基于改进U-Net的低剂量CT图像重建方法

针对低剂量CT图像重建会产生噪声和伪影的问题,在U-Net神经网络基础上引入残差学习和空间注意力机制,在编解码过程中嵌入跳跃连接为上采样增加多尺度信息,使用AAPM公开数据集CT影像进行模型训练和测试。选取峰值信噪比（PSNR）、结构相似性（SSIM）和均方根误差（RMSE）作为图像性能评价指标。在CT重建结果的测试中,与未处理的图像相比,网络模型处理后图像的PSNR、SSIM和RMSE指标平均值分别提升21.699%、2.263%和40.833%。实验结果表明,改进的U-Net神经网络模型能够减少噪声和伪影,保留了更多的纹理细节,对低剂量CT重建图像质量的提高有一定效果。     

基于电阻抗成像的立木无损检测系统

为及时监测树木内部结构状态,提出一种基于电阻抗成像理论的活立木无损检测方法,设计一种16电极的数据采集系统。该系统以LabVIEW程序控制数据采集卡为核心,使用NI公司的USB-6361数据采集卡产生正弦交流电压信号,再将其输入压控电流源电路转换为电流激励信号。激励信号循环注入到立木表面的16个电极中,按照相邻激励-相邻测量的方式采集立木边界电压。然后,利用仪器仪表放大电路、可编程增益二级放大电路、高通滤波电路对采集的信号进行处理,以达到放大和滤波的目的。最后,通过数据采集卡模数转换后将数据上传到计算机端,采用敏感矩阵算法实现图像重建。实验结果表明,所设计系统在激励频率为1～20 kHz时,可以有效地识别立木中空洞的位置,并反映出空洞的相对尺寸和大致轮廓,能够实现基于电阻抗成像的立木无损检测。     

基于BSRGAN的集气站仪表读数识别

为解决集气站的巡检机器人采集到的仪表图像分辨率低、常伴有噪点和仪表图像畸变、不便于读数算法直接应用等问题,提出了一种基于盲超分辨率生成对抗网络(BSRGAN)的仪表读数算法。首先,利用BSRGAN提高输入仪表图像的分辨率,较传统方法能够显著增强仪表图像的视觉感知水平。自然图像质量评估(NIQE)在测试集中表现较好,结构相似性指数(SSIM)值均大于0.85。利用尺度不变特征变换(SIFT)算法对重建图像进行特征提取。特征点数量在重建后显著增加,有助于表盘图像的校正。然后,采用连通域划分和指针细化等形态学操作提取指针中心线。最后,利用角度法识别表盘读数。试验读数结果与真实值的平均相对误差为0.625%。试验结果表明,所提算法可行、有效、精准,能够提高仪表图像清晰度和视觉感知,适用于集气站及其他复杂环境的仪表读数。     

基于空洞卷积的医学图像超分辨率重建算法

为解决现有医学图像超分辨率重建中存在的图像细节模糊、全局信息利用不充分等问题,提出一种基于空洞卷积与改进的混合注意力机制的医学图像超分辨率重建算法。首先,将深度可分离卷积与空洞卷积相结合,使用不同大小的感受野对图像进行不同尺度的特征提取,从而增强特征表达能力;其次,引入边缘通道注意力机制,在提取图像高频特征的同时融合边缘信息,从而提高模型的重建精度;再次,混合L1损失与感知损失函数作为整体损失函数,使重建后的图像效果更符合人类视觉感观。实验结果表明,在放大因子为3时,与基于卷积神经网络的图像超分辨率（SRCNN）算法、VDSR(Very Deep convolutional networks Super-Resolution)相比,所提算法的峰值信噪比（PSNR）平均提高了11.29%与7.85%;结构相似性（SSIM）平均提高了5.25%和2.44%。可见,所提算法能增强医学图像的效果与纹理特征,且对图像整体结构还原更加完整。     

基于改进小波变换的农村集体土地测绘图像高分辨率自适应重建方法

为提高农村集体土地测绘图像的分辨率,改进在重建图像的过程中发生的灰度偏移的情况,研究了基于改进小波变换的农村集体土地测绘图像高分辨率自适应重建方法。采集农村集体土地测绘图像,对差值处理后的测绘图像进行Haar小波变换,高分辨率重建测绘图像,校正图像灰度化偏移的同时保证重建测绘图像的质量;采用基于贝叶斯估计的自适应小波去噪方法,去除重建测绘图像噪声,使重建的高分辨率测绘图像更清晰。实验结果表明：PSNR值接近30dm,SSIM值接近1;不同噪声方差下,PSNR值最高。提高了重建测绘图像的清晰度和分辨率,得到高分辨率的农村集体土地测绘图像。     

基于LightGBM和多光谱—SAR多特征综合的中亚干旱区城市不透水面提取

不透水面是评价城市化水平和城市生态环境的重要指标,是近年来城市遥感研究中的热点方向之一。与湿润、半湿润区相比,干旱区城市植被覆盖度较低,不透水面与裸土、荒漠之间相似的光谱特征导致传统基于光学影像的亚像元分解法与光谱指数法在干旱区不透水面提取的适用性降低。针对该问题,提出一种多光谱与合成孔径雷达（SAR）影像多特征综合的方法以增大不透水面与其他地物覆盖类型之间的特征差异,从而提取干旱区城市不透水面。以阿斯塔纳、塔什干和杜尚别3个中亚城市为研究区,哨兵2号和哨兵1号影像为数据源,通过LightGBM算法对多光谱和SAR图像的空间特征、SAR的极化特征进行分类并提取不透水面。研究对比了不同特征组合以及不同分类方法的不透水面提取结果,实验结果表明：多光谱与SAR影像多特征综合的方法能有效提高干旱区不透水面提取精度,明显改善干旱区其他土地覆盖类型错分为不透水面的问题;LightGBM算法与XGBoost、HistGBT等基于梯度提升决策树的算法和随机森林等方法相比能获取更高的精度,更适用于干旱区不透水面提取。这表明基于LightGBM以及多光谱和SAR多特征联合的方法能够有效提取中亚干旱区城市不...     

基于改进白骨顶鸡优化算法的ECT图像重建北大核心CSCD

电容层析成像(ECT)技术求解图像重建问题存在严重的不适定性。为提高图像重建精度,提出了一种改进白骨顶鸡优化算法的ECT图像重建算法。针对标准白骨顶鸡优化算法(COA)中初始种群随机生成而导致的算法稳定性差和容易陷入局部最优的问题,引入了佳点集和正余弦优化方法,并融合了ART重建算法,根据ECT成像特点改进了目标函数。最后,进行仿真和静态实验,并与线性反投影(LBP)算法、Landweber算法、ART算法进行对比。结果表明,该方法可有效提高图像重建精度。     

基于变换矩阵的三维重建算法研究

先对传统明暗恢复形状(Shape From Shading)算法进行简单分析,然后提出了一种改进的SFS算法.在图像亮度与反射图函数的差值采用雅可比迭代方法的基础上,改进变换矩阵,使其特征值包含三个平方项,减少了矩阵的结果无效的情形,并且提高了迭代的收敛速度.针对光照条件不好的图像,提出了一种先旋转坐标轴,后双向重建的算法.通过旋转坐标轴一定角度,改变光源方向,减少图像失真,然后双向重建的两幅图像通过加权平均法得到物体的三维重建图.最后,用Matlab编制相应程序,在计算机上进行仿真.实验结果表明,改进的SFS算法是有效的,能够克服传统SFS算法精度低的缺陷,提高了三维重建的稳定性和精确度,缩短了三维重建的时间.