一种基于模型的光学层析图像重建方法

光学层析图像重建是个病态问题,测量误差会在重建过程中被放大,对此,提出一种以广义高斯马尔可夫随机场模型为先验信息的光学层析图像重建方法。重建过程是对目标函数的优化过程,目标函数关于光学参数的梯度计算是算法中的难点,因此,提出一种基于梯度树的梯度计算方法。文中分别给出了吸收系数和散射系数的重建结果,并引入三个指标因子衡量重建图像的质量,进而列出不同重建算法下,重建图像的指标值。最后通过对重建结果和指标因子取值的比较,分析基于模型的重建算法的有效性。

传输方程下基于模型的光学层析图像重建

为克服光学层析图像重建的病态性,采用一种基于模型的重建方法来进行图像重建。由于广义高斯马尔可夫随机场模型具有全局平滑、边缘保留等特性,因此将其引入到服从辐射传输方程的光学层析图像重建中,并将其作为图像先验信息,同时通过最大后验概率理论,利用基于梯度的迭代优化算法来对目标函数进行优化求解。鉴于目标函数关于光学参数的梯度计算是算法中的难点,对此,提出了一种基于梯度树的梯度计算方法。实验证明:该方法与不带有先验模型的重建方法相比,不仅可进一步提高图像的重建质量,而且可降低重建病态性。

服从传输方程光学层析图像的正则化重建

基于近红外光子的辐射传输方程给出一种光学层析图像的正则化重建方法,通过引入图像熵和局部平滑函数为正则化项克服了重建问题的病态特性。首先阐述了基于辐射传输方程光学层析成像的前向模型,进而提出基于平滑准则的正则化重建方法。重建过程是对目标函数的优化过程,目标函数包括预测值和测量值之间的误差函数和正则化函数两部分。对上述目标函数,采用基于梯度的迭代优化方法。本文提出一种具体的基于梯度树的梯度求解算法。实验表明:该方法与非正则化重建方法相比,可有效降低重建的病态性,提高图像重建质量。

光学层析成像在含空洞状区域的图像重建

文章给出一种直接基于传输模型的含空洞状区域的重建方法。实验证明,在传输模型下,不需要知道空洞状区域的位置、大小等信息即可成功重建光学层析图像。

基于梯度树的光学层析正则化重建

光学层析成像是一个病态重建过程,为降低重建过程中的病态特性,需加入合适的先验信息。目前,大多数重建都是基于扩散方程的,在某些情况下,这种重建会失败。直接基于玻耳兹曼传输模型,并以图像熵为正则化项的梯度迭代重建是一种有效的方法。该方法中,梯度计算是个难点。对此,提出一种基于梯度树的求解方法,降低光学层析图像重建的病态性,有效地重建光学层析图像。

基于最大熵的光学层析图像重建

基于最大熵的光学层析图像的正则化重建方法是将图像重建问题转化为对目标函数的优化问题,进而用基于梯度的迭代图像重建方法实现对目标函数的求解。针对此优化问题,给出了一个具体的梯度求解方法。实验证明,该方法能够降低光学层析图像重建的病态性,提高图像重建质量。

一种光学层析图像的多准则重建方法

光学层析成像是一个病态重建问题,为克服重建过程的病态性,提出将多准则优化理论引入到图像重建中。利用了三个用于光学层析图像重建的准则:平方误差函数、图像熵函数和局部平滑函数。采用向量优化方法将多准则优化问题转化为单准则优化问题求解。为了确定各个目标函数间的权重系数,提出一种动态权重系数求解方法。重建过程目标函数关于光学参量的梯度计算是关键,因此提出一种基于梯度树的计算方法。实验过程中对多准则重建结果和基于平方误差函数的单准则重建结果做了比较,证明该方法能够克服传统的偏重单一目标的单准则重建的不足,有效地重建光学层析图像,提高图像重建质量。

一种改进的光学层析图像重建方法

Alexander D.Klose将联合差分方法用于光学层析图像重建的梯度计算中,但给出的对光学参量的求导算法有局限,他的算法只能实现对边界点光学参量的导数计算,而无法实现对内部点光学参量导数的计算,会导致图像重建失败。在联合差分算法的基础上,研究了针对内部点光学参量的求导方法,给出了一种基于树形结构的对内部点光学参量求导的策略。具体实现时,为了降低计算复杂度,采用近似梯度计算方法。算法的仿真实验结果表明:该方法可以有效地实现对内部点光学参量的导数计算,提出的近似计算方法可降低梯度计算复杂度,提高运算速度,并可得到良好的图像重建质量。