基于L曲线法的超声CT正则化参数优化

超声逆散射成像图像重建反问题常常是不适定的。此种情况下,仅使用最小二乘法不能保证获得满意的介质分布图像重建结果,因此使用Tikhonov和TSVD正则化算法来产生适当的解。正则化参数的合适选取对图像重建至关重要,其对重建质量和计算速度都有影响,本文采用L-曲线准则确定相应的正则化参数。经实验验证:基于L-曲线法可以快速找到最优正则化参数,TSVD法与Tikhonov正则化方法相比,提高了图像重建质量,且适用范围广。     

基于L1/L2正则化电阻抗层析成像算法的碳纤维增强复合材料损伤检测

电阻抗层析成像（EIT）为碳纤维增强复合材料（CFRP）结构健康检测提供了一种可视化检测的手段。针对EIT图像重建的欠定性和病态性，提出了一种基于L1/L2稀疏正则化的EIT图像重建算法。该算法通过构建L1/L2正则化项的目标泛函，在求解过程中加入正则化参数对解向量进行修正，并在迭代过程中加入约束区间使解向量更加贴近真实分布。仿真和实验结果表明，与共轭梯度（CGLS）算法、Tikhonov算法、L1正则化算法相比，所提L1/L2正则化算法重构的损伤位置和大小更接近真实损伤模型，损伤的辨识度更高，电极伪影得到明显改善，为EIT应用于CFRP层压板损伤检测提供了新方法。     

基于近似消息传递的切伦科夫激发的荧光扫描断层重建

切伦科夫激发的荧光扫描成像(CELSI)作为一种新兴分子成像技术,具有空间分辨率高和成像深度深的优点,在监测放疗过程中肿瘤的生理变化方面具有巨大潜力。前期工作基于Tikhonov方法成功实现了CELSI断层成像,但该方法无法对位置深度超过3 cm或低对比度的荧光目标进行准确重建。为克服这一问题,提出了一种基于近似信息传递算法的断层CELSI稀疏重建方法。为说明该算法的优点,将其与传统的Tikhonov正则化算法以及3种基于稀疏的重建算法进行比较。实验结果表明,就均方误差和对比噪声比而言,本文算法可以获得最优的重建结果。     

电容层析成像图像重建算法对比

图像重建算法在电容层析成像技术的实际应用中起着至关重要的作用。针对图像重建算法的研究,文中将线性反投影法、奇异值分解法、代数重建算法、Landweber算法、Tikhonov正则化算法的基本原理进行对比。基于MATLAB仿真平台对4种多相流流型进行仿真,并从图像误差、相关系数、计算时间3个方面对比重建图像的效果。分析结果表明,直接算法的图像重建速度优于迭代算法,但其图像重建质量劣于迭代算法。     

基于粒子群优化的正则化水下图像盲复原

水下图像恢复的难点在于缺少海水的点扩展函数的足够信息,而导致病态的问题.为了提高水下激光成像系统的成像质量,提出了用粒子群优化正则化参量的盲图像复原算法.该方法结合Tikhonov正则化和改进的全变分正则化的技术特点,使用一种交替迭代方法,分别估计点扩展函数和估计复原图像,同时用粒子群算法优化正则化参量.结果表明,该方法对水下图像复原具有较好的鲁棒性,算法收敛稳定.     

变参式Tikhonov正则化图像复原算法

正则化方法是近年来流行的图像复原算法。研究了周期边界条件下Tikhonov正则化的预处理共轭梯度算法,提出了新的预处理矩阵和变化正则化参数的方法。正则化参数先取较大值,抑制复原图像中的噪声,得出收敛的结果来修正初始梯度;再取较小值,用来增强复原图像中的细节。对一组图像复原基准问题的实验结果表明,与当前流行的正则化图像复原算法比较,该算法的图像复原效果更佳。     

去混合噪声的超分辨率图像重建算法

研究了混合噪声即高斯白噪声加椒盐噪声所降质的超分辨率图像重建模型,提出了基于全变分正则化方法和两步方法的超分辨率图像重建方法,并应用Chambolle投影算法对模型进行求解;通过实验仿真,实验结果表明本文提出的方法比基于传统的全变分正则化方法无论是在运行速度,MSE与SNR评价指标上还是在视觉效果方面都具有明显的优越性.     

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.     

激光反射层析成像相位恢复算法研究

针对激光反射层析成像中目标随机抖动与径向运动造成的投影中心失配问题,提出采用相位恢复算法对重构图像进行相位恢复重建,通过反复光强迭代消除目标随机运动造成的相位误差,达到减少重构误差、恢复目标图像的目的。为改进G-S算法收敛速度与恢复精度,提出频域模值加权方法进行投影数据相位迭代恢复,仿真实验表明,将算法收敛速度与收敛精度提高了1.2倍以上。通过对三组仿真实验处理,重构图像的平均相对均方误差由2.487 5下降到0.792 7,有效地恢复了目标图像轮廓。外场实验表明,该算法能够有效消除重构图像伪迹,改善激光反射层析成像系统成像质量。     

自适应加权的总变分正则化图像超分辨率重建

在Farsiu提出的双边总变分正则化方法中,尺度加权系数和正则化参数为定值,在边缘、纹理区域,重建图像效果不理想。针对这个问题,提出了一种自适应加权正则化函数和正则化参数的重建算法,该方法利用图像局部结构信息控制权函数形状、带宽和正则化参数,使这些参数根据图像局部结构信息自适应地调整。对所提出的算法进行了仿真实验,实验结果表明,与传统的总变分重建方法相比较,该算法能更好地重建图像的纹理细节,重建图像的对比度高。     

Electrical capacitance tomography image reconstruction based on iterative Tikhonov regularization improved algorithm

Aiming at the problems of low reconstruction quality, poor robustness, and the inability to quickly and stably converge caused by the ill-posedness of electrical capacitance tomography image reconstruction, an improved algorithm based on iterative Tikhonov regularization(ITR) was proposed. The algorithm constructs a new objective function by introducing the L_p norm to carry out multi-criteria constraints, and introduces the result of the corrected Tikhonov regularization(TR) algorithm...     

电容层析成像图像重构的三阶混合算法

 针对电容层析成像图像重构Tikhonov正则参数的选取问题,提出利用Morozov偏差原理确定正则参数,使其选取与初始数据的观测误差相匹配,并提出三阶收敛算法与双参数模型相结合的混合算法,使其选取更加快速、合理.数值实验表明:三阶混合算法优于典型的Newton方法;正则参数的选取影响重构图像的精度和速度;对于各种设定流型,本文提出的混合算法重构图像速度更快,重建图像质量更高.     

Electrical impedance tomography: regularized imaging and contrast detection

Dynamic electrical impedance tomography (EIT) images changes in the conductivity distribution of a medium from low frequency electrical measurements made at electrodes on the medium surface. Reconstruction of the conductivity distribution is an under-determined and ill-posed problem, typically requiring either simplifying assumptions or regularization based on a priori knowledge. This paper presents a maximum a posteriori (MAP) approach to linearized image reconstruction using knowledge of the noise variance of the measurements and the covariance of the conductivity distribution. This approach has the advantage of an intuitive interpretation of the algorithm parameters as well as fast (near real time) image reconstruction. In order to compare this approach to existing algorithms, the authors develop figures of merit to measure the reconstructed image resolution, the noise amplification of the image reconstruction, and the fidelity of positioning in the image. Finally, the authors develop a communications systems approach to calculate the probability of detection of a conductivity contrast in the reconstructed image as a function of the measurement noise and the reconstruction algorithm used.     

PET regularization by envelope guided conjugate gradients

The authors propose a new way to iteratively solve large scale ill-posed problems and in particular the image reconstruction problem in positron emission tomography by exploiting the relation between Tikhonov regularization and multiobjective optimization to obtain iteratively approximations to the Tikhonov L-curve and its corner. Monitoring the change of the approximate L-curves allows the authors to adjust the regularization parameter adaptively during a preconditioned conjugate gradient iteration, so that the desired solution can be reconstructed with a small number of iterations.     

Fast, robust total variation-based reconstruction of noisy, blurredimages

Tikhonov regularization with a modified total variation regularization functional is used to recover an image from noisy, blurred data. This approach is appropriate for image processing in that it does not place a priori smoothness conditions on the solution image. An efficient algorithm is presented for the discretized problem that combines a fixed point iteration to handle nonlinearity with a new, effective preconditioned conjugate gradient iteration for large linear systems. Reconstructions, convergence results, and a direct comparison with a fast linear solver are presented for a satellite image reconstruction application.     

静态阻抗断层图像重建新方法

阻抗断层图像重建是一个严重病态的非线性的逆问题,特别是在静态阻抗断层成像中,由于其图像重建模型误差和测量噪声的影响更为严重,因此常用的基于目标函数梯度信息不断迭代的改进的Newton-Raphson类重建算法,即使使用正则化技术,其稳定性仍较差,甚至发散.本文提出一种全新的静态阻抗断层图像重建方法,它利用基于生物自然选择与遗传机理的遗传算法去搜索阻抗图像重建问题的最优解,无需正则化技术,也不会象改进的Newton-Raphson类算法那样易陷入局部最优解.实验结果也表明基于遗传算法的图像重建方法重建的静态阻抗断层图像,其成像精度和空间分辨率都大大好于改进的Newton-Raphson类重建算法.     

一种基于逆问题的差分干涉SAR层析成像方法

高度-速率维成像时,差分干涉层析成像合成孔径雷达获取的观测数据在基线-时间平面非均匀分布。若直接对观测数据进行两维傅里叶变换来恢复散射体高度-速率维像,则因强副瓣存在,成像效果不理想。该文将差分干涉层析成像合成孔径雷达高度-速率维成像问题归结为2维积分方程的逆问题,提出了一种采用Backus-Gilbert算法实现差分干涉SAR层析成像的新方法,并使用Tikhonov正则化获得逆问题的正则解。仿真结果表明该文提出的方法能够克服基线时间不均匀造成的影响,获得较好的成像结果。