基于改进Landweber算法的光学层析成像研究

光学层析成像技术由于其非接触性、结构简单、采样率高、安全性高、分辨率高等特性，在工业流体监测以及医学等领域得到广泛应用，同时在学术领域上也具有很高的研究价值。光学层析成像分为扫描阶段和图像重建阶段。在重建过程中，算法的性能往往决定着图像重建的质量。鉴于现有重建算法存在重建速度慢与图像质量不高等问题，提出一种基于预置矩阵的Landweber重建算法。该算法通过引入历史迭代信息、在迭代过程中添加预置矩阵和加速项而加快迭代速度，减小重建图像与真实图像的误差。对圆形测量场内5个特定分布进行实验仿真，对比所提改进算法与传统算法的性能。仿真结果显示，该算法的重建误差在5%左右，同时证实该改进算法相较于传统算法有显著性能提升，重建误差降低48%，图像质量得到显著提升。     

一种基于压缩感知的迭代重建算法

迭代重建算法是一种经典的CT图像重建算法,适合于不完全投影数据的图像重建,其缺点是重建速度慢。为提高图像重建的质量和速度,文中利用压缩感知理论提出了一种改进的基于图像全变差最小的迭代重建算法。该算法在迭代的不同阶段对迭代初始值做不同处理,并在每次迭代结束后采用梯度下降法调整全变差。实验结果表明,该算法不但提高了图像重建质量,同时也加快了迭代图像的收敛速度。     

微波辐射计的SIR图像重建算法

提出了图像重建可以提高微波辐射计分辨率,并对图像重建的SIR算法原理进行了研究;从采样间隔和迭代次数两方面分别对图像含噪声和不含噪声两种情况进行仿真验证.结果表明,SIR算法是一种有效的图像重建算法.     

迫近算子在MR图像快速重建中的应用研究

 将迫近算子用于求解基于压缩感知理论的磁共振图像快速重建模型,得到了一个高效的迭代重建算法.将该算法用于部分K空间数据重建,并就算法对噪声的敏感性及算法对迭代初值的依赖性进行了仿真实验.实验结果表明,算法对噪声不敏感,对初值也没有显著的依赖性,该算法可由极少量K空间数据重建出高质量的MR图像.     

由投影重建图像的对称块迭代算法

由投影重建图像的迭代算法有抑制噪声等优点,但其投影矩阵的计算量大、影响重建速度。该文利用投影线存在的几何对称结构,引入图像重建的对称块迭代算法(简写为SB-IRT),简化了投影矩阵系数的计算,调整了迭代算法的顺序相关性。对于模拟和实测数据进行了图像重建试验,结果表明:与常规算法比较,该文提出的对称块迭代算法重建速度快,重建图像精度高。     

基于有限角图像重建的两种迭代算法研究

针对有限角度投影数据的CT图像重建问题,本文介绍了两种迭代算法,其中主要介绍了基于最小化图像总变差的优化准则的迭代重建算法--TV算法,以及简单介绍了改进后的ART算法,该算法的基本思想是运用已知角度的投影数据来补全未知角度的投影数据,再用ART算法进行图像重建.最后用模拟的有限角度投影数据分别对这两种迭代算法进行了图...     

代数迭代法在激光反射断层成像目标重构中的应用

为了提高激光反射断层成像目标重构的图像质量,在目前激光反射断层成像普遍采用反投影算法重构图像的基础上,将CT成像中常用的迭代重建算法引入到激光反射断层成像的图像重构过程中。分析了反投影算法中的直接反投影、R-L和S-L滤波反投影以及迭代重建算法在图像重构中的性能特性。进行了仿真和外场实验,结果表明:在直接反投影基础上添加了滤波器的反投影算法在减小误差和抑噪能力上都明显提高;另外相比于反投影算法,代数迭代重建算法表现出更好的重建质量,且具有更强的抑噪性能。     

基于迭代的纯相位全息图生成算法比较研究

纯相位全息图因无共轭像、衍射效率高，在全息三维显示中得到广泛应用。迭代算法因计算灵活、编码图像重建质量高，在纯相位全息图生成中具有重要地位。对基于迭代的生成纯相位全息图最新算法进行比较研究，介绍迭代算法生成纯相位全息图的基本原理，编程实现了典型代表性、创新性算法。通过图像重建质量、耗时长短的对比，进行了详细的实验研究，分析了各类方法的特点和优缺点。结论表明，对于较大像素差的图像，选用直方图补偿算法可得较好的效果，对于高重建质量的图像，可选用自适应加权Gerchberg-Saxton算法。     

有关ART算法中松驰因子的研究

代数重建方法 (ART)是一种迭代的图像重建算法,图像重建的关键在于重建质量和重建速度,而松弛因子是影响这两者的一个重要因素。主要研究的是在不同投影角度数下,不同噪声环境中如何选取合适的松弛因子来提高图像重建的质量。选取了一系列松弛因子函数在上述条件下利用计算机进行仿真实验,并对比分析实验数据。实验表明,在不同条件下松弛因子的选择有所不同,合适的松弛因子可以极大改善重建质量。     

在ECT图像重建中有效使用图像融合技术

电容层析成像技术中图像重建的算法众多,这些算法各有其优势及不足如LBP算法简单、速度快,但成像质量较差;正则法较为多的加入了人为的因素;投影Landweber迭代法稳定性好,但需要大量迭代应用性不强。本文在吸取几种算法的优势采用小波变换融合的方法基于图像的局部能量,在图像重建中恰当的使用融合规则,提高成像质量和效率。     

向量优化为基础的图像空间迭代重建理论及实现

本文研究了单准则及多准则迭代图像重建理论及计算机实现.结果表明了多准则迭代图像重建在重建图像质量方面优于流行的单准则迭代重建方法,显示了多准则法的优点.     

Sparse‐View CT Image Recovery Using Two‐Step Iterative Shrinkage‐Thresholding Algorithm

We investigate an image recovery method for sparse‐view computed tomography (CT) using an iterative shrinkage algorithm based on a second‐order approach. The two‐step iterative shrinkage‐thresholding (TwIST) algorithm including a total variation regularization technique is elucidated to be more robust than other first‐order methods; it enables a perfect restoration of an original image even if given only a few projection views of a parallel‐beam geometry. We find that the incoherency of a projection system matrix in CT geometry sufficiently satisfies the exact reconstruction principle even when the matrix itself has a large condition number. Image reconstruction from fan‐beam CT can be well carried out, but the retrieval performance is very low when compared to a parallel‐beam geometry. This is considered to be due to the matrix complexity of the projection geometry. We also evaluate the image retrieval performance of the TwIST algorithm using measured projection data.     

基于遗传算法的零范数压缩感知图像重构方法研究

近年来由Donoho和Candes等人提出的压缩感知图像处理有效地解决了图像高速采样与压缩重构之间的瓶颈问题,使得采样与压缩同时进行,并有效利用采样所得到的数据,用于后期的图像重构中。目前文献中使用的重构算法很多,如最优l1范数法、匹配追踪等贪婪算法、迭代阈值法等,但这些方法都是次优化算法,没有从压缩感知最初需要解决的问题出发。在此给出的算法是从压缩感知重构的最初需要解决的问题出发,寻找一种能够解决最优l0范数的多峰优化问题的算法。实验结果也证明了该方法的可行性。     

基于小波域滤波的迭代硬阈值压缩感知重构

图像压缩感知迭代重构算法主要采用迭代阈值法解决信号的重构问题,但是迭代阈值法仅仅利用变换系数进行阈值处理,并未考虑系数的邻域统计特性,导致重构性能不高。提出一种基于小波域滤波的迭代硬阈值迭代算法,利用小波域系数的邻域统计特性修订迭代硬阈值重构算法的代价函数,进行两步迭代收缩,并在迭代中用小波域滤波除去其中的重构噪声。实验结果表明,在相同的观测数据下,相比已有的经典算法,新算法的重构图像质量较高,并且可以获得快速的重构速度。     

基于各向异性的快速超分辨率图像重建

针对传统超分辨率图像重建算法速度慢的缺点,提 出了一种基于自适应各向异性正则化的快速超分辨率图像重建算法。本文 算法兼顾重建图像质量的同时,提升了图形的重建速度。基于传统迭代算法,本文算法通过 优化约束条件,大量剔除了冗余过程, 弥补了传统算法的不足;同时引入一种具有自适应能力的各向异性平滑项,可以适应各种 复杂的运动模型。另外,提出 以图像的峰值信噪比(PSNR)为标准,作为重建迭代的截止 条件。运 用本文算法对序列低分辨率图像进行重建,证明了本文算法可以更快实现超分辨率图像重 建。     

基于空谱联合的多假设预测高光谱图像压缩感知重构算法

为充分利用高光谱图像的空间相关性和谱间相关性,该文提出一种基于空谱联合的多假设预测压缩感知重构算法。将高光谱图像分组为参考波段图像和非参考波段图像,参考波段图像利用光滑Landweber投影算法重构,对于非参考波段图像,引入空谱联合的多假设预测模型,提高重构精度。非参考波段图像中每个图像块的预测值不仅来自非参考波段图像未经预测的初始重构值的相邻图像块,而且来自参考波段重构图像相应位置及其邻近的图像块,利用预测值得到测量域中的残差,然后对残差进行重构并对预测值进行修正,此残差比原图像更稀疏,且算法采用迭代方式提高重构图像的精度。借助Tikhonov正则化方法求解多假设预测的权重系数,并基于结构相似性判断是否改变多假设预测搜索窗口大小,最后利用交叉验证计算重构算法终止迭代的判据参数。实验结果表明,所提算法优于仅利用空间相关性或谱间相关性进行预测和不预测的重构算法,其重构图像的峰值信噪比提高2 dB以上。