基于全变差的加权最小二乘法PET图像重建

传统的加权最小二乘法、惩罚项加权最小二乘法虽然能够重建得到较好质量的图像,但在欠采样的条件下不能很好的拟制噪声.全变差作为正则项已广泛用于图像重建中,利用图像稀疏的先验知识能够在欠采样的条件下很好的重建图像.本文结合加权最小二乘法和全变差的优点,构造了基于全变差正则项的加权最小二乘法目标函数,运用交替求解的方法,将目标函数分解为求解二次优化和全变差正则化的优化问题,并分别用超松弛迭代方法和梯度下降法求解这两个优化问题.采用Zubal模型对该算法与传统算法进行仿真验证比较,并用相关系数、方差、信噪比等参数描述图像重建质量.结果表明在欠采样条件下,该算法能够更好的拟制噪声,重构效果比传统的有明显地提高.     

基于卡通-纹理模型的激光吸收光谱层析成像

可调谐二极管激光吸收光谱层析成像（TDLAT）是一种重要的光学非侵入式燃烧检测技术。然而,TDLAT逆问题的欠定性本质使得现有迭代层析成像算法重建的燃烧场温度分布图像存在较大误差。针对该问题,笔者将图像处理领域的卡通-纹理模型引入TDLAT,提出了基于卡通-纹理模型的温度重建算法（TRACT）。该算法利用全变差约束下的Landweber算法重建气体吸收密度图像中的卡通成分,较好地恢复其中的平滑特征与边缘结构;构建改进的迭代收缩阈值算法深度展开网络,并用其重建气体吸收密度图像中的细节纹理成分;通过卡通成分重建与纹理成分重建的相互补充,提高气体吸收密度图像的整体重建质量,进而提高燃烧场温度分布图像的重建质量。利用火焰动力学模拟器生成的仿真数据与利用TDLAT实验系统实际测量数据进行的重建实验均表明,与现有的迭代层析成像算法相比,TRACT重建的燃烧场温度分布图像在客观评价指标与主观视觉质量方面均有较大提升。     

改进的bregman加速算法

在使用CT进行图像重建的过程中,需要在不同角度下对目标对象进行采样,然后利用图像重建算法生成重建结果,由于采样的数据越多,重建速率越慢,往往需要在不完全的采样角度下对图像进行重建,即稀疏重建。为了对传统稀疏重建算法的迭代速度进行改进,在传统bregman图像重建算法的基础上提出了一种新的加速迭代算法。该算法以bregman算法为框架,结合自适应梯度下降算法和图像修正算法,从而实现了稀疏角度下的快速重建。实验结果表明,新的加速算法对在成像效果上具有比较好的结果,且收敛速度明显加快。     

三维锥束OSEM算法中子集序列的研究

有序子集算法的提出提高了迭代算法的图像重建速度,但是三维锥束OSEM算法中的子集个数和子集迭代的顺序都会影响图像重建的收敛速度和质量.文中提出了划分子集序列的方法,该方法通过应用距离加权方案改变子集的迭代顺序,使子集均匀分布,来减小相邻子集的相关性对收敛性的影响,并且采用每次迭代后逐渐减少子集个数,提高图像重建收敛速度...     

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...     

基于双树复数小波和波原子稀疏图像表示的压缩传感图像重构

目前用于压缩传感(CS)图像重构的大部分算法都是基于图像在单一基上的稀疏性来实现.但很多图像在两种或多种基上具有稀疏表示,当用一种基进行稀疏图像表示时,往往不能有效捕捉图像的结构特性,导致图像重构质量不高.为此本文提出了一种基于波原子和双树复数小波混合基的图像稀疏表示方法,利用线性Bregman迭代来进行重构的压缩传感算法.该算法在每一次迭代更新后用梯度下降法进行全变差调整,再分别在两种基上执行软阈值处理来减小图像的l1范数.实验结果表明本文算法有效提高了重构图像的质量.     

基于非局部全变差模型的图像复原方法

面向图像复原问题,本文提出一种非局部的全变差图像复原方法。该方法将传统的全变差模型拓展为非局部变差模型,充分利用非局部子块对结构的保持作用,进一步提高复原图像的质量。此外,为了解决上述的非局部全变差模型,本文引入算子运算简化目标函数, 再利用迭代的Splitting算法对其进行交替求解,提高收敛精度。实验结果表明,本文算法在视觉效果和客观评价指标两方面均优于传统算法。     

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。     

基于边缘方向扩散系数正则化的文本图像超分辨率算法

针对文档图像超分辨率重建问题,根据传统双边全变差(BTV)超分辨率算法,提出一种自适应约束的BTV正则化文档图像超分辨率算法。该算法通过引入一个图像的局部邻域残差均值,以区分当前像素点属于平滑区域还是边缘区域,然后利用垂直边缘方向和边缘方向扩散性的不同,产生自适应权重矩阵。最后通过代价函数求出迭代公式,最终实现文本图像的超分辨率重建。与相关的文档图像超分辨率方法相比较,提出的方法在视觉图像质量和字符识别精度方面均得到了显著的改善。     

基于序列图像的超分辨率重建

提出一种从序列低分辨率欠采样图像中重建出一幅高分辨率图像的重建方法.该方法基于MAP算法,通过利用梯度投影的方法对重建结果不断进行迭代优化得到最终的理想高分辨率影像.实验结果证明,该方法有效,它不仅能够非常容易的引入各种先验条件进行约束从而提高解的收敛速度,并且能够得到质量较好的高分辨率重建图像.在取得相同质量图像的前提下,该算法所需时间明显降低.     

基于信赖域技巧的共轭梯度方法的图像重建算法研究

图像重建算法是电容层析成像系统研究的关键技术,寻找一种重建图像速度和重建图像质量都能满足工业应用要求的图像重建算法是十分必要的。基于信赖域方法的共轭梯度算法是在普通共轭梯度算法的基础上提出的一种新的图像重建算法,提高了图像重建的质量与速度。     

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。     

增广拉格朗日双边全变分压缩成像重构算法

针对基于全变分压缩成像算法重构的图像存在虚假边界以及边缘信息对比度低的问题,提出了一种基于全变分成像模型的增广拉格朗日双边全变分压缩成像重构算法。在全变分正则化思想基础上引入双边滤波技术,并加入拉格朗日函数算子,将目标函数转化为增广拉格朗日函数,利用交替方向法求解函数模型的最优解。迭代过程中选用最速下降法对梯度进行求解,对算法进行优化,提高算法运行速度。实验结果表明,算法改进后可以更加精确的重构出原始图像,重构图像的峰值信噪比提高2 dB,重构错误率降低10%,结构相似度提高0.1,并且对噪声具有较好的鲁棒性。     

基于PSF改进的POCS超分辨率图像重构

为了提高重构的图像质量,给出了模拟一修正迭代的凸集投影（POCS）超分辨率图像重构方法和具体实现步骤。针对重构的超分辨率图像高频分量不足的缺点,提出了一种有效的改进方法。该方法通过对点扩散函数（PSF）的改进做到了有效地保留POCS超分辨率图像重构算法中的边沿信息。仿真实验结果表明,该方法可行性好,能够有效地保持高频分量,从而达到提高图像质量的目的。     

基于压缩感知OMP改进算法的图像重构

正交匹配追踪(OMP)算法中迭代次数严格依赖信号的稀疏度K值,迭代次数选取适当会重构出高精确的图像,反之则会对图像重构质量造成严重影响.针对这一问题,提出了一种根据残差值的相对极差来确定最佳迭代次数的新方法.该方法要求在同一次迭代中对一幅图像的所有列同时进行迭代计算,根据极差的相对差值与门限值比较来确定最佳迭代次数,从而达到提高重构精度,消除对稀疏度K值依赖的目的.理论分析和仿真结果表明,改进的OMP算法比原有算法有更理想的重构效果,有更高的重构精度.     

ART算法的平均值法改进方案

二维断层成像中,代数重建(ART)算法面临的最大问题就在于计算量大、重建速度慢。针对这个劣势,提出了一种使用平均值法改进的ART算法,希望能更快地重建出质量较好的图像。该算法将每一次迭代过程的所有中间值记录下来,并求出其平均值,将此平均值作为下一次迭代的初始值。经过实验证明这种改进后的ART算法经过更少的迭代次数后就能达到较好的重建质量,且质量比传统算法还要好。     

基于快速不动点连续的压缩感知重构算法

不动点连续(FPC)算法是一种凸优化算法,针对该算法收敛速度较慢的现象,提出了一种快速的不动点连续(FFPC)算法,算法引入线性搜索步长,选择合理的步长参数,利用前两次迭代结果的特殊线性组合值作为下次迭代的初始值,提高每次迭代的精度,从而加快收敛速度.FFPC算法的收敛性在实验中得到了验证,同时,仿真实验表明,FFPC算法的收敛速度有所提高,重构质量也比其他算法更好.     

变分框架下的多尺度图像恢复与重建

变分图像分解,通过极小化能量泛函将图像分解为不同的特征分量,可以被应用到图像的恢复和重建.提出了变分框架下的多尺度图像恢复和重建的思想.基于这种思想,首先提出了一个单参数的（BV,G,E）三元变分分解模型,并且理论分析了参数与不同特征分量的尺度的关系.然后将此模型的参数选为一个二进制序列,得到多尺度的（BV,G,E）变分分解.该多尺度变分分解可以将图像分解为一序列图像结构、纹理和噪声.证明了此多尺度分解的收敛性并且基于对偶理论和交替迭代算法给出了其数值求解方法.最后将提出的多尺度的（BV,G,E）变分分解应用到图像恢复和重建,实验结果证实了理论分析的正确性,显示了将此模型进行图像多尺度恢复和重建的有效性,和与一些其他分解模型相比较的优越性.     

基于MG-CG算法的图像超分辨率重建

提出一种基于多重网格(MG)和共扼梯度(CG)算法相结合的图像超分辨率重建快速算法.首先采用Tikhonov正则化方法给出图像超分辨率重建模型;然后在系统介绍MG和CG算法的基础上,针对超分辨率重建中常见对称正定稀疏线性方程的求解,提出多重网格-共扼梯度(MG-CG)算法;详细讨论了MG-CG算法的光滑、限制、插值操作以及计算复杂度.实验结果表明该算法与MG、CG和Richardson迭代算法相比,具有更快的收敛速度.