用于等离子体三维重建的光场反卷积方法

目前常用的光学诊断大部分局限于二维成像,而基于层析成像的三维重建方法受限于空间和时间分辨率,无法实现等离子体边界的三维实时重建。提出一种基于光学分层理论的光场反卷积算法,利用光场重聚焦特性,结合聚焦测距法和刃边法,建立了光场深度与现实深度的关系,计算出点扩散函数,实现了单相机零调焦情况下的等离子体边界重建。为验证所提方法的可行性,以火焰为成像对象进行实验,其结果表明所提方法能够去除火焰分层图像中的离焦模糊,复原分层图像的原始结构。     

基于字典学习的稠密光场重建算法

相机阵列是获取空间中目标光场信息的重要手段,采用大规模密集相机阵列获取高角度分辨率光场的方法增加了采样难度和设备成本,同时产生的大量数据的同步和传输需求也限制了光场采样规模.为了实现稀疏光场采样的稠密重建,本文基于稀疏光场数据,分析同一场景多视角图像的空间、角度信息的关联性和冗余性,建立有效的光场字典学习和稀疏编码数学模型,并根据稀疏编码元素间的约束关系,建立虚拟角度图像稀疏编码恢复模型,提出变换域稀疏编码恢复方法,并结合多场景稠密重建实验,验证提出方法的有效性.实验结果表明,本文方法能够对场景中的遮挡、阴影以及复杂的光影变化信息进行高质量恢复,可以用于复杂场景的稀疏光场稠密重建.本研究实现了线性采集稀疏光场的稠密重建,未来将针对非线性采集稀疏光场的稠密重建进行研究,以推进光场成像在实际工程中的应用.     

联合卷积稀疏编码与梯度L0范数的低剂量CT三维重建

CT扫描中潜在的辐射伤害已越来越受到人们的重视,然而降低扫描剂量会导致成像质量退化,从而影响诊断结果。针对上述问题,提出一种联合卷积稀疏编码与梯度L_0范数的三维重建算法。该算法通过频率分解的重建形式对高频成分进行无监督的多尺度在线卷积稀疏编码约束,对低频成分进行梯度L_0范数约束,从而实现低剂量CT图像中噪声伪影的抑制与组织细节的保持。此外,卷积稀疏编码中使用三种不同尺度的三维滤波器,可有效适应不同尺度下的特征信息,提高编码能力。腹部CT仿真数据和真实扫描数据的实验结果表明,所提算法在25%常规剂量的重建过程中可以获得噪声伪影少、结构细节对比度高和质量更好的成像效果。     

基于单次曝光光场成像的全焦图像重建技术

为了实现大景深信息全焦面高质量成像,提出了基于单次曝光光场成像的导向滤波全焦图像重建技术:结合光场成像采集视场信息,并采用光场重建的方式获取多聚焦图像源集,利用导向滤波的方法确定各级图像融合权重,进行图像融合得到大景深的全焦图像.实验证明,提出的基于单次曝光光场成像的导向滤波全焦图像重建技术不仅有效保证了多聚焦图像背景...     

双能谱CT迭代重建的一种加速收敛算法

双能谱CT(DSCT)可以重建被测物的材料分辨图像和能量分辨图像,进而区分物质,在医学、工业领域都有广泛的应用。图像重建算法是影响DSCT成像质量的关键技术。广义代数重建算法(E-ART)可以重建得到高质量的双基材料图像,但是该算法收敛速度较慢。针对该问题,提出一种加速收敛算法(AE-ART),其基本思想是通过为基函数添加权重来增大高能和低能投影曲线的夹角或减小高能和低能投影方程组系数矩阵条件数。使用口腔模型对水和骨双基材料分解进行模拟实验,实验结果表明:与E-ART算法相比,AE-ART算法的收敛速度提高了30%以上。     

数字重建编码成像的迭代算法

用矩阵方法研究数字重建编码成像的迭代方法，为克服问题的不唯一与病态，采用正规化方法，给出正视化迭代解码算法，分析了算法的收敛性，与真解的关系，所得的正规解可以抑制噪声，但不能安全反映物体的局域性质，文中分析了算法的计算复杂性，指出巨大的计算要求是限制其实用的关键因素。     

盲目反卷积光谱图超分辨复原算法

反卷积是实现光谱图超分辨复原的重要手段,与常规反卷积相比,盲目反卷积具有不需要预先准确获取卷积核函数的优势。着眼于充分利用光谱信号的特点和已有的光谱图反卷积成果,详细讨论了空域迭代盲目反卷积方法用于光谱图反卷积时的算法实现问题,并在分析光谱图卷积退化过程的基础上,针对光谱图反卷积算法特点,提出了光谱图卷积退化简化计算模型和最小二乘高斯拟合模型,以解决算法中相应的计算问题。基于Matlab平台的仿真表明,对于所用的高斯型谱线和点扩散函数,空域迭代盲目反卷积算法效果良好,在信噪比为50 dB时,分辨率提高约30％。     

基于维纳滤波反卷积的光声成像

为了提高光声成像(PAT)的对比度和分辨率,需对组织样品的光声(PA)信号进行基于探头脉冲响应的滤波反卷积以恢复其频谱特性.对宽带光声信号而言,由于带通滤波的截止频率由人为确定,噪声不能得到有效抑制,很难获得稳定的反卷积结果.针对此问题,提出了基于维纳滤波反卷积的光声成像方法,利用点光声源获得超声探头的脉冲响应.利用维纳滤波抑制反卷积过程中噪声的影响,滤波器参数由离散小波变换(DWT)动态估计,样品光声图像由时域后向投影算法重建.数值模拟与成像实验均表明该方法有效地抑制了噪声对反卷积的影响,提高了光声成像的对比度和分辨率.     

基于掩膜的光场采集与重建的研究

针对现有光场采集方式中存在的:相机阵列采集方式的硬件成本高,体积庞大;单相机分时采集光场局限采集静态光场;积分成像光场采集得到的光场空间分辨率低等问题。研究了一种基于掩膜(mask)的光场采集与重建方法。建立了光场采集模型,分析了光场在傅里叶域的成像过程;采用了随机衰减掩膜mask对光场信号进行随机编码,得到了被编码的传感器图像;离线学习了过完备光场字典,结合压缩感知理论对编码的传感器图像进行了非线性优化,重新恢复了原始的光场。     

用改进的Fienup迭代算法进行数字全息重建

数字全息成像中往往包括再现像、共轭像和零级项,再现像的分离是常见而又难以彻底解决的问题。提出一种新的全息图重建算法,即利用相干衍射成像（CDI）中的迭代方法处理数字全息图,实现仅有一个实像的再现结果,从而彻底解决该问题。该方法包括两个步骤：首先通过CCD分别测量样品单独存在、样品和参考光同时存在以及参考光的远场衍射分布;然后通过计算机进行迭代运算。由于干涉光的存在,该算法比传统的CDI算法有更快的收敛速度和重建质量。同时进行了数值模拟验证并对生物切片进行了物像重建。     

基于逆卷积神经网络的等离子体辐射分布断层重建方法

发展了一种基于逆卷积神经网络的图像级重建方法用于聚变等离子体辐射分布的断层反演.通过引入结构相似度(SSIM)作为损失函数,该方法在模拟数据实验中表现出了较好的重建效果.模拟实验结果表明,在弦积分信号噪声强度为10％、15％及20％时,该方法的重建结果依然具有良好的精确度和鲁棒性.     

用于电介质中空间电荷分布测量的Tikhonov反卷积算法

研究了使用压力波法测量平板电介质试样的空间电荷分布的数值解法,使用基于Tikhonov正则化方法的反卷积算法得到了真实的空间电荷分布.在反卷积算法中使用了相关的技术处理,如小波包过滤高频噪音,Tikhonov正则化方法处理积分方程等.利用数值实验研究了噪声对反卷积算法的影响,结果表明,在无噪或者低噪环境下,反卷积算法能够非常好地计算出电介质中的空间电荷分布;在处理有噪数据时,反卷积的结果受到明显的影响,但仍然有较高的计算精度.正则化参数α对空间电荷分布的数值解起着明显的光滑作用,但是对于解的积分值却影响不大.对实际测量数据进行处理的结果表明,反卷积算法成功地计算出了固体电介质中的空间电荷分布和电场分布.     

基于体标定追迹法的光场PIV权系数计算方法

针对光场粒子图像测速(PIV)技术中介质折射率变化及镜头畸变等因素而导致权系数计算误差较大的问题,提出一种基于体标定追迹技术的光场PIV权系数计算方法.该方法首先通过体标定方法建立空间物点与微透镜之间的映射关系,然后利用光线追迹技术计算控制体内的离散体素对像素的权系数,最后将该方法计算的权系数与直接追迹法计算的结果进行...     

基于非局部约束球面反卷积模型的纤维追踪算法

基于扩散磁共振成像的纤维追踪技术为非侵入性观测脑白质结构提供了有力的手段,约束球面反卷积作为一种多纤维追踪模型,能够对体素内纤维的方向信息进行建模,进而实现脑纤维的重构.针对约束球面反卷积模型的不适定性以及细节信息丢失问题,本文在约束球面反卷积的基础上,结合邻域信息和分数阶正则化,提出了一种基于非局部约束球面反卷积模型的确定型纤维追踪算法,分数阶的非局部特性使得纤维方向分布模型估计的误差更小,而邻域信息的引入保证了空间一致性,可以减少噪声的影响.分别利用模拟数据、人脑实际数据对本文算法及基于约束球面反卷积的确定型纤维追踪算法作对比实验,结果表明,利用本文算法追踪的纤维不仅整体视觉效果上较整洁,而且对交叉纤维的重建结果更完整准确.     

一种电磁干扰源成像多分辨率分区算法

在利用抛物反射面对电磁干扰源成像过程中,由于系统衍射受限导致干扰源成像模糊,分辨率低,难以分辨,由于不同频率不同区域干扰源所成图像分辨率不同,具有分区域多分辨率的特征,采用已有超分辨算法难以提高分辨率。利用Mean Shift算法,在原有算法基础上改进使其能够适应多分辨率的电磁干扰源成像,在图像分割的基础上对多分辨率图像进行分块抽离,并采用基于L_R迭代的盲反卷积算法分别对各区域进行分辨率的提高,仿真结果表明算法能够适应对干扰源的多分辨率电磁成像并提高分辨率。     

基于多视角合成孔径的太赫兹光场成像去遮挡算法研究

针对太赫兹光场成像中由前景遮挡物影响感兴趣信息采集的问题,提出基于多视角合成孔径的太赫兹光场成像去遮挡算法。在分析太赫兹光场成像数字重聚焦原理的基础上,首先使用太赫兹焦平面阵列相机来采集太赫兹光场的原始数据,然后通过确定最小泛化误差来定位数字重聚焦深度,最后应用经验模式分解(EMD)法对重构图像进行增强处理,得到目标物轮廓分明、抑制遮挡物干扰的太赫兹图像。实验结果表明,太赫兹光场技术与合成孔径技术的结合可有效降低遮挡物的影响,另外证实了EMD法具有改善太赫兹图像质量的能力。     

光学层析重建算法改进的研究

光学层析技术在温度、密度等流场的非接触测试中有着广泛的应用前景，然而光学层析的重建是非完全数据的投影重建，通常采用的代数迭代法不能很好地解决重建精度这一难题。为此提出了一种新的光学层析技术的代数迭代重建算法，在算法中引入了包含先验知识的属性矩阵，并摒弃了通常所采用的对超松弛系数人为的确定取法，采用了变超松弛系数。实验计算结果表明，引入属性矩阵和变超松弛系数的代数迭代法能够较好的重建非完全数据投影的待测场，极大地提高重建精度，较好地与实测结果吻合。