基于有序子集的惩罚加权最小二乘低剂量CT优质重建算法研究

为解决低剂量CT图像重建的噪声问题,在经典的加权最小二乘迭代算法的基础上,采用有序子集设计策略,针对此问题进行低剂量CT图像优质重建。有序子集技术下惩罚加权最小二乘算法,可以较有效处理低剂量条件下CT重建信息量不足带来的缺点。同时有序子集的引入,使得新算法较经典的惩罚加权最小二乘算法在速度上得到很大提高,低剂量CT的重建图像仍可保持较佳的图像质量和较高的空间分辨率。

低剂量CT图像域各向异性加权最小二乘重建算法

针对低剂量CT重建图像由于过度的量子噪声产生退化的问题,基于统计重建算法提出了一种改进的图像域惩罚加权最小二乘重建算法.该算法对传统PWLS算法的代价函数进行了改进,通过引入各向异性扩散算子,使得算法可以根据图像特征自适应地调整图像的平滑程度,然后采用SOR迭代算法对目标函数进行求解.实验结果表明:该算法重建图像的均方根误差为13.907 3,信噪比为11.748 8,算法可以在有效抑制重建图像条形伪影的同时,保护重建图像的细节与边缘.

拉曼光谱检测酒精浓度的背景扣除技术研究

将自适应迭代惩罚最小二乘的方法应用于酒精浓度检测过程中,可以实现拉曼光谱的噪声和背景自动扣除,从而更好地对拉曼光谱进行预处理。将各种预处理算法校正背景后的拉曼光谱与乙醇浓度分别建立偏最小二乘校正模型,其结果显示自适应迭代惩罚最小二乘的方法优于其他传统方法。

基于各向异性扩散滤波与非局部先验的PET图像重建算法

针对在正电子发射断层成像中,经典的惩罚最小二乘算法和基于局部先验惩罚的改进算法不能有效地抑制噪声并保护图像边缘的问题,提出了一种新的各向异性扩散滤波非局部惩罚最小二乘重建算法(PLS-PDE).新算法首先对图像进行基于非局部二次先验的最小二乘估计,接下来对此估计值进行基于双向扩散系数的各向异性扩散滤波.所提出的算法综合了非局部先验与各向异性扩散滤波的优点.实验结果表明,新算法在抑制噪声和边缘保护方面取得了良好的折中,较大程度地改善了重建图像的质量.

一种针对激光诱导击穿光谱技术的基线校正方法

针对激光诱导击穿光谱(laser-induced breakdown spectroscopy,LIBS)数据中存在的周期性拱形突起问题,提出了一种改进的基线校正算法。该算法基于惩罚最小二乘方法,通过改变局部惩罚系数,使其在拟合周期性拱形突起的同时降低谱线强度对拟合基线的影响。与其他基线校正方法相比,该算法在拟合仿真基线时的均方根误差更小,并且基于该算法得到光谱数据绘制的定标曲线的相关系数达到了0.9972。结果表明:该算法相较于现有的去基线方法,在拟合中阶梯光栅光谱仪采集激光诱导击穿光谱的基线时,能更好地保留光谱数据的有效信息。

激光拉曼光谱解谱和处理的方法研究

研究一种拉曼光谱解谱和处理的方法。以化学计量学为基础,信号处理技术为工具,配合计算机算法的数据处理方法。具体为基线校正:对拉曼光谱原始信号进行基于自适应迭代重加权惩罚最小二乘法的基线校正;平滑:对进行完基线校正的拉曼光谱信号进行基于惩罚最小二乘法的平滑;峰检测:对进行完基线校正和平滑的信号进行基于连续小波变换的峰检测。这种基于惩罚最小二乘法的光谱平滑具有快速,可以连续控制平滑度并且可以进行交叉验证得到最客观的平滑值。改善了基于非对称最小二乘法的传统基线校正方法的两个缺陷。同时,基于连续小波变换的峰检测算法可以自动地并且同时考虑峰形和峰高对峰进行检测,最大限度地降低了峰检测假阳性的概率。

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。

基于模糊数学的低剂量CT投影域降噪算法

因高剂量CT对人体的损害较大,低剂量CT近年来已成为临床医学的一个热点,然而CT剂量的降低引起重建图像质量下降.为了解决低剂量CT重建图像受噪声污染严重的问题,本文根据低剂量CT投影的噪声特性,在原惩罚加权最小二乘降噪算法(PWLS)基础上,提出一种改进的基于模糊数学的惩罚加权最小二乘降噪算法.该算法采用统计建模的方法,将模糊数学的理论引入投影域惩罚加权最小二乘降噪算法中,利用隶属度函数改变权值.实验结果表明:改进的投影域惩罚加权最小二乘法降低了重建图像的噪声,同时有效地保护了重建图像的细节与边缘.

水体环境重金属检测传感信号基线校正算法的开发与应用

水体重金属污染会对人体健康和生态环境造成危害,实现水体中重金属含量的快速检测是消除重金属危害的关键环节之一。基于现有检测设备在水体重金属检测过程中存在传感信号基线漂移影响分析精度的问题,以及非对称重加权惩罚最小二乘(arPLS)算法存在无法满足基线高精度估计的缺陷,提出了一种双循环平滑参数自适应选择的基线校正(DC-arPLS)算法。DC-arPLS算法对于仿真信号基线拟合的均方根误差为3.44×10^(-8),优于arPLS算法的4.86×10^(-8)。实际信号基线校正应用结果表明:DC-arPLS算法用于真实光/电信号的基线校正,能满足高精度基线校正的要求,可对水体环境的保护提供一定的技术支持。

基于微波谐振技术的活性炭质量检测

为提高活性炭含量检测的效率与精度,基于微波谐振技术设计了一种活性炭滤棒微波幅值变化信号采集装置,并将高斯滤波和惩罚最小二乘算法相结合对微波幅值变化信号进行降噪和基线扣除处理。首先,比较了不同高斯窗口长度的滤波效果,选用非对称最小二乘法、自适应迭代重加权惩罚最小二乘法、非对称重加权惩罚最小二乘法和多约束重加权惩罚最小二乘法等4种处理方法对微波幅值变化信号进行基线校正,再求出基线校正后微波幅值变化信号的峰高、峰面积与半峰全宽,然后比较了基于支持向量回归机、偏最小二乘算法与反向传播神经网络建立的模型的预测结果。结果显示,活性炭质量的最佳模型为“峰面积-活性炭质量”,模型决定系数为0.9924,平均绝对误差为0.7979 mg,相对标准偏差为1.4962%。活性炭质量重复性检测最大标准差为1.85 mg,活性炭质量检测的最小绝对偏差为0.03 mg,活性炭质量检测最小相对偏差为0.05%。该方法为烟用活性炭滤棒中活性炭的定量分析提供了一种快速有效的方法。