基于联合图像块聚类自适应字典学习的多模态医学图像融合

针对多模态医学图像融合中过完备自适应字典存在的大量冗余信息会导致图像重建质量不佳的问题,文中提出了基于联合图像块聚类自适应字典学习的多模态医学图像融合方法(JCPD)。该方法首先计算图像块的欧氏距离,通过比较设定的阈值和图像块的最小距离来剔除冗余图像块,减少冗余图像块的数量。然后,使用局部调制核回归(SKR)提取图像块的局部梯度信息作为聚类中心,将具有相同局部梯度信息的两种模态的图像块进行联合图像块聚类。在联合图像块聚类的基础上使用改进的K-SVD算法对图像块聚类形成的类簇进行训练得到子字典,并将子字典合并成自适应字典。最后,在自适应字典的作用下用正交匹配追踪算法(OMP)计算得到稀疏表示系数,再使用“2范数最大”的规则融合稀疏系数,之后通过重建得到融合图像。实验表明,与2种基于多尺度变换的方法和6种基于稀疏表示的方法相比,所提方法在保证字典信息的完整性和字典的紧凑性基础上使得融合的图像清晰度更高、对比度更强,便于临床诊断和辅助治疗。

基于X射线和结构光相机的煤矸石分拣方法研究

为了提高煤炭产量,减少污染物排放,在煤矿生产中必须进行煤矸石分离.常用的双能R值方法受物料厚度影响较大,无法满足大范围厚度的煤矸石分选需求.针对该问题,提出了一种联合R值曲线拟合和物料厚度信息的煤矸石识别方法.建立煤和矸石的低能透射信号值和R值的关系散点图,探究R值算法的适用范围和极限厚度.首先利用R值算法进行初步识别,再通过结构光相机获取R值相对应的厚度信息,与极限厚度比较后进一步识别煤矸石.最后计算识别为煤的部分占整个物体的比率,通过所求占比实现煤矸石的分选.实验结果证明,该方法可以识别50 mm~300 mm范围的煤矸石,煤的最低识别率大于80%,矸石的最高识别率低于10%,整体识别准确率高于96%.

基于直觉模糊散度的噪声图像边缘检测

针对传统图像边缘检测算法抑制噪声能力差的问题,提出一种基于直觉模糊集(Intuitionistic Fuzzy Set,IFS)的边缘检测算法。该算法设定了一个表示平坦区域的模板图像,并在图像窗口内构造了一种同时考虑了图像梯度和图像窗口的方差信息的隶属度函数,然后通过计算图像窗口与模板图像之间的模糊直觉散度(Intuitionistic Fuzzy Divergence,IFD)对边缘进行定位和输出。实验结果表明,对于被高斯噪声或均匀噪声严重污染的图像,该算法能够得到较好的检测结果。

基于分区域处理的低剂量CT重建算法

为解决由于过度的量子噪声使低剂量CT重建图像质量产生退化的问题,提出一种基于分区域处理的联合先验低剂量CT统计迭代重建算法。对重建过程中的图像进行区域划分,对图像进行中值滤波并计算滤波图像的梯度,根据梯度划分出图像的边缘区域和平坦区域,分别利用全变分正则化(TV)和高斯马尔可夫随机场(MRF)正则化对不同的区域进行惩罚,将这两种正则项作为联合先验应用到惩罚加权最小二乘重建算法中,使用超松弛迭代算法(SOR)对目标函数进行求解。仿真结果表明,该算法去噪能力强,能有效保护重建图像的边缘细节信息。

基于NSST域卷积神经网络的低剂量CT图像恢复

为解决低剂量CT(Low-Dose Computed Tomography,LDCT)图像中的噪声/伪影问题,提出一种基于非下采样Shearlet变换(Non-Sample Shearlet Transformation,NSST)的卷积神经网络(Convolution Neural Network,CNN)的NSST-CNN模型。训练时,对数据集中的常规剂量CT(Normal-Dose Computed Tomography,NDCT)和LDCT图像做NSST分解,将LDCT图像的高频子图作为输入,LDCT和NDCT图像的高频子图的残差图像作为标签,通过CNN训练,学习LDCT高频子图和高频残差子图的映射关系;测试时,将LDCT图像的高频子图减去利用映射关系预测的主要包括噪声/伪影的高频子图,然后做NSST反变换得到高质量的LDCT图像。实验结果表明,与KSVD、BM3D以及图像域CNN方法相比,NSST-CNN模型得到的结果具有更高的峰值信噪比和结构相似度,更接近NDCT图像。

基于结构张量的四阶偏微分方程图像降噪模型

针对传统偏微分方程图像去噪模型会产生阶梯效应和边缘模糊的问题,提出了一种改进的四阶偏微分方程图像去噪模型.该模型利用图像的结构张量的行列式和迹作为边缘检测因子,并利用结构张量矩阵的特征向量来估计边缘和梯度方向,在图像平坦区域进行各向同性扩散,在图像边缘处只沿边缘方向进行扩散,在图像角点处则不进行扩散,实现了各向异性扩散.实验表明:从主观视觉上和客观评价指标上与一些相关模型相比,所提出的改进模型在去除噪声、保留边缘细节和避免阶梯效应方面性能更优.

各向异性加权先验模型MAP投影域降噪

低剂量计算机断层扫描技术(Low-Dose Computed Tomography,LDCT)降低了X射线对人体的辐射,但射线剂量降低造成重建图像中存在严重的伪影和噪声,对临床医学诊断有很大干扰。针对此问题,提出一种改进的各向异性加权先验模型的最大后验(Maximum A Posteriori,MAP)投影域降噪算法。该算法考虑到直觉模糊熵能够有效区分平滑区域和边缘细节区域,将其与传统的各向异性扩散系数相结合,构造了一种新的扩散系数,并采用局部方差实现其自适应调节;最后将该扩散系数融合于基于Huber先验的MAP优化估计算法框架中,实现对投影数据不同区域进行不同强度的降噪处理。该算法分别采用数字骨盆模型、Shepp-Logan头模型和数字胸腔模型三种体模进行验证,并与滤波反投影重建算法(Filter Back Projection,FBP)、惩罚重加权最小二乘法(Penalized Reweighted Least-Squares,PRWLS)、各向异性加权先验正弦图平滑算法进行对比。实验结果表明,利用所提算法重建出的图像中伪影明显减少,同时较好地保持了图像的边缘和细节信息。三种体模的信噪比分别为20.502 0 dB、23.294 8 dB、21.018 4 dB,所需时间分别为49.50 s、49.60 s、8.59 s。

基于先验图像约束压缩感知多能CT重建算法

由不同材质构成且材质之间密度相差较大的工件进行单一能量CT重建时无法获取完整内部结构.为获得结构信息完整的高质量CT重建图像,研究了基于先验图像压缩感知多能重建方法.首先从低到高依次采集多个能量下的投影数据,并用凸集投影-全变分最小化(POCS-TVM)算法对最低能量的投影数据进行CT重建,然后,将重建好的图像作为先验信息,利用先验图像压缩感知算法(PICCS)对下一组能量下的投影进行重建,重建后的图像再次作为新的先验信息重复以上步骤,依此类推直到最高能量的数据重建,以此达到完整重建.结果表明该方法可以有效减少因投影缺失而导致的伪影并保护低密度边缘.