绝对差值排序的全变分低剂量CT重建算法

针对传统全变分(Total Variation,TV)低剂量CT(Computed Tomography,CT)算法在重建图像时出现阶梯效应和模糊图像边缘的问题,提出了基于绝对差值排序(Rank-Ordered Absolute Differences,ROAD)和中值先验(Median Prior,MP)模型的TV低剂量CT重建算法.首先采用ROAD对传统TV模型中的扩散函数进行改进,然后将改进后的TV模型与MP模型结合得到新的惩罚项,最后将该惩罚项应用于基于惩罚加权最小二乘重建算法从而构造新的目标函数.实验结果表明,新算法不仅可以抑制阶梯伪影的产生,还能够很好地保留图像边缘细节信息.     

低剂量CT图像域各向异性加权最小二乘重建算法

针对低剂量CT重建图像由于过度的量子噪声产生退化的问题,基于统计重建算法提出了一种改进的图像域惩罚加权最小二乘重建算法.该算法对传统PWLS算法的代价函数进行了改进,通过引入各向异性扩散算子,使得算法可以根据图像特征自适应地调整图像的平滑程度,然后采用SOR迭代算法对目标函数进行求解.实验结果表明:该算法重建图像的均方根误差为13.907 3,信噪比为11.748 8,算法可以在有效抑制重建图像条形伪影的同时,保护重建图像的细节与边缘.     

基于字典学习与等效视数的低剂量 CT伪影抑制算法

针对低剂量CT图像出现条形伪影的现象,提出了一种基于字典学习与等效视数(ENL)的伪影抑制算法.该方法首先利用平稳小波变换(SWT)对低剂量CT图像进行单层分解,并对高频图像训练字典,然后利用等效视数(ENL)对字典进行分区得到伪影字典和特征字典,并只对特征原子进行稀疏编码,经小波逆变换(ISWT)后得到处理的CT图像;然后,采用双边滤波器对处理后的CT图像进行分解并训练高频字典,通过判断等效视数(ENL)来摒弃伪影字典,从而去除高频图像残留的伪影和噪声,达到抑制条形伪影的目的.实验结果表明,与总变分降噪算法、K-奇异值分解(K-SVD)算法和三维块匹配滤波(BM3D)算法对比,该算法在抑制条形伪影的同时保留了更多的边缘和细节信息,并具有较高的结构相似性和峰值信噪比.     

基于先验图像约束压缩感知 多能CT重建算法

由不同材质构成且材质之间密度相差较大的工件进行单一能量CT重建时无法获取完整内部结构.为获得结构信息完整的高质量CT重建图像,研究了基于先验图像压缩感知多能重建方法.首先从低到高依次采集多个能量下的投影数据,并用凸集投影-全变分最小化(POCS-TVM)算法对最低能量的投影数据进行CT重建,然后,将重建好的图像作为先验信息,利用先验图像压缩感知算法(PICCS)对下一组能量下的投影进行重建,重建后的图像再次作为新的先验信息重复以上步骤,依此类推直到最高能量的数据重建,以此达到完整重建.结果表明该方法可以有效减少因投影缺失而导致的伪影并保护低密度边缘.     

基于GM(1,1)图像边缘检测改进算法研究

由于传统的边缘检测算法会产生信息漏检以及伪影等问题,为了更有效地检测出图像边缘信息,提出了改进的基于灰色预测模型的图像边缘检测方法.该方法首先在图像考察点邻域选择建模数据,对建模数据进行平移与对数变换的预处理,通过引入增强因子p的GM(1,1)模型对建模数据进行处理,得到原始图像的预测图像,通过对预测图像与原始图像做差得到边缘检测结果.为了统一标准,将图像库中图像转换为256*256的bmp格式图像,使用改进后的方法对转换后80幅图像进行边缘检测,其结果表明该算法可以清晰地检测出图像的边缘信息,同时图像的细节也很好地保留下来.说明该改进方法的性能较未改进方法有了大的提高.     

结合加权引导滤波和小波变换的低照度图像增强算法

针对低照度图像增强处理后存在图像细节差、色彩失真和“光晕伪影”等问题，在HSV颜色空间中处理图像，将V通道分量进行小波变换分解，对低频系数采用改进加权引导滤波替代高斯滤波作为环绕函数的多尺度Retinex算法处理，对高频系数采用改进的阈值函数降噪处理，小波逆变换重构V通道分量，对重构的V通道分量进行Gamma校正处理并转换回RGB颜色空间。实验结果表明，该算法增强后图像亮度提升明显，同时抑制了“光晕伪影”,颜色失真较少且细节丰富。     

基于反馈网络的磁共振图像超分辨率重建研究

针对磁共振图像超分辨率重建算法存在的边缘信息丢失和运动伪影等问题,本文提出一种基于反馈网络的磁共振图像超分辨重建方法.采用反馈路径构成网络结构,在所提出的重建算法中,将输入图像进行上采样和下采样操作,提取图像特征,并对提取的特征进行融合后与输入图像一起进行局部循环训练,同时通过残差和卷积操作,重建超分辨率图像.为了更加...     

基于先验优化的一致性模糊盲复原算法

为了提高一致性模糊图像盲复原清晰度,针对复原过程中涉及的全变差模型先验约束问题,提出一种基于先验优化的一致性模糊盲复原算法.利用基于半高斯梯度算子的局部加权全变差模型提取模糊图像显著边缘,在去除噪声和纹理干扰的同时,可提高有利信息的保持能力;提出多尺度混合特性先验估计模糊核,增强了模糊核估计的准确性;利用非盲去卷积得到了清晰的复原图像.实验结果表明,相较其他算法,针对模拟模糊图像,所提算法的复原图像峰值信噪比平均提升约1.7%,结构相似性指数平均提升约19.1%;针对真实模糊图像,复原图像伪影更少,边缘纹理细节更加清晰自然,整体视觉效果更好.     

基于稀疏变换学习的改进灵敏度编码重建算法

灵敏度编码(SENSE)是一种利用多个接收线圈的灵敏度信息来减少扫描时间的技术。 基于 SENSE 算法的磁共振成像重建算法的重建图像存在模糊伪影和细节缺失等问题,不利于临床医学诊断。 为减少磁共振重建图像伪影并提高重建图像质量,将数据驱动的自适应稀疏变换学习(TL)引入 SENSE 算法中,得到一种 TL-SENSE 算法。该算法利用交替方向乘子法进行求解,通过变换更新、硬阈值去噪和图像更新实现并行磁共振成像重建。 仿真实验结果表明,所提算法对图像去噪和修复效果较好,能完整保留纹理细节和边缘轮廓信息,目标图像与原始图像的一致性较高。 对所选 48 组数据, TL-SENSE 算法重建图像的平均信噪比相比 SENSE 算法、 L1-SENSE 算法、TV-SENSE算法和 LpTV-SENSE 算法,分别提高了 4.62 dB、1.91 dB、1.30 dB 和 0.89 dB。     

基于简单射线散射模型的X射线图像增强算法

在传统的射线成像技术中,由于物体本身的结构与散射的X射线叠加,所得图像的可见度通常会受到限制.针对此问题,提出一种基于简单散射模型的图像增强算法,可以提高单一X射线图像的可见度.首先,根据简单散射模型复原X射线图像,在复原过程中加入了新的中值算子,可以有效抑制射线图像中的脉冲噪声成分;同时,对细化之前的透射率图像应用了导向滤波,使灰度值跳跃的边缘部分的复原效果得到了明显改善,并使光晕伪影现象最小化;最后使用一种灰度优化的方法对复原图像进行后处理,在提高对比度的同时保留了图像中的小细节.实验结果证明了该算法对于低对比度、低亮度射线图像的可行性,增强后的图像中被检测物体的结构更加清晰,大大提高了射线图像的可见度.     

并行磁共振图像的非二次正则化保边性重建

针对并行磁共振在欠采样率较高情况下重建图像存在的混迭伪影和噪声问题,提出一种非二次正则化的保边性图像重建算法.基于SENSE技术,该算法以保边平滑性的非二次凸函数为正则化项,构建一个非二次代价函数,并运用非线性共轭梯度算法求解该最小化问题,实现并行磁共振图像的保边性重建.为了评价算法的有效性和鲁棒性,以归一化均方误差作为评价准则,分析并行磁共振欠采样率最大时真实数据和仿真数据的图像重建.结果表明,该算法显著减少欠采样率较高时并行磁共振图像的混迭伪影,并能够有效抑制噪声和保留边缘信息.相比于其他图像重建算法,该算法能够快速收敛.     

基于结构张量的自适应稀疏角度CT重建算法

针对全变差稀疏角度CT重建图像出现伪影及过渡平滑的问题,提出一种自适应方向全变差与L_p范数结合的稀疏重建算法.算法利用边缘细化改善结构张量边缘检测精度,然后基于结构张量提取的结构方向信息,自适应地更新方向全变差中的方向及权重.最后采用交替方向乘子法,结合广义软阈值算法求解.实验结果显示,所提算法在主观评价与客观评价上均具有优势,有效抑制了条形伪影,较好地保持了图像边缘,进而提高了稀疏重建图像的质量.     

基于各向异性高斯滤波器的改进引导滤波算法

针对传统引导滤波中矩形均值加权窗口会引入过多干扰,导致图像边缘两侧模糊以及产生光晕伪影的不足,提出一种基于各向异性高斯滤波器的改进引导滤波算法。将各向异性高斯滤波器融入传统引导滤波算法,利用其较强的边缘分辨力更准确地识别图像的边缘结构。同时,对窗口内的像素信息进行各向异性加权,使其具有更强的边缘保持性。实验结果表明,改进算法比传统引导滤波算法精细边缘的保持性更好,并在图像平滑、图像增强和图像亮度调整等图像处理应用中的处理结果更优,在有效保留图像边缘结构的同时减少了边缘伪影和边缘模糊。     

基于残差图分解与平滑块排列的低剂量CT投影降噪算法

针对低剂量CT(Computed Tomography)图像质量严重退化的问题,将平滑块排列(Smooth Patch Ordering,SPO)算法应用于低剂量CT投影降噪中,并通过残差图分解提取图像结构信息以进一步提高SPO算法的去噪性能.首先对低剂量CT投影进行SPO滤波得到初始的降噪投影,然后通过改进的形态分量分析(Morphological Component Analysis,MCA)方法将残差图分解为结构部分和噪声部分,并将残差图中提取的结构部分作为补偿投影,与降噪投影相加得到新的降噪投影.最后利用滤波反投影(Filtered-Back Projection,FBP)方法对新的降噪投影进行重建,获得重建的低剂量CT图像.实验结果证明,与其他传统算法相比,所提算法在低剂量CT重建图像的噪声抑制以及边缘、细节和结构等特征的保持方面都有明显的优越性.     

多尺度残差网络模型的开放式电阻抗成像算法

针对开放式电阻抗成像（OEIT）的图像重建算法存在的成像精度低、对噪声敏感、重建图像伪影面积较大等问题,提出基于多尺度残差网络模型的OEIT算法. 该算法利用不同尺寸卷积核的残差块提取边界电压的多尺度特征;在完成特征拼接后,利用卷积实现深层信息融合,得到预测的电导率分布结果. 使用有限元法搭建OEIT正问题模型,构造“边界电压?电导率分布”数据集,将所提算法与其他算法在该数据集和实际模型实验中进行比较. 结果表明,所提算法使OEIT的重建精度、抗噪能力和定位目标准确性显著提高,并使检测目标的伪影面积缩小.     

基于小波收缩减小磁共振图像截断伪影的方法

在磁共振成像（MRI）中,为了缩短成像时间并使图像保持较高的信噪比,往往只采集部分相位编码的磁共振信号进行图像重建,但在重建的图像上会出现截断伪影．在分析磁共振图像截断伪影特征的基础上,为了尽可能保留图像的细节特征,利用小波变换的多分辨率特性,对与截断伪影相关的细节子带进行小波收缩,并利用图像模板技术进一步消除图像背景区域的截断伪影和噪声．实验结果表明,该方法能有效地减小截断伪影,同时能更好地保持图像的细节特征．     

一种有损压缩车牌图像重建算法

图像经过JEPG格式压缩后易存在方块伪影。针对此类有损压缩车牌图像,给出一种基于卷积神经网络的重建方法,据以通过非线性映射和重建减少压缩伪影。卷积神经网络分为特征提取层、特征增强层、非线性映射层和重建层。其中,特征提取层采用三个不同尺寸的卷积核提取特征,并对其进行融合,由此可捕捉更多图像细节信息。实验结果表明,采用该网络结构重建有损压缩车牌图像的效果较好,能明显减少重建后的方块伪影。     

基于边缘检测的Kinect深度图像去噪算法

Kinect实时提取的深度图像映射得到的彩色图像以及目标背景分离图像边缘存在明显锯齿,且图像噪声大,质量较差。对此提出一种针对Kinect深度图像去噪算法。运用基于Prewitt算子的分块自适应阈值边缘检测算法可得到比较精细的图像边缘;进而根据获取边缘信息对深度图像进行分类,边缘区采用单向多级中值滤波算法进行降噪处理,而非边缘区采用双向多级中值滤波算法进行降噪处理。最终利用Kinect得到边缘清晰,噪声较小的高质量深度图像,实验证明了算法的有效性。     

基于正弦图恢复的CT局部重建算法

针对局部扫描过程中投影数据沿探测器方向截断的特点,提出一种基于正弦图数据恢复的扇束CT局部重建算法.算法首先基于截断正弦图提取的边缘信息对缺失投影数据进行扩充,接下来对未扩充完整的零值区域利用两侧已知的投影数据进行线性插值,最后依据扩充完整的投影数据经滤波反投影重建出局部图像.仿真和临床数据的重建结果表明,算法对直接利用局部截断投影数据重建图像中呈现的环形伪影有明显的抑制作用,且重建图像边缘清晰.     

使用中值-各向异性扩散的超声图像去噪算法

针对超声图像的散斑噪声,提出一种基于多方向中值滤波和改进各向异性扩散的去噪算法.该算法利用多方向中值滤波的良好边缘保持能力,在滤除噪声的同时注重边缘细节的保持.使用归一化局部方差和图像梯度组成的扩散系数,避免了传统各向异性扩散算法中梯度阈值为常数带来的鲁棒性差等问题.通过多组仿真实验,综合滤除散斑噪声能力、保持边缘能力...