基于压缩感知的微分相衬CT迭代图像重建

X-射线相衬计算机断层成像(CT)通过X-射线穿过样品后相位信息的改变来得到高衬度的图像,特别适用于轻元素的成像,并且可以获得远高于传统吸收衬度CT的密度分辨率。基于光栅的微分相衬CT（DPC-CT）由于可以使用常规的X射线光源而有着巨大的临床应用前景,但DPC-CT成像的X-射线辐射剂量问题尤为突出,是其走向实际应用的瓶颈。针对上述不足,提出了一种微分相衬CT迭代图像重建算法（DD-L1）,该方法将压缩感知（CS）理论和CT迭代图像重建技术相结合并引入距离驱动（DD）的正/反投影运算计算策略。仿真实验结果表明,DD-L1算法能够在投影数据不完备的情况下得到较高质量的重建图像。     

CT图像重建加速的几种方法

CT 图像重建速度是衡量CT 系统的重要指标之一。论文针对滤波反投影算法综述了当前国内外的重建加速技术,阐述了普通PC 上的加速方法,通过构建集群系统进行并行重建的方法,采用多个DSP 连接成并行计算模块的加速方法,基于现场可编程门阵列(FPGA)的并行重建方案,采用GPU 图像卡实现图像重建,采用细胞宽带引擎(CBE)的图像重建方案。在应用性能方面分析了各种加速方法的优缺点。     

基于融合通道注意力的Uformer的CT图像稀疏重建

针对解析法稀疏重建中产生的条状伪影问题,提出一种融合通道注意力的U型Transformer(CA-Uformer),以实现高精度计算机断层成像（CT）的稀疏重建。CA-Uformer融合了通道注意力和Transformer中的空间注意力,双注意力机制使网络更容易学习到图像细节信息;采用优秀的U型架构融合多尺度图像信息;采用卷积操作实现前向反馈网络设计,从而进一步耦合卷积神经网络（CNN）的局部信息关联能力和Transformer的全局信息捕捉能力。实验结果表明,与经典U-Net相比,CA-Uformer的峰值信噪比（PSNR）、结构相似性（SSIM）提高了3.27 dB、3.14%,均方根误差（RMSE）降低了35.29%,提升效果明显。可见,CA-Uformer稀疏重建精度更高,压制伪影能力更强。     

一种基于分析稀疏表示的图像重建算法

TV-Wavelet-L1（TVWL1）模型因包含全变分（Total-variation,TV）和小波正则化约束,具有较强的图像重建能力。而传统求解TVWL1模型的算法往往忽略了综合/分析稀疏表示方法的方式。本文提出了一个新的求解TVWL1模型的图像重建算法,该算法把图像重建问题分解为几个子问题并交替求解,利用分析稀疏表示特性构建子问题的求解算法。实验结果表明,与已有算法相比,本文提出的算法可以提高重建图像主客观质量。     

低剂量CT成像的研究现状与展望

低剂量CT扫描能够有效减少患者接受的辐射剂量,但同时会导致成像质量的下降。在降低剂量的同时,获得可用于临床诊断的高质量图像已经成为近年来CT领域研究的重点方向。本文从低剂量CT的成像方式和图像质量改善等方面介绍了国内外低剂量CT技术的发展与应用,包括低剂量CT扫描的实施方式,低剂量CT扫描的数据模型,相关重建算法与图像后处理策略。本文对近年来国内外研究团队在低剂量CT技术的研究上进行了概括,最后对目前该领域的研究工作进行了总结和分析。     

一种具有相衬效应的高分辨显微CT系统研发

显微CT(Micro-computed tomography,Micro-CT)是一种新型的采用X射线成像原理进行超高分辨率三维成像的设备。可以在不破坏样品的情况下,对各种材质样品或活体小动物进行高分辨三维成像。本文介绍了一种高分辨显微CT系统开发,通过小昆虫样品的投影与断层图像,清晰显示了边缘增强的相位衬度效应。同时,断层图像显示了系统的细节分辨能力高于12微米。     

正则化算法在CT图像重建上的应用

由于受数据采集时间、照射剂量、成像系统扫描的几何位置等因素的约束,计算机断层成像（Computed tomography,CT）技术目前只能在有限角度范围或在较少的投影角度得到数据,这些都属于不完全角度重建问题. 因此,图像重建的算法应用变得尤为重要,本文将现有的几种正则化超分辨率重建算法应用到CT图像重建上并做了一系列的对比分析,分析不同算法下不同的图像重建效果. 首先对低分辨率CT图像进行图像配准,然后再进行样条插值放大,最后运用相关正则化算法进行超分辨率图像重建. 实验结果表明正则化算法的应用一定程度上提高了图像分辨率,其中双边正则化下的重建效果最好,基于L2范数全变分正则化效果较差.     

基于低秩约束的CT重建算法

为提高图像重建质量,结合压缩感知理论,提出一种非局部的基于低秩约束的图像重建算法。采用Shepp-Logan头模以及真实脑部CT切片进行重建,以峰值信噪比作为重建图像质量评判标准,并与其他两种重建算法的重建结果比较。经过一定次数迭代后,基于该算法的重建图像结果更贴近原始图像,且收敛时间更早。实验结果表明,在重建低剂量CT图像上,提出的算法在重建质量和收敛速度上均优于对比算法。     

基于飞行时间信息与稀疏正则化的PET图像重建

<正>电子发射型计算机断层成像(PET)作为一种重要的临床影像技术,其图像重建技术非常重要.本文将γ光子飞行时间信息(TOF)加入到系统响应矩阵并提出基于TOF的图像重建算法.基于压缩感知原理,利用全变差和小波变换对图像进行稀疏化,以它们为正则项构建目标函数;并运用惩罚函数的方法将目标函数求解分解为二次优化和稀疏约束2个子问题,运用交替求解的方法逐一求解,降低了求解的复杂性.采用蒙特卡罗对Derenzo模型进行仿真重建并比较不同算法的成像效果,结果表明,加入TOF信息和利用稀疏约束能够更好地拟制噪声,图像重建效果优于传统算法.文中进一步研究了系统时间分辨率和时间采样间隔对图像重建的影响,结果表明,时间分辨率越高、时间采集间隔越短,重建效果越好.     

基于非局部相似模型的压缩感知图像恢复算法

针对压缩感知(Compressed sensing, CS)图像恢复问题, 提出了一种基于非局部相似模型的压缩感知恢复算法, 该算法将传统意义上二维图像块的稀疏性扩展到相似图像块组在三维空间上的稀疏性, 在提高图像表示稀疏度的同时进一步提高了压缩感知图像恢复效率, 恢复图像在纹理和结构保持方面都得到了很大的提升. 在该算法模型求解过程中, 使用增广拉格朗日方法将受限优化问题转换为非受限优化问题, 为减少计算复杂度, 还使用了基于泰勒展开的线性化技术来加速算法求解. 实验结果表明, 该算法的图像恢复性能优于目前主流的压缩感知图像恢复算法.     

基于稀疏重构框架下剪切波的SAR图像去噪

SAR图像很容易被乘性噪声多污染,进而影响SAR图像后序的分析与处理。本文中提出了一种基于剪切波稀疏编码的SAR图像移除乘性噪声的新模型。首先通过压缩感知理论建立SAR图像去噪模型;其次通过剪切波变换获得剪切波系数,每个尺度的系数视为一个单元;对于每个单元,通过剪切波域的贝叶斯估计对稀疏系数进行迭代估计。重现的单元最后结合起来构造去噪后的图像。SAR图像去噪效果显示了该算法有良好的表现性,对噪声具有鲁棒性;本文提出的算法不仅有较好的去噪效果,而且还保存了更多的边界信息。     

基于混合基稀疏图像表示的压缩传感图像重构

单一基函数不能对同时包含边缘和纹理信息的自然图像进行最优压缩传感图像重构. 本文根据Meyer的卡通--纹理图像模型和生物视觉原理, 用拉普拉斯塔式分解和圆对称轮廓波分别表示图像的光滑成分和边缘成分, 并构造了窄带轮廓波变换实现纹理成分的稀疏表示. 三种稀疏变换的基函数分别与视觉皮层中的侧膝体、简单细胞及栅格细胞的感受野类似. 结合三种图像稀疏表示方法和凸集交替投影算法提出了基于混合基稀疏表示的压缩传感图像重构算法. 实验结果表明,与基于块匹配三维变换迭代收缩的图像重构算法比较, 本文算法能获得更高的图像重构质量.     

基于压缩感知的图像重构算法

在图像压缩感知中,梯度投影恢复算法存在收敛速度慢、迭代次数多、对数据稀疏度过分敏感的问题。为此,提出一种基于压缩感知的图像重构算法。将拟牛顿法引入稀疏梯度投影算法中,利用拟牛顿法的估计校正机制以及其全局超线性收敛性,通过对目标函数的校正,获得更精确的搜索方向,从而减少迭代次数,构成有效收敛的图像恢复算法。实验结果表明,与传统梯度投影恢复算法相比,该算法在保证较好图像恢复效果的同时具有较好的抗噪性能,并且在减少迭代次数的基础上能有效降低重构误差,得到稳定收敛的重构结果。     

CT图像的三维实体重建技术研究

提出了一种面向实体模型的CT图像三维重建方法,对牙齿CT断层图像进行三维重建,建立一个可编辑的三维实体模型,用于牙科医生进行断牙修补中牙桩的植入和对牙桩的应力分析。主要实现过程为：用螺旋CT对牙齿进行断层扫描获取CT图像,对图像进行去除软组织元素和噪声点得到矢量的线框断层图, 然后对多层线框结构进行曲面拟合,生成牙齿的三维实体模型。它具有精确度高,可编辑性强等特点,并且可直接用于实体的生物制造。     

基于小波变换的图像压缩感知

针对图像变换后系数采样数量和图像重建质量之间的矛盾,从图像的结构和纹理特性出发,提出基于小波变换的图像压缩感知算法.讨论图像经过多尺度小波变换后系数的稀疏性,保留图像变换后的低频系数,只对高频系数进行测量,同时利用正交匹配追踪算法重构高频系数.实验仿真结果表明,该算法能有效提高图像重建质量.     

基于Contourlet变换的图像压缩感知重构

根据图像信号在Contourlet变换域的稀疏特性,分析Contourlet变换的基本原理,提出一种基于Contourlet变换的压缩感知重构方法。针对Contourlet变换的基函数并不严格规范正交、无法构造正交变换矩阵的问题,采用改进梯度投影算法恢复稀疏处理后的系数,在保证图像质量的情况下,实现图像的低速率重构。实验结果表明,该算法的鲁棒性较好。     

基于稀疏表示的含噪图像超分辨重建方法

传统的含噪图像超分辨方法只能将图像去噪和图像超分辨分别进行处理,基于稀疏表示与字典训练的含噪声图像超分辨重建方法将两者融合在一起.提出一种基于图像块在训练字典下稀疏表示的协同处理方法,来解决含噪图像超分辨的问题.由于图像块可以由字典下的稀疏系数来表示,所以可训练一个分别适用于含噪低分辨率图像块和清晰高分辨率图像块的字典对,使得高低分辨率图像块在该字典对下具有相同的稀疏表示.当输入含噪低分辨率图像块时,先计算出其在低分辨率字典下的稀疏表示系数,然后利用此稀疏系数在高分辨率字典下进行重建,可得到清晰高分辨率图像块,最后通过整体优化完成清晰高分辨率图像,实现图像超分辨和图像去噪的目的.实验证明,采用局部自适应插值的方法放大低分辨率图像到中间分辨率再进行特征提取,比以往采用的双三线性插值的方法在重建图像质量上有提高,并通过研究字典λ参数的设置使得超分辨重建和去噪结果同时达到最佳,即在图像的视觉和质量上都具有较为明显的优势,具有很好的鲁棒性和有效性.     

基于最小区域的快速CT图像重建

由于工业CT重建目标的形状差异较大,针对传统CT图像重建算法均选取矩形重建区域,提出一种基于最小区域的图像重建方法.首先由扫描到的投影数据通过直线生成算法构建重建目标的最小区域包络图;然后提出一种快速区域填充算法,生成图像重建的最小区域.该方法将重建区域限定在最小区域内,减少了不必要的计算,提高了重建速度.最后通过仿真实验与传统的重建方法进行比较,表明了文中方法的有效性.