全变分约束迭代滤波反投影CT重建

重建算法是计算机断层成像(CT)技术的核心。在解析法CT重建过程中,结合先验信息和引入优化约束条件较为困难。通过对滤波反投影(FBP)原理及其重建图像与理想CT图像差值关系的分析,构造了以FBP为基础的迭代循环,解决了解析重建过程中先验信息的利用和优化约束条件的引入问题。为抑制迭代FBP产生的图像伪影,将全变分(TV)模型引入重建过程,建立了TV约束迭代滤波反投影CT重建方法。在数值模拟中,针对完善投影数据、稀疏投影数据、含金属投影数据和有限角投影数据等不同情况,重建出了与原始模型高度一致的CT图像,研究表明TV约束迭代滤波反投影方法是一种精度高、适应性较强的CT重建方法。     

基于先验图像约束的多光谱压缩感知

在低采样率、低信噪比(SNR)的探测条件下,多光谱重建图像噪声增多,重建质量大幅度降低。为了提高多光谱图像的重建质量,提出了一种基于先验图像约束的多光谱压缩感知(PICHCS)重建方法。PICHCS利用多光谱图像的空间相关性和谱间相关性重建出初始图像,并将相邻谱段的初始图像取平均获得高信噪比的先验图像。先验图像与目标图像相减可以使优化目标稀疏化,并使得重建结果具有与先验图像类似的高信噪比特性。通过数值模拟和实验验证了该重建算法的可行性,并在不同的采样率、信噪比条件下和全变差低秩联合重建算法进行了对比研究。结果表明,PICHCS可以在低采样率低信噪比情况下提高多光谱图像的重建质量,从而降低对数据采样率和系统信噪比的要求。     

基于压缩传感和代数重建法的CT图像重建

代数重建法(ART)是一种重要的CT图像重建方法,适合于不完全投影数据的图像重建,其缺点是重建速度慢。为提高图像重建的质量和速度,利用压缩传感理论提出了一种基于ART的高质量图像重建算法。该算法将CT图像的梯度稀疏性结合到ART图像重建中,在每次迭代中的投影操作结束后用梯度下降法调整全变差,减小图像梯度的l1范数。实验结果验证了该算法的有效性。     

双即插即用能谱计算机断层重建算法

为降低X射线辐射剂量和提高成像效率,开发准确和高效的多能谱成像方法,提出一种具有双即插即用（PnP）框架的图像重建方法。该方法引入两个PnP正则化能量函数,分别对多通道图像内蕴低秩性与通道内图像稀疏性进行度量。首先以多通道图像间的相似块构造高维张量,然后引入张量加权核范数对张量低秩性进行刻画,并结合图像梯度域L0（伪）范数对通道内图像稀疏性进行刻画,最后设计基于交替方向乘子法的高效求解算法。为验证算法的可行性,开展模拟多通道光子计数采样图像重建实验。实验结果表明：与现有代表性方法相比,所提方法的峰值信噪比提升0.067 dB～1.89 dB,时间消耗约为代表性方法的25%;所提方法具有抑制伪影干扰和改善图像质量的优势,并且计算效率得到显著提升。     

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。     

基于非局部自相似性的双相机压缩光谱图像重建算法

针对压缩光谱成像的图像重建问题,提出了一种基于非局部稀疏表示与双相机系统的压缩光谱重建方法。首先,利用RGB观测来构建一种三维图像块,使用K均值聚类对图像块进行分类,并以聚类结果来指导目标高光谱图像的光谱块分类,通过主成分分析获取每个簇的特征用来稀疏表示其他光谱块。然后用构建的三维图像块估计目标光谱图像非局部相似性,并构建目标函数。最后,通过迭代收缩算法与共轭梯度下降法来交替优化目标函数完成重建。仿真和实拍结果表明,所提方法能大幅提升重建质量与精度,在空间和光谱维度上重建误差更小,RGB观测辅助字典学习与相似块估计的方法能有效提升双相机系统的计算效率。     

基于物理总能量目标函数的稀疏重建模型

欠采样条件下的稀疏重建模型往往直接取稀疏约束项或保真项作为求解的目标函数, 却从未阐述其中的物理演化规律. 针对此问题, 从物理运动的角度出发, 提出了一种基于物理总能量目标函数的稀疏重建模型. 首先, 建立了微粒在黏性介质中的运动模型, 模型中粒子的重力势能函数为松弛变换后的l₂-l₁ 范数; 其次, 基于该微粒的物理总能量建立了新的稀疏重建模型, 该重建模型在保留l₂-l₁ 模型稀疏约束和保真项的基础上, 增加了对相邻两次迭代结果偏差的约束, 避免因该偏差过大引起的震荡; 第三, 提出了针对该模型的梯度投影算法, 并证明了算法的收敛性, 算法在新模型目标函数下的梯度方向总是包含上一步迭代的物理惯性, 从而达到加速收敛和避免局部最优解的目的; 最后, 将该模型应用于标准灰度图像的稀疏重建以及精密电子组装中微焦点X射线缺陷检测. 实验结果表明, 该算法不仅保证了图像的重建质量, 收敛速度还得到了大幅提升. 在精密电子组装内部缺陷检测应用中, 该算法在微焦点X射线图像的边缘细节保留方面有明显的优势, 可更准确地识别缺陷, 满足工业应用快速性和准确性要求.     

基于Split-Bregman算法的能谱计算机层析图像重建

与传统计算机层析(CT)成像技术相比,能谱CT可在一次扫描中得到物体在不同能谱通道下的投影图像,这有利于区分物体的材质,提高信号噪声比。基于光子计数探测器的能谱CT是近年来成像领域研究的热点。由于能谱通道变窄,每个能谱通道内的噪声增加。为了有效降低通道内的噪声,采用基于全变分最小化的SplitBregman算法进行图像重建。根据重建模体的先验信息,进行能谱通道的划分;采用Split-Bregman算法对含噪声和稀疏角的能谱投影数据进行重建。仿真结果表明,基于Split-Bregman算法的能谱CT图像重建方法能够有效减少能谱通道内噪声的影响,满足物体材质区分的需求。     

复杂环境下运动目标偏振成像检测方法研究

针对低对比度、低信噪比等复杂环境下运动目标检测失检率较高的问题,提出了基于稳定性主成分寻踪的运动目标偏振成像检测方法。首先将预处理后的连续帧偏振图像组合成一个矩阵,依据帧间图像信息相关性,建立了稳定性主成分寻踪数学模型,将该矩阵分解成低秩、稀疏,噪声三部分,其中稀疏矩阵包含了帧间目标信息;再以低秩矩阵核范数与稀疏矩阵1范数的和为目标函数,利用增广拉格朗日乘子法求得目标函数值最小时的稀疏矩阵;最后采用马尔科夫随机场滤除稀疏矩阵中的噪声。实验结果表明,该方法对复杂环境有很好的适应能力,且检测准确率优于其他算法。     

基于改进的分块压缩感知红外图像重建

针对基于压缩感知理论的红外图像重建问题,提出一种基于改进的分块压缩感知红外图像重建方法。该方法首先对原始红外图像进行分块,并对每个子块用相同的观测矩阵进行随机观测,获得少量的观测数据;然后利用谱图小波变换优异的稀疏特性,将其引入平滑投影Landweber算法进行迭代优化重建,同时采用混合中值滤波进行处理以增加图像的平滑度和减少块伪影,最后输出满足要求的高质量红外图像。实验结果表明,在相同采样率下,该方法对于不同类型红外图像的重建性能均优于目前广为采用的一些小波压缩感知方法,可获得更高质量的红外图像。