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．     

可变有序子集PML算法在PET中的应用

在正电子发射断层重建(PET)中,M LEM算法不但收敛速度慢,而且还不能有效抑制噪声.随着迭代次数的增加,重建图像中的噪声同时也会逐渐上升,从而造成重建图像质量的下降.在M L算法中加入正则惩罚项,并结合可变有序子集(MOS)方法用于PET图像重建,形成了可变有序子集的惩罚最大似然算法(OS-PML),它结合了MOS算法和PML算法的优点.运用MOS-PM L和其他重建算法对正电子发射断层(PET)进行了重建实验,仿真结果表明,MOS-PM L算法相对于MLEM和PML算法,不仅能抑制噪声,重建的图像质量更高,而且收敛速度也有了较大提高.     

反投影断层阻抗成像技术的图像处理与分析

反投影断层阻抗成像是电阻抗断层成像(EIT)中一种应用广泛、极为有效的重建算法,但是其结果存在一定噪声,并且分辨率也较低.本文应用数字图像处理的方法降低噪声、提高分辨率,数字图像处理的方法包括图像锐化、平滑降噪、直方图变换.处理结果显示图像基本上达到要求,得到优化.     

微扫描红外成像超分辨重建

为了通过低分辨率红外探测器获取高质量的图像信息,对基于微扫描成像的序列图像获取方法和超分辨图像重建算法进行了研究。首先,阐述了微扫描红外成像系统工作模式和软硬件构成。然后,提出了一种基于电机驱动的光学微扫描序列图像获取方法。最后,提出了一种基于字典学习的凸集投影算法用于超分辨图像重建。采用数值仿真和实际拍摄两种方式来验证本文算法的有效性,结果均表明本文方法能够有效地重建图像边缘细节并对噪声有较好的抑制作用。     

结合非线性GRAPPA与SENSE的并行磁共振成像

针对SENSE并行磁共振成像中采用补零缺失数据方法估计敏感度分布不准确性的问题,提出采用非线性GRAPPA方法估算缺失的K空间欠采样数据.计算并行线圈的敏感度分布,将这些敏感度分布应用于SENSE并行磁共振成像.采用不同加速因子的脑磁共振K空间欠采样数据以验证提出算法的重建性能.实验结果表明,与单一的非线性GRAPPA和SENSE重建算法相比,该混合NLGRAPPA-SENSE算法在加速因子较大时可以重建出更加准确的磁共振图像,具有更低的噪声功率(AP)和更高的信噪比(SNR)性能.     

基于张量分解的电阻抗三维成像方法

针对现有的三维电阻抗成像只是对图像横截面的单独重建,然后罗列为三维进行显示,没有考虑到不同图层间的关联性,致使图像信息利用不充分的问题,提出一种基于张量分解的电阻抗三维成像方法。该方法将实验中测得的数据建立张量模型,使用张量分解可以对胸腔进行直接三维重建,能够充分利用图层间的关联性;并将该方法与总变差正则化（Total Variation,TV）成像算法、Tikhonov正则化重建算法进行实验对比。实验结果表明：基于张量分解的电阻抗三维成像方法,可以充分利用图像的空间结构信息,考虑图像层与层之间的关联特性,能够更加接近肺部的真实情况,准确地反映肺的状态,进而提高图像重建质量;基于张量分解的电阻抗三维成像方法相比于二维张量重建方法,将图像的峰值信噪比（PSNR）提高了13.8%。由此可得,与Tikhonov正则化以及TV成像算法相比,基于张量分解的电阻抗三维成像方法更适合电阻抗的图像重建工作。     

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 .     

4-f光学架构频域纯相位调制压缩成像

为了改善传统的多幅亚像素图像配准融合实现超分辨率的方法面临的配准误差和高成本问题,将压缩传感理论引入超分辨率成像. 基于大多数自然图像普遍具有的稀疏表示特性,以经典的4-f光学架构为基础,利用频域中相位比振幅包含更多信息的特点,提出了一种频域纯相位调制压缩成像方法,通过重建算法从单次曝光记录的低维测量值中恢复原高分辨率图像的信息. 数值实验结果表明,提出的方法可以有效地实现图像信息的随机调制和高质量重建,是一种有潜力的压缩成像物理实现方案,具有较高的重建信噪比和较少的重建时间,尤其是对于大尺度图像.     

基于简单透镜计算成像的图像复原重建

为了在精简光学镜头结构的情况下获取高像质图像,提出了基于简单透镜计算成像的图像复原重建方法。首先,通过分析光学系统点扩散函数空间变化特性,提出了基于空间变化的点扩散函数获取及测量方法。然后,采用基于自适应稀疏先验信息的空间变化点扩散函数图像分块复原算法,对简单透镜模糊成像进行复原重建。为了验证本文算法的有效性,采用数字仿真模拟和实际拍摄两种方式获取简单透镜成像结果。结果表明:本文算法能够有效地抑制图像边缘的振铃效应并较好地保留图像的细节。     

脉冲噪声环境下的空闲信道检测方案

针对复杂电磁脉冲噪声环境下的空闲信道检测难题,提出一种基于贝叶斯统计推理框架的新检测算法.为了应对脉冲干扰并提升检测精度,建立了一种全新的动态状态空间模型,采用伯努利随机有限集来描述脉冲噪声与信道状态的动态变化特性.在此基础上,基于序贯估计与粒子滤波理论,设计出一种新型信道检测机制.在检测信道状态的同时,对脉冲噪声出现时间和幅值进行联合估计,有效消除了其对信道检测的干扰;同时,通过发掘脉冲噪声的动态特性,显著提升了信道检测性能,为复杂电磁环境下的高可靠信道检测提供了一种新的解决方案.数值仿真验证了所提算法的有效性.     

高噪声遥感图像稀疏去噪重建

高噪声遥感图像去噪一直是遥感领域研究的一个重要难题,为进一步提高高噪声遥感图像的重建质量,在经典的压缩感知迭代小波阈值算法的基础上,提出了一种改进迭代小波阈值算法.首先,提出一种自适应小波滤波算子在图像稀疏变换过程中对获取的遥感图像小波系数进行筛选,去除图像中的部分噪声信息;其次,使用提出的下降BayesShrink阈值在每次迭代过程中对获取的小波系数进行二次筛选过程;最后,使用改进的块稀疏全变差方法对获得的重建图像进行调整以进一步提高重建遥感图像的质量.试验结果表明,该算法的去噪重建性能优于经典的压缩感知迭代小波阈值算法,可以从高噪声图像中重建一幅高质量的遥感图像,验证了该算法的有效性.此外,该算法能够有效地保护遥感图像的边缘和纹理等重要特征信息.在低压缩采样比情况下,该算法也能够获得相对较高的峰值信噪比和视觉质量.在卫星地面接收站,该算法可直接使用获取的少量含噪遥感图像数据重建一幅清晰的遥感图像.     

压缩感知的高分辨率天文图像去噪

为提高高分辨率天文图像的重构质量,在传统压缩感知(compressed sensing,CS)迭代小波阈值算法的基础上,提出了一种基于小波维纳滤波的压缩感知去噪重构算法.该算法的设计方法为:在每次迭代过程中,使用设计的小波维纳滤波算子替代传统的小波阈值算子对获得的天文图像小波系数进行筛选,从而对小波阈值去噪方法重建图像过程中出现的伪吉布斯现象进行有效地抑制;然后使用全变差方法对去噪重建后的天文图像进行调整,以进一步提高重构图像的质量.仿真实验结果表明,与传统的迭代小波阈值算法相比,本算法可以获得较优的去噪重建性能,并且能有效地保护高分辨率天文图像的细节特征信息.此外,在压缩比较高的情况下,该算法仍然可以获得相对较高的视觉质量和峰值信噪比.     

一种基于神经网络的超分辨图像重构方法

针对在航空航天遥感领域中使用CCD相机对景物进行成像时，由于像元尺寸的限制导致图像分辨率低的问题，提出了采用人工神经网络映射图像重构过程非线性特性的方法．在相机参数已知的情况下，用后向误差传播(BP)神经网络融合从不同角度对同一景物重复拍照得到的多帧低分辨率图像的冗余信息，重构得到较高分辨率的图像．在模拟成像仿真实验中得到了分辨率提高4倍、信噪比接近30dB的超分辨结果．     

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.     

基于交替方向乘子法的图像盲复原

为了克服正则化理论的全变分图像盲复原模型中出现的运行效率低、效果不好等问题,提出一种基于交替方向乘子法的盲复原迭代算法。该算法通过交替迭代的方式,将复原图像与点扩散函数交替估计,同时不必更新惩罚项从而提高了运行速度和复原的质量。计算同时加入了对点扩散函数的归一化和阈值约束条件以及对图像的正定性条件。数值试验中,对不同模糊类型的图像进行了盲复原处理,并与已有的其他盲复原方法进行了比较。从主观评价能够发现,提出的算法能够改进图像的质量,提高其分辨率;通过客观指标比较,峰值信噪比(peak signal to noise ratio, PSNR)最大能够提高1.2 dB,结构相似度(structural similarity index, SSIM)最大提高1%,计算时间最大节约一半左右。     

一种对称残差CNN的图像超分辨率重建方法

基于卷积神经网络的图像超分辨率重建方法具有很高的重建性能。但该类方法存在网络参数多、训练难度大,梯度消失和网络退化等问题。针对这些问题,提出一种基于对称残差卷积神经网络的图像超分辨率重建方法。通过将对称融入到残差块中,采用对称连接实现局部特征融合,提取尽可能多的有价值特征;残差块外采用跳跃连接实现全局特征融合,以提高图像的重建质量。该方法使用峰值信噪比和结构相似度作为评价指标,在Set5、Set14和BSD100标准数据集上进行2倍、3倍和4倍因子重建后的结果大部分优于比较方法,平均峰值信噪比和结构相似度值较比较方法均有提高。实验结果表明,该方法重建的图像纹理更清晰,细节更丰富,具有较好的主观视觉效果。     

采用后验信息构建稀疏原子库的超分辨率人脸重建

为了提高监控噪声环境下人脸图像的重建质量,提出基于后验信息的鲁棒性原子库构建方法及基于该原子库的超分辨率的方法,通过事后采集现场图像,训练只对输入图像的清晰内容稀疏而对噪声内容不稀疏的低维原子集和与之相对应的高维原子集,计算低维空间的稀疏系数并映射到高维空间以合成出重建人脸图像,从而提高基于稀疏表示的局部脸超分辨率对于监控噪声的鲁棒性.实验结果表明:对于实际拍摄的监控图像输入,提出的基于后验信息的原子库具有很好的鲁棒性能,重建结果比传统方法有更好的主观效果.     

岩心三维CT图像超分辨率重建

为了提高岩心三维图像分辨率,将调整的锚点邻域回归算法（A+）扩展为三维图像超分辨率重建,提出三维高频修正A+算法.该算法利用已有的高分辨率（HR）岩心三维CT图像和高频修正信息训练高低分辨率字典、高频修正字典、映射矩阵和高频修正映射矩阵.重建时,对每个输入的三维低分辨率（LR）特征块搜索匹配的字典原子以及相应的映射矩阵和高频修正矩阵,通过LR特征向量分别与映射矩阵和高频映射矩阵相乘,直接将三维LR特征映射到HR空间.针对多组岩心三维CT图像进行实验,与其他三维超分辨率算法进行比较.实验结果表明,该算法具有较高的峰值信噪比和结构相似度.     

一种基于神经网络的超分辨图像重构方法

针对在航空航天遥感领域中使用CCD相机对景物进行成像时,由干像元尺寸的限制导致图像分辨率低的问题,提出了采用人工神经网络映射图像重构过程非线性特性的方法。在相机参数已知的情况下,用后向误差传播(BP)神经网络融合从不同角度对同一景物重复拍照得到的多帧低分辨率图像的冗余信息,重构得到较高分辨率的图像。在模拟成像仿真实验中得到了分辨率提高4倍、信噪比接近30dB的超分辨结果。     

压缩感知的天文图像去噪算法

针对压缩感知迭代收缩阈值算法在图像处理中存在收敛速度慢和去噪性能差的缺陷,提出了一种改进的高性能迭代收缩阈值天文图像去噪重建算法.首先,使用经典最速下降法中的BB线性搜索步长算子加快迭代收缩阈值算法的收敛速度;其次,为了进一步提高重构天文图像的质量,在传统Visu Shrink收缩阈值的基础上,提出一种下降Visu Shrink收缩阈值对图像信息进行筛选;由于阈值去噪方法在迭代重建的过程中会导致重建的图像中出现伪吉布斯效应,最后采用循环平移的方法在每次迭代过程中对获取的重建图像进行调整.多次的试验结果表明,与传统的压缩感知迭代收缩阈值算法相比,所提出的算法不仅能够获得较优的去噪性能和较快的收敛速度,同时可以有效地保护天文图像的特征和纹理等细节信息.此外,当选取的压缩采样比较低时,本算法也可以获得相对较高的峰值信噪比和视觉质量,进一步验证了本算法在天文图像去噪中的有效性.