基于深度卷积神经网络的激光三维图像重建方法

针对当前的激光三维图像重建方法存在的精度低、效果差，耗时长等难题，为了提高激光三维图像重建效果，提出基于深度卷积神经网络的激光三维图像重建方法。首先采集待重建激光三维图像，采用去噪算法对激光三维图像进行去噪操作，并对去噪处理后的激光三维图像进行增强操作，改善激光三维图像视觉效果，然后采用深度卷积神经网络对激光三维图像进行激光三维图像重建，最后进行了多幅激光三维图像重建仿真测试，结果表明，深度卷积神经网络的激光三维图像重建精度超过93%,重建后激光三维图像质量得到提升，激光三维图像重建时间控制在40 ms以内，可以快速实现激光三维图像重建结果，同时重建后的激光三维图像整体效果要明显优于当前经典重建方法，具有更加广泛的应用前景。     

基于卷积神经网络的定量磁化率图像重建

文中提出了解决定量磁化率成像中偶极子反卷积的病态逆问题和快速重建高质量无伪影的定量磁化率图像的算法。基于k空间阈值法(TKD)初步重建三维定量磁化率图像(QSM),随后将TKD重建图像输入训练完成的三维卷积神经网络(CNN)模型中获得预测图像。在k空间中将TKD重建图像与CNN预测图像进行融合重建最终QSM图像。结果表明:与金标准相比,算法能够重建视觉上误差较小和无条形伪影的磁化率图像;卷积神经网络可以恢复病态区域的信号,k空间融合方法有效解决了偶极子反卷积的病态性。测试集上的重建结果在标准均方根误差(NRMSE)和高频误差范数(HFEN)重建误差上均低于主流算法。     

基于结构照明的超分辨荧光显微成像重建算法

由于具有低光毒性、高速宽视场以及多通道三维超分辨成像能力,超分辨结构照明显微术(SR-SIM)特别适合用于活细胞中动态精细结构的实时检测研究。超分辨结构照明显微图像重建算法(SIM-RA)对SR-SIM的成像质量具有决定性影响。本文首先简要介绍了超分辨显微术的发展现状,阐述了研究SR-SIM图像重建算法的必要性;然后介绍了SR-SIM的成像原理,并重点介绍了SR-SIM图像重建算法,包括SR-SIM中频繁使用的去卷积重建算法、SR-SIM校准与重建过程中参数值获取的算法,以及目前发展的超分辨结构照明显微图像重建算法,并介绍了SR-SIM工具箱;最后总结了当前发展超分辨结构照明显微图像重建算法需解决的5个问题。     

基于深度学习的单像素相机超分辨率成像优化

基于压缩感知和单像素成像的基本原理,设计了一种用于图像超分辨率重建的新型深度卷积神经网络架构.这种单像素超分辨率成像算法成功地将深度学习图像超分辨率重建技术与压缩感知单像素成像技术相结合,从而发展出一种全新的深度学习单像素成像优化方法.与传统的常规压缩感知图像重构算法相比,该算法有效提升了图像超分辨率重建精度和单像素成像质量.通过图像重建的仿真实验和单像素相机的成像实验验证,结果表明这种基于深度学习的新型单像素相机成像方式具有良好的性能表现.     

0.33 THz雷达三维近场成像系统设计及成像试验

提出了采用步进频率结合平面扫描的THz雷达近场成像系统设计方案,基于宽带全息成像原理,可以实现三维高分辨率近场成像。采用多通道收发探头阵列缩短机械扫描行程,提高成像速度。给出了基于快速傅里叶变换（Fast Fourier Transform,FFT）和Stolt插值的三维图像重建算法,成像理论分辨率与波长相当。利用THz矢量网络分析仪和辅助设备,搭建了0.215~0.33 THz成像试验装置,完成了对多层金属-泡沫目标三维成像,成像分辨率达到预期水平,验证了系统设计和三维图像重建算法的正确性。     

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.     

基于迭代滤波盲复原算法的水下图像噪声去除

摘要：图像复原的目的是从观测到的退化图像重建原始图像,维纳滤波与约束去卷积滤波是比较常采用的复原方法。在未知降质函数的情况下,直接运用维纳滤波和约束去卷积滤波有一定困难。针对此提出以维纳滤波与约束去卷积滤波为模型的迭代滤波盲复原算法对水下图像进行去噪。实验证明,该方法获得了比较理想的复原效果。     

一种约束最小模方估计的图像迭代重建算法

较少投影重建问题一直是成像领域研究的重点，传统的卷积反投影(CBP)不能产生满意的重建图像——伪影严重、误差大，而迭代算法却具有一些较好的特性。本文以CT成像为基础，以最小模方为目标函数提出了一种约束迭代重建算法，本算法与无约束迭代算法相比，在花费相同时间的情况下，可以重建出误差更小，拟合度更高的图像。以扇束扫描投影数据重建的结果验证了本文的结论。     

基于增强现实技术的快速三维图像重建方法

为了提高三维图像重建质量,提出基于增强现实技术的快速三维图像重建方法。以三维图像的成像模型为基础,利用增强现实技术（VR）获取三维图像增强表达式,进行三维图像多目标跟踪,根据跟踪结果,计算聚类样本均值,再结合输出的图像重构函数设计SVM三维图像重建算法。实验结果表明,所提方法重建的图像质量良好,清晰度较高,具有一定的应用价值,为后续多领域三维图像重建应用作出了一定的贡献。     

水平路径上多帧湍流退化图像重建

为了重建水平路径上远距离成像系统获取的湍流退化图像,提出去除形变和振铃的分块多帧盲反卷积方法.首先按采集的顺序将图像序列分成若干图像组,通过B-spline基函数配准方法去除非等晕块之间的形变,第二步通过基于块的时域融合算法去除等晕块间的振铃,得到衍射受限的湍流退化图像,最后将所得的多帧图像进行频域重建,复原高质量图像.实验表明,所提出的算法适合于水平路径上获取的退化图像的重建,得到较高的主观视觉图像质量.     

Aperture collimation correction and maximum-likelihood image reconstruction for near-field coded aperture imaging of single photon emission computerized tomography

Coded aperture (CA) imaging originally developed in X-ray astronomy has not been widely used in nuclear medicine due to the decoding complexity of near-field CA images. In this paper, we present a near-field CA imaging technique and image reconstruction method for high sensitivity and high resolution single photon emission computerized tomography (SPECT). Our approach makes three contributions. First, a correction method for the aperture collimation effect is used to eliminate the near-field artifacts without dual acquisitions of mask and anti-mask images. Second, a maximum-likelihood expectation-maximization (MLEM) deconvolution method is used to restore CA images. Finally, a new MLEM-based algorithm is used to partially reconstruct three-dimensional (3-D) objects from a single projection of CA images. Experiments conducted using a dual-head SPECT system equipped with a parallel-hole collimator and a CA module show a tenfold increase in count sensitivity and significant improvement in image resolution with CA collimation as compared to parallel-hole collimation. Experiments conducted using the same dual-head SPECT system equipped with a pinhole collimator show that when the object is closer to the pinhole collimator the CA image resolution is only slightly inferior to the pinhole collimated image. We found that the MLEM deconvolution method provides an inherent nonnegativity constraint on pixel values and remarkably reduces background activities of CA images. The MLEM reconstruction algorithm for CA images is capable of reconstructing 3-D objects from a single projection and can be potentially extended to full 3-D SPECT reconstruction for CA images.     

基于像面数字全息术的中药饮片细胞定量成像技术研究

细胞三维定量成像为中药饮片显微鉴别提供了新方法。为了提高数字全息显微成像质量,采用理论分析与实验验证相结合的方法,对球面参考光像面数字全息显微术的记录和再现过程进行了研究,提出了利用标准分辨率测试板对系统放大倍数、物距等参数进行标定的方法;并利用实验结果对两种常见的相位解包裹方法进行了对比。结果表明:球面参考光像面数字全息图不仅具有较高的信息容量,而且再现过程非常简单,还可以在记录过程中实时观察被记录样品的情况,并选择恰当的被记录区域。利用美国空军分辨率测试板的强度再现像就可以对全息成像系统的放大倍数等参数进行精确标定;利用基于横向剪切的最小二乘解包裹方法可以得到具有较大纵深细胞的准确相位;采取边缘识别技术,可以提高细胞再现像显示效果。     

彩色数字全息系统中透镜色差影响的研究

在物光通过透镜系统到达CCD平面的彩色数字全息研究中,将每一色光的像视为像空间中的物体。基于全息图补零的一次傅里叶变换(1-FFT)重建方法,导出既能较好地统一不同色光重建物体的物理尺寸,又能考虑透镜色差影响的彩色数字全息图像重建方法。对该方法的研究结果表明,透镜色差的影响等效于让物体的重建像偏离了理想的重建像平面。然而,数字全息重建图像具有一定的焦深,在多数情况下,可以忽略透镜色差的影响,利用厂家给定的焦距标称值获得满足实际需要的彩色重建图像。     

压缩感知相移数字全息术

相移数字全息图用传统数字再现可以消除零级像与共轭像,但数字全息术记录的全息图及数字再现像的分辨率被CCD的分辨率所限制.将新兴的压缩感知算法用于数字全息图的稀疏重建,以实现由部分全息图数据得到高分辨率再现像.分析了压缩感知用于重建数字相移全息图的原理,并利用该算法对计算机模拟的相移全息图进行了重建.结果表明,压缩感知算法能够对数字全息图稀疏重建,利用50％的部分全息图数据重建出了较高质量的再现像,并消除了零级像和共轭像.当选用合适的观测器如数字微反射镜器件或随机位相片实现随机观测矩阵时,可以实现单像素成像,从而突破记录全息图CCD分辨率的限制.     

A Hardware Acceleration Platform for Digital Holographic Imaging

This paper presents a hardware acceleration platform for image reconstruction in digital holographic imaging. The hardware accelerator executes a computationally demanding reconstruction algorithm which transforms an interference pattern captured on a digital image sensor into visible images. Focus in this work is to maximize computational efficiency, and to minimize the external memory transfer overhead, as well as required internal buffering. The paper presents an efficient processing datapath with a fast transpose unit and an interleaved memory storage scheme. The proposed architecture results in a speedup with a factor 3 compared with the traditional column/row approach for calculating the two-dimensional FFT. Memory sharing between the computational units reduces the on-chip memory requirements with over 50%. The custom hardware accelerator, extended with a microprocessor and a memory controller, has been implemented on a custom designed FPGA platform and integrated in a holographic microscope to reconstruct images. The proposed architecture targeting a 0.13 µm CMOS standard cell library achieves real-time image reconstruction with 20 frames per second.     

物光与参考光强度比对数字全息再现像质的影响

为了提高数字全息显微中的重建精度及速率,采用理论分析与实验验证相结合的方法,对数字全息显微中基于同态信号处理的广义线性重建算法进行了理论分析,比较了同一物场在不同物光与参考光强比条件下的实验结果。结果表明,随着参考光与物光光强比的不断增大,广义线性重建算法再现像质得到明显改善,但当这一比值增大到一定值时,再现像质量则逐渐下降。寻找合适的物光、参考光光强比,是利用数字全息广义线性重建算法实现高质量再现像的重要条件。     

基于全变差重构算法的数字全息研究

为了消除传统算法对数字全息重构过程中会出现0级像、共轭像干扰的问题,将压缩感知理论与数字全息图再现相结合,提出了基于全变差的两步迭代收缩阈值重构算法（TwIST）,并应用于数字全息图压缩感知全息图重建。 TwIST算法根据重构成分的特点增加正则约束,对相应的形态进行调整,在满足全变差最小的特性的基础上进行重构,提高了重构全息图的质量。结果表明,TwIST算法可以对数字全息图稀疏重建,利用35%的部分全息图数据进行图像重构,重构图像峰值信噪比为36.46dB,且没有0级像和共轭像等干扰。该研究结果对实现计算全息的实时性具有重要的意义。     

互相关算法在运动目标距离选通激光三维成像中的应用

在微光成像中,距离选通成像是一种获取目标三维信息的有效手段。对于静止目标而言,可以通过对目标切片成像,获得不同选通距离的目标图像,进而通过二值化算法或质心算法获得目标的三维图像。而对于运动目标而言,在切片成像的同时,目标的空间位置会发生变化,因此需要对不同选通距离的目标图像进行配准,而后才能获得目标的三维图像。搭建了基于像增强电荷耦合器件(ICCD)的距离选通实验系统,提出了一种基于像质评价的互信息配准算法配准激光图像目标的空间位置,然后对配准后的激光图像通过互相关算法获得三维图像,并在保证一定的三维精度基础上,逐渐减少激光图像的像幅数,最后与二值化算法和质心算法三维重构进行了实验对比,实验结果表明,互信息配准算法能够有效配准激光图像,互相关三维成像算法精度高于二值化法和质心法,最少采用2幅图像即可获得目标的三维点云图像,大大降低了对运动目标三维成像的难度。     

基于小波变换的太赫兹数字全息成像自动聚焦算法

自动聚焦技术是实现数字全息成像快速、准确再现的关键技术之一。在分析聚焦和离焦过程中小波变换高频和低频系数变化特点的基础上,提出了一种基于小波变换的聚焦判据函数。采用无噪声和被噪声污染的模拟太赫兹(THz)数字全息图,比较分析了这种聚焦判据函数和五种经典的数字全息聚焦判据函数的性能,给出了综合评价。仿真结果表明：同五种经典聚焦判据函数相比,基于小波变换的聚焦评价函数具有更好的单峰性、更高的主峰锐度和极佳的抗噪性,是一种性能优越的THz数字全息成像自动聚焦判据函数。