基于新的非局部先验模型的Bayesian低剂量CT重建算法

为了改善低剂量CT重建图像质量,在传统非局部先验的基础上,提出了一种基于投影对称性的改进非局部先验模型。基于该先验模型构造了一种贝叶斯（Bayesian）重建算法,并将其应用到低剂量CT投影数据降噪中,通过滤波反投影算法重建出图像。仿真实验结果表明,本文所提出的算法较基于传统先验模型的重建算法,能在去除噪声与保持边缘之间取得较好的平衡。     

基于投影域数据恢复的低剂量CT稀疏角度重建

针对目前CT的X射线电离辐射危害,提出了一种基于低剂量CT投影数据进行稀疏角度重建的方法来降低辐射剂量。本方法首先对低剂量CT的投影数据采用惩罚加权最小二乘(PWLS)方法进行去噪处理,然后对去噪后的投影数据进行稀疏角度的CT图像重建。对Shepp-Logan模体仿真实验及真实实验数据重建结果表明:本文提出的基于低剂量CT的稀疏重建方法可有效地抑制重建图像噪声和条形伪影,实现稀疏角度的低剂量CT图像重建。     

基于ASD-POCS框架的高阶TpV图像重建算法

总变差（TV）最小化模型目前已广泛应用于图像重建领域,其通过最小化一阶图像梯度大小变换的L1范数实现,能在稀疏投影采集下得到精确的重构。然而,TV模型是基于分段平滑的图像的假设提出的,有时会产生阶梯效应。研究发现,高阶总变差（HOTV）模型可以有效压制阶梯效应,提高重建精度。此外,TpV模型使用Lp范数来逼近L0范数,有望进一步提高稀疏重建能力。鉴于此,本文将HOTV模型与TpV模型结合,提出一种新的高阶TpV （HOTpV）重建模型,采用自适应梯度下降-投影到凸集（ASD-POCS）算法进行求解,分别在理想和有噪声条件下对灰度渐变仿真模体以及真实CT图像仿真模体进行稀疏重建实验。实验结果显示,相比于TV、TpV以及HOTV三种重建模型,HOTpV能得到精度最高的图像。      

基于Chambolle-Pock框架的核TV多通道图像重建算法

总变差最小化算法是一种基于压缩感知理论的图像重建算法,能够从稀疏投影或含噪投影数据中高精度地重建图像,已经被广泛应用于计算机断层成像、磁共振成像、电子顺磁共振成像。能谱CT、T1或T2加权的MRI及EPRI均属于多通道成像。逐通道TV算法可以实现较高精度的图像重建,然而忽略了各通道图像之间的相似性。核TV算法是一种考虑了通道间图像相似性的TV类算法,可以实现高精度图像重建。面向多通道图像重建,以CT重建为研究范例,本文提出一种Chambolle-Pock算法框架下的核TV多通道图像重建算法。通过仿真模体和真实CT图像模体的重建实验,验证算法的正确性,分析算法的收敛性,探索算法参数对收敛速率的影响,评估算法的稀疏重建能力及含噪投影重建能力。结果表明,相对于逐通道TV算法,所提算法可以取得更高的重建精度。核TV算法是一种高精度的多通道图像重建算法,可以应用于各种成像模态的多通道重建场合。      

基于Shearlet变换和广义全变分正则化的地震数据重建

压缩感知技术通常利用地震信号在某一变换域内的稀疏性质,将随机缺失的地震数据重建问题转化为L1正则化问题.本文首先通过Shearlet变换获得地震信号的稀疏性质,再将广义全变分（TGV）约束引入L1正则化模型,构建了基于Shearlet变换的双正则化模型用于重建地下介质的图像.与传统L1正则化方法相比,基于Shearlet变换的双正则化方法不仅考虑了信号的稀疏性,同时兼顾了地下介质结构的复杂性,可以较好的重建地下结构体的图像.最后采用交替方向乘子法（ADMM）求解所建模型,每个子问题均可得到显式解.数值实验对比了基于小波变换、Shearlet变换的L1正则化方法和TGV正则化方法,结果表明基于Shearlet变换的双正则化方法对于随机采样50%数据的情况具有较好的重建结果,同时对于有限范围的连续缺失数据的重建亦具有一定的有效性.     

基于稀疏约束的自适应正则化迭代重建算法

本文针对ASD-POCS算法中约束项权重对不同应用的多变性引起的算法鲁棒性差等问题,提出了一种基于稀疏约束的自适应正则化迭代重建算法,该算法采用一种Lagendijk型的正则化策略构造最优化问题,分别采用局部方差、图像能量估计自适应地求取加权对角矩阵和全局正则化参数。最优化问题的求解过程中,采用SART算法和共轭梯度法求解保真项和约束项最优化问题。实验结果表明,AR-SART-CG算法能更好地权衡恢复图像边缘和平滑噪声的关系,更好地调节保真项和约束项的权重,得到更高质量的重建图像。     

基于相对TV最小的CT图像重建算法

总变差（TV）最小算法是一种有效的CT图像重建算法,可以对稀疏或含噪投影数据进行高精度重建。然而,在某些情况下,TV算法会产生阶梯状伪影。在图像去噪领域,相对TV算法展现了优于TV算法的性能。鉴于此,将相对TV模型引入图像重建,提出相对TV最小优化模型,并在自适应梯度下降-投影到凸集（ASD-POCS）框架下设计对应的求解算法,以进一步提升重建精度。以Shepp-Logan、FORBILD及真实CT图像仿真模体进行重建实验,验证了该算法的正确性并评估了算法的稀疏重建能力和抗噪能力。实验结果表明,相对TV算法可以实现逆犯罪,可以对稀疏或含噪投影数据进行高精度重建,与TV算法相比,该算法可以取得更高的重建精度。      

基于Shearlet变换和广义全变分正则化的地震数据重建

压缩感知技术通常利用地震信号在某一变换域内的稀疏性质,将随机缺失的地震数据重建问题转化为L1正则化问题.本文首先通过Shearlet变换获得地震信号的稀疏性质,再将广义全变分(TGV)约束引入L1正则化模型,构建了基于Shearlet变换的双正则化模型用于重建地下介质的图像.与传统L1正则化方法相比,基于Shearlet变换的双正则化方法不仅考虑了信号的稀疏性,同时兼顾了地下介质结构的复杂性,可以较好的重建地下结构体的图像.最后采用交替方向乘子法(ADMM)求解所建模型,每个子问题均可得到显式解.数值实验对比了基于小波变换、Shearlet变换的L1正则化方法和TGV正则化方法,结果表明基于Shearlet变换的双正则化方法对于随机采样50%数据的情况具有较好的重建结果,同时对于有限范围的连续缺失数据的重建亦具有一定的有效性.     

基于全局低分辨率CT扫描的合成层析成像技术

合成层析成像可由有限几个投影数据重建三维物体,与传统CT相比,该方法所需的射线剂量少得多.由于投影数据不完备,导致的重建图像伪影是合成层析成像的一个主要问题.本文提出一种对感兴趣区域进行合成层析成像方法,和其他方法相比可以得到更好的重建图像质量.该方法首先对目标进行低分辨率全局扫描,然后对感兴趣区域进行高分辨率局部扫描,最后,利用两次扫描的投影数据集合重建感兴趣区域的图像.数值仿真结果表明,用本方法重建感兴趣区域图像,要明显好于没有使用全局扫描信息的方法.     

基于改进重建滤波器的局部CT重建算法

鉴于实际工程应用需求,基于截断投影数据的CT图像局部重建是X射线CT重建的一个重要课题,本文概述了现有的局部重建算法,分析了其优缺点,提出了一种基于改进重建滤波器的局部CT重建算法。通过对滤波函数的改进,使其能量主要集中在中心位置,使旁瓣迅速下降,进而使滤波函数具有局部重建功能。另外改进的滤波函数压制了低频信息,突出了高频信息,具有提高成像空间分辨率的功能,但对图像噪声有所放大,实际实验数据验证了算法的可行性。     

利用GCV优化的正则化方法对硬X射线望远镜图象重建研究

图象重建是一个求逆过程具有不适定性。本文介绍的是一种从少数投影数据进行图象重建的线性代数法－Ｐｈｉｌｌｉｐｓ－Ｔｉｋｈｏｎｏｖ正则化方法,同时选择优化工具ＧＣＶ确定最优的正则参数。为验证该方法,我们对日本Ｙｏｈｋｏｈ卫星上塔载的硬Ｘ射线望远镜（ＨＸＴ）拍摄的太阳图象进行重建。     

基于Hinge损失函数的垂向全变差约束全波形反演

全波形反演可以为叠前深度偏移成像提供更高精度的速度模型,但该方法具有较强的非线性,对初始速度模型的依赖性较强,尤其是在实际应用中,地质条件复杂多变,速度变化不连续,增加了反演非线性程度,常常使反演陷入局部极小值,影响反演的精度.全变差约束在图像去噪领域应用广泛,属于非光滑约束,在去噪过程中能有效的保留图像的不连续界面和边缘信息.本文提出基于Hinge损失函数的垂向全变差约束全波形反演方法,在全变差约束的基础上,利用Hinge损失函数控制模型的更新方向,并使用原-对偶混合梯度算法进行求解,给出这一优化问题的迭代格式,有效提高了对地下不连续界面的重构精度,同时也降低反演对初始速度模型的依赖程度.数值算例证明：与常规全波形反演方法相比,基于全变差约束的全波形反演方法可以有效的重构速度模型中的不连续界面,尤其对高速体边缘的重构效果更明显,但该方法对初始速度模型的依赖性仍然较强;基于Hinge损失函数的垂向全变差约束全波形反演方法降低了对初始速度模型的依赖程度,可以从一个较差的初始模型通过循环迭代的方式最终得到同样精确的速度模型,较好的重构了高速体边缘和不连续界面.     

基于WDCT网络的混凝土CT图像增强算法

原位加载CT扫描可以研究混凝土在不同实验条件下的损伤演化过程,对于混凝土材料研究具有重要意义。在混凝土原位加载的过程中,原位加载设备的遮挡和采样时间的限制导致了有限角度和稀疏角度CT重建问题,传统算法在数据不完备的情况下会导致严重的图像伪影。本文提出WDCT网络增强ART-TV重建图像方法,构建混凝土模拟数据集验证该方法并与经典U-Net增强FBP重建图像方法进行比较。研究结果表明本文的方法在有效降低图像伪影的同时,能够对混凝土内部的石料和裂缝比较准确地成像,图像的客观指标得到大幅提升。      

基于迭代残差网络的双能CT图像材料分解研究

双能计算机断层成像技术(DECT)由于其材料分解能力,在高级成像应用中发挥着重要作用.图像域分解直接对CT图像进行线性矩阵反演,但分解后的材料图像会受到噪声和伪影的严重影响.虽然各种正则化方法被提出来解决这个问题,但它们仍然面临着两个挑战:繁琐的参数调整和过度平滑导致的图像细节损失.为此,本文提出一种基于迭代残差网络的...     

基于图像压缩的震损结构三维模型快速重建方法

针对基于数字图像的大尺度三维结构模型建模时间过长的问题,提出了利用图像压缩算法对震损结构三维模型快速重建的方法.首先,拍摄得到结构的原始图像;其次,利用主成分分析算法压缩图像;最后,基于处理后的图像对结构三维模型进行重建.为验证提出方法的有效性,对一个混凝土试块,受损的剪力墙试验模型和实际单体建筑进行图像采集,利用论文...     

基于对抗式残差密集深度神经网络的CT稀疏重建

针对计算机断层成像稀疏重建过程中产生条状伪影的问题,本文提出一种基于对抗式残差密集深度神经网络的CT图像高精度稀疏重建方法.设计一种耦合残差连接、密集连接、注意力机制和对抗机制的UNet网络,以含条状伪影图像和高精度图像作为训练样本,通过大规模训练数据,对该网络进行训练,使其具有压制条状伪影的能力.首先,利用滤波反投影...     

基于PDE的低剂量CT投影降噪研究

随着医学影像诊断技术的广泛应用,人们逐渐开始重视CT扫描中辐射剂量过高的问题,低剂量CT已成为医用CT发展的必然趋势。然而,低剂量CT重建图像质量会发生严重的退化,从而影响医疗诊断。针对以上问题,本文在各向异性扩散模型基础上,提出一种改进的4邻域偏微分投影域降噪算法。为有效地实现图像噪声快速平滑和特征保留,该模型根据相关像素控制率定义了归一权梯度函数。此外,本文根据扩散图像的特征变化规律构造了时变扩散函数,该函数能够自适应调节噪声平滑和轮廓保留之间的平衡。仿真数据和乳腺模体扫描数据结果表明,改进算法能够获得更高质量的重建图像,并具有较好的运算效率。      

基于CNN和Transformer耦合网络的低剂量CT图像重建方法

在投影角度个数不变的情况下,降低每个角度下的射线剂量,是一种有效的低剂量CT实现方式,然而,这会使得重建图像的噪声较大。当前,以卷积神经网络（CNN）为代表的深度学习图像去噪方法已经成为低剂量CT图像去噪的经典方法。受Transformer在计算机视觉任务中展现的良好性能的启发,本文提出一种CNN和Transformer耦合的网络（CTC）,以进一步提高CT图像去噪的性能。CTC网络综合运用CNN的局部信息关联能力和Transformer的全局信息捕捉能力,构建8个由CNN部件和一种改进的Transformer部件构成的核心网络块,并基于残差连接机制和信息复用机制将之互联。与现有4种去噪网络比较,CTC网络去噪能力更强,可以实现高精度低剂量CT图像重建。