Advances in deep learning for computed tomography denoising

Computed tomography(CT)has seen a rapid increase in use in recent years.Radiation from CT accounts for a significant proportion of total medical radiation.However,given the known harmful impact of radiation exposure to the human body,the excessive use of CT in medical environments raises concerns.Concerns over increasing CT use and its associated radiation burden have prompted efforts to reduce radiation dose during the procedure.Therefore,low-dose CT has attracted major attention in the radiology,since CT-associated x-ray radiation carries health risks for patients.The reduction of the CT radiation dose,however,compromises the signal-to-noise ratio,which affects image quality and diagnostic performance.Therefore,several denoising methods have been developed and applied to image processing technologies with the goal of reducing image noise.Recently,deep learning applications that improve image quality by reducing the noise and artifacts have become commercially available for diagnostic imaging.Deep learning image reconstruction shows great potential as an advanced reconstruction method to improve the quality of clinical CT images.These improvements can provide significant benefit to patients regardless of their disease,and further advances are expected in the near future.

实时VR场景下多尺度数字全息成像仿真

在数字全息成像的过程中,受光电传感器件结构参量、光照强度以及传输方向等因素的影响,导致全息图成像的亮度、分辨率降低。为了提高多尺度数字全息成像的真实度,提出了实时VR场景下多尺度数字全息成像方法。通过定义图像像素点分布的概率函数,计算多尺度数字图像像素的显著性,根据图像像素特征的分布方差,提取出多尺度数字图像像素点。利用小波变换系数识别多尺度数字图像的噪声,基于图像噪声信号的方差分布,精细化处理多尺度数字图像,结合小波反变换,构建多尺度数字图像去噪模型,得到去噪后的图像。根据多尺度数字全息成像模型,得到图像增强的梯度场,在实时VR场景下,引入加权融合的方法,得到图像的高频细节分量,利用图像融合规则,生成多尺度数字图像。实验结果表明,所提方法能够生成VR图像,并将成像真实度和清晰度分别提高到90%以上和92%以上。

基于图卷积网络的海洋测绘遥感影像场景分类研究

海洋测绘遥感影像噪声难以去除,在遥感影像场景分类时,存在去噪效果不明显、增强效果不显著、分类准确率低等问题。针对这些问题本文提出基于图卷积网络的海洋测绘遥感影像场景分类方法。采用小波阈值图像去噪算法对遥感影像场景进行去噪,再通过NSST(nonsubsampled shearlet transform)方法得到去噪后影像的低频子带滤波与高频子带滤波,并对其展开增强处理,将预处理之后的遥感影像输进图卷积网络模型中,运用该模型中的差异化单元、分类器学习单元与遥感影像特征差异化单元实现最终分类。实验结果表明:与对照方法相比,该方法对遥感影像的去噪效果更好,增强效果更明显,场景分类准确率更高。说明该方法能够有效提升海洋测绘遥感影像的场景分类性能。

基于点云辐射场的新视角图像生成网络

新视角图像生成是指使用同一场景、多个位置和角度拍摄的一组图像,生成新颖视角位置处的场景图像,在真实拍摄的城市建筑场景图像中存在移动的瞬态对象,对静态建筑造成遮挡,导致生成的新视角图像模糊、存在伪影甚至建筑物生成错误。针对于此,本文提出了一种基于点云辐射场的新视角图像生成方法。首先,通过瞬态对象过滤模块得到静态建筑图像;然后,分别经过2DCNN和3DCNN网络获取图像特征和图像点云信息,二者结合构建神经点云;最后,输入多层感知机网络获取场景采样点位置的体积密度和颜色信息,并指导体染模块生成新视角位置的图像。在PhotoTourism数据集与最新的几种方法进行比较,实验结果和可视化结果表明,所提方法在数据集上有较好的效果表现,有效地解决了生成图像中存在伪影和建筑物生成错误的问题。

基于场景模型的热红外遥感成像模拟方法

为实现升空后运行的卫星的整体性能处于最佳状态,通常在卫星发射前,采用计算机仿真的方法对从地表到影像获取的整个遥感物理过程进行模拟.针对现有模拟方法不能全部采用辐射传输、成像等物理模型,实现大场景、复杂地表覆盖情况下的热红外遥感成像模拟,在基于场景模型的热红外遥感成像模拟基础上,将模拟系统分为地表场景模拟、大气作用模拟及传感器成像场景,重点对模拟各场景所涉及的物理模型和算法进行了综述和分析,并初步构建了大场景、复杂地表覆盖下模拟的技术框架,是对热红外遥感成像模拟的一种全新而有益的尝试,对相关研究工作也有一定参考价值.

基于卷积神经网络的辐射图像降噪方法研究

为了抑制探测器中统计涨落引起的噪声,提出了一种基于卷积神经网络的辐射图像降噪方法。该方法利用引入残差网络结构的卷积神经网络模型,对训练集中的辐射图像样本进行了训练,拟合出含噪声图像和无噪声图像的映射关系。实验结果表明,本文方法在降低统计噪声的同时保留了图像的细节。与传统的降噪方法相比,本文方法在量化指标和视觉效果上均有较大的改善。

复杂地面背景的红外热像合成

提出了一种新的合成地面背景红外热像的方法 ,建立了基于马尔可夫随机场理论的图像分割模型 ,获取了地面背景的标记图像 ;综合考虑环境、气象等因素的影响 ,模拟计算不同植被地面红外辐射特性 ;通过将红外辐射特性计算结果的灰度值赋予相应的可见光图像分割区域 ,实现标记图像与红外辐射特性的合成 。

基于Vega的场景红外成像仿真研究

红外成像仿真在国防、军事、航空、航天等领域有着极其重要的应用价值。鉴于此,在分析红外成像仿真原理的基础上,提出了一种基于Vega的场景红外成像仿真方法。并详细论述了建立大气传输模型、场景建模及其红外辐射建模的方法。最后利用视景仿真软件Vega进行了红外成像仿真,仿真结果证实了该仿真方法取得了理想的仿真效果,有助于红外成像仿真技术的发展。

天气怎样影响成像

文中讨论了低层大气层的光学成像问题，着重阐述了各种大气效应对成像质量的影响。按照成像的流程把大气效应的入射辐射与表面反射分开考虑，得到了气象参数与物体表面辐照度的关系，以及气象参数与成像对比度和分辨率的关系。最后通过实验模拟了不同天气条件下的场景成像。

前视红外景象匹配制导基准图生成研究

提出了一种用于前视红外景象匹配制导的基准图生成方法,该方法以可见光图像为数据源,得到目标和背景的几何视图,对二者分别计算温度及辐射特征,合成后加入大气作用效果,根据不同的视点变换与探测器位置,就可得到前视红外景象匹配制导所需的多视点多尺度基准图。

自动管电流调制技术结合量子降噪技术在MSCT肝脏多期增强扫描中的应用

目的评价肝脏MSCT多期增强扫描采用自动管电流调制技术并应用多种量子降噪技术(Q01、Q02、USO)降低图像噪声、提高图像质量的价值。方法连续58例行肝脏MSCT平扫和增强扫描的患者纳入本研究。使用Toshiba Aquilion 16层CT,管电压120k Vp、机架旋转0.5秒/圈、螺距0.938、准直层厚1mm*16层、图像重建层厚7mm,采用自动管电流调制技术,目标噪声为10.0HU,CT机根据定位像扫描时获取的信息设置扫描时的管电流,范围100-400m A。标准软组织算法分别在不使用、使用Q01、Q02和USO降噪技术时重建层厚为1、3、5、7、10mm的图像共20组。测量肝门层面肝右叶、腹主动脉、脾脏和前腹壁皮下脂肪的图像噪声并计算平均值。根据图像噪声、病变显示、诊断可接受度将图像质量分3级,1mm图像增加三维后处理图像比较,由CT副主任技师和副主任医师各1名进行双盲法评价。结果图像噪声随着层厚的变薄而增加,使用Q01、Q02、USO可不同程度的降低噪声,提高图像质量,层厚越薄噪声越大时降噪幅度越大。使用Q01、Q02和USO可使噪声分别下降3.1-5.8HU、4.5-8.3HU和5.5-12.6HU。层厚10mm不使用QD、7mm使用Q01、5mm和3mm使用Q02、层厚1mm使用USO可获得最佳的图像质量。结论肝脏MSCT增强扫描采用自动管电流调制技术并根据层厚选择不同的量子降噪技术即可降低图像噪声又能提高图像质量。

基于Vega的红外成像制导仿真技术研究

描述了利用 Vega 进行红外成像制导仿真的方法.并针对该方法在红外成像制导仿真过程中的几个关键技术进行了讨论。为了实时仿真的需要,介绍了在场景建模中建立大面积地形模型的方法;利用建立不同细节度目标模型的方法,满足了红外导引头对目标进行探测、识别和辨识的视觉仿真效果;利用重新定义本地观察坐标系的方法,使得屏幕显示与导引头视场图像相一致。考虑到目前国内在红外成像制导仿真方面的研究较少,本课题结合 Vega 软件进行了仿真,得出了仿真结果。从仿真结果看,该方法取得了较为理想的仿真效果。

基于图像修复技术的抗核辐射图像恢复方法

强辐射环境下数码成像设备由于受到高能粒子射线的影响,采集的视频或图像信噪比非常低,严重影响了其在辐射环境下的应用.为了去除视频或图像中的噪声,减少辐射粒子对成像设备的影响,提出了一种基于修复技术的新型强辐射图像去噪技术.首先在分析强辐射环境下成像设备受干扰的机理基础上检测图像的强干扰噪声;然后将图像噪声区域看成待修复区域,利用图像修复技术进行噪声消除;最后利用基于非下采样轮廓波变换的去噪方法对修复后的图像进行后处理.实验结果及分析表明提出的方法算法效率高、降噪效果显著,能够很好地去除强度大、分布密集的噪声,有效提高了数码成像设备在强辐射环境下的工作性能.

基于GPU的虚拟战场红外仿真技术研究

实时红外视景仿真已成为红外成像武器系统设计与评估的重要方法,在军事和国民经济中有着广泛的应用前景。红外仿真的关键环节在于红外视景图像的生成,提出了一种基于GPU实现红外辐射计算模型的方法,将辐射传输模型中温度、辐射特性等数据的计算移植到GPU中,充分利用了GPU的可编程特性以及强大的并行运算能力,高效生成了精度较高的红外场景图像。

一种混合降噪方法在辐射图像降噪处理中的应用

在强辐射的环境中,采集的图像包含多种噪音,主要为椒盐噪声和高斯噪声,而遥操作的可靠性与高效性则在很大程度上依赖于采集图像的质量,图像去噪至关重要。对于辐射图像,采用了一种将多重中值滤波和第二代曲波变换相结合的混合降噪方法,从而较好地去除噪音、保护细节。其具体过程是:首先运用改进后的多重中值滤波对辐射图像进行去噪,再将初步处理后的辐射图像进行Wrapping快速离散曲波变换,然后再对每个子带的系数计算阈值并根据阈值对系数进行处理,最后进行曲波逆变换得降噪图像。辐射图像的仿真实验结果表明,提出的方法能较好地降低噪点并保护边缘,从而获得更好的视觉效果。

虚拟数字艺术背景下动漫虚拟场景设计方法

虚拟场景优化设计可以增强数字动漫的观看感受,但是画面帧数会影响数字动漫虚拟场景设计的效果和性能,为了虚拟场景呈现更好的渲染效果和更高的质量,文章提出了基于Unity 3D的数字动漫虚拟场景设计方法。结合坐标转换计算数字动漫虚拟场景的节点坐标;基于数字动漫虚拟场景的边缘轮廓信息,缝合场景图像之间相互重叠的部分,结合图像在不同画面帧数下的RGB分布,提取出数字动漫虚拟场景的颜色信息,完成数字动漫虚拟场景区域的校正;利用Unity 3D软件绘制数字动漫虚拟场景的线条,通过Unity 3D软件的参数设置,定义动漫图像之间的重叠区域判断阈值,通过构建数字动漫虚拟场景模型,实现数字动漫虚拟场景的设计。实验结果表明,所提方法能够增强数字动漫的渲染效果,通过提高数字动漫虚拟场景画面的分辨率,保证数字动漫虚拟场景设计的性能。

地球临边场景红外遥感成像仿真方法

地球临边场景仿真是卫星红外探测领域的关键组成部分,是空中高速目标远距离探测场景模拟的重要基础。临边观测下的地球表面近似于球面,传统的基于海洋三维形态并计算表面辐射特性的海洋红外图像仿真方法不适用。云层的厚度和高度对红外辐射传输特性的计算有重要影响,视云层为粒子团的处理方法会大大降低仿真的计算速度。因此,研究了海洋和云的红外辐射模型、地球-空间坐标系与红外相机坐标系的转换关系和大气传输模型,提出地球临边场景红外遥感成像仿真方法。根据场景组分的差异,分别建立海洋分布模型、多层云分布模型,并根据海洋和云层的红外辐射与反射特性,构建地球临边场景红外辐射模型。通过地球-空间坐标系与相机坐标系的转换关系,利用大气传输理论和传感器效应仿真,计算各观测角度的地球临边场景卫星遥感红外仿真图像。实验结果表明:仿真得到的红外图像画质清晰,符合地球临边场景红外辐射特性,其平均拉普拉斯算子和可达0.15,平均灰度梯度可达0.70。

基于真实场景图像下的卷积神经网络去噪算法

为了有效地去除实际图像中的噪声,提出了一种基于真实场景图像下卷积神经网络去噪算法,通过构建新的无噪图像数据集,输入至卷积神经网络中进行训练,并结合模拟退火算法提高训练率,建立去噪网络模型,实现真实场景图像去噪。实验结果表明:含噪的灰度图像与相机拍摄图像均取得明显的平滑效果,算法信号—噪音功率比(PSNR)值较高,图像边缘和细节也得到了较好的保留。

一种基于热成像原理的图像热噪声去除算法

针对气动热环境下高温头罩对红外成像系统造成的热辐射噪声干扰问题,提出了一种基于热成像原理的图像热噪声去除算法。首先,利用有限取样光线代表连续光线,在头罩内对取样光线进行反向追迹,分析得到头罩温度和传感器热辐射噪声成像灰度之间的关系;其次,利用Vega软件仿真得到一定大气条件下点光源通过高温头罩的红外图像;最后,根据前面得到的头罩温度和热噪声成像灰度之间的关系,计算得到高温头罩的红外成像灰度分布,将热辐射噪声视为加性噪声,从目标的红外图像中减去该噪声得到去除热噪声后图像。实验结果表明,该方法去除热辐射噪声效果明显,图像质量得到了改善,弥补了硬件制冷的不足,为下一步的图像复原打下了很好的基础。

基于剪切波变换的辐射图像泊松噪声降噪技术研究

为了降低由统计涨落引起的辐射图像噪声,提出了一种基于剪切波变换的降噪方法。该方法以低剂量射线或质量厚度大的物体的辐射图像为研究对象,对此类辐射图像进行了噪声分析,利用Anscombe变换将统计涨落引起的泊松噪声转换为高斯噪声,再运用剪切波分解、阈值去噪、剪切波重构和Anscombe逆变换得到降噪图像。结果表明,当剪切波分解层数为5,采用改进阈值函数及极小极大原理阈值时可达到最优降噪效果,该方法能较好地去除辐射图像中的泊松噪声并保留边缘、细节信息,在视觉和量化指标上均优于传统降噪方法。