种基于偏微分方程约束的闪光照相图像重建算法

 针对闪光照相图像信噪比低的特点,提出了一种基于偏微分方程基于非线性PDE的约束的图像重建算法,该算法在重建迭代过程中引入了基于非线性PDE的平滑约束来抑制图像噪声,同时保护图像边缘。数值试验结果表明:相比于Landweber和预优约束共轭梯度（PCCG）重建算法,新算法具有更强的抗噪能力和边缘保护能力,是一种更加有效的闪光照相图像重建算法。     

基于约束共轭梯度的高能闪光照相3维重建算法

 针对高能闪光照相系统成像信噪比低的特点，提出了3维约束共轭梯度算法，该算法基于3维重建理论来重建方程，利用约束共轭梯度法迭代求图像重建的最优解。数值模拟结果表明：采用3维约束共轭梯度算法能有效改善高能闪光照相重建图像轴线噪声大的问题，是一种具有很高抗噪能力的闪光照相图像重建算法。     

基于贝叶斯准则的闪光照相图像重建

 针对闪光照相图像低信噪比的特点,研究了一种带约束的贝叶斯图像重建算法,较好地抑制了噪声对重建结果的影响,同时对细节信号具有较高的保持能力。该算法以贝叶斯重建为基础,在重建过程中考虑了闪光照相图像的受模糊影响比较严重的特点,引入了重建结果具有平滑性的先验信息进行约束,以提高重建结果的信噪比。通过在迭代过程中对重建结果进行平滑性约束以提高重建质量。数值模拟结果表明,该方法在闪光照相图像重建中具有较好的抗噪能力和边界保持能力。     

基于约束优化的闪光照相图像重建算法

针对闪光照相图像受模糊及噪声影响的问题,提出了一种基于约束优化的闪光照相图像重建算法。该算法建立基于平行束投影的正向成像矩阵,并通过嵌入模糊矩阵表达成像过程中的模糊因素,采用最速下降法求解重建问题。在算法中设计了预优矩阵以提高迭代重建速度,利用客体密度值非负、密度分布分段光滑并含有阶跃性边界的先验知识,设计和采用了非负约束、光滑约束及广义变分边界约束条件。对仿真FTO客体图像及实际闪光照相图像的重建结果表明,基于约束优化的重建算法具有良好的边界保持能力及噪声抑制能力,可以有效提高图像重建质量。     

改进的约束共轭梯度闪光照相图像重建算法

 针对闪光照相图像信噪比低的特点,提出了一种改进的约束共轭梯度闪光照相图像重建算法。该算法在约束共轭梯度迭代重建的基础上,提出了新的预优矩阵选取方案,减小了重建图像的轴线噪声,利用松弛迭代步长代替共轭梯度法中的最优迭代步长,并采用了新的收敛准则,在保证算法收敛的同时,减少了重建算法的计算量。数值试验表明,与传统约束共轭梯度重建算法相比,改进算法稳定收敛,迭代速度更快,并能有效提高重建质量。     

一种基于约束共轭梯度的闪光照相图像重建算法

 针对闪光照相系统成像信噪比低的特点,提出了正则化预优约束共轭梯度算法（RPCCG）。RPCCG算法在闪光照相重建方程中引入Tikhonov正则化准则,利用预优约束共轭梯度法迭代求图像重建的最优解。数值试验表明,采用最小二乘+平滑准则的RPCCG算法是一种具有较高的抗噪能力的有效闪光照相图像重建算法,具有良好的收敛性和稳定性以及较高的重建精度。     

基于约束共轭梯度的高能闪光照相图像复原算法

 针对闪光照相系统模糊较大、成像信噪比低的特点,提出了一种基于约束共轭梯度的闪光照相图像复原算法,将闪光照相图像复原问题转化为一个约束优化问题,引入基于非负、中值滤波和偏微分方程的光滑约束条件,并利用约束共轭梯度法迭代求最优解。数值试验表明,该算法能较好再现图像边缘信息,复原出的图像在信噪比和视觉方面都有较大提高。     

基于广义变分正则化的闪光照相图像重建算法

 针对闪光照相图像信噪比低的特点,提出了一种基于广义变分正则化的图像重建算法,该方法采用p-范数取代目前广泛采用的全变分范数作为正则项,构造了用于图像重建的展平泛函,将图像重建问题转化为目标泛函最优化问题,采用固定点迭代法求解图像重建的最优解。数值计算结果表明,该算法在重建过程中能够有效抑制图像噪声,并加大对图像边缘的保持能力,从而提高了图像重建质量,是一种有效且性能优良的闪光照相图像重建算法。     

基于全变分正则化的高能闪光照相消模糊图像重建算法

 针对高能闪光照相投影图像消模糊难度大的问题,提出了一种基于全变分正则化的消模糊图像重建算法,该算法根据闪光照相的成像特点,将客体的纵向截面作为一个整体来进行建模,并在重建方程中考虑了模糊因素,然后采用全变分范数作为正则项,构建了用于消模糊图像重建的展平泛函,将消模糊图像重建问题转化为能量泛函极小化问题,通过固定点迭代算法求解图像重建问题的最小化解。数值模拟结果表明：该算法由于考虑了闪光照相成像时的图像模糊因素,在重建时能够较好地消除模糊对重建结果的影响,在抑制噪声的同时能较好地保持图像的边缘信息,有利于提高重建图像的质量。     

基于自适应准则的闪光照相图像重建

 针对闪光照相图像低信噪比的特点,提出了一种自适应的图像重建算法。该算法以代数法(ART)迭代重建为基础,在迭代重建过程中引入了两个权重矩阵,其中一个矩阵用来控制重建过程中的高频分量以保持重建结果的边界;另一个矩阵控制重建结果的平坦区域以提高重建结果的信噪比。通过在迭代过程中更新这两个矩阵来实现图像的自适应重建。数值模拟结果表明,相对于传统的单准则ART重建算法,该方法具有更好的抗噪能力和边界保持能力。     

基于分数阶最大相关熵算法的混沌时间序列预测

为提高最大相关熵算法对混沌时间序列的预测速度和精度,提出了一种新的分数阶最大相关熵算法.在采用最大相关熵准则的基础上,利用分数阶微分设计了一种新的权重更新方法.在alpha噪声环境下,采用新的分数阶最大相关熵算法对Mackey-Glass和Lorenz两类具有代表性的混沌时间序列进行预测,并分析了分数阶的阶数对混沌时间序列预测性能的影响.仿真结果表明:与最小均方算法、最大相关熵算法以及分数阶最小均方算法三类自适应滤波算法相比,所提分数阶最大相关熵算法在混沌时间序列预测中能够有效地抑制非高斯脉冲噪声干扰的影响,具有较快收的敛速度和较低的稳态误差.     

基于稀疏重建的磁共振图像尖峰噪声消除方法

磁共振图像K空间中的尖峰噪声会严重影响图像质量.该文在磁共振图像压缩感知的共轭梯度重建法的基础上,提出一种新的利用磁共振图像稀疏性进行尖峰噪声修复的方法.传统的共轭梯度重建是通过小波域迭代进行的,对于K空间的尖峰噪声的消除不是最适合.首先提出压缩感知的K空间重建算法,该算法与小波域重建等效.在此基础上,提出可以较好地修复尖峰噪声的K空间部分重建算法.即在迭代过程中,以图像的稀疏性作为约束条件,仅修改尖峰噪声所遮盖区域的数据,其他位置的数据保持不变.该算法与传统的插值算法及共轭梯度算法相比,能够更好地修复K空间尖峰噪声点,减少图像伪影,同时降低了对尖峰噪声定位准确性的要求.     

高能X光照相中密度重建的共轭梯度算法

通过对高能X光照相过程的物理分析,得到了辐射照相的点扩展函数,给出了估价函数的表达式.并以典型的法国试验客体模型为例,将共轭梯度算法应用到高能X光照相的密度重建中,得到了较满意的结果.这种方法从模拟辐射照相过程出发,将辐射照相的模拟结果与实际测量结果做比较并找出最大可能解.可在一定程度上克服其它密度重建算法通过反卷积过程消除模糊效应所引起的不确定性.     

Estimating missing information by maximum likelihood deconvolution

The ability of iteratively constrained maximum likelihood (ML) deconvolution to reconstruct out-of-band information is discussed and exemplified by simulations. The frequency dependent relative energy regain, a novel way of quantifying the reconstruction ability, is introduced. The positivity constraint of ML deconvolution allows reconstructing information outside the spatial frequency bandwidth which is set by the optical system. This is demonstrated for noise-free and noisy data. It is also shown that this property depends on the type of object under investigation. An object is constructed where no significant out-of-band reconstruction is possible. It is concluded that in practical situations the amount of possible out-of-band reconstruction depends on the agreement between reality and the model describing "typical objects" incorporated into the algorithm by appropriate penalty functions.     

A computed tomography reconstruction algorithm based on multipurpose optimal criterion and simulated annealing theory

Although emission spectral tomography (EST) combines emission spectral measurement with optical computed tomography (OCT), it is difficult to gain transient emission data from a large number of views,therefore, high precision OCT algorithms with few views ought to be studied for EST application. To improve the reconstruction precision in the case of few views, a new computed tomography reconstruction algorithm based on multipurpose optimal criterion and simulated annealing theory (multi-criterion simulated annealing reconstruction technique, MCSART) is proposed. This algorithm can suffice criterion of least squares, criterion of most uniformity, and criterion of most smoothness synchronously. We can get global optimal solution by MCSART algorithm with simulated annealing theory. The simulating experiment result shows that this algorithm is superior to the traditional algorithms under various noises.     

Preliminary attempt on maximum likelihood tomosynthesis reconstruction of DEI data

Tomosynthesis is a three-dimension reconstruction method that can remove the effect of superimposition with limited angle projections. It is especially promising in mammography where radiation dose is concerned. In this paper, we propose a maximum likelihood tomosynthesis reconstruction algorithm (ML-TS) on the apparent absorption data of diffraction enhanced imaging (DEI). The motivation of this contribution is to develop a tomosynthesis algorithm in low-dose or noisy circumstances and make DEI get closer to clinic application. The theoretical statistical models of DEI data in physics are analyzed and the proposed algorithm is validated with the experimental data at the Beijing Synchrotron Radiation Facility (BSRF). The results of ML-TS have better contrast compared with the well known `shift-and-add' algorithm and FBP algorithm.

     

Regularized maximum likelihood algorithm for PET image reconstruction using a detail and edges preserving anisotropic diffusion

The traditional iterative reconstruction algorithms of positron emission tomography cannot effectively suppress the noise in low SNR case. Recently anisotropic diffusion (AD) is introduced into tomography reconstruction, which can improve the reconstructed image. Although AD reconstruction algorithm can suppress noise, it does not perverse the detail edge information accurately, especially the thin edges. In order to solve the problem, we introduce a new anisotropic diffusion term, which can preserve the detail edges effectively, into the maximum likelihood algorithm, and combine with median filter, forming the regularized maximum likelihood algorithm in PET image reconstruction (PML_NewAD). Results of computer simulated demonstrate that compared with the other classical reconstruction algorithms, PML_NewAD not only availably suppress the noise and produce a higher quality image, but also preserve the structure of image's edge excellently.