基于非局部广义全变分的计算鬼成像重建方法

鬼成像是一种能够透过大雾等恶劣环境的成像技术。针对传统鬼成像重建图像存在噪声较多、图像对比度较低等问题,将非局部广义全变分方法用于鬼成像的图像重建之中,提出基于非局部广义全变分的计算鬼成像重建方法。所提方法构造了一种非局部相关性权重设计梯度算子,将其代入全变分重建算法中,使得重建的图像能有效去除噪声的同时实现细节较好的还原。首先在不同条件下进行仿真模拟,得到所提方法的峰值信噪比相对其他方法提升1 dB左右,且具有更好的主观视觉效果,进而设计并搭建实验平台对算法的有效性进行验证,实验结果证明了所提方法在去除噪声和细节重建等方面的优越性。

基于PICCS的非局部TGV能谱CT重建算法

能谱CT将宽谱划分为窄谱,导致通道内光子数目明显减少,加大了噪声影响,故从噪声投影中重建出高质量图像是能谱CT的一个研究热点.传统全变分(total variational,TV)容易造成重建图像中出现块状伪影等问题,总广义全变分(total generalized variation,TGV)算法可以逼近任意阶函数,再结合非局部均值算法的思想,同时考虑到不同能谱通道下重建图像的相关性,将高质量全能谱重建图像作为先验图像指导能谱CT重建,提出了基于先验图像约束压缩感知(prior image constrained compressed sensing,PICCS)的非局部TGV重建算法.实验结果表明,所提算法在抑制噪声的同时能够有效复原图像细节及边缘信息,且收敛速度快.