一种心脏CT扫描图像重建算法研究

CT作为一种无创伤的检查设备在医学诊断中得到广泛的应用,但是它通常只能对静止的器官进行扫描重建图像,而对运动器官的成像能力很差,虽然近年的CT扫描的速度不断提高,但是受到成像原理的制约,新型的单螺旋CT还是很难实现心脏的扫描成像。论文给出了一种基于傅立叶变换的中间函数法图像重建算法,并针对该算法设计了一种心脏扫描方案。     

螺旋锥束CT重建Katsevich算法的一种改进方法

螺旋锥束Katsevich重建算法在重建过程中需要对投影数据求导,但投影数据本身是离散的,不能求导,因此考虑利用插值多项式函数的导数作为所求导数的近似值。为了验证此方法的有效性,采用实际采集的鱼的数据进行重建,并用平均梯度来衡量图像的清晰程度。实验结果表明,该方法能使图像更清晰,从而提高图像质量。     

一种基于Grengeat公式的锥束CT重建算法研究

基于单圆轨迹的Feldkamp(FDK)重建算法只有在小锥角条件下才能取得较好重建效果。随着锥角增大,图像质量迅速下降。因此在实际应用中受到一定限制。在分析了物体Radon数据与单圆扫描获得的Radon数据间的关系后,结合空间可变滤波反投影重建算法(SV_FBP),提出了一种基于Grengeat公式的叠加算法。该重建算法由两部分重建结果叠加而成,第1部分结果首先采用FDK算法通过对单圆扫描的投影数据进行重建来获得;然后采用外推方法获得缺失的数据,并利用SV_FBP进行重建得到第2部分结果;最后将两部分结果进行叠加。实验结果表明,该算法不仅有效地抑制了FDK算法重建的伪影,而且使锥角的使用范围比FDK算法提高了3~4倍。这种新的叠加重建算法在大长物体的重建中,具有重要的理论和应用价值。     

一种Grangeat圆轨迹锥束CT重建阴影区域填充方法

通过分析圆轨迹锥束CT(cone-beam CT,简称CBCT)扫描Radon域的数据缺失问题,比较了前人提出的Radon阴影区域数据缺失填充方法的特点,提出了一种基于距离权重变量的阴影区域填充方法.该方法采用阴影区域边界数据作为数据源,以距离作为权重函数计算填充数据.计算机模拟重建实验表明,所提出的方法在填充数据准确度、减少伪影、大锥角图像重建等方面比简单的常数填充法以及衍生算法效果更好.该填充方法特别适用于Grangeat类锥束CT重建算法,拓展了圆周锥束CT的实际应用范围.     

一种低剂量锥束CT三维图像重建快速GPU并行算法

鉴于非局部平均NL-Means(Nonlocal Means)算法的高性能图像去噪表现,并考虑到重建速度这一重要因素,提出一种低剂量锥束CT稀疏角度3D图像迭代重建算法。首先,采用最小二乘方法进行图像重建以满足投影数据一致性,再对重建图像进行非负约束;然后,利用非局部平均算法对以上非负约束后的图像进行滤波处理,起到去噪保边缘的作用。以上各步骤均可以进行并行化处理,交替执行直至满足迭代终止条件。实验结果表明,该迭代重建算法获得了满意的3D图像质量,尤其适合并行化GPU加速,重建速度大幅度提升。     

基于窄角扇束CT多次扫描的局部重建算法

介绍了窄角扇束工业CT的局部扫描方法,通过源与探测器的平移加旋转实现扫描;研究了CT多次扫描的局部重建算法,从粗略扫描重建的低分辨率图像中圈定感兴趣区域,再进行小步距扫描,重建出高分辨率的图像;提高了检测效率并且只需要更少的时间就可获取高质量的局部图像。     

一种用于图象旋转的快速算法

本文提出了一种易于硬件实现的图象旋转快速算法,通过对旋转矩阵的分解,将图象旋转分成三次相继的行(或列)伪平移(行—列—行).这种每次只按行或列的平移可以并行进行,也容易用硬件实现.利用这种算法在配有一片 Transputer 的 PC 机上旋转一幅256×256的图象仅需4s,大大提高了处理速度.文中对这种算法的计算复杂性及旋转过程引起的误差进行了分析,并与其他方法进行了比较.     

离散采样图象的一种快速重建算法

该文讨论了采样图象的一般模型,提出了离散图象的采样准则,给出了一种迭代算法。该算法是对传统CG算法的改进。仿真结果表明,该算法是有效的,且其收敛速度快于CG。     

一种图纸扫描图象新的阈值选取法

提出了一种新的图纸扫描图纸自动阈值选取方法，它利用小波变换的零交叉去描述不同尺度下的图象直方图细节信息，从而聚集到直方图的任意细节，达到对阈值的精确选取。文中从理论上给出了该系统所得阈值的物理意义。实验表明，它比最大熵法更具有良好的鲁棒性和自适应能力。     

微型计算机CT图象重建和模拟研究

一、前言X射线断面成象技术(简称CT),当前已经在医疗中得到了广泛的应用.对它的有关算法的研究,也已有大量的文章介绍.本文主要从采用微型机的角度,对它的卷积、反投影图像重建的算法进行研究.进行了程序设计,并探讨实用上的可能性.若用微型机代替常用的小型计算机,将能大大降低CT机的成本.     

一种用于自然纹理图象分割的并行算法

本文提出一种基于统计随机场建模的并行算法,以完成对自然纹理图象的有效分割。该算法构成并行层次化结构,其特征向量可有效地表达空域纹理模式特征,从对羊皮纹理处理结果来看,该算法是高效和实用的,可作为皮革质量计算机分析系统的基本手段。     

一种用于图象检索的聚类方法

设计和实现了一种对多维颜色特征进行聚类算法,对特征库按聚类模式建立索引。矣类方法大大缩短了检索时间。     

扇形束扫描模式图像重建中消除伪影算法研究

在广角扇形束扫描模式下的图像重建过程中，图像伪影的消除是一个难题，也是图像重建的一个关键问题，它关系到图像质量的优劣．因此研究与之相应的图像重建算法中消除环形伪影算法是非常必要的，也是提高图像质量的重要途径．如何利用软件来消除图像重建中的环形伪影，以及在机械运动不稳定引起的旋转中心与重建中心不重合情况下，如何利用软件方法来进行图像重建是研究的主要内容．为了消除图像重建中的环形伪影，需要完成3方面的工作：①相应卷积反投影算法设计；②偏离参数估计；③仿真结果分析．图像重建技术已被广泛应用于放射医学和核医学、工业无损检测及评价和数据压缩等许多领域，由此显示出它的重要的技术价值、经济价值和社会价值．     

一种基于非均匀采样的图象重建方法

利用分块Toeplitz矩阵和分块循环矩阵的性质,对非均匀采样图象提出了一种重建方法。该方法可以直接利用离散傅立叶变换,不需要迭代,并且可以实时进行。仿真结果表明该算法是有效的。     

锥束CT的惩罚SART重建算法

联合代数迭代方法（SART）对重建图像空间是无约束的,其迭代到一定次数后,图像空间的噪声会不断增加。为了解决这一问题,针对三维锥束CT情况,研究了一种增加惩罚项的联合代数迭代算法,同时研究了该算法与有序子集结合的方法。计算机仿真试验表明：在锥束CT图像重建中,该方法能够在抑制噪声的同时提高重建图像的收敛速度。     

工业CT窄角扇束扫描下的代数迭代图像重建算法研究

在工业CT窄角扇柬扫描模式下，为了提高图像重建质量，解决普通迭代法图像重建所产生的“盐和胡椒”现象，提出了新的代数迭代图像重建算法（ART），该算法改进了已有的迭代过程，加入了新的迭代参数：松弛系数．通过改变迭代进程和调整松弛系数来提高图像重建的质量．在计算机上成功地实现了从数据采集仿真到图像重建的全过程，模拟实现了各种噪声源，给出了各种应用场合的图像重建结果．并对结果进行了对比分析和评估，验证了新的ART算法在投影数据不完全时和噪声污染较大时可以有效地提高图像重建的质量。     

一种改进的光学CT扫描测量方法

改进的光学CT扫描测量方法利用扫描线与平行于两坐标轴的平行线束交点坐标,快速精确计算出扫描线穿过每个像素格子的长度。在FSART（频谱分析图像重建）算法中,使用此长度可以精确地得到原始图像的投影向量,为后续重建图像更快更准地逼近原始图像打下坚实的基础。计算机仿真结果表明,该方法可以降低图像函数二维傅里叶级数展开的阶数即加快计算速度,重建的精度也有一定的提高。     

一种用于建筑物场景重建的方法

应用计算机视觉的方法,提出了一种针对建筑物的、基于图像造型的方法,这种方法首先对建筑物进行射影重建,然后利用建筑物的表面特征完成欧氏重建并对结果进行了优化。从实验结果上看,该疗法比较好地恢复了物体的三维信息,并且存在操作简单、需要附加信息较少的优点。     

一种用于图象检索的综合模糊直方图方法

随着多媒体技术的迅速发展,如今虽然在高带宽计算机网络上已能共享传播图象数据,但这也使得信息交换中的可视数据量急剧增加,同时给研究者们提出了有效检索图象的难题,为了能够快速准确地检索图象,提出了一种用综合模糊直方图进行图象检索的方法,该方法综合使用了颜色和纹理特征,首先将图象分块处理,得到了图象在HSI空间的颜色模糊直方图,然后用纹理特征对颜色模糊直方图进行扩展,从而得到综合模糊直方图,同时还给出了抽取图象颜色和纹理特征的方法和建立图象综合模糊方图的计算过程,并用上述方法对一个200幅彩色图象的图象库进行检索,实验结果表明,使用综合模糊直方图能有效地提高图象检索的准确度。     

一种用于图象恢复的数据融合算法研究

近年来多传感器数据融合技术在图象处理领域得到了广泛的重视和应用。鉴于来自同一景物的多幅变形图象,其来源不同,每幅图象都带有不同的噪声,针对这种图象的恢复提出了一种基于自组织特征映射神经网络的图象融合算法。该算法可分为3步,第1步是图象的预处理阶段,即对图象进行加权中值滤波,去除部分噪声;第2步利用自组织神经网络对每幅图象的象素进行聚类分析;第3步,对第2步得到的结果按照一定规则进行融合。仿真结果表明,该算法能明显提高图象质量。