电阻抗成像的稀疏重建算法

针对电阻抗成像空间分辨率低和对测量噪声敏感的问题,将传统Tikhonov正则化问题中目标函数的L2范数正则项修正为L1范数,将动态电阻抗图像中非均匀的电导率具有稀疏性作为先验信息添加到L1范数正则项中,由此提出一种电阻抗成像的稀疏重建算法。建立基于总变差法、正交匹配追踪法以及L1范数最小二乘法的电阻抗成像模型,并借助实验可知,新算法成像质量好,对测量噪声不敏感,且成像速度较快。     

基于改进总变差正则化算法的金属缺陷三维重建方法

为解决电磁层析成像(electromagnetic tomography,EMT)图像重建中的不适定性和病态性,将电磁层析成像用于金属缺陷检测,根据缺陷分布的稀疏性,提出了一种基于改进的总变差正则化算法(total variation,TV)的电磁层析成像图像重建方法,讨论了检测深度与激励频率的关系,利用三维重建算法对金属零件的表面和内部缺陷进行检测。通过仿真和实验评估了所提出算法的性能,并与Tikhonov正则化算法和L1正则化算法的重建图像和相对误差(relative error,RE)进行了比较。仿真和实验结果表明:使用改进的TV正则化算法重建的图像具有更好的图像重建效果和更小的相对误差,相对误差低至0.1左右,可以提高缺陷图像的重建质量和精度。     

用于油气两相流空隙率测量的电容层析成像量化新算法研究

提出了一种基于Tikhonov正则化原理并组合同步迭代算法(simultaneous reconstruction technique,SIRT)的组合型量化图像重建新算法,Tikhonov正则化原理用于克服图像重建中的不适定性问题并得到初始重建图像,SIRT算法用于对初始图像的迭代改善从而得到最终重建图像,新算法图像重建的质量优于目前常用的滤波线性反投影（FLBP)算法,将新算法应用于油气两相流的空隙率测量表明,提出的量化新算法是有效的,并经实验验证,空隙率测量的最大误差可小于5％,测量时间小于0．25s。     

基于多管秩和全变分的低秩张量填充

提出了一种基于酉变换张量低多管秩分解的张量填充方法。受多光谱图像中空间光谱平滑性特征的启发,在模型中加入了空间平滑(TV)正则项,并使用邻近交替极小化(PAM)算法求解该模型。多光谱图像(MSI)数据上的仿真实验表明所提模型和算法是有效的。     

两相流参数测量ERT图像重建算法的研究

基于灵敏度理论建立了电阻层析成像(ERT)图像重建的数学模型，提出了一种将Tikhonov正则化技术和代数重建技术(ART)相结合的组合型ERT图像重建算法，研究表明，该算法较为稳定，能克服测量数据波动对图像重建的影响，同时仿真研究结果表明，与目前常用的灵敏度系数图像重建算法相比，该算法在图像重建质量方面得到了一定的改善。     

运用TGV正则化分解模型实现天文图像去噪

通过对天文图像进行分解达到去噪的目的,针对图像分解模型中常用的总变差（Total Variation,TV）半范假设图像由分片常数区域构成这一局限性,提出了基于2阶总广义变差（Total Generalized Variation,TGV）半范正则化的图像分解方法．假设图像的主体部分在有界总变差（Bounded Generalized Variation,BGV）空间中,振荡部分在G空间中,建立图像分解极小化模型,使得分解后的各部分之和逼近原始图像的同时,主体部分满足一定的光滑性要求．运用快速迭代压缩一闽值算法（FastIterative Shrinkage—Thresholding Algorithm,FIS—TA）迭代算法及Chambolle投影算法对模型求解,收敛速度快,耗时小．数值实验表明,与TV正则化方法相比,利用本文方法能更好地去除太阳射电动态频谱图中的噪声,从而更准确地将纤维精细结构提取出来．     

基于迭代Tikhonov正则化的电容层析成像图像重建

电容层析成像图像重建是一个典型的病态问题,其图像重建是一个非线性的求解过程,Tikhonov正则化方法是处理病态问题的有效方法之一,由于标准Tikhonov泛函的过度光滑,导致重建图像的细节信息丢失,重建的图像质量并非理想．以标准的Tikhonov算法为基础,给出了一种新的迭代算子,利用该算子可以使重建的图像细节进行一定的修正,通过仿真证明其在速度和图像重建准确度上得到了提高．     

一种基于期望最大化条件的电容层析成像图像重建算法

针对电容层析成像系统(electrical capacitance tomography,ECT)的"软场"效应和病态特性对重建图像精度的影响,同时在分析了成像算法和电容层析成像基本原理的基础上,提出了一种基于期望最大化电容层析成像图像重建算法(expectation maximization,EM),采用最大似然分析的方法对本文算法进行了证明和推导,算法的重建图像误差较小,并能满足收敛条件.仿真实验结果表明,该方法与CG算法、Tikhonov算法相比,在成像精度有明显提高,为ECT图像重建提供了一种新方法 .     

基于边缘增强的正则化超分辨率图像重建

针对双边全变差正则化算法边缘区域重建图像效果不理想问题,提出一种基于边缘增强的正则化超分辨率图像重建算法。该算法在构造初始图像时,对样条插值后的图像先进行非局部均值滤波预处理,然后进行拉普拉斯锐化处理;采用L1范数度量数据保真项和正则项,并从自适应的角度确定正则化参数,从而增强算法的稳健性。实验结果表明,与样条插值算法、双边全变差算法相比,该算法能更好地增强重建图像的边缘信息。     

基于自适应有限元网格细分法的电阻抗断层成像技术

电阻抗断层功能成像技术(Electrical Impedance Tomography简称EIT),是当今生物医学工程学领域重大研究课题之一.它是通过对物体表面电压、电流的测量来重建物体内部阻抗分布或变化的一种新颖的医学成像技术.在电阻抗成像(EIT)技术中,有限元(FEM)网格剖分规模较大时,重建算法将出现严重的病态性.本文利用在局部阻抗异变处进行有限元细分,其余处粗分的自适应网格剖分算法,与Newton-Raphson算法相结合进行电阻抗断层图像重建,实验结果表明此方法是有效的.     

头部异物两步核磁共振电阻抗成像仿真研究

在三层球和真实形状头模型(包括头皮、颅骨和大脑)上,采用基于径向基函数(RBF)神经网络的两步核磁共振电阻抗成像(MREIT)算法,对颅内病变组织阻抗成像进行了仿真研究.使用高分辨率的核磁共振成像系统对人体头部进行三维构建和不同组织边界区分,利用两步基于径向基函数神经网络的MREIT算法分别对颅内病变组织均匀阻抗和非均匀阻抗(每个单元的电阻抗值)分布进行估计.该两步MREIT算法适用于人体头部复杂组织结构的阻抗成像,仿真实验表明,采用MREIT技术对颅内占位性病变组织(血肿或脑瘤)的阻抗成像过程简单,重构的阻抗图像具有较高的精确性,算法具有一定的抗噪性能.     

基于形态学边缘保持的自适应超分辨率重建

针对正则化MAP（MaximumaPosterioriProbability）超分辨率算法重建结果细节不够清晰,正则化参数选取的鲁棒性较差,运算速度慢等问题,提出基于形态学边缘保持的自适应超分辨率算法。首先基于形态学定义边缘保持算子,该算子能随着迭代过程自适应调整;其次,将该算子作用于超分辨率重建的正则项,从而在图像的边缘区域加强约束重建,而在图像的平滑区域加强正则化。实验结果表明,改进算法的细节更加清晰,正则化参数的鲁棒性更好,运算速度更快。     

超声逆散射成像问题中的正则化方法研究

为提高成像质量,需反复地求解不适定逆散射方程,而不适定方程的求解需要正则化处理.将截断完全最小二乘正则化方法应用到迭代过程中,该方法同时考虑逆散射方程的系数矩阵和数据项均存在误差的情况,不仅适合于不适定性较弱的情况,而且适合于不适定性较强的情况,提高了算法的收敛性以及成像的质量.对不同结构以及不同对比度图像的数值仿真结果显示,截断完全最小二乘正则化方法,较只考虑数据项存在误差的Tikhonov正则化方法成像质量高,且适用范围广.     

基于全连接张量网络分解的五维地震数据重建

三维地震数据采集方位已达到了五维(5-Dimension, 5D)。相比于常规的三维(3-Dimension, 3D)重建,5D重建能够充分利用高维数据中不同方位角、偏移距等的相关特性以及更多的空间信息特点,更准确地预测缺失道。基于阻尼降秩(Damped Rank Reduction, DRR)等的矩阵降秩方法对由5D数据频率切片构成的块Hankel矩阵进行多次奇异值分解(Singular Value Decomposition, SVD),计算效率较低。基于高阶正交迭代(High Order Orthogonal Iteration, HOOI)等的张量降秩方法对频率切片4D张量进行降秩重建,但是在强噪声和高缺失情况下重建精度不高。本文采用全连接张量网络(Fully Connected Tensor Network, FCTN)分解方法对5D数据重建,将频率切片4D张量分解成低维度张量收缩的形式。该方法无需SVD运算,而且更精确的张量分解形式可以得到更高精度的重建结果。仿真和真实地震数据实验结果表明：相比于HOOI方法,重建数据的信噪比提高了约8～9 dB;相比于DRR方法,重建数据...     

融合边界条件的电阻抗图像重建仿真研究

结合成像目标的边界结构信息,提出一种新的改善电阻抗图像重建质量的方法．在生物医学电阻抗断层成像中,将传统采用圆形场域的重建模型改进为与人体胸腔边界近似的八边形场域,建立正问题数学模型,求解得到灵敏度系数矩阵,经等位线滤波反投影算法获得感兴趣区域的仿真分布图像．针对成像目标在场域中的不同分布情况,采用面积占空比对两种重建模型下的成像效果进行评价．图像及数据分析结果表明,改进方法重建图像伪影明显减少,面积占空比也更接近真实分布,提高了图像空间分辨率,达到了改善电阻抗重建图像质量的目的．     

非局部稀疏表示正则化的磁共振图像重建

传统的基于稀疏性先验和全变分正则项约束的图像重建算法不能有效重建图像中的各种结构。为了提高重建质量,在采用传统重建算法中基于稀疏性的先验约束的同时,将重建图像的稀疏系数应逼近原始图像稀疏系数这一先验约束引入图像重建模型。通过图像子块之间的非局部相似性估计原始图像,得到非局部稀疏表示正则化的磁共振图像重建模型,并利用快速混合分裂算法求解模型。实验结果表明,算法能够对磁共振图像进行较好的重建。     

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.     

稀疏正则和自适应有限元的荧光分子断层成像

提出了一种基于稀疏正则和自适应有限元方法的两阶重建算法,在初始网格和次级网格光源重建实验中,根据重建问题的特点,选用两种不同的稀疏正则化方法.通过仿真实验表明,所提出的方法在荧光分子断层成像重建应用方面具有可行性、稳定性和高效性.     

基于RBF神经网络的ECT图像重建

线性反投影算法是最常用的ECT图像重建算法,该算法将极板电容测量值与成像区域介电常数间的非线性关系作线性化近似.由于神经网络的非线性映射能力可用来避免这种线性化近似,为此探讨了基于RBF神经网络的16极板ECT系统的图像重建方法.采用最大矩阵法确定RBF神经网络隐层神经元数目,用最小邻聚类方法确定径向基函数的宽度和中心,建立了极板电容测量值与成像区域介电常数间的RBF神经网络映射.仿真实验结果表明,基于RBF神经网络的ECT图像重建方法重建速度与线性反投影法相当,重建质量优于线性反投影法.     

基于分数阶全变差和自适应正则化参数的图像去模糊

为更好地复原图像的纹理细节,避免求解图像去模糊模型时面临正则化参数难以选择的问题,提出了一种基于分数阶全变差（FOTV）模型和自适应更新正则化参数的非盲去模糊图像重建方法。首先,在分析不同分数阶下FOTV的幅频响应特性的基础上,采用不同分数阶次的FOTV模型约束图像的平滑（低频）部分和纹理细节（高频）部分,从而建立图像非盲去模糊重建模型。其次,为了有效地求解重建模型和实现两个正则化参数的自适应更新,采用交替方向乘子法(ADMM)将原本含有两个正则化参数的复杂问题分解成两个相对容易的子问题进行求解,每个子问题只含一个正则化参数。最后,根据偏差准则,在迭代求解过程中实现了两个正则化参数的自适应更新。将所提算法应用于包含平滑、边缘和纹理细节的多幅图像中,测试4种不同模糊核下的去模糊效果;与传统的4种去模糊算法相比,实验结果表明所提算法能自适应地更新两个正则化参数,对于纹理细节适中的图像具有较好的去模糊效果。