加快反投影算法重建PET图像的研究

对反投影的计算方法进行了改进,设计了一种能够提高反投影速度的方法。使用这种方法,对模型数据进行了重建,结果表明,这种方法对图像质量的影响很小。由于实际PET的投影数据中的噪声相对较大,并且,在滤波反投影算法中的重建滤波器对重建图像的高频噪声有某种放大作用,针对这个问题,利用临床PET数据,从投影数据预处理、利用窗函数控制噪声两个方面进行了研究。     

CT图像重建滤波反投影算法中指数滤波器的研究

CT技术的核心是图像重建,而图像重建的决定因素是重建算法,其优劣直接影响对重建结果准确性的判断。CT图像重建算法可以分为迭代法和解析法两大类,其中解析法具有比较严密的数学理论基础,且处理速度快,所以在CT技术领域得到广泛应用。在解析重建算法中,滤波反投影算法拥有较高的运算效率,能获得较好的图像重建质量,而且滤波反投影算法的成本低,易于通过并行实现,便于进一步提高其重建速度,所以该算法为解析法中的主流算法。根据滤波反投影算法的实现原理,其中滤波函数的选取对重建结果、重建速度等方面有着举足轻重的作用。针对滤波函数的选择进行研究,首先在分析常用R-L和S-L滤波函数的基础上,引入指数滤波函数的研究,并借助调整指数参数的取值,分析了该函数在无噪声和有噪声情况下对图像重建的影响。通过实验仿真的方法,验证了指数滤波函数在保证较好的空间分辨率的情况下,保持了良好的图像重建特性。     

三维锥束重建中滤波器的设计

设计了几种用于CT三维锥束图像重建的滤波器,并将其对图像质量的影响进行了分析。CT是一种先进的成像技术,现已被应用于多个领域。CT图像重建算法多采用滤波反投影法,滤波是此方法的核心部分。本文介绍了三维锥束近似重建的基本原理,分析并设计了几种用于CT锥束图像重建的滤波器,并且通过投影数据的图像重建结果分析了不同滤波函数对断层图像重建质量的影响。实验结果证明：所设计的几种滤波器能较好的满足实际图像重建的要求。     

CT图像重建的新型混合滤波器

在X射线断层成像技术(CT)中,滤波反投影是CT图像重建的一种基本方法,滤波器又是滤波反投影的重要组成部分.滤波器的好坏将直接影响到重建图像的质量,本文基于R-L和S-L混合滤波器,提出一种新型的混合滤波器.它是由R-L和NEW滤波器组成的,其中的NEW滤波器是应用理想滤波器的定义及性质找到的.文中最后通过仿真试验,给投影数据加佑入不同系数的poisson噪声,分别用两种不同的混合滤波器(R-L和S-L混合滤波器、R-L和NEW混合滤波器)进行重建,得出用新型的混合滤波器重建出的图像归一化程度更好.     

基于卷积神经网络的时频域CT重建算法

针对采用时域滤波器解析重建后图像存在伪影和图像细节丢失等问题,提出了一种基于卷积神经网络（CNN）的时频域计算机断层扫描（CT）重建算法。首先,在频域中构建了基于卷积神经网络的滤波器网络,实现投影数据的频域滤波;其次,利用反投影操作算子对频域滤波后结果进行域转换得到重建图像;接着,在图像域构建网络对来自反投影层的图像进行处理;最后,在采用最小均方误差损失函数基础上引入多尺度结构相似度损失函数组成复合损失函数,减轻神经网络对结果图像的模糊效应,保留重建图像细节。图像域网络和投影域滤波网络联合作用,最终得到重建结果。在临床数据集上验证了所提算法的有效性,相较于滤波反投影（FBP）算法、全变分（TV）算法及图像域残差编解码CNN（RED-CNN）算法,当投影数目分别为180和90时,所提算法重建结果图像信噪比（PSNR）和结构相似度（SSIM）最高,且归一化均方根误差（NMSE）最小;当投影数目为360时,所提算法仅次于TV算法。实验结果表明,所提算法可以提高CT图像重建图像质量,是一种可行且有效的方法。     

基于Spark的CT图像FBP重建算法程序并行设计

将常用于CT图像重建的滤波反投影算法程序设计成能够运行在大数据框架Spark中的并行模式,以此来提高计算效率并实现批量图像的重建,缩短图像重建时间。基于分布式计算框架Spark,利用其图像处理工具Thunder,将滤波反投影算法在图像重建过程中设计成并行程序模式,实现图像的片间并行重建。实验结果表明,随着Spark集群规模的不断扩大,在确保重建图像质量的前提下,重建一定数量的CT图像相比单机模式下时间显著缩短,并行滤波反投影算法具有完全加速比,并行效率趋近于1。基于Spark集群实现的滤波反投影算法能够显著提升CT图像重建速度,并实现大量图像并行重建,可扩展其他的CT图像重建算法,对远程医学图像重建平台的建设具有重要参考意义。     

扇束等距CT滤波反投影重建算法的研究

我们提出了一种快速的扇束等距CT滤波反投影重建算法.这种新算法是传统标准滤波反投影（FBP）重建算法的加速形式,主要通过减少投影数量然后重建子图象来实现.实验结果表明：对于一幅512x512图像,这种算法可以将重建过程加速40倍以上,并且不会引入明显的图像误差.     

基于Gabor滤波的重建图像法检测皮革表面缺陷

针对经典的缺陷检测算法无法解决纹理复杂、对比度低的皮革表面缺陷检测的问题,提出一种基于Gabor滤波的重建图像算法.首先设计Gabor滤波器,从纹理图像与特定的Gabor滤波器的卷积中计算能量的输出响应,当纹理特征对应的能量最大时确定Gabor滤波器的最佳参数.再将原图和滤波后的背景图相减重建图像,重建图中纹理和缺陷的...     

一种实用的图像滤波算法

在分析经典中值滤波算法基础上,提出了一种实用的图像滤波算法,即图像加窗中值滤波算法.给出了其基本原理与实现过程,并与经典的邻域均值滤波器、中值滤波器、Butterworth低通滤波器、Wiener滤波器进行了滤波比较实验,分别从主观效果及客观参数计算两个方面验证了其优良的滤波性能.     

图像加窗中值滤波算法研究

提出了一种实用的图像滤波算法,即图像加窗中值滤波算法。在分析经典中值滤波算法基础上,给出了加窗中值滤波算法的基本原理与实现过程,与经典的邻域均值滤波器、中值滤波器、Butterworth低通滤波器、Wiener滤波器进行了滤波比较实验,分别从主观效果及客观参数计算两个方面验证了其优良的滤波性能。     

基于遗传算法的自适应中值-开闭滤波器

提出了一种新的中值-开闭滤波器结构，并以此为基础设计了自适应中值-开闭滤波器。该滤波器由一个中值-开闭滤波器和学习优化模块组成。在学习优化子模块中，应用遗传算法，通过对含噪声的图像样本进行学习，使得该滤波器的结构能根据待滤波的输入图像自动地调整以获得最优的滤波效果。计算机仿真实验表明该滤波器具有非常好的噪声滤除能力和滤波效果。     

基于自适应窗口的裁剪中值滤波方法

基于决策的非对称裁剪中值滤波方法(MDBUTMF)能有效复原被高密度椒盐噪声污染的彩色图像,然而该方法采用固定大小的滤波窗口并利用均值替代中心像素,因此导致算法鲁棒性较低,对部分图像滤波失效.针对该问题,提出了一种基于自适应窗口的裁剪中值滤波方法,通过增加对单色区域的判断,有效解决了已有算法对单色区域滤波失效的问题,使得新方法具有较高的鲁棒性和实用性;并采用自适应窗口解决了MDBUTMF采用单一3× 3窗口易导致滤波效果差的问题.实验数据表明,与经典的多种矢量以及标量的中值滤波方法相比,提出的裁剪中值滤波方法不仅具有较高的PSNR,而且具有较低的MAE和NCD,在抑制椒盐噪声的同时能有效保护图像的色调和细节.     

一种针对彩色图像随机值脉冲噪声的矢量滤波方法

为了去除彩色图像随机值脉冲噪声,提出了一种新的矢量滤波方法。该方法对图像的平滑区域和边缘区域的滤波工作分开进行,平滑区域滤波方法将窗口分成多个区域,然后基于矢量中值和平滑区域像素的特征检测出平滑区域的信号,边缘区域的滤波是在已知信号的基础上对非信号进行矢量中值滤波。仿真实验结果表明,该方法能够有效地去除彩色图像的随机值脉冲噪声,尤其当噪声密度较高时,去噪效果明显优于传统的矢量中值滤波。     

改进椒盐去噪方法在井下图像中的应用

为了提高井下图像采集的质量,针对目前改进中值滤波算法的优缺点,提出了一种新的去除井下图像椒盐噪声的算法。该算法首先判断出图像中的噪声点和非噪声点,然后根据窗口内噪声点的密度大小自适应地确定滤波窗口的大小,并按照一定的规律赋予窗口内像素点不同的权重,最后采用加权中值方法处理图像中的噪声点。计算机模拟实验证明该方法不仅能有效地去除不同密度的椒盐噪声,而且能很好地保持图像的细节,滤波效果比已提出的中值滤波算法更好。     

等级阈值的彩色图像矢量中值滤波

为消除彩色图像中的脉冲噪声,提出一种新的基于等级阈值的矢量中值滤波器。该滤波器设计了一组随滤波窗口内当前像素排序位置而等级变化的阈值,并根据当前像素与经典矢量滤波器输出的距离差值来判断噪声像素的存在。仿真实验证明,该方法较其他非开关型和开关型矢量中值滤波器能更好保存原图像细节和消除脉冲噪声。     

Machine learning and directional switching median-based filter for highly corrupted images

In this paper, two-stage machine learning-based noise detection scheme has been proposed for identification of salt-and- pepper impulse noise which gives excellent detection results for highly corrupted images. In the first stage, a window of size $3\times 3$ is taken from image and some other features of this window are used as input to neural network. This scheme has distinction of having very low missed detection (MD) and false positives rates. In the second stage, decision tree-based algorithm (J48) is applied on some well-known statistical parameters to generate rules for noise detection. These noise detection methods give promising results for identification of noise from highly corrupted images. A modified version of switching median filter (directional weighted switching median filter) is proposed for noise removal. Performance of noise detector is measured using MD and false alarm FA. Filtering results are compared with state-of-the-art noise removal techniques in terms of peak signal-to-noise ratio and structural similarity index measure. Extensive experiments are performed to show that the proposed technique gives better results than state-of-the-art noise detection and filtering methods.     

基于双窗口和极值压缩的自适应中值滤波

为了提高中值滤波器的滤波性能和适应不同密度的椒盐脉冲噪声,从噪声检测的准确性、噪声滤除的有效性和滤波速度的实用性等3个方面分别对中值滤波方法加以改进,提出了一种基于双窗口和极值压缩的自适应中值滤波方法(DWECAMF)。该方法采用大窗口检测噪声和小窗口滤除噪声的滤波策略、压缩噪声滤除窗口内极大值和极小值策略以及自适应脉冲噪声滤除策略,以提高图像滤波性能,同时采用了移动滤波策略提高滤波速度以增强其实用性。实验表明,该方法在以上3个方面的性能都有极大提高,并且对不同密度的椒盐噪声都具有很好的滤波性能。     

一种基于排序阈值的开关中值滤波方法

提出了一种基于排序阈值的开关中值滤波方法以克服图像滤波中去噪与细节保护的矛盾。该方法利用滤波窗口内像素点的排序信息，在极值中值滤波方法的基础上，将受脉冲噪声污染图像中的像素点进一步分为噪声点、边缘细节区和平坦区3种类型。通过对多种图像测试的统计结果，获得合适的分类器参数，然后利用类型判决，进行开关中值滤波，即对噪声点和平坦区进行中值滤波以得到良好的噪声滤除效果，而对边缘细节区不做处理以获得良好的细节保护效果。比较了标准中值滤波、极值中值滤波和本方法的结果。实验结果表明，本方法具有更好的效果。     

模糊加权均值滤波器

主要研究了受混合噪声污染图象的降噪滤波问题,运用模糊数学思想提出了一种基于模糊隶属度的加权均值滤波器。该算法利用模糊隶属度函数的概念,对均值滤波器的权值加以优化,使其不仅在降低高斯噪声的能力方面较均值滤波有所提高,而且对于脉冲噪声及混合噪声也有很好的抑制能力。     

Self-adaptive algorithm of impulsive noise reduction in color images

In this paper a new approach to the problem of impulsive noise reduction in color images is presented. The basic idea behind the new image filtering technique is the maximization of the similarities between pixels in a predefined filtering window. The improvement introduced to this technique lies in the adaptive establishing of parameters of the similarity function and causes that the new filter adapts itself to the fraction of corrupted image pixels. The new method preserves edges, corners and fine image details, is relatively fast and easy to implement. The results show that the proposed method outperforms most of the basic algorithms for the reduction of impulsive noise in color images.