基于U型生成对抗网络的编码孔径CT成像方法

针对编码孔径CT成像非连续稀疏采样只能通过代数类迭代重建算法的缺点,本文提出一种基于U型生成对抗网络的编码孔径CT成像方法。通过构建基于U型生成对抗网络的非连续稀疏投影的动态博弈模型,结合联合损失函数,预测正弦图的结构性缺失,实现编码孔径CT成像分析类（非迭代）快速重建。实验结果表明,在辐射剂量降低95％ 的条件下,基于U型生成对抗网络的编码孔径CT成像方法实现了峰值信噪比大于30 dB @ 256×256的高质量重建。相比于目前最先进的编码孔径CT成像方法,其重建时间降低了约两个数量级。      

可同时抑制多种图像伪影的最优骨校正

X线CT系统球管发射宽能谱X光子,使得重建图像中出现射束硬化伪影,如杯形和条纹伪影;成像对象体内还可能存在金属植入物,使得重建图像中出现金属伪影。多种图像伪影的同时出现,势必严重退化临床诊断精度,有必要深入研究加以抑制。本文利用数据一致性条件构造目标函数;利用非线性最小二乘和交替迭代优化算法求解最优尺度因子;最终得到可同时校正杯形、条纹和金属伪影的最优骨校正方法。计算机仿真实验结果表明,该方法的确能够自适应确定出最优尺度因子,从而同时校正多种图像伪影。      

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...     

基于双域自适应网络的岩矿样工业CT图像金属伪影校正算法研究

岩矿样中包含有大量高密度金属物质,致使其在工业CT图像上产生了金属伪影,严重影响岩矿样参数分析的准确性。为抑制岩矿样CT图像的金属伪影,本文提出一种基于双域自适应网络的岩矿样CT图像金属伪影校正算法（DDA-CNN-MAR）,将含有金属伪影的CT图像分别通过投影域网络和图像域网络进行金属伪影的抑制,自适应融合双域处理结果,实现由含伪影图像到无伪影图像的端到端映射。该算法以残差编解码网络模型（RED-CNN）为基础,易于提取特征并恢复图像细节;双域结构可自适应调整投影域（伪影抑制）和图像域（细节修复）的权重,借以获得最优的校正结果。研究结果表明,较之于RED-CNN-MAR,经过DDA-CNN-MAR方法校正的图像,MSE减小2.570,而PSNR和SSIM则分别提高1.218 dB和0.018,有效提升岩矿样CT成像的图像质量。      

长杆电离室中心与CT机光束之距对CTDIw测量影响

目的:多排CT在轴扫条件下长杆电离室中心偏离X线束平面的距离对CTDIw测量精度的影响。方法:用满足IEC标准的头部体模(T6M164)和长杆电离室测量PhilipBrillianceiCT256在轴扫条件下不同偏移距离时测CTDIw,并分析对CTDIw偏差的因素。结果:在偏离距离在±1cm处,CTDIw的相对偏差在±5%以内;偏移距离在±3cm,相对偏差在-5%～15%之间;当偏移距离在±5cm时,CTDIw的测量偏差在40%～70%之间。结论:对CTDIw测量偏差影响较大的因素是偏移距离,而毫安秒和管电压对CTDIw测量偏差之间相关性低;毫安秒和管电压可能影响某个偏移距离处CTDIw测量偏差的区间范围;剂量在z轴上分布具有不对称性。     

基于小波变换的锥束CT滤线栅条纹去除方法

采用平板探测器的X射线锥束成像系统中,由于散射会带来图像伪影从而劣化图像质量,通常采用在平板探测器前安装滤线栅来去除散射,但滤线栅会在获取的图像上形成周期性的条状伪影,如何去除条状伪影是X射线锥束成像系统中的一个关键技术问题。本文对已有的滤线栅条纹去除方法进行概述,创新性地提出基于频谱拼接的小波变换方法,既能在损失物体细节信息少的前提下很好地去除滤线栅条纹,又不会引入小波变换谐波。通过实际实验,检验该方法的有效性。     

基于渐进式网络处理的低剂量Micro-CT成像方法

微米级计算机断层扫描（Micro-CT）的应用领域很广泛,在生物医学、材料科学等都有研究,而且最近几年的发展很迅速。Micro-CT图像常因辐射剂量的限制而出现噪声,所以开发一种合适的算法来抑制Micro-CT图像中噪声变得很重要。Micro-CT图像的噪声水平与扫描样本、扫描参数等参数有关,合适的噪声抑制算法应该在不同噪声水平下都有不错的性能。过去Micro-CT图像的噪声抑制算法主要是迭代重建算法,但迭代重建算法速度比较慢。深度学习方法作为近些年比较热门的图像处理方法,在临床低剂量CT图像处理上相比于传统方法效果更好、处理速度更快,有进一步在低剂量Micro-CT图像处理中应用的潜力。另外,生成对抗网络在保持图像细节上有着比卷积神经网络更好的效果,本文构建普通卷积神经网络与生成对抗网络,用于对比两者的性能差异。限制于放射源的功率,低噪声的Micro-CT数据难以获取,提出一种创新的扫描方式,可有效获取低噪声的Micro-CT数据,并对实验小鼠的进行了扫描。针对低剂量Micro-CT中较高的噪声,结合Micro-CT的成像原理,提出渐进式的低剂量Micro-CT图像处理方法,分别在解析重建前后对小鼠的Micro-CT图像进行两次处理。相比于只在断层图像上处理,渐进式方法对高噪声数据的处理效果更好。从客观指标与主观视觉效果上,分析和对比了渐进式方法与其他深度学习方法或迭代重建算法的差别。定量分析不同噪声水平下的Micro-CT图像的处理效果,分析生成对抗网络在渐进式Micro-CT图像处理中的优势与限制。渐进式Micro-CT图像处理方法生成的图像质量高、生成速度快、鲁棒性高、客观指标高,可以对进一步的高级应用如图像分割、图像三维可视化等提供帮助。      

利用遥感图像对震损建筑结构变形检测的识别研究

为识别震后建筑变形损坏状况,提出震损建筑结构变形检测的遥感图像识别分析方法。利用无人机采集震灾区域的遥感图像,将建筑结构变形检测问题转变为构件间坐标测量问题,提取所采集遥感图像中样本矢量点,将其划分为不同种类区域,在此基础上对图像进行聚类分割,以获得震后图像的不同类别建筑结构特征,实现识别不同样本矢量点的地震受灾情况。通过实验分析发现,所提出的图像识别分析方法在一定程度上可以识别出损毁建筑物,但仍需要进一步研究,以提高其识别精度。     

基于无人机摄影的地震形变场测量技术研究

采用当前方法测量地震形变场时,不能有效去除地震图像中存在的噪声,得到的测量结果与实际结果之间的误差较大,存在抗干扰性差和测量精准度低的问题。提出基于无人机摄影的地震形变场测量技术,对无人机摄影得到的主图像和辅图像做配准处理,采用SAR处理器处理图像数据,得到干涉图。利用SUSAN算法检测干涉图的边缘,通过K均值方法划分模板区域中存在的特征值类别,根据划分结果得到干涉图的相关参数和噪声区域,结合非线性扩散方法和SUSAN算法完成干涉图的去噪处理,依据基线估计去除干涉图中存在的平地效应,利用网络流算法完成相位解缠,获得地形相位值,绘制地震形变图,完成地震形变场的测量。实验结果表明,所提方法的抗干扰性强、测量精准度高。     

Kirchhoff型反偏移场稳相分析(英文)

在文献中,Kirchhoff型反偏移场的稳相分析主要是在下列两个条件下进行的:(1)等时面和目标反射面相切;(2)深度偏移像场信号的长度接近于零。对于与目标反射面不相切的等时面和长度远大于零的深度偏移像场子波,已有的结果将不再成立。为了在等时面和目标反射面不相切和深度偏移像场的子波长度远大于零的条件(一般条件)下对Kirchhoff型反偏移场进行稳相分析,我推导了出现在二维稳相分析公式中的诸因子的计算公式,并从中发现:(1)对于不同的等时面,距离差函数的稳相点具有不同的水平坐标;(2)Kirchhoff型真振幅反偏移的输出场由两部分(真振幅反偏移信号与振幅畸变因子)的乘积组成。由此得到下列两个结论:(1)一个给定的反偏移信号由多个深度偏移信号上的采样点组装而成,反偏移信号上的采样点个数等于对于这种组装有贡献的偏移信号的个数。(2)振幅畸变效应是Kirchhoff型反偏移中的固有效应,靠反偏移本身无法消除。如果一定要消除这种振幅畸变效应,必须对反偏移结果进行振幅校正。     

基于改进环形生成对抗网络的浅地层剖面去噪方法

为解决浅地层剖面数据噪声多、分辨率低问题,本文将环形生成对抗网络的方法应用于浅地层剖面资料的去噪,实现智能去噪。首先,选择具有特殊对称生成对抗网络循环机制以及“循环一致性”损失的环形生成对抗性网络,并对其进行结构改进,提升网络学习和训练的性能。然后,基于优化的浅地层剖面样本集训练网络,实现对于浅地层剖面数据随机噪声的去除,提升数据的信噪比。通过对实验和实际资料的试算,以及与传统带通滤波方法的对比,验证本文方法对浅地层剖面数据去噪的有效性和适应性。     

基于Boltzmann机的矿产靶区预测

矿产靶区预测是一种从统计单元集合中识别找矿靶区的非线性模式识别过程,可以利用Boltzmann机能够对外部刺激进行编码和重建的功能,实现基于Boltzmann机的矿产靶区非线性统计预测过程.鉴于此,笔者定义了面向矿产靶区预测的三层Boltzmann机模型,模型输入层神经元数目等于找矿证据数目,输出层只有一个神经元,隐藏层神经元数目由用户根据矿产靶区预测的精度要求确定;模型应用Hebbian编码和模拟退火算法相结合的随机学习算法进行训练,根据学习训练后模型输入层与隐藏层神经元之间的连接权确定找矿证据的权系数;根据证据权系数和统计单元证据组合特征计算单元成矿有利度,圈定找矿靶区.在GDAL数字图像输入输出函数库基础上,用VC++语言开发了面向栅格数据的矿产靶区预测Boltzmann机算法程序并应用于新疆阿勒泰地区的矿产靶区预测研究.结果表明,Boltzmann机模型预测的统计单元成矿有利度能够正确反映研究区已知矿床(点)的空间分布规律,因此,基于Boltzmann机的矿产靶区非线性统计预测模型是有效的.     

甘肃塌陷地震震相识别研究

选取甘肃省测震台网测定的甘肃平凉地区塌陷地震、甘东南地区天然地震各50个,同地区的30个地震事件为待测事件。采用近年来计算机领域里较先进的图像识别方法——卷积神经网络识别两种地震事件类型,设定波形通道总数的80%为地震事件分类阈值,超过分类阈值的设定为“0”或“1”,即可判定该待测事件为对应的事件类型。将地震事件作为原始图像,提取图像中最具代表性特征点;接着提取图像特征进入池化层,池化层会对该图像特征点进行归类压缩,提取最具代表性的图像特征,最后输出识别图像。结果表明:塌陷地震最终分类准确识别率为86.7%,天然地震准确识别率为93.3%,总识别率为90%,为今后平凉地区塌陷地震事件类别识别工作提供了可靠的参考价值。     

Seismic ground-roll noise attenuation using deep learning

We propose to adopt a deep learning based framework using generative adversarial networks for ground-roll attenuation in land seismic data. Accounting for the non-stationary properties of seismic data and the associated ground-roll noise, we create training labels using local time–frequency transform and regularized non-stationary regression. The basic idea is to train the network using a few shot gathers such that the network can learn the weights associated with noise attenuation for the training shot gathers. We then apply the learned weights to test ground-roll attenuation on shot gathers, that are not a part of training input to obtain the desired signal. This approach gives results similar to local time–frequency transform and regularized non-stationary regression but at a significantly reduced computational cost. The proposed approach automates the ground-roll attenuation process without requiring any manual input in picking the parameters for each shot gather other than in the training data. Tests on field-data examples verify the effectiveness of the proposed approach.     

基于卷积神经网络的地震偏移剖面中散射体的定位和成像

本文提出了一种基于深度学习卷积神经网络(CNN)的全波形反演方法,可对地震散射波场中的散射体进行成像和定位.本文的灵感来自如下猜想:在散射波场剖面上的每个点附近的局部波场与该点到各散射体之间的最小距离有关系,并且这个关系可以被CNN网络所识别.我们将该最小距离定义为散射距离场,并将散射距离场的类别(即大小等级)作为CNN网络的预期输出,而输入就是该点附近的局部波场.最后用上述CNN网络对散射波场进行逐点训练和识别.计算结果证实了我们的灵感猜想,即上述CNN网络能够在复杂散射波场中对散射体进行成像.只通过一个训练模型的学习,CNN网络即可反演多种散射模型的偏移剖面,最后得到"类别函数预测值"和"滤波剖面"两种成像结果,由此可以辨识出在复杂的偏移剖面中各散射体的位置.     

虚拟偏移距方法在转换波叠前时间偏移中的分析与应用

虚拟偏移距偏移(POM)是一种新的转换波叠前时间偏移方法,是对等效偏移距偏移(EOM) 的一种改进,它与EOM方法映射方式上虽然不同, 但本质都是相同的,都是将原始输入道集映射成为共转换散射点道集。本文主要介绍了两种偏移方法的原理,通过理论模型来验证两种方法对模型参数的敏感性。在远偏移距情况下,为了能在速度分析中得到更精确的偏移速度,分别用小排列拟合的双曲线公式、三阶近似式、双平方根旅行时公式对映射后的POM道集做动校正,从而验证了三个公式的精度。最后用POM方法对复杂构造进行了叠前时间偏移。     

大地电磁资料精细处理和二维反演解释技术研究（四）——阻抗张量分解的多测点-多频点统计成像分析

基于大地电磁阻抗张量分解技术,本文提出了两种电性主轴方位的统计描述图像：随频率变化的统计分布成像（频率分布云图）和随测点序列变化的统计分布成像（测点分布云图）.这两种图像与传统的统计玫瑰图一起,较全面地描述了最佳主轴的分布特征.在进行构造维性分析过程中,通过定义二维有效因子e_2d,来压制一维结构和三维结构、突出纯二维结构的影响.e_2d被用于电性主轴的统计加权,有效地起到了滤波的作用;同时,统计成像中还考虑了数据质量的影响.为了得到稳定、高质量的区域阻抗张量数据,提出并实现了共主轴的多测点-多频点阻抗张量分解新算法.最终,完成了以上各项处理手段的可视化实现.本文通过两个理论模型和一个实测算例,以共轭阻抗法（CCZ法）为基础,展示了这一新技术的有效性.     

Enabling affordable omnidirectional subsurface extended image volumes via probing

Image gathers as a function of subsurface offset are an important tool for the inference of rock properties and velocity analysis in areas of complex geology. Traditionally, these gathers are thought of as multidimensional correlations of the source and receiver wavefields. The bottleneck in computing these gathers lies in the fact that one needs to store, compute, and correlate these wavefields for all shots in order to obtain the desired image gathers. Therefore, the image gathers are typically only computed for a limited number of subsurface points and for a limited range of subsurface offsets, which may cause problems in complex geological areas with large geologic dips. We overcome increasing computational and storage costs of extended image volumes by introducing a formulation that avoids explicit storage and removes the customary and expensive loop over shots found in conventional extended imaging. As a result, we end up with a matrix–vector formulation from which different image gathers can be formed and with which amplitude‐versus‐angle and wave‐equation migration velocity analysis can be performed without requiring prior information on the geologic dips. Aside from demonstrating the formation of two‐way extended image gathers for different purposes and at greatly reduced costs, we also present a new approach to conduct automatic wave‐equation‐based migration‐velocity analysis. Instead of focusing in particular offset directions and preselected subsets of subsurface points, our method focuses every subsurface point for all subsurface offset directions using a randomized probing technique. As a consequence, we obtain good velocity models at low cost for complex models without the need to provide information on the geologic dips.