基于光学层析技术的图像重建

对于光学层析技术(OCT)的原理以及光学层析技术的2类传统算法进行了详尽的分析和阐述,对其各自的优缺点做了比较,并对目前在传统算法基础上发展起来的各种新算法做了简单的介绍.     

基于梯度树的光学层析图像重建方法

光学相干层析成像技术是一种新型成像方法,在生物医学和材料等许多领域有广泛的应用.介绍了一种基于梯度树的迭代图像重建方法,讨论了输运模型下含空洞状区域的图像重建方法.证明了基于输运模型的图像重建能克服扩散方程在非散射区域的重建弊端,准确地重建光学层析图像.     

基于水平集的光学层析图像重建

为解决重建图像中异常区域边界不规则这一问题,提出一种基于水平集的光学层析图像重建方法.该方法在背景区域光学参数已知情况下,可以使重建异常目标区域的位置更加接近其真实位置,且实现了异常区域位置和光学参数的同时重建.采用扩散方程作为光子传输模型,基于有限元方法实现正向模型的数值求解,用零水平集曲线表示异常区域边界.实验结果...     

正交有限视角光学层析重建图像的计算机模拟

本文提出了正交有限视角少数投影光学层析技术重建图像的重要性;对正交光路系统各１６°,１４°,１２°,１０°范围内的投影视角采用联合代数重建算法实现了图像重建的计算机模拟;分析了重建精度与采样密度,采样间隔的关系,结果表明,小视角少数投影情况下重建出较高质量的图像是可行的。     

基于哈特曼波前探测层析重建三维温度场

基于哈特曼波前探测的流场层析测量技术结合了光学波前探测技术和计算机层析重建技术。系统由哈特曼传感器探测平行光束穿过流场后的投影波前，提取流场在多方向上的投影数据，采用计算机层析技术重建流场物理量的空间分布。为了验证系统的可行性和标定系统重建精度，首先对静态圆对称折射率场进行层析重建，折射率重建误差为10^-3。任静仑标定的基础上．对实际火焰温度场进行了层析重建，获得了火焰温度场的三维温度分布，取得了较好的实验结果。     

少数投影最大熵图像重建的数值模拟

提出了一种新的少数投影层析图像重建算法,通过数值模拟,考察了该算法对不同场分布函数的重建效果以及抗噪声性能,结果表明,该算法具有较高的重建精度和良好的抗噪场性能。     

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.     

对数域的光学相干层析图像噪声模型分析

为了分析光学相干层析成像技术(OCT)的图像对数变换前后的斑点噪声分布模型,为图像去噪及其它图像处理过程提供参考,采用了先推导斑点噪声理论分布模型,再通过实验数据验证的方法。首先分析了对数变换前斑点噪声的统计特性,利用数学理论推导得到斑点噪声对数变换后的理论分布模型,然后用OCT心血管图像的平滑区域作为噪声的试验数据,得到变换前后斑点噪声的直方图分布数据,最后用理论分布模型对试验数据进行曲线拟合,取得了确定系数、均方根差和卡方检测的评价数据。结果表明,对数变换后斑点噪声分布符合Fisher-Tippett分布。这一结果对OCT图像去噪等处理过程是有帮助的。     

基于图像频谱能量集中度的频域光学相干层析术数值色散补偿

分析阐述了频域光学相干层析术(SDOCT)系统参考臂和样品臂之间的色散不匹配对所获取的图像的频谱能量分布的影响。提出了一种基于图像频谱能量集中度的SDOCT系统数值色散补偿方法。当图像频谱低频区域内的能量百分比最小时,表明系统色散匹配。实验中选取平面反射镜作为样品,验证了用该方法来衡量系统色散匹配的效果与传统的利用半峰全宽(FWHM)法来评定色散补偿的结果一致。最后获取了人体手指的在体光学断层图像,并用该方法进行了色散不匹配补偿。实验结果显示该方法能够有效地对系统色散进行补偿,从而提高了图像的分辨率。     

基于电磁层析的地面目标内部结构图像重建

针对电磁层析成像技术在工程物探中, 采用钻孔方式进行地下介质内部结构探测有损的不足, 为适应电磁层析成像技术无损探测的需求, 研究了对地面目标内部结构探测的电磁层析成像技术, 基于电磁层析的探测方式、联合成像方法和图像重建技术, 为弥补跨孔探测方法应用于地面目标探测时, 其边界条件与传统的地下目标探测不同, 会对初至波的判断造成影响的不足, 采用时域有限差分法仿真分析了波的传播状态, 确定了初至波的提取方法, 给出了初至零点的判定方法, 并采用以上方法进行实验证实了对地上目标进行电磁层析成像的可行性和有效性.     

BP-ANN在光学相干层析图像分类中的应用

为了研究反向传播人工神经网络(BP-ANN,back-propagation artificial neural network)对光学相干层析(OCT)图像的分类能力以及用不同算法训练的网络之间的性能差异,设计了基于纹理特征分析的BP-ANN图像分类实验系统。针对不同图像集,系统可根据类内和类间分散度的比值自适应地筛选最具区分性的纹理特征组成特征向量,再利用以不同算法训练的BP-ANN进行分类。实验表明,BP-ANN在经过快速训练后可以有效分辨不同组织图像,而Levenberg-Mar-quardt(LM)算法则被认为是最为有效的训练算法。以LM算法训练的BP-ANN可以在1 s内以平均8次的迭代计算完成训练,对测试集的分类准确率可以达到93.0%。     

基于神经网络优化的少数投影最大熵层析图像重建算法

本文提出了一种基于连续型Hopfield神经网络（简称HNN）优化的少数投影最大熵层析图像重建算法。通过数值模拟，考察了该算法的可靠性和对场分布的效果以及抗噪声性能。结果表明，该算法具有较高的重建精度和良好的抗噪声性能。     

基于偏折角修正迭代的层析重建算法族研究

研究非完全数据光偏折层析重建技术,提出了基于偏折角修正迭代的重建算法族,并结合抑制噪声、减弱重建模糊性和边缘效应、优化松弛系数等发展出多种重建迭代形式,使重建精度得到有效提高。在有限角投影、随机噪声数据和无平滑处理等重建条件下,应用该族算法对复杂温度分布进行数值重建,对不同算法的重建效能和重建误差进行对比,分析了各算法与相关的改进代数重建技术在重建性能上的明显差异,并得出最优的偏折层析重建算法。     

基于耦合梯度神经网络的光学层析图像重建

为克服光学层析图像重建的病态性,通常在重建过程中加入先验信息.本文采用含有二值线过程的Gibbs分布作为图像的先验模型,该模型具有保留清晰边缘的全局平滑特性.由于重建目标函数是连续变量和二值离散变量的混合体,常规的优化算法无法实现.为此,提出了一种基于耦合梯度神经网络的优化方法.优化过程中,能量函数关于光学参数的梯度计算是关键,本文提出一种基于梯度树的梯度求解方法.对吸收系数和散射系数的重建结果表明:该方法可高效地重建光学层析图像;线过程的引入可以改善重建的病态特性,提高图像的重建质量.     

光偏折层析重建流场中的两阶段降噪技术

光学层析技术中,包含在投影信息中的噪声会严重影响重建精度。针对偏折层析的关键环节,提出分两阶段对噪声进行抑制的方法。其一是在数据提取阶段使用小波分析技术对偏移量进行降噪,其二是重建时使用偏折角平均修正算法抑制噪声对迭代计算的影响。模拟实验中使用莫尔层析重建技术对三峰温度场进行了重建,结果显示降噪处理能够明显改善噪声对重建造成的不良影响,对误差曲线的分析表明,该处理使得100次迭代后误差的降幅高达45%。结合8邻域求导算法和降噪处理技术,对小型防风喷焰进行实际测量,证实了莫尔偏折层析技术在流场测量领域的实用价值。     

包含遮挡物的三维流场莫尔层析重建

为了研究复杂流场环境下的包含遮挡物的非完全数据层析重建问题,从莫尔层析的基本理论出发,提出了一种将包含先验知识的属性矩阵融入迭代过程的全新的基于级数展开类的莫尔层析迭代算法。在此基础上,通过数值模拟,重建了包含遮挡物的三峰高斯分布的温度场,取得了理想的重建结果,并在相同条件下与层析变换类算法中滤波反投影算法进行了对比。结果表明,将先验知识以属性矩阵的形式融入迭代过程后,新算法与滤波反投影算法相比,能有效地处理包含遮挡物的非完全数据重建问题,为莫尔层析应用于实际测量奠定基础。     

复杂密度场测量中的莫尔层析重建技术

将一种新的莫尔层析重建算法应用于复杂流场测量.该算法由莫尔偏折原理和网格重建技术推导得出,直接使用光线偏折角进行修正迭代,适用于有限角采样和包含遮挡物等非完全数据条件下的层析重建.应用该算法,对火箭燃气射流场和高超音速流场的莫尔偏折图进行了处理和计算,重建出流场截面的密度分布,并对重建结果进行了分析.     

基于高斯机的少数投影CT图像重建

基于高斯机(GM)提出了一种新的少数投影CT图像重建算法。首先将图像重建问题转化为最大熵准则下的优化问题,然后构造相应的GM模型,并采用双曲调度进行模拟退火,网络的稳定解就是重建问题的优化解。数值模拟结果表明,与联合代数重建技术(SART)相比,从投影角间距为45°的4个不同的投影视角方向获取投影数据时,该算法具有较高的重建精度(平均相对误差为0.03%)和良好的抗噪声性能。     

基于神经网络的少数投影CT图像重建算法

基于连续型 Hopfield神经网络 (HNN)提出了一种新的少数投影 CT图像重建算法。首先将图像重建问题转化为最大熵准则下的优化问题 ,然后构造相应的连续型 HNN模型 ,网络的稳定解就是重建问题的优化解。数值模拟结果表明 ,与联合代数重建技术 (SART)相比 ,利用从投影角间距为 4 5°的 4个不同的投影视角方向获取的投影数据 ,该算法具有较高的重建精度和良好的抗噪声性能。     

融合多种先验信息的光学层析图像重建

为克服光学层析成像的病态特性,将三种不同的先验信息模型引入到基于辐射传输方程的光学层析成像中,给出了对应于三种重建模型的重建算法,其中在线过程作为先验信息的重建算法中,提出一种神经网络优化算法。最后对这三种先验信息模型进行了综合比较和讨论,并在图像的平滑性、边缘保留特性、算法复杂性及重建效果方面对其进行定量比较,提出一种分析平滑性的算子和一种基于梯度的衡量边缘保留特性的算子。实验证明基于三种先验信息模型的重建算法均能提高重建图像质量,其中,平滑先验模型的平滑效果最好,马尔可夫随机场模型有较好的边缘保留特性,线过程模型在平滑图像的同时可以更好地保留图像边缘,并且重建精度较高。