基于数据重建的三角网格模型简化优化方法

由CT切片数据重建得到的三角网格模型常存在数据量大、狭长三角形多等问题,针对这些问题,研究了一种保持特征的高质量三角网格模型的简化优化方法。该方法分为网格简化和网格优化两个阶段。首先,采用基于曲面变化的二次误差度量计算边折叠代价,并按代价值的大小进行迭代的折叠简化,可较好地保持模型表面的特征;其次,通过二阶加权伞算子对简化模型中局部存在的狭长三角形进行优化处理,改善三角网格模型的质量。实验结果表明,该方法能够较好地保持特征区域的细节信息,并可靠地生成高质量、低几何误差的简化模型。     

保特征的自适应三角网格规范化算法

为了提高基于工业CT图像重构的三角网格质量，提出了顶点调整和特征因子相结合的网格规范化算法。引入模型特征因子和局部网格质量提高程度作为网格调整的控制条件，保留原始模型的局部细节特征；采用法矢量阈值按规律递增的方式自适应控制网格调整，实现不同曲率特征的自动识别。实验结果表明，与现有方法相比，该方法能更好地规范模型的三角网格，同时保留了原始模型的细节特征。     

基于工业CT图像重构的网格模型的保特征简化方法

对基于工业CT图像重构的网格模型进行网格简化时,大多数现有网格模型简化算法会丢失特征,出现网格质量不好的问题。因此提出一种网格模型保特征简化方法,该方法用三角形折叠法对原始模型进行简化,当简化后模型的平均二面角角度误差达到允许误差后,再使用边折叠法对模型进行简化。在三角形折叠法中提出了利用被折叠三角形的法向量、各个顶点的高斯曲率及其在周边三角形上的投影确定该三角形的折叠点,利用局部体积误差与二面角角度误差的无因次化和确定折叠代价的方法;在边折叠法中提出了将二面角角度误差引入到二次误差测度(QEM)法的折叠代价中的改进QEM法。实验结果表明:与其他算法相比,该方法能够生成保特征、高质量、低几何误差的网格模型。     

利用CAD模型的不完全扫描CT图像重建

工业计算机断层成像(CT)扫描大尺寸和高密度工件时,会出现穿不透、扫描角度有限导致的投影数据不完备、重建伪影严重等问题。基于此,提出一种将工件的CAD设计模型作为先验知识,来实现该类对象的有限角CT重建优质图像的方法。由工件CT扫描的断层位置计算CAD模型对应的分层位置,并得到模型的像素截面;根据CT系统X射线能量和模型中各部分材质,确定和生成一幅衰减系数图像,并将其配准到一幅零灰度图像中,得到先验图像;最后对扫描投影数据进行SART+TVM+PRIOR算法重建,得到重建图像。仿真实验和实际工件扫描实验的结果显示,加入先验图像后重建的图像质量要远远优于未加入先验图像的重建结果,边缘结构更加清晰,并极大地减少了伪影。     

基于工业CT图像重构的网格模型的全局优化方法

针对用工业CT切片图像直接重构得到的网格模型质量不高的问题,提出一种不受拓扑结构限制的隐式曲面重构全局优化方法。该方法将三维表面模型用隐式函数来表示,通过模型提供的点云信息计算出隐式函数,提取等值面,实现曲面重构。针对隐式曲面重构数据处理量大的问题,引入FFTW快速傅里叶变换来提高效率。实验结果表明,该方法能够同时实现三角网格模型的去噪、网格平滑、简化以及孔洞修补,与保特征的均匀化网格平滑算法相比,去噪效果更好,效率更高。     

基于层次聚类的图像超分辨率重建

多字典学习的图像超分辨率重建过程中常见的K均值聚类、高斯混合模型聚类等方法会导致图像的重建质量欠佳且不稳定,针对这一问题提出一种新的基于层次聚类的图像超分辨率重建算法;首先对样本图像块提取特征并进行层次聚类,经改进的主成分分析方法训练得到K个字典,然后将测试图像裁切成若干图像块,并分别自适应匹配最合适的字典进行图像块重建,最后对整幅图像进行优化,以实现全局重建。结果表明:所提算法具有较高的可行性,能有效改善图像的重建质量;与传统算法相比,所提算法重建图像的峰值信噪比和结构相似度均有所增大。     

稀疏张量约束的低剂量CT图像重建

提出了一种稀疏张量约束重建算法,该方法利用非局部相似的先验信息,将CT图像分割成一系列图像块组;采用张量的多维低秩分解方法,将这一先验信息引入低剂量CT重建中,构造目标函数;通过重建图像更新和图像块组张量稀疏编码两个步骤,交替迭代求解目标函数。基于仿真数据和临床数据的实验结果验证了该算法的有效性,实验结果表明:与经典重建算法相比,所提算法在抑制噪声的同时,能更好地保持重建图像的细节,获得更高质量的图像。     

联合卷积稀疏编码与梯度L0范数的低剂量CT三维重建

CT扫描中潜在的辐射伤害已越来越受到人们的重视,然而降低扫描剂量会导致成像质量退化,从而影响诊断结果。针对上述问题,提出一种联合卷积稀疏编码与梯度L_0范数的三维重建算法。该算法通过频率分解的重建形式对高频成分进行无监督的多尺度在线卷积稀疏编码约束,对低频成分进行梯度L_0范数约束,从而实现低剂量CT图像中噪声伪影的抑制与组织细节的保持。此外,卷积稀疏编码中使用三种不同尺度的三维滤波器,可有效适应不同尺度下的特征信息,提高编码能力。腹部CT仿真数据和真实扫描数据的实验结果表明,所提算法在25%常规剂量的重建过程中可以获得噪声伪影少、结构细节对比度高和质量更好的成像效果。     

探测器偏置重建算法在工业CT检测中的应用

工业CT检测对象的大小是不固定的,最大限度地利用已有探测器的成像面积非常重要。采用探测器偏置来获得更大的扫描视野,并推导相应的重建算法。该算法首先使用Parker类型函数对采集到的投影数据中的冗余部分进行加权,然后采用扇束滤波反投影重建算法重建得到断层图像。在实验中使用实际工业CT系统分别采集钢制线对块与铝合金变速器外壳的投影数据进行重建算法的验证,重建结果证明了使用的探测器偏置重建算法的正确性与有效性,且空间分辨率和标准扫描的重建结果保持一致,这个方法可以在工业CT成像上有效使用。     

一种基于GAN和自适应迁移学习的样本生成方法

研究了基于生成式对抗网络(GAN)和跨域自适应迁移学习的样本生成和自动标注方法。该方法利用自适应迁移学习网络，基于已有的少量可见光图像样本集，挖掘目标在红外和可见光图像中特征内在相关性，构建自适应的转换迁移学习网络模型，生成标注好的目标图像。提出的方法解决了红外图像样本数量少且标注费时的问题，为后续多频段协同目标检测和识别获得了足够的样本数据。实验结果表明:自动标注算法对实际采集的装甲目标图像和生成的装甲目标图像各1 000张进行自动标注测试，对实际装甲目标图像的标注准确率达到95%以上，对生成的装甲目标标注准确率达到83%以上；利用真实图像和生成图像的混合数据集训练的分类器的性能和使用纯真实图像时基本一致。     

高压电缆源平移扫描CT高效重建算法EI北大核心CSCD

为提高在役高压电缆X射线扫描图像重建速度,结合传统的滤波反投影算法,提出基于数据平滑的局部扫描重建算法。分析了源直线扫描局部计算机断层成像方法存在的有限角和数据截断问题,提出数据平滑方式解决方法。主要途径是利用余弦函数沿探测器方向和射线源方向分别进行数据平滑插值,避免投影数据值在这两个方向上突然降为零,起到抑制截断伪影和有限角伪影的作用。实验证明,所提方法能有效抑制图像伪影,有利于电缆阻水缓冲层缺陷识别。相较于原有的联合迭代重建算法,该方法缩短了重建时间且图像重建质量相当;相较于传统滤波反投影算法,重建图像质量提高但重建耗时基本一致。     

考虑旋转中心标定误差的中子偏置计算机断层扫描成像方法

中子偏置CT(computed tomography)扫描是一种有效的大尺寸样品层析检测方法,但投影数据截断会导致较大的CT系统转台旋转中心标定误差,严重影响成像质量。基于投影数据对称性原理,提出了一种计算旋转中心左侧和右侧投影数据和之间方差的偏置CT扫描旋转中心精确标定算法。设计了对称补数据重建算法和投影数据预处理重建算法,验证得到,对称补数据重建算法对旋转中心标定误差更为敏感,较小的误差值会导致补齐后投影数据出现拼接缝以及拼接错位问题。提出了一种中子投影数据噪声仿真方法,设计的三维仿真模体验证了所提标定算法与投影数据预处理重建算法在不同旋转中心偏置大小以及不同强度投影噪声条件下的性能优势。基于反应堆中子源开展了中子偏置CT扫描成像验证实验,获得了样品清晰的内外部结构细节,中子CT成像系统的成像视野扩大了31.4%。     

基于图像自标定的3D打印模型高效生成方法

为了克服三维重建高度依赖标定板,满足3D打印模型的工业需求,提出基于图像自标定的高效3D打印模型生成方法,无需借助标定板计算相机参数,直接使用单相机采集序列图像进行三维重建。为了克服基于自标定方法易受图像质量和特征点匹配精确度的影响,根据人机交互与自适应分割算法相结合的方法去除原始图像背景及过滤噪声,使图像感兴趣区域特征更为明显,采用快速稳定特征算法提取序列图像中特征点并根据特征点的匹配度进行精确的特征点匹配,再使用匹配信息自标定求解得到相机模型参数,最后根据相机模型以及特征点信息完成三维目标的稠密重建。实验结果表明,自标定及重建方法对大小各异,表面材质不同的目标均可实现重建。     

一种基于特征提取的点云精简算法

针对激光点云数据中存在的大量冗余信息,造成传输、存储等后续处理环节付出多余的硬件和时间成本的问题,提出了一种基于特征信息的点云精简方法。利用自适应近邻点进行PCA计算点云法矢;利用冯.米塞斯分布进行边缘点提取,对非边缘点以点法矢为基础赋予其距离权重进行阈值判断,提取特征点;划分空间均匀网格,以网格为单元计算法矢均值,提取潜在特征点;对网格非特征点进行单点提取。以标准的Bunny和工件模型为对象进行了MATLAB仿真实验,所提算法与传统非均匀网格法、聚类法、三角面片消减法比较:在精简比1∶5、1∶10、1∶15、1∶20情况下,最大误差降低27%以上,平均误差降低12%以上。实验结果表明所提算法在特征信息较多的模型处理上具有更好的精简能力。     

基于密集卷积和域自适应的高光谱图像分类

针对常规的高光谱图像分类算法不能很好地解决不同图像中的频谱偏移的问题,提出了一种基于密集卷积和域自适应的高光谱图像分类算法,首先在源域中使用密集卷积进行深度特征学习,然后应用域自适应技术转移到目标域。目前的域自适应高光谱图像分类框架中常用卷积神经网络进行特征学习,但是当深度增加时会出现因梯度消失而导致分类精度下降的情况,因此本文通过引入密集卷积进行深度特征学习,提高域自适应高光谱图像分类的精度。在Indiana高光谱数据集和Pavia高光谱数据集上验证所提算法的有效性,整体分类精度分别为61.06%和89.63%,与其他域自适应高光谱图像分类方法对比,所提方法具有更好的分类精度。     

一种改进的凝视红外图像高分辨率重建算法

光学微扫描和亚像元成像处理技术,是提高凝视型红外焦平面探测器空间分辨率的重要技术途径。通过分析2×2光学微扫描原理和图像插值重建模型,提出一种基于拉格朗日(Lagrange)多项式的高分辨率重建算法。算法根据局部梯度特征将图像划分成多个同性区域,在同性区域内自适应调整Lagrange的阶数,进而完成插值重建。实验表明,算法有效抑制了光学扫描误差引起的图像模糊,提高了红外成像系统的空间分辨率,具有较强的实用价值。     

基于聚焦换能器的超声透射CT技术*

超声透射CT技术能够重建物体横断面的图像,为了重建高质量图像,分别从换能器和图像重建算法两个方面展开研究。分析了弧形线聚焦换能器焦域处聚焦切片尺寸与换能器几何尺寸的关系及其对CT检测的影响。搭建了超声透射CT检测系统,以等角扇形束的扫描方式获取投影数据,并利用滤波反投影和最小二乘正交分解两种算法重建图像,对比发现最小二乘正交分解算法通用性更强,成像质量更佳。实验结果表明,利用聚焦换能器并结合最小二乘正交分解算法对物体进行CT检测,能够取得较好的成像结果,检测分辨力可达毫米量级。     

相对平行直线扫描CT滤波反投影图像重建

射线源和探测器作相对平行直线运动的计算机层析成像扫描系统(OPLCT)结构简单,成本低,易于实现便携或可移动的应用需求。该扫描方式的前期研究采用顺序子集-同时迭代重建算法,该算法存在图像重建时间长、不能实现快速成像等问题。从傅里叶积分定理出发,推导OPLCT滤波反投影(OPLFBP)图像重建算法。构建的一次直线扫描(1T)图像重建模型属于有限角问题,OPLFBP算法不能完全重建出目标图像;进一步提出多次线性扫描并构建了两次垂直(2T)和三次圆周均匀分布(3T)的CT直线扫描模型。1T、2T和3T模型下的仿真结果表明OPLFBP算法正确可行,且2T、3T扫描与相似参数下圆周扇束扫描滤波反投影算法得到的重建图像相近。     

基于Radon逆变换的相对平行直线扫描CT解析重建

计算机断层成像(CT)技术广泛应用于医学诊断、工业检测等领域。近年来,提出了一种相对平行直线扫描CT(PTCT),采取射线源-探测器对物体作相对平行直线移动的扫描方式来采集数据,其结构简单、应用灵活、成本低。针对PTCT图像重建,提出了一种基于Radon逆变换的解析重建算法(PTCT-DHB)。相比于经典的PTCT滤波反投影算法(PTCT-FBP),该算法将斜坡滤波器分解为求导和希尔伯特变换两个步骤,提升了抗噪性能。搭建了PTCT实验系统,进行了仿真实验和实际实验。实验结果表明,与PTCT-FBP算法相比,本文算法重建图像的均方根误差值降低了0.0108,峰值信噪比值提升了4.437,结构相似性值提升了0.0041,PTCT-DHB算法能有效抑制高频噪声,快速地重建高质量CT图像。     

高密度差多层球壳双能CT图像重建方法

对含高密度差材料的大尺寸多层球壳构件采用双能CT方法进行无损检测,当采用高能射线扫描时,低Z材料区对射线基本无阻挡,而采用低能射线扫描时又会被高Z材料区截断,因此需要根据双能射线投影特征开展针对性的图像重建方法研究。首先,根据材料结构特征建立仿真模型,分别模拟得到高、低能射线的投影正弦图,然后采用滤波反投影和代数重建法等算法进行图像重建。通过仿真和比较分析,得出先融合投影再重建图像的方法要整体优于先分别重建再融合图像的方法。另外,为保证图像重建质量,在进行扫描射线能量选择时,要考虑提高局部投影质量,更要尽量减少被截断的总投影量。