基于能谱匹配先验的多谱CT成像方法

现有的X射线CT成像系统,受限于多谱硬化伪影和传统单能假设的CT成像方法,只适用于结构分析却无法实现材料组分的有效区分。对此论文提出了基于能谱匹配先验的多谱CT成像方法。首先依据材料组分先验,构建能谱滤波匹配模型,设置能谱范围参数,并通过滤波获取该能谱范围内的多能投影序列;其次,针对多能投影序列,以材料组分为先验选择不同参考能量,采用改进后的ART迭代重建算法,实现了多谱CT成像。仿真实验结果表明,对于衰减系数相近的多种材质,通过选取两段不同能谱范围,重建出相应参考能量下的结果,在一定程度上改善了图像质量,对比度提高明显,可实现组分有效区分与成像。     

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。     

递变能量X射线高动态融合图像的灰度表征算法研究

递变能量X射线成像,通过获取并融合图像序列实现动态范围扩展,完整再现了检测对象的结构信息.但是在融合过程中往往是以质量优化为目的,忽略了与实际高动态成像的灰度映射正确性,从而不能保证图像信息与实际物体信息的物理匹配性.因此,本文提出了递变能量X射线高动态融合图像的灰度表征算法.该算法首先以标钢质准楔形试块为对象,将不同电压下的融合图像作为输入数据,直接采集高动态成像图像作为输出数据,利用神经网络方法构建递变能量成像的灰度表征模型.同时针对不同于训练对象的材料,对灰度表征模型进行修正,实现了不同材质的灰度正确表征,进而实现了低动态图像序列融合图像的正确表征.以12和16 bit成像系统进行实验,结果表明,利用12 bit探测器通过变电压采集图像序列,经图像融合、灰度映射及灰度校正,达到了16 bit探测器的成像效果,且满足灰度对应关系,有效拓展了成像器件的动态范围.     

基于能谱滤波分离的多谱计算机层析成像方法

随着科技的发展,适用于结构分析的传统单能X射线计算机层析(CT)成像技术,已不能满足现代工业对物质组分区分与鉴定的功能成像需求。这是由于在X射线CT系统中,现有重建算法的单能假设与CT投影的多谱性不一致,导致CT重建质量差,无法组分区分。基于光子计数探测器的能谱分离成像思想,提出了基于能谱滤波分离的多谱CT成像方法,该方法通过在X射线发射端加滤波片的方式,实现能谱滤波分离,并通过变能量成像,获得近似单能的递变能量投影序列;针对滤波后噪声水平较高问题,利用EM-TV重建算法,实现了多谱CT成像,可满足组分区分的需求。仿真实验结果表明,对于密度相近的检测对象,该方法可以满足组分区分的要求。     

基于能谱CT的材料组分彩色表征研究

基于光子计数探测器的X射线能谱CT,通过增加能谱分辨率实现了CT图像由灰度向彩色的转变,提高了材料识别能力。然而随着能谱通道数量的增加,通道中的噪声也显著增加,降低了材料识别的准确性。为充分利用能谱CT图像的稀疏性以及能谱通道之间图像的相关性,提出一种多约束窄谱CT迭代重建算法,可在降低噪声的同时有效保留图像的边缘及细节部分。进一步利用主成分分析对窄谱CT图像中的能谱信息进行估计,并建立主成分图像与R,G和B颜色分量之间的映射关系,最后获取彩色CT图像。该方法通过材料组分的彩色表征可以有效识别材料,同时降低图像中的背景噪声。仿真实验和实际实验结果验证了多约束窄谱CT迭代重建算法的有效性以及利用主成分分析进行材料组分彩色表征的可行性。     

变电压X射线多谱CT成像虚拟设计

复杂结构件在X射线成像时,由于射线透照方向上有效厚度差异大、成像器件动态范围受限等原因,单一电压下的射线图像易出现过曝光和欠曝光共存现象,投影信息缺失严重,无法进行CT重建,为此提出了变电压多谱CT成像理论与方法。通过改变电压改变X光谱分布,实现X光谱与检测对象有效厚度的匹配,扩展图像动态范围,确保检测对象投影信息的完整性;同时基于虚拟设计思想,建立了基于单能和多能的变电压虚拟CT模型,实现了变电压X射线CT成像的虚拟仿真。虚拟实验表明：变电压多谱CT成像原理是可行的,能够实现复杂结构件CT成像。     

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。     

基于CT扫描数据的X射线能谱估计方法

X射线能谱在计算机层析成像(computed tomography,CT)图像硬化校正、双能谱CT成像、辐射剂量计算等方面具有重要作用.常用的估计X射线能谱分布的方法,利用X射线穿过不同厚度模体的衰减数据,来间接估计X射线能谱分布.由于该问题具有严重的病态性,因此如何鲁棒和准确地求解是能谱估计问题的关键.本文提出了一种利用CT扫描数据来估计X射线能谱分布的方法.该方法中考虑了谱估计和图像重建之间的相互印证关系,即谱估计正确时重建的CT图像无硬化伪影,而重建图像无硬化伪影时,则说明估计的谱准确.该方法利用这种相互印证关系构造优化模型,通过交替迭代求解,估计能谱分布和重建无硬化伪影的CT图像.数值实验和实际实验结果表明,该方法可以准确、鲁棒地估计出X射线能谱.     

基于多滤波算法融合的红外小目标检测

针对海天背景下红外视频图像序列中小目标检测的精度问题,提出一种基于多滤波融合的算法。通过分析红外小目标及背景噪声的成像特征与时空特性,将Tophat算法与改进的Robinson guard滤波器相结合,有效抑制背景、突显目标;采用自适应阈值分割提取候选目标,并使用Unger平滑滤波以及多目标关联滤波剔除噪声和伪目标。多组红外小目标图像序列的检测实验结果表明,提出的算法平均检测率高达99%,在不同场景下均有较高的检测精度。     

θ调制多光谱照相中可见光与红外图像融合的研究

针对θ调制多光谱照相技术，提出了一种基于小波变换的图像融合及假彩色化新方法，其特点是使用改进的加权平均法融合可见光波段解码图像与红外图像的小波分解低频分量，以局部能量差为测度标准融合高频分量，将融合的图像在RGB空间合成假彩色图像.理论分析和实验结果表明该方法具有良好的融合性能和假彩色效果.     

Novel image fusion method based on discrete fractional random transform

We introduce a new spectrum transform into the image fusion field and propose a novel fusion method based on discrete fractional random transform （DFRNT）. In DFRNT domain, high amplitude spectrum （HAS） and low amplitude spectrum （LAS） components carry different information of original images. For different fusion goals, different fusion rules can be adopted in HAS and LAS components, respectively. The proposed method is applied to fuse real multi-spectral （MS） and panchromatic （Pan） images. The fused image is observed to preserve both spectral information of MS and spatial information of Pan. Spectrum distribution of DFRNT is random and uniform, which guarantees that good information is reserved.     

基于对数解调的递变能量CT成像方法

复杂结构件由于有效厚度差异大和成像系统动态范围受限, 单一能量下的投影数据信息不完整, 常用CT重建算法及不完全数据重建算法无法在数据缺失严重的情况, 有效实现复杂结构件的CT重建. 为此论文提出基于对数解调的递变能量CT成像方法. 该方法在分析直接高动态CT成像所存在问题的基础上, 提出利用对数变换压缩递变能量投影序列动态范围, 并利用现有的基于图像灰度一致性的融合方法, 计算融合加权系数, 再经常规重建算法实现复杂构件的CT成像. 论文并以某复杂仪表为对象, 进行实验, 相比传统的固定能量成像方式, CT信息完整, 质量高. 从而说明论文所提出的方法, 能够实现CT系统动态范围的扩展, 实现复杂结构件的高动态CT成像.     

A new multi-spectral feature level image fusion method for human interpretation

Various different methods to perform multi-spectral image fusion have been suggested, mostly on the pixel level. However, the jury is still out on the benefits of a fused image compared to its source images. We present here a new multi-spectral image fusion method, multi-spectral segmentation fusion (MSSF), which uses a feature level processing paradigm. To test our method, we compared human observer performance in a three-task experiment using MSSF against two established methods: averaging and principle components analysis (PCA), and against its two source bands, visible and infrared. The three tasks that we studied were: (1) simple target detection, (2) spatial orientation, and (3) camouflaged target detection. MSSF proved superior to the other fusion methods in all three tests; MSSF also outperformed the source images in the spatial orientation and camouflaged target detection tasks. Based on these findings, current speculation about the circumstances in which multi-spectral image fusion in general and specific fusion methods in particular would be superior to using the original image sources can be further addressed.     

基于嵌入式多尺度分解和可能性理论的多波段纹理图像融合

将多尺度变换和“高频取大、低频加权平均”融合规则相结合是融合双波段图像的有效方法。但用该类方法融合多波段图像时,序贯式加权常常会导致原图像间固有的差异信息在融合图像中被弱化,从而影响后续的目标识别和场景理解。该问题在融合具有纹理特征的多波段图像时更为突出。为此,提出了一个基于嵌入式多尺度分解和可能性理论的多波段纹理图像融合新方法。首先,利用一种多尺度变换方法把多波段原图像分别分解为高频和低频成分,并对多波段图像中标准差最大的一幅原图像的低频成分利用另一种多尺度方法进行分块,再以该分块图像的大小和位置为标准对其余波段的原图像进行分块。然后,基于可能性理论的相关融合规则逐一融合对应的多波段块图像,再把块融合图像进行拼接,以拼接结果作为低频融合图像。最后,将该低频融合图像和利用取大规则融合得到的高频成分一起通过多尺度逆变换获得最终的融合图像。这种方法不仅将像素级和特征级融合方法综合在一起, 而且将空间域和变换域技术综合在一起, 并通过对大小块采用不同融合规则解决了目标边缘的锯齿效应问题。实验表明该方法效果显著。