三维CT层间图像超分辨重建与修复

CT图像在疾病诊断、癌症精准放疗阶段发挥着重要的作用.然而,受X射线剂量的限制以及现有医疗设备等因素的影响,三维CT图像成像采样间距较大,层间分辨率远低于层内分辨率.为提高CT图像的层间分辨率,避免因相邻层CT图像之间存在较大差异对超分辨率重建造成干扰,提出一种在相邻CT图像序列切片间利用上下层的配准信息插值出一个新的中间切片,并对插值得到的中间切片进行修复的方法.首先,利用CLG-TV光流估计模型配准算法估计相邻2幅CT图像之间的像素运动,得到一个稠密的光流场,从而获得2个连续切片之间精确的像素对应关系,并依据新切片位置对速度矢量进行缩放;然后,利用计算出的速度场在连续2幅图像之间生成初始插值图像.由于相邻切片之间的像素难以一一对应,插值后的图像通常存在像素缺失现象.最后利用序列图像的帧间非局部自相似性,通过求解最优化问题以修复插值图像中像素丢失的区域.在DIR-Lab实验室和山东省医学影像学研究所提供的数据集上的实验结果表明,与其他经典方法相比,文中方法能够生成高质量的中间CT切片,在定量和定性上提高了层间分辨率.

基于快速加权Schatten P范数最小化的地震数据随机噪声压制

为了有效压制地震数据随机噪声,同时为了提高计算效率,提出了快速加权Schatten P范数最小化(FWSNM)算法。在地震数据非局部自相似块结构的基础上,建立低秩压制噪声模型,该模型利用加权Schatten P范数逼近秩。在模型求解中涉及奇异值分解,利用随机奇异值分解代替奇异值分解,降低算法计算复杂度,以得到快速加权Schatten P范数最小化(FWSNM)算法。实验结果表明,在保持信噪比一致的条件下,FWSNM算法相对于WSNM算法耗时更短。因此FWSNM算法计算效率更高,压制噪声性能更优。