基于压缩感知的动态散射成像

利用基于压缩感知的成像系统可以透过静态的散射介质获得高质量的重建图像. 但是当散射介质动态变化时, 因为采样所得的测量值受到散射介质衰减系数非线性变化的影响, 重建图像质量会大大下降. 针对上述情况, 本文提出基于压缩感知成像系统的测量值线性拉伸算法, 该算法能够对所得到的非线性测量值进行分析, 根据测量值大小的不同将测量值划分成数个区域并计算补偿系数, 从而根据补偿系数进行测量值线性拉伸变换, 使测量值线性化. 最后再对变换后的测量值进行压缩感知重建计算. 通过理论分析、计算机仿真和实验证明了所提算法能够有效地应对动态的散射介质, 提高基于压缩感知成像系统在透过动态散射介质时的图像重建质量.     

结合透射CT的康普顿背散射图像重建

在康普顿散射成像(CST)技术中可以结合透射成像重建出衰减系数来消除散射重建的非线性,但这样得到的投影矩阵带有误差。而CST重建问题的不适定性对噪声和投影矩阵的误差非常敏感,重建结果会有较大误差。针对此问题,基于压缩感知理论提出了一种新的CST重建算法。新方法将图像重建问题归结为一个图像的全变分(TV)最小化问题,并使用收敛速度较快的基于交替方向法的Split-Bregman方法进行求解。在仿真实验中,通过与代数重建技术(ART)进行比较,在测量数据充足和测量数据不足两种情况下,本文算法都具有更好的重建质量,证明了所提算法在重建精度和抗噪性能方面的优势。     

基于基效应分解的多谱投影序列盲分离算法研究

在常规CT成像系统中,发出的X射线是连续能谱的,导致重建图像出现硬化伪影,影响了材料组分区分,无法进行定量表征。解决这一问题的关键在于实现多能谱CT成像,利用多个窄能谱段或单能量CT图像,提高组分与图像灰度的对应性。相对于传统CT,能谱CT具有更强的组分区分能力,有利于实现物体组分的定量分析。现有的基于光子计数探测器多谱CT在成像时间分辨率和空间分辨率存在局限,基于能谱滤波的多谱CT能谱区分度受限。而基于变电压多谱投影序列盲分离的多谱CT,通过分解连续能谱投影,获取窄能谱投影,进而实现能谱CT成像,确保物质组分与重建图像灰度值的对应性,实用性较强。但是由于X射线能谱和物体组分的未知,在盲分离过程中,衰减系数未知,并且能谱划分是不确定的,导致窄能谱CT重建图像的能量指向性不强,对应能量值与参考能量偏差偏大,影响组分定量分析。因此,针对盲分离中能谱划分不确定性和重建图像能量指向性问题的开展研究。利用衰减系数的光电效应和康普顿效应分解,构建能量约束,消除能量的不确定性,降低分解所得投影重建图像的能量与参考能量值的偏差。在基于以残差的局部方差和最小为优化目标的分解模型中,将分解模型中的衰减系数按光电效应和康普顿效应分解为能量项和材料项,利用能量项的可预知性,依据预先划分的窄能谱段设置其值,固定各分解投影对应的窄能谱段,作为对能量的约束条件。求解所得各分解投影为能量已知投影,对其重建可得到能量确定的各窄能谱段的图像。选择衰减系数相近的硅铝材质构成外硅内铝圆柱体进行实验验证,在有能量约束的求解结果中,硅铝衰减系数与参考值偏差小于无能量约束,所得重建图像中硅铝变化率与理论值趋势较一致,能量指向性强,与参考能量偏差降低。结果表明,所提方法解决了基于变电压序列盲分离多谱CT成像的能量指向问题,能谱分辨率更高,组分表征更准确。     

基于非线性光谱字典学习的单幅RGB图像光谱重建方法研究

针对单幅RGB图像重建光谱图像中的病态问题,提出一种基于非线性光谱字典学习的非线性重建方法。为了适应线性和非线性数据,该方法首先改进了基于自联想神经网络模型的非线性主成分分析算法,并利用其从训练光谱集中学习低维光谱字典,用于光谱重建的求逆方程中,以缓解病态状况。再在此光谱字典基础上,利用阻尼高斯牛顿法结合截断奇异值分解的正则化方法,进一步缓解该非线性反演的病态问题,实现单幅RGB图像重建光谱图像。在实验中,采用Munsell以及Munsell+Pantone两个光谱训练集学习光谱字典,同时利用CAVE和UEA光谱图像库进行光谱重建测试。该方法测试结果与现有方法比较发现,该方法在不同光谱训练集下重建CAVE和UEA两库光谱图像的均方根差的平均值最低,分别为0.212 4,0.255 4,0.229 4和0.294 9,均方根差的标准偏差接近最好方法的效果,分别为0.068 5,0.084 7,0.066 8和0.087 0。此结果表明该方法针对单幅RGB图像重建光谱图像在重建精度和稳定性上均存在优势。     

基于反向传播神经网络的阻抗断层图像重建新方法

电阻抗成像是通过对物体表面电压、电流的测量来重建物体内部阻抗分布或变化图像的一种新颖计算机断层成像技术。阻抗断层图像重建是一种病态的、非线性的逆问题。提出了一种全新的阻抗断层图像重建方法，它利用反向传播神经网络来表征物体内部阻抗变化位置与物体表面电压变化大小的非线性映射关系，从而可以根据对物体表面测量电压的变化先准确定位阻抗变化区域，再用线性近似方法重建阻抗变化图像，这种方法不仅具有一定的抗噪能力，而且成像精度和空间分辨率都大大好于逆投影方法。     

时域荧光分子层析图像重建的线性特征数据法

通过扩展用于时域扩散光成像(Diffuse Optical Tomography, DOT)的广义脉冲谱技术,提出了一种用于时域荧光分子层析成像(Fluorescence Molecular Tomography, FMT)的线性特征数据图像重建算法.此算法能够同时重建荧光产率和荧光寿命,并且利用模拟数据对此方法进行验证,证明了算法的有效性.     

层析成像图像重建算法综述

介绍了层析成像技术的图像重建算法,并从正向问题数学模型的简化和反向问题数学模型的映射结构的角度比较了各种算法的特点和优劣。研究表明:用本质是线性算法的各种变换方法重建图像存在严重失真,而卷积滤波的引入可以使变换方法的重建效果有所改善;基于导数搜索的迭代算法对初始值依赖性强、收敛速度慢并且容易陷入局部最优解;基于Fourier变换的方法具有本质的局限性;小波变换则可以同时刻画图像时域和频域的细节特征;有限元法通过重建对象像素的智能划分可以简化正问题的复杂性;而具有物理背景的蒙特卡罗法、模拟退火法、遗传算法、粒子滤波法及神经网络法更适合于复杂且非线性的图像重建;智能化、仿生化、并行化以及各种算法的融合是层析成像图像重建算法的发展趋势。     

多通道相位图像的改进型自适应重建算法

自适应重建(Adaptive Reconstruction,AR)算法被广泛应用于磁共振图像的多通道合并问题上.AR算法不需要直接采集各个线圈的灵敏度信息,而是通过通道间信号及噪声相关矩阵,估算出各个通道的灵敏度,从而保证了合并的幅值图像具有较高的信噪比(Signal-to-Noise Ratio,SNR).然而,由于AR算法没有针对相位图像的合并问题进行优化,导致重建出的相位图像具有不确定性.另外,受各通道之间相位偏移及低信噪比相位图像的影响,重建结果可能包含伪影.该文提出了一种改进型AR算法,估算并移除了各通道之间的相位偏移,同时对多通道数据的相位进行质量评估及通道重排,用以进行后续自适应重建.仿体及在体实验表明,该方法可以有效提升AR算法稳定性、消除重建图像中存在的伪影,同时保持合并后幅值图像及相位图像的高信噪比.     

一种基于测量空间样条插值扩展的扩散光学层析图像改善方法

面向基于光扩散模型的平板乳腺扩散光学层析反演问题,提出了一种有效提高图像重建质量的方法.针对扩散光学成像逆问题存在不适定性的特点,在不增加源和探测器数量的基础上,通过样条插值的方法有效地扩展测量空间,由此改善了逆问题中未知量远远多于已知量(测量值)的问题,在一定程度上减轻了反演问题的不适定性,使得重建图像在空间分辨率和量化度上都有相应的提高.通过对内置两非光学均匀立方体的平板模型进行模拟成像,并分析重建图像的空间对比度.结果表明:经过样条插值对测量空间的扩展,重建目标的空间分辨率可以达到边对边4 mm.     

基于截断奇异值分解的三维火焰温度场重建研究

利用CCD摄像机得到的火焰辐射能图像进行炉膛三维火焰温度场重建，但温度重建矩阵方程是一个不适定方程组，从而重建问题是一个不适定问题.应用截断奇异值分解(truncated singular value decomposition，TSVD)的正则化方法对该不适定方程组进行求解，并且采用了L曲线法对正则化参数进行选取.结合重建算例，采用奇异值分解(singular value decomposition，SVD)与离散Picard条件对这个不适定问题进行了分析.重建结果表明，在不同的模拟测量误差下，TSVD能够成功得到合理的解，重建温度场较好的再现了原始假设温度场的特征.     

基于同色异谱黑理论的非线性复合模型光谱重建研究

同色异谱现象是光谱反射率重建与颜色再现中的一个重要问题。采用三基色CCD相机采集CIE标准光源D65下的颜色样品信号,建立非线性复合模型,使用主成分分析结合神经网络的方法(PCA-NET)改进基于同色异谱黑理论的R矩阵算法,对标准Munsell色卡光谱重建进行研究。在保证给定照明条件下的色度精度同时,对光谱重建的结果进行了实验评价和讨论。实验结果表明,在给定的照明条件下,PCA-NET算法能够准确的拟合相机输出信号与主成分系数之间的非线性关系, 将其代替线性算法应用于R矩阵算法中时,测试集的平均均方根值是未改进R矩阵算法的0.76,平均标准差是R矩阵算法的0.85,可有效提高光谱反射率的重建精度。改进后的R矩阵算法具有精度较高、操作简单易实现的特点, 可用于对重建色度精度及光谱精度均要求较高的领域。     

基于全卷积金字塔残差网络的能谱CT图像降噪研究

传统CT采用积分式探测器采集投影数据,反映的是物体的平均衰减特性,会在一定程度上造成信息损失,无法对物体进行较好的定性定量测量。基于光子计数探测器的能谱CT通过设定多个能量响应阈值能够探测不同能量范围内的X射线光子,采集更多被测物体的物质组成信息,有助于识别不同物理特性的材料,基于此,能谱CT被广泛的应用于小病灶、低对比度结构以及微细结构的成像。然而将整个能谱划分为多个能量段进行数据采集时,范围较窄能量范围内的有效光子数比例相对降低,导致图像中包含较多的噪声,图像质量较差,影响能谱CT的临床应用。为了有效的抑制能谱CT不同能量段内重建图像中的噪声,提出了一种基于深度学习的能谱CT图像降噪方法。我们将全卷积网络和金字塔残差网络结合为全卷积金字塔残差网络(FCPRN),实验中,利用能谱CT在不同的能量范围扫描小鼠样本,使用FDK算法和基于压缩感知的Split-Bregman算法进行重建并分别作为训练数据和标签数据训练全卷积金字塔残差网络。为了验证网络的降噪性能,选取了常见的降噪网络模型denoising convolutional neural networks(DNCN)以及residual encoder decoder convolutional neural network (REDCNN)进行对比,训练三种网络的使用的数据和实验配置都是完全相同的,实验结果表明训练模型可以有效抑制不同能量范围内重建图像的噪声,且使用的全卷积金字塔残差网络的降噪性能优于其他网络模型。模型训练好后,可以对FDK算法重建出的图像进行降噪,由此提高能谱CT图像降噪效率,保证能谱CT重建图像的质量。     

等离子体图像诊断中带吸收校正的轴对称重建

在轴对称等离子体的图像诊断中,根据等离子体在某个方向的X射线强度图像可以重建出辐射系数的空间分布.由于X射线在等离子体的传播过程中存在一定的吸收,需要在重建过程中考虑吸收校正.本文在滤波反投影法(FBP)的基础上,结合X射线在等离子体中的吸收规律,提出了带吸收校正的FBP迭代算法.通过对钠等离子体辐射系数的轴对称重建模拟,发现该算法重建精度高,收敛性好,取得了很好的重建结果.     

基于高速公路裂纹局部线性特征内容的脊波变换域算法研究

利用频域中傅里叶变换投影定理,提出一种新的离散脊波实现算法,应用于高速公路局部线性裂纹的检测取得较好效果。详细阐述了离散脊波的实现步骤以及对标准图像进行脊波变换的模拟结果,并提出拉东(Radon)变换重建原图像的基本条件。上述定理应用于复杂背景下的路面检测,结合直方图均衡化算法消除背景噪声;选用基于样本估计的阈值方法对脊波分解的各层系数进行处理去除随机噪声。选用不同的重构系数进行计算,得到脊波变换后重构图像的信噪比优于二维小波变换(低频大于20dB)以及二维小波变换加魏纳滤波变换(平均大于3dB)。通过图像的二值化处理提取局部线性裂纹,其分辨力极限达到2mm精度。     

Image feature extraction by dynamic neural filtering and phase-only joint transform correlation

Neural network-based image processing algorithms present numerous advantages due to their supervised adjustable properties. Among various neural network architectures, dynamic neural networks, Hopfield and Cellular networks, have been found inherently suitable for filtering applications. Combining supervised and filtering features of dynamic neural networks, this paper presents dynamic neural filtering technique based on Hopfield neural network architecture. The filtering technique has also been implemented by using phase-only joint transform correlation (POJTC) for optical image processing applications. Filtering structure is basically similar to the Hopfield neural network structure except for the adjustable filter mask and 2D convolution operation instead of weight matrix operations. The dynamic neural filtering architecture has learnable properties by back-propagation learning algorithm. POJTC presents significant advantages to achieve the operation of summing the cross-correlation of bipolar data by phase-encoding bipolar data in parallel. The image feature extraction performance of the proposed optical system is reported for various image processing applications using a simulation program.     

基于密集连接结构的超分辨精简网络

近年来, 随着深度神经网络的发展并被应用在超分辨领域, 图像超分辨率重建的效果得到了明显的提升。但是之前的工作大都把精力放在如何设计深度模型来提高重建的效果上, 而忽视了设计模型需要大量参数与计算量这一问题, 严重制约了深度学习方法在图像超分辨率重建方面的实际应用范围。针对该问题, 基于密集连接结构设计了一种新的网络。在以下3个方面进行了算法改进:1)提出了一种基于密集连接结构的新模型; 2)加入1×1卷积层作为特征选择层, 同时进一步减少计算量; 3)探讨了通道数量与重建精度、计算量之间的关系。实验结果表明本文提出的模型取得了与其他卷积神经网络模型相近的复原精度, 同时计算速度只有之前最快深度模型FSRCNN的一半以下。     

激光聚变中存在吸收的图像重建

提出了一种处理激光等离子体中含吸收的图像重建方法,且运用最大熵原理推导出适用于含吸收的重建算法,采用不同的图像实例进行模拟计算,结果表明采用吸收校正方法的精度明显高于不考虑吸收校正的精度。     

基于谱间线性滤波的高光谱图像压缩感知

根据高光谱图像较强的谱间相关性,提出一种基于谱间线性滤波的高光谱图像压缩感知方法.高光谱图像进行压缩重构时,利用相邻波谱的谱间相关性,对重构的当前帧与前一谱段的重构图像进行谱间线性滤波,降低了重构帧的噪音信息,纠正了重构帧的轮廓信息,从而提高重构质量.在进行谱间线性滤波时,保留重构帧的低频系数,高频系数与前一波谱重构图像的高频小波变换系数进行线性加权求和,达到滤波的效果.通过实验表明,该方法能够有效提升图像重构质量,并降低重构时间.     

A generalized method of converting CT image to PET linear attenuation coefficient distribution in PET/CT imaging

The accuracy of attenuation correction in positron emission tomography scanners depends mainly on deriving the reliable 511-keV linear attenuation coefficient distribution in the scanned objects. In the PET/CT system, the linear attenu- ation distribution is usually obtained from the intensities of the CT image. However, the intensities of the CT image relate to the attenuation of photons in an energy range of 40 keV-140 keV. Before implementing PET attenuation correction, the intensities of CT images must be transformed into the PET 511-keV linear attenuation coefficients. However, the CT scan parameters can affect the effective energy of CT X-ray photons and thus affect the intensities of the CT image. Therefore, for PET/CT attenuation correction, it is crucial to determine the conversion curve with a given set of CT scan parameters and convert the CT image into a PET linear attenuation coefficient distribution. A generalized method is proposed for con- verting a CT image into a PET linear attenuation coefficient distribution. Instead of some parameter-dependent phantom calibration experiments, the conversion curve is calculated directly by employing the consistency conditions to yield the most consistent attenuation map with the measured PET data. The method is evaluated with phantom experiments and small animal experiments. In phantom studies, the estimated conversion curve fits the true attenuation coefficients accurately, and accurate PET attenuation maps are obtained by the estimated conversion curves and provide nearly the same correction results as the true attenuation map. In small animal studies, a more complicated attenuation distribution of the mouse is obtained successfully to remove the attenuation artifact and improve the PET image contrast efficiently.