,其重建精度在1%左右,满足了油水两相流流型识别的要求,为油水两相流参数的可视化测量提供一种新方法.     

基于飞行时间信息与稀疏正则化的PET图像重建

<正>电子发射型计算机断层成像(PET)作为一种重要的临床影像技术,其图像重建技术非常重要.本文将γ光子飞行时间信息(TOF)加入到系统响应矩阵并提出基于TOF的图像重建算法.基于压缩感知原理,利用全变差和小波变换对图像进行稀疏化,以它们为正则项构建目标函数;并运用惩罚函数的方法将目标函数求解分解为二次优化和稀疏约束2个子问题,运用交替求解的方法逐一求解,降低了求解的复杂性.采用蒙特卡罗对Derenzo模型进行仿真重建并比较不同算法的成像效果,结果表明,加入TOF信息和利用稀疏约束能够更好地拟制噪声,图像重建效果优于传统算法.文中进一步研究了系统时间分辨率和时间采样间隔对图像重建的影响,结果表明,时间分辨率越高、时间采集间隔越短,重建效果越好.