用一种新滤波函数作CT图像局部重建

详细阐述了用一种新型滤波函数进行CT图像局部重建的原理，并给出了这种重建的二次误差估计．然后在计算机上对模拟和实测数据进行了局部重建实验，结果表明该算法简便快速，重建图像Gibbs效应减小并具有较高的空间及密度分辨率．     

势函数的一种快速反演算法

用CT中的滤波反投影法给出了Laplace方程Dirichlet边值问题解的表达式.这不仅提供了势函数求解的一种快速算法,而且有助于揭示一般区域上Green函数的形式与性质.     

幅值和相位配准技术及其在光学相干层析血流成像中的应用

频域光学相干层析系统中扫描机构定位精度、 机械抖动及样品移动会造成A扫描信号幅值和相位发生波动, 影响生物组织成像质量. 利用最小灰度差匹配、Lorentzian曲线极值拟合和谱域光程差补偿等方法对A 扫描信号进行幅值配准. 通过对A扫描信号相位分布特征的匹配实现相位差检测与配准. 通过求已配准的A 扫描复信号之差, 消除静态组织对血流成像的影响. 进行了人眼扫描实验, 有效提取了视网膜三维血流图像. 实验结果表明, 提出的幅值及相位配准方法大大减小了系统扫描精度、人眼跳动等因素对生物组织在体成像质量的影响. 快速、精确的相位配准方法也可广泛应用在多普勒OCT、相位显微等与相位分辨有关的光学成像领域. 关键词： 频域光学相干层析 配准 血流成像 相位分布特征     

基于神经辐射场的光场角度域超分辨

由于数据通量限制,光场数据采集存在空间-角度分辨率折中,无法达到诸多应用场景对精细三维重建的要求。本文使用双平面参数化光场数据训练神经辐射场,由神经辐射场生成光场视点平面上新的视点图像,进而实现光场角度域超分辨。由于神经辐射场能够对光场场景进行隐式表达,为高分辨率的四维光场拟合出准确的隐式函数,并将输入变量通过位置编码映射到该变量的傅里叶特征。因此该方法可以准确表达具有复杂不利条件的光场场景,并且能够有效地解决场景高频纹理信息较难拟合的问题。本文通过超分辨光场的角度域信息突破空间-角度分辨率折中、带宽积的限制,在实验中将角度分辨率从5×5提升到9×9,并且峰值信噪比（PSNR）平均提升了13.8%,结构相似度（SSIM）平均提升了9.19%。该研究结果可为后续的光场计算成像工作提供参考。     

基于聚焦堆栈视差维超分辨的视差估计方法

聚焦堆栈数据受到视差维分辨率低的限制,导致由聚焦堆栈数据估计的视差的精度低、鲁棒性差。从聚焦堆栈数据的视差维频谱优化出发,引入聚焦堆栈视差维滤波器,提出基于视差维滤波的聚焦堆栈视差维超分辨方法,实现高精度的稠密视差估计。通过聚焦堆栈的频谱分析,选取巴特沃斯滤波作为视差维滤波器,实现聚焦堆栈数据高保真的视差维超分辨。利用视差维超分辨后的稠密聚焦堆栈,基于Robust focus volume regularization(RFV)算法实现稠密、高精度视差估计。模拟数据与实际数据实验结果表明：视差维滤波能够实现高效的视差维超分辨和高精度的稠密视差估计。     

聚焦堆栈中空间几何结构的深度估计

利用聚焦堆栈估计场景深度是计算成像领域中的重要技术手段。提出三维自适应加权全变分计算框架,用于解决场景中弱纹理区域和遮挡区域深度线索丢失导致深度估计不准确的问题。相比传统二维引导滤波方法,所提三维优化框架不仅考虑聚焦堆栈和聚焦测度中共同蕴藏的场景几何结构,避免在深度图中错误地引入场景物理信息,还充分考虑聚焦堆栈和聚焦测度沿图像序列方向的结构特点,实现更高程度的数据保真。模拟数据和实际数据实验结果表明,所提方法能够有效提升聚焦堆栈估计深度的精度。     

基于频谱集中程度的重参数化在光场去噪中的应用

从频谱支集对称程度及夹角两个结构特点出发，分析频谱支集结构变化对于去噪效果的影响，提出光场频谱支集集中程度的概念，并设计相应的度量函数。通过极小化集中程度度量函数，计算合适的光场双平面间距，按照此间距在去噪前对光场数据进行重参数化可以提高滤波去噪效果。HCI模拟光场数据和斯坦福实测光场数据实验结果表明，引入重参数化的光场滤波去噪方法能够优化去噪结果。从视觉上看，在滤除更多噪点的同时保留场景更多的结构和纹理信息；从定量评价上看，峰值信噪比和结构相似度指标也有所提高。