基于神经网络的闪光照相网栅图像修补

提出了一种基于径向基函数（RBF）神经网络的闪光照相网栅图像修补算法,该方法采用滑动窗口方法将待修补的网栅图像分为若干子块,然后在每个子图像内分别引入RBF神经网络,将栅孔内图像作为已知数据计算RBF网络参数,并以此对每个子图像进行修补,数值试验表明,该算法能较好地再现图像边缘信息,修复的图像在信噪比和视觉方面都优于线性插值和样条插值的结果。     

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。     

一种基于约束共轭梯度的闪光照相图像复原算法

针对闪光照相图像模糊较大、成像信噪比低的特点,提出了一种基于约束共轭梯度（CCG）的闪光照相图像复原算法。针对闪光照相的特点,引入基于非负、中值滤波和偏微分方程（PDE）的光滑约束条件,把闪光照相图像复原问题转化为约束优化问题,并利用约束共轭梯度法迭代求图像复原的最优解。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。     

高能质子照相的成像方程

与X射线闪光照相相比,GeV级质子照相因质子的穿透能力更强而更能满足流体动力学最佳光程、更小不确定度的要求。质子照相用于提取阴影客体信息的过程比X射线闪光照相复杂。为了便于分析质子照相过程及其特性,以质子照相的输运过程为基础,逐步考虑了质子与物质相互作用的各种过程——核反应、多次库仑散射、准弹性散射和弹性散射,并获得含各种过程的质子照相理论计算表达式。在含准直的系统中,理论计算公式中包含了多次弹性散射和准弹性散射项。通过与QMCPrad计算结果的对比得知弹性散射高斯近似下的理论计算结果与蒙特卡罗方法(MC)计算结果一致,与更准确的"黑体"模型的相对误差为3%~5%。这意味着在某种程序上,当研究质子照相规律或设计系统时,高能质子照相的理论计算公式能够替代MC模拟。     

基于BP神经网络的闪光照相图像复原

针对闪光照相系统模糊较大、成像信噪比较低的问题,提出了一种基于BP神经网络的闪光照相图像复原方法。该方法利用BP神经网络的泛化能力,用样本图像对网络进行训练,建立退化图像与真实图像之间的非线性映射关系,然后将待复原图像分区,利用训练好的BP神经网络对待复原图像的边界区域进行复原处理。数值试验表明,在系统点扩展函数未知的情况下,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Facet模型的闪光图像边缘检测

针对闪光图像的特点,对经典边缘检测算子进行了分析,发现存在检测出的边缘粗和对噪声的干扰比较敏感的缺点,提出了一种基于Facet模型的爆轰实验图像边缘检测算法。该方法吸取了其它同类方法的优点,引进了正交基简化了运算,用离散正交多项式对图像每个像素的邻域作最佳曲面拟合,在此基础上使用整体梯度算子寻求二阶方向导数的零交叉点,最终提取边缘点。结果表明:该方法检测出的边缘细,并且光滑连续,对图像噪声干扰有较强的抑制能力,对于孤立的边缘能够给出较精确的定位。     

高能闪光照相光源位置测量

介绍了一种高能闪光照相系统的光源位置重复性测量方法。相同客体不同次实验图像的位置可以反映闪光照相系统的光源位置重复性。首先从球形客体实验图像中检测出客体的钨飞层外界面,然后利用界面数据拟合得到对应的圆心位置。多次照相图像圆心位置的重复性反映了光源位置的重复性。实验测量了闪光照相系统的光源位置重复性,实验结果表明,某闪光照相系统光源位置的重复性好于0.1 mm。     

基于极大似然模型和期望最大化算法的闪光图像重建

针对闪光照相图像低信噪比的特点,研究了带约束的基于极大似然模型和期望最大化算法（ML-EM）的闪光照相图像重建算法。该算法在ML-EM迭代重建算法的基础上,根据闪光照相图像低信噪比的特点及被重建客体具有分段平滑的先验信息,在迭代重建的过程中进行了相应的噪声抑制,抑制了噪声对重建结果的影响,同时很好地保持了客体的边界特征。数值模拟结果表明,基于噪声约束的ML-EM重建算法能取得较好的重建效果。