融合结构先验信息的稳态扩散光学断层成像重建算法研究

扩散光学断层成像作为一种无辐射损伤、低成本的光学在体成像技术,有着良好的应用前景,但具有空间分辨率低、难以定量的缺陷.为了提高扩散光学断层成像的分辨率,实现光学参数分布的精确重建,基于有限元方法,提出了融合结构先验信息的稳态扩散光学断层成像重建算法.该算法以扩散近似作为成像模型,通过软先验的Laplace正则化方法引入由MicroCT提供的空间结构信息.采用伴随法计算Jacobian矩阵,Levenberg-Marquardt方法用来进行迭代优化.仿真结果表明该算法不仅能获得精确的光学参数值分布,而且显著地提高了迭代收敛的速度.

基于结构先验的变电压CT成像

为获得更高质量的CT重建图像,建立了基于结构先验的变电压CT成像方法。该方法对同一像素点在不同电压下满足最佳灰度带的有效投影数据进行叠加迭代重建,得到递变电压的重建结果,通过设定阈值,将低电压下投影数据的重建结果分为两个部分,将边缘的结构部分先验地运用到高电压下投影数据的重建结果里,以此弥补变电压重建图像过程中的信息缺失。仿真实验表明:该方法能够获得完整的工件信息,重建图像质量高,像素值也更加稳定。

基于二维压缩感知的定向遥感和变化检测

基于高斯测量矩阵的一维压缩感知测量数据不仅能很好地保持稀疏信号的能量信息,也能够很好地继承稀疏信号的方向信息.但是在一维压缩感知模型中方向信息无法应用于稀疏信号的重构和检验.针对遥感影像中变化区域稀疏的特点提出了二维压缩感知模型.并利用能量和方向信息构建了基于二维压缩感知的稀疏信号重构算法(2DOMP).理论分析和实验结果证明,2DOMP算法的信号重构能力更强.同时根据压缩感知恢复稀疏信号只需要很少测量数据的特性提出了定向遥感和定向变化检测的概念.

基于结构先验的加权NLTV能谱CT重建算法

能谱计算机断层扫描在数据采集过程中可以区分光子能量,并同时得到多个能量通道的投影。由于单个能量通道只包含了总光子数的一小部分,且大多数光子计数探测器只能承受有限的计数率,所以多通道投影通常含有较大的噪声。为了从噪声投影中重建出高质量的能谱图像,利用不同能量通道下重建图像具有结构相似性,提出一种基于结构先验的加权非局部全变分(NLTV)重建算法。设计了简单和复杂两种模型进行仿真,比较了TV算法、NLTV算法、加权NLTV算法,以及基于结构先验的加权NLTV等去噪算法的重建效果,结果表明,本文算法对复杂模型和高噪声模型的重建具有明显优势。

基于结构连续先验的CT图像序列自适应分割算法

在土层计算机断层成像(CT)图像序列中,由于分割目标的灰度值分布不一致,为目标区域的提取带来一定的难度。为解决此类问题,建立了基于结构先验的自适应分割方法。该方法通过设定初始切片的阈值,利用图像序列之间同一结构表征对象的连续性,以目标区域的面积变化作为约束条件进行递归分割,实现CT图像的自适应分割。对分割后的目标区域进行三维重构,以实现三维可视化。结果表明,该方法适用于分割目标灰度值不一致的图像序列,计算量小且能够精确地分割成千上万层图像中的目标。