基于广义变分正则化的闪光照相图像重建算法

 针对闪光照相图像信噪比低的特点,提出了一种基于广义变分正则化的图像重建算法,该方法采用p-范数取代目前广泛采用的全变分范数作为正则项,构造了用于图像重建的展平泛函,将图像重建问题转化为目标泛函最优化问题,采用固定点迭代法求解图像重建的最优解。数值计算结果表明,该算法在重建过程中能够有效抑制图像噪声,并加大对图像边缘的保持能力,从而提高了图像重建质量,是一种有效且性能优良的闪光照相图像重建算法。     

基于L1范数和正交梯度算子的超分辨率重建

针对超分辨率图像重建的病态问题,设计了一种新的自适应超分辨率图像序列重建算法。该算法在L1范数重建框架下,利用金字塔算法与Lucas-Kanade算法相结合的方法实现图像配准,获得亚像素的运动估计;通过引入移位算子给出了基于正交梯度算子的正则项的实现方法,并从自适应的角度选择正则化参数,最后通过最速下降法求解模型的目标泛函最小值。结果表明:对于模拟实验和真实序列实验,该方法相比于样条插值算法、Tikhonov正则化算法、双边全变差重建算法都有一定的优势,能够取得更好的复原效果,并且由于正则项较为简单,重建所需时间相对减少。     

改进的固定点图像复原算法（英文）

研究了周期边界条件下,Tikhonov正则化的固定点算法,提出了变化正则化参数的方法。首先对正则化参数取较大值,抑制复原图像中的噪声,通过得出的收敛结果来修正初始梯度;然后对正则化参数取较小值,以增强复原图像中的细节。实验结果表明,与当前求解L1范数正则化函数和全变分正则化函数的流行算法比较,本文算法对于运动模糊与高斯模糊图像的复原效果更佳。     

基于双阈值Huber范数估计的图像正则化超分辨率算法

多帧图像超分辨率算法利用图像间的互补信息, 可以从一系列具有亚像素位移的低分辨率影像数据中重建出高分辨率图像. 在众多超分辨率算法中, 正则化方法以其求解病态问题的有效性而被广泛应用, 但在此类方法中, 最优估计算子的估计准确度对最后的重建结果有着较大的影响. 本文在现有正则化超分辨率重建算法的基础上, 提出了一种基于双阈值Huber范数的极大似然估计算子, 可以提高Huber范数对于阈值取值的容忍性和算子估计精度; 并给出了基于该算子的正则化超分辨率算法的迭代公式. 通过对仿真图像进行重建, 结果表明算法可有效地抑制各种噪声并保证重建效果; 同时将此算法应用于实际图像的超分辨率重建, 有效地提高了目标影像的空间分辨率. 关键词： 图像处理 图像重建 超分辨率 正则化     

基于非凸稀疏正则的荧光分子断层成像

为提高荧光分子断层成像(FMT)的重建精度,将非凸LP(0P1)正则化引入到FMT重建中。为有效求解包含非凸惩罚项的优化问题,结合加权同伦算法(WHA)提出了快速迭代重建算法,将LP正则化问题转化为一系列加权的L1正则化问题求解。异质仿体上的仿真实验表明,LP(0P1)相较L1正则化重建在荧光目标定位和定量方面都有提高。而且通过比较6种不同的正则子,评估了参数P的选择对重建结果的影响,结果表明当1/3≤P≤1/2时,非凸正则子算法可以取得最优的重建结果。     

相位差波前探测与图像重建

相位差技术可以直接利用两幅或多幅图像的强度信息,重构出波前相位信息和目标清晰图像,具有光路简单、成本较低、适用于扩展目标等优点,在望远镜的系统像差检测和目标图像重建方面得到了大量应用。相位差波前探测的关键在于求解非线性代价函数的最优化问题,需要避免陷入局部极值并降低计算时间,才能满足动态变化波前实时探测的需求。同时在重建目标清晰图像时,通常需要做正则化和去噪处理,来提高重建图像的质量。本文主要介绍相位差技术的基本原理,以及近年来的研究进展,并对该技术未来的发展进行了展望。     

一种光学层析图像的多准则重建方法

光学层析成像是一个病态重建问题,为克服重建过程的病态性,提出将多准则优化理论引入到图像重建中。利用了三个用于光学层析图像重建的准则:平方误差函数、图像熵函数和局部平滑函数。采用向量优化方法将多准则优化问题转化为单准则优化问题求解。为了确定各个目标函数间的权重系数,提出一种动态权重系数求解方法。重建过程目标函数关于光学参量的梯度计算是关键,因此提出一种基于梯度树的计算方法。实验过程中对多准则重建结果和基于平方误差函数的单准则重建结果做了比较,证明该方法能够克服传统的偏重单一目标的单准则重建的不足,有效地重建光学层析图像,提高图像重建质量。     

基于梯度阈值自适应处理的红外图像超分辨率重建

超分辨率图像重建中,Huber马尔可夫随机场模型是一种常用的正则化算子.针对Huber函数中固定梯度阈值引起图像重建效果不佳的问题,本文提出一种梯度阈值自适应处理的红外图像超分辨率重建算法.在最大后验概率理论框架下,构造了基于数据项和正则项的正则化模型;通过迭代的方式,利用中间重建结果不断更新正则化参量,解决了Huber马尔可夫随机场模型中梯度阈值不易选择的难题.实验结果表明,改进算法能够根据局部梯度特征自适应选择相应的正则化参量并找到最优解,较好恢复目标细节的同时有效抑制了图像噪音.     

基于梯度阈值自适应处理的红外图像超分辨率重建

超分辨率图像重建中,Huber马尔可夫随机场模型是一种常用的正则化算子.针对Huber函数中固定梯度阈值引起图像重建效果不佳的问题,本文提出一种梯度阈值自适应处理的红外图像超分辨率重建算法.在最大后验概率理论框架下,构造了基于数据项和正则项的正则化模型;通过迭代的方式,利用中间重建结果不断更新正则化参量,解决了Huber马尔可夫随机场模型中梯度阈值不易选择的难题.实验结果表明,改进算法能够根据局部梯度特征自适应选择相应的正则化参量并找到最优解,较好恢复目标细节的同时有效抑制了图像噪音.     

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。     

稀疏张量约束的低剂量CT图像重建

提出了一种稀疏张量约束重建算法,该方法利用非局部相似的先验信息,将CT图像分割成一系列图像块组;采用张量的多维低秩分解方法,将这一先验信息引入低剂量CT重建中,构造目标函数;通过重建图像更新和图像块组张量稀疏编码两个步骤,交替迭代求解目标函数。基于仿真数据和临床数据的实验结果验证了该算法的有效性,实验结果表明:与经典重建算法相比,所提算法在抑制噪声的同时,能更好地保持重建图像的细节,获得更高质量的图像。     

基于乘性正则化的有限角度CT重建算法

计算机层析(CT)扫描过程中,为了加快速度,同时减少X射线对人体的伤害,在有限角度下采样少量的投影数据进行不完全数据重建就显得非常重要。基于总变分最小化的图像迭代重建算法,能够较好地应用于有限角度CT重建,然而,其最小化函数的权值参数必须通过大量的实验观察比较才能被确定。即便这样,得到的参数往往也不是最优的。为此,引入了一种基于乘性正则化的迭代重建算法,将总变分函数作为最小化函数的一个因子,在具有总变分方法优点的同时,能够在迭代过程中自适应地调整正则化参数。仿真实验验证了该算法的有效性。     

基于全变分正则化的高能闪光照相消模糊图像重建算法

 针对高能闪光照相投影图像消模糊难度大的问题,提出了一种基于全变分正则化的消模糊图像重建算法,该算法根据闪光照相的成像特点,将客体的纵向截面作为一个整体来进行建模,并在重建方程中考虑了模糊因素,然后采用全变分范数作为正则项,构建了用于消模糊图像重建的展平泛函,将消模糊图像重建问题转化为能量泛函极小化问题,通过固定点迭代算法求解图像重建问题的最小化解。数值模拟结果表明：该算法由于考虑了闪光照相成像时的图像模糊因素,在重建时能够较好地消除模糊对重建结果的影响,在抑制噪声的同时能较好地保持图像的边缘信息,有利于提高重建图像的质量。     

一种基于时空变换和压缩感知的磁共振螺旋采样的图像重建算法

螺旋采样磁共振快速成像在功能性成像、并行成像和动态成像等领域发挥着越来越重要的作用.螺旋采样图像重建的传统算法是用核函数将螺旋状分布的k空间数据插值到均匀网格中,再利用傅里叶变换和最小二乘法进行重建.但是基于网格化的算法对核函数过于依赖,在网格化过程中产生难以避免的误差.该文提出了基于时空变换和压缩感知的l1范数的最优化模型和重建算法.时空变换矩阵描述了空间上的磁共振图像与采集到的时域信号间的关系,使得算法直接使用采集到的数据作为保真约束项,避免了网格化过程产生的误差.此外,基于图像处理单元的并行计算被用来提高时空变换矩阵的运算速度,使得算法具有较强的应用价值.     

基于超分辨率重建的图像增强算法研究

 为了提高图像分辨率,从软件的角度出发,对低分辨率图像序列重建高分辨率图像的原理和算法实现开展了研究,提出从多个低分辨率图像序列中获取更高分辨率图像的方法。通过采用基于光流场的金字塔分层结构实现由粗到精的图像配准,获取了亚像素的运动估计。在采用多帧低分辨率图像进行亚像素级配准后,提出采用动态自适应确定正则化参数的方法,构造了简单的正则化代价函数,建立了低分辨率图像与高分辨率图像之间关系的重建模型,仿真实验结果表明该超分辨率重建算法水平和垂直方向上分辨率各增加一倍,与其他算法相比清晰度更高,计算时间不到传统POCS算法的一半。     

加热炉断面温度场和固相辐射参数检测研究

通过在一台步进式加热炉均热段的南北侧墙上安装2支火焰探测器,获取火焰在红、绿波长下的近似单色辐射强度图像,利用修正的Tikhonov正则化方法从绿色单色辐射强度信息中重建炉内温度分布,同时以红色单色辐射强度作为最优化目标重建炉壁和空间固相辐射参数分布。检测结果表明,该重建算法可以较好地同时重建出温度场与固相辐射参数。     

宽视场偏振调制成像的变指数正则化重构方法

提出了一种针对宽视场偏振调制显微成像的顾及多降晰因素的点扩展函数(PSF)估计与图像重构的正则化方法,对降晰过程中图像因偏振角调制曲线的拟合偏差、光学系统退化和电荷耦合器件(CCD)离散欠采样而退化的PSF估计选用了自适应的变指数函数正则化模型,充分利用获取的图像内容特性选用可变的正则化范数,有效抑制了全变分(TV)正则化的阶梯效应和Tikhonov正则化保边性差的缺点。求解过程采用了优化的Split-Bregman迭代算法,在保证估计精度的同时降低了计算复杂度。实验结果表明,本文提出的方法能有效估计出成像退化的PSF,重建的噪声鲁棒性更好。     

基于支撑先验与深度图像先验的无预训练磁共振图像重建方法

基于深度学习的磁共振成像(magnetic resonance imaging, MRI)方法需要大规模、高质量的病患数据样本集进行预训练.然而,由于病患隐私及设备等因素限制,获取大规模、高质量的磁共振数据集在实际临床应用中面临挑战.本文提出一种新的基于深度学习的欠采样磁共振图像重建方法,该方法无需预训练、不依赖训练数据集,而是充分利用待重建的目标MR图像的结构先验和支撑先验,并将其引入深度图像先验(deep image prior, DIP)框架,从而削减对训练数据集的依赖,提升学习效率.基于参考图像与目标图像的相似性,采用高分辨率参考图像作为深度网络输入,将结构先验信息引入网络;将参考图像在小波域中幅值大的系数索引集作为目标图像的已知支撑集,构造正则化约束项,将网络训练转化为网络参数的最优化求解过程.实验结果表明,本文方法可由欠采样k空间数据重建得到更精确的磁共振图像,且在保留组织特征、细节纹理方面具有明显优势.     

基于非局部先验的单幅图像去雾算法

现有单幅图像去雾算法大多基于局部先验,去雾结果存在块效应。在处理浓雾区域时,如果没有特殊处理,会导致图像中的一些伪影被增大,比如在原始的有雾图像中几乎不可见的噪声、色彩重叠等,在去雾后的图像中被增强,进而影响图像质量。针对以上存在的问题,提出了一种改进算法。首先采用非局部先验,估算初始的透射率,然后采用正则化的方法优化透射率,并且将原始图像和去雾后图像的梯度差L1/2范数作为正则化项,达到抑制噪声干扰的目的。结果表明,该算法能够很好地恢复出图像的细节信息和色彩;与局部先验方法相比,具有更好的稳健性。     

高光谱图像自适应核联合表示异常检测

针对高光谱图像目标检测问题,提出了一种基于自适应核联合表示的高光谱图像异常检测方法。相比于稀疏表示强调系数向量的稀疏性,基于联合表示的检测算法更强调背景字典中每一原子对联合表示的贡献,并且系数求解更加简单直接;在基于向量2-范数极小化问题求解联合表示系数时,引入相似性正则化矩阵与和为1的条件对系数进行约束,以增强算法的稳定性和分辨力;进而将联合表示检测算法扩展到核空间,利用高光谱图像的局部统计特性进行核参数自适应选取,增强了核参数的局部适应性。为验证该方法的有效性,采用一幅实测高光谱图像中的两个感兴趣区域进行仿真实验,并与传统异常检测方法的检测结果进行对比分析,结果表明该方法具有较传统异常检测方法更出色的检测效果。