Image Non-Uniformity Correction in 3T Gd-EOB-DTPA-Enhanced Magnetic Resonance Imaging: Comparison among Different Software Versions

Background: Non-uniformity in signal intensity occurs commonly in magnetic resonance (MR) imaging, which may pose substantial problems when using a 3T scanner. Therefore, image non-uniformity correction is usually applied. Purpose: To compare the correction effects of the phased-array uniformity enhancement (PURE), a calibration-based image non-uniformity correction method, among three different software versions in 3T Gd-EOB-DTPA-enhanced MR imaging. Material and Methods: Hepatobiliary-phase images of a total of 120 patients who underwent Gd-EOB-DTPA-enhanced MR imaging on the same 3T scanner were analyzed retrospectively. Forty patients each were examined using three software versions (DV25, DV25.1, and DV26). The effects of PURE were compared by visual assessment, histogram analysis of liver signal intensity, evaluation of the spatial distribution of correction effects, and evaluation of quantitative indices of liver parenchymal enhancement. Results: The visual assessment indicated the highest uniformity of PURE-corrected images for DV26, followed by DV25 and DV25.1. Histogram analysis of corrected images demonstrated significantly larger variations in liver signal for DV25.1 than for the other two versions. Although PURE caused a relative increase in pixel values for central and lateral regions, such effects were weaker for DV25.1 than for the other two versions. In the evaluation of quantitative indices of liver parenchymal enhancement, the liver-to-muscle ratio (LMR) was significantly higher for the corrected images than for the uncorrected images, but the liver-to-spleen ratio (LSR) showed no significant differences. For corrected images, the LMR was significantly higher for DV25 and DV26 than for DV25.1, but the LSR showed no significant differences among the three versions. Conclusion: There were differences in the effects of PURE among the three software versions in 3T Gd-EOB-DTPA-enhanced MR imaging. Even if the non-uniformity correction method has the same brand name, correction effects may differ depending on the software version, and these differences may affect visual and quantitative evaluations.

基于轻量化多尺度下采样网络的红外图像非均匀性校正算法

红外成像系统常由于探测单元的非均匀性导致成像结果出现条纹噪声。基于深度学习的红外图像非均匀校正算法为取得较好的校正结果,通常采用复杂度高的网络结构,导致计算量庞大。本文提出了一种轻量化网络的红外图像非均匀校正算法,并针对Unet网络的编码过程设计了一种轻量化多尺度下采样模块(Lightweight Multi-scale Downsampling Module,LMDM)。LMDM通过像素拆分和通道重构实现特征图下采样,利用多个串联的深度可分离卷积(Depth-wise Separable Convolution,DSC)实现多尺度特征提取。此外,该算法引入轻量化通道注意力机制用于调整特征权重,实现更好的上下文信息融合。实验结果表明,与对比算法相比,本文提出的算法在保证校正图像纹理清晰、细节丰富和边缘锐利的前提下,内存占用降低70%以上,红外图像处理速度提升24%以上。

一种集成图像处理功能的数字像元焦平面读出电路

设计了一种像元级数字化焦平面读出电路,克服了传统模拟读出电路技术的电荷容量局限,实现了更大的动态范围和更低噪声的数字化图像读出;同时在像元内部进行数字化图像处理,可实现非均匀校正(NUC)、盲元补偿、数字时间延迟积分(TDI)、空间滤波等图像预处理功能。该电路采用40 nm CMOS工艺流片,面阵规格为640×512,像元步进为30μm,全芯片尺寸约22 mm×19 mm。测试结果显示,该电路通过TDI、空间滤波功能可大幅降低(分别约90%和63%)输出图像空间噪声,提升成像质量。

非制冷红外无挡片非均匀性校正方法

受成像原理及加工工艺的限制,非制冷红外探测器存在严重的非均匀性,为了提升红外成像质量,必须对图像进行非均匀性校正。依据成因和分布特点,该文将红外非均匀性分为低频非均匀性、散粒非均匀性和条纹非均匀性3类,并从探测器的光学系统、热敏材料、放大电路等方面探究了非制冷红外成像非均匀性的形成机理。之后,该文系统性地总结目前无挡片非均匀性校正方法,根据方法的工作原理,将其归纳为基于统计的、基于滤波的、基于优化的和基于学习的非均匀性校正方法4类,并根据每类方法在处理不同非均匀性时的特异性进行梳理和总结。最后,本文对现阶段非制冷红外无挡片非均匀性校正方法存在的问题进行了回顾和总结,并对面向实际应用的非均匀性校正方法发展趋势进行了展望。

非匀速条件下车辆底盘超近距成像测量方法

针对车辆非匀速条件下轴距视觉测量及轴型识别所面临的超近距、大幅面、低畸变成像及视觉测量问题,提出一种适用于非匀速条件下的车辆底盘结构超近距成像测量方法。利用鱼眼相机采集运动车辆底盘的超广角图像序列,通过一种改进的多采样点圆拟合方法实现图像感兴趣区域的提取。建立三维等距成像模型对鱼眼图像进行畸变校正。针对车辆非匀速行驶带来的视频帧重叠度差异,采用基于图像内容的重叠度分析技术,实现了多步分层的关键帧提取,有效避免了车速不稳定对车辆底盘结构测量的影响。现场实验结果表明:该方法可在非匀速条件下,以20~50 cm的成像距离获得清晰、低畸变的完整车辆底盘图像,车辆轴距测量误差均值约为5%。

非均匀光照下铜板表面缺陷图像增强

针对铜板表面缺陷图像容易受到非均匀光照影响,出现反光和亮度失真,导致图像难以运用到检测中的问题,提出了一种非均匀光照场景下铜板表面缺陷图像的增强方法。首先提取图像中的光照分量,然后将光照分量进行分块,根据不同块的亮度进行优化,并在分块的基础上进行自适应伽马变换,调整图像中的整体亮度。然后,使用Top-Hat变换加强图像中的缺陷区域,最后将Top-Hat变换前后的图像进行融合,得到最终的图像。实验结果表明,在擦伤、划痕、孔洞这三类缺陷中,增强后的图像信息熵分别提升了10.51%、5.29%、2.89%,与其他图像增强算法相比,所提算法能够有效抑制铜板表面缺陷的反光,提升图像的质量并增强图像中的缺陷区域。

双头增强与非均匀校正的水下图像增强算法

受水下环境浑浊度高、光照不足和均匀性差等因素影响,水下成像所获取的图像存在对比度低、细节模糊和颜色失真等缺陷,为此提出一种双头增强和非均匀校正的水下图像增强算法。利用构建的双头增强网络从浅层信息中提取多尺度特征,同时融合不同通道的上下文信息,有利于水下图像低对比度的增强;此外构建了非均匀校正网络,对图像不同通道和不同位置进行非线性加权融合,有利于颜色一致性和亮度的恢复。与10种算法相比,本文算法在UIEB测试集上峰值信噪比、结构相似性比其他方法的最优值分别提高了4.02 dB和0.120,CIEDE2000指标下降了1.51,在LUSI测试集上述指标分别提高了2.13 dB、0.025及下降了0.48。实验结果表明:所提算法针对不均匀的水下图像增强效果显著,更加符合人眼特性。

无黏性非均匀沙的参数自适配起动切应力计算方法

非均匀沙起动条件的确定是研究非均匀沙输移的关键。工程实际应用中有修正法和等效粒径法两种,两种方法中含有的参数率定需要已知分组沙起动切应力测定值,且取值依赖率定数据集。基于两种方法在理论上计算的分组沙起动切应力相等思想,结合吴伟明提出的修正法与王涛提出的等效粒径方法,将两种方法中含有的率定参数作为自适配参数,通过函数拟合确定,拟合适配过程不依赖分组沙起动切应力数值。实践检验表明,通过自适配确定参数可以提高泥沙起动切应力计算方法的适用范围,精度更高。成果可以为非均匀沙起动条件计算提供新思路。

海洋舰船目标红外检测技术研究

舰船作为海上交通的核心以及海洋战争中重要的军事目标,其检测和识别在民用及军事领域都具有极其深远的现实意义,但复杂的海洋环境使得舰船目标检测存在诸多困难。红外成像及目标检测在复杂海况下有着优良的适用性,针对当下舰船目标检测需求,概述了舰船目标红外检测技术发展的现状,分析了红外图像预处理方法与基于深度学习的舰船目标检测算法,对比了主流方法的优缺点,最后对研究现状与技术改进做了系统性的归纳梳理,并对其未来发展趋势进行了展望。

基于DE算法和NURBS曲线的ICP-AES光谱基线校正方法研究

电感耦合等离子体原子发射光谱(ICP-AES)分析法是一种常用的溶液元素浓度分析方法,但在ICP-AES测量过程中,由于温度漂移、杂散光和仪器暗电流等原因,光谱往往会存在一定程度的基线漂移,导致元素光谱强度值的测量结果存在误差,进而影响元素浓度的定量分析结果,因此基线校正是ICP-AES分析法中的必要环节之一。对传统光谱基线校正方法进行简要分析,在此基础上设计了一种基于非均匀B样条曲线和差分进化算法的ICP-AES光谱基线漂移校正方法;首先验证了光谱信号中噪声的概率密度分布服从高斯分布,然后对原始光谱进行预处理,通过高斯滤波对光谱信号去噪;然后以光谱基线校正过程中极小值序列的标准偏差作为评价指标,以非均匀B样条曲线作为基线模型,以曲线的控制点序列C和内接点序列T作为评价函数特征参数,建立ICP-AES光谱基线校正评价函数,将光谱基线校正问题转换为求解评价函数特征参数全局最优解的问题;最后简要介绍了差分进化算法的流程,通过差分进化算法求解使得评价函数取得最小值时的特征参数的全局最优解,即非均匀B样条曲线的控制点序列C与内接点序列T的取值,并以此拟合相应的非均匀B样条曲线作为光谱基线,实现对ICP-AES光谱的基线校正。利用一组实测的ICP-AES光谱数据对本文提出的基线漂移校正方法进行验证,实验结果表明,提出的基于差分进化算法和非均匀B样条曲线的ICP-AES光谱基线校正方法能够准确地计算出非均匀B样条曲线的控制点序列C与内接点序列T,并拟合出理想的光谱基线,从而实现ICP-AES光谱的基线校正,该方法能够克服非均匀B样条曲线在光谱基线校正领域应用的局限性,为后续的元素含量定量分析提供了技术基础。

提高局部信噪比的单帧红外图像非均匀性校正方法

针对红外图像存在的非均匀性问题,从理论上对非均匀性产生的原因进行了分析。对基于SG滤波预处理的无模型图像校正EM算法进行改进,提出了一种提高局部信噪比的单帧图像校正方法。设计了对比实验,在红外目标、暗弱目标和云层背景场景下,该方法能使红外图像的非均匀性(NU)分别降低56.869 3%,85.938 4%和87.886 3%,同时,LSNR分别提高了3.687 7 dB,0.256 9 dB和3.553 1 dB。最后在非均匀背景上叠加高斯分布的目标进行模拟,探讨了目标大小与滤波窗口的关系,得到了滤波窗口与红外小目标的近似关系为H≈4.6*S_T+0.3,从实际工程应用上确定了该方法滤波窗口初值的选取。结果表明,所提方法能在LSNR最大的前提下,利用单帧红外图像的场景信息对非均匀性进行有效校正。

基于神经网络的非线性滤波残差估计非均匀校正算法

目前由于非均匀性技术的限制,红外焦平面阵列具有条纹非均匀性,这种非均匀性一般是一种固定的模式噪声,它会在原有非均匀性的基础上随着时间和温度的变化而变化。传统的残差计算忽略了非均匀性的特点,场景细节的变化会被误认为非均匀性而被过滤掉。提出了一种基于场景的条纹非均匀性校正算法。该方法采用非线性滤波的方法滤除单柱图像的非均匀性,并计算与原始图像的实际残差,然后利用前一帧的预测残差和实际残差得到当前残差。最后,根据场景鬼影抑制参数自适应校正计算增益系数和偏置系数。实验结果表明,提出的算法在200帧测试图像中滤除了61.3%的非均匀性,与其他自适应校正算法相比,非均匀性校正效果更明显,并且在一定程度上有效地保护了图像边缘,收敛速度快,质量高,能有效去除列条纹和非均匀随机噪声。

基于模拟曝光融合的非均匀光照图像增强

针对非均匀光照图像存在的场景细节被掩盖、图像信息获取较难的问题,提出一种基于模拟曝光融合的非均匀光照图像增强方法.首先,在HSV颜色空间下使用改进的自适应伽马校正算法处理亮度分量,将其作为中等曝光图像;其次,对亮度分量通过动态阈值划分过曝光像素集,对其使用最大信息熵估计及相机响应模型合成模拟的过曝光图像;再次,对原图像、中等曝光图像、过曝光图像组成的多曝光图像序列使用改进的质量度量方法以及基于导向滤波的权重优化方法得到融合图像;最后,融合结果经过多尺度细节增强处理得到最终的图像增强结果.实验结果表明,该算法能有效改善非均匀光照图像的视觉效果,通过主客观评价的数据对比,表明本文算法优于同类算法.

时空域自适应滤波非均匀性校正算法

由于红外焦平面探测器受到制造工艺等限制,图像不可避免地会存在非均匀性。传统神经网络算法会留下“鬼影”的问题,本文改进传统神经网络算法,利用引导滤波图像作为期望模板,防止图像的边缘被滤波器平滑。当场景运动时,通过时域迭代的策略来不断进行非均匀性校正参数的更新。为了抑制算法中常见的鬼影现象,设计了基于空域局部方差和时域场景变化率相结合的自适应学习率,利用前后的校正参数自适应调整阈值。实验仿真表明,本文所提的算法相比于传统算法均方根误差下降45.45%左右,可以在校正图像非均匀性的同时很好地抑制“鬼影”现象。

一种优化CMOS图像传感器成像质量的方法

噪声及动态范围是衡量CMOS图像传感器成像质量优劣的重要指标,CMOS图像传感器中的噪声主要包括模式噪声及随机噪声。在成像过程中,模式噪声对信号的影响明显大于随机噪声。本文提出了利用线性校正、分段线性校正及多项式拟合校正等多种非均匀性校正方法降低图像的模式噪声;并根据CMOS图像传感器光响应特性曲线,利用二阶多项式拟合方法,将传感器非线性区域的各像素响应校正到接近线性的目标响应曲线上,进一步提升了图像传感器的动态范围及响应线性度。通过实验验证,本文选择的CMOS图像传感器,当图像像元灰度值小于3.6×10^(3)时,采用线性校正方法;灰度值大于3.6×10^(3)时,采用二阶多项式拟合校正方法,对图像在整个曝光区间内的模式噪声的抑制效果最优;此外,经基于多项式拟合方法扩展动态范围后,图像的最大量程可从4.09×10^(3)增至4.79×10^(3)。

四象限探测器非均匀性定位误差分析及矫正

为了减小四象限探测器系统定位误差影响以提高探测精度,在探测器输出电压与偏移量计算的基础上,使用对角算法以增加计算的有效线性区域范围,针对背景光噪声、暗电流噪声与四象限非均匀性建立算法模型,设计能够修正模型中各类误差影响的软件算法,改进了系统定位误差参数的标定方法,搭建实验平台计算标定修正后的偏移量,并与实际偏移量进行对比,修正后定位误差影响可由15%减小至10%内。实验验证表明经改进后的算法可以提高四象限探测器检测精度。

基于梯度粒子群的车载雷达图像畸变校正方法

受车载雷达斜视成像的性质及地形起伏的影响,车载雷达图像的几何畸变较为复杂,正射校正结果不够理想,因此,提出基于梯度粒子群的车载雷达图像畸变校正方法。采取多尺度非均匀滤波对车载雷达图像展开降噪处理,利用维纳滤波算法初步复原处理车载雷达图像,通过梯度粒子群优化算法选取适应度函数,对车载雷达图像展开增益误差复原处理,构建卡尔曼滤波模型,将复原后的车载雷达图像输入滤波模型中,完成图像畸变矫正处理。实验结果表明,所提方法图像畸变程度分析准确,图像清晰度平均为0.8,图像校正定量评价因子最高达到了26%。

基于FPGA的红外图像非均匀性校正系统设计

红外成像技术在众多领域得到广泛应用,但设计和制造工艺存在的非均匀性现象严重降低了红外图像的成像质量。针对这一问题,设计了一种基于现场可编程门阵列(Field-Programmable Gate Array,FPGA)的红外图像校正系统。该系统采用两点校正法对某国产短波探测器的像元增益和偏置进行更新,然后利用3σ算法实现盲元点的检测并利用邻域替代的思想进行盲元校正,通过将盲元点周围的有效像元值按比例替代盲元像元来降低运算复杂度。在基于XC5VLX110T型FPGA的硬件系统上进行实验。结果表明,所设计的红外图像校正系统改善了图像的非均匀性,提高了成像质量且成像速度快。此外,丰富的余量资源使得系统具有较好的扩展性。该系统在红外图像处理方面具有一定的应用价值。

一种基于定标的非均匀性校正改进算法

红外焦平面阵列的非均匀性,严重影响了红外成像系统的图像质量和辐射测量精度,因此,必须进行非均匀校正(NUC)。论文提出了一种基于定标的NUC改进算法,以单点定标和两点定标为基础,保留了校正偏置系数稳定性和响应参数一致性的优势。通过实验对改进算法NUC效果进行验证,结果表明:改进算法与两点定标相比,校正效果更好;所有像元非均匀性数值波动更小、NUC精度更高;焦平面阵列灰度分布尖峰较少、灰度均匀度较好、NUC改善效果显著。

基于黑体的自适应选点多点非均匀性校正

红外成像受探测器材料工艺的不足、读出电路的非均匀性、温度和光学结构的影响,具有非均匀性,原始的红外图像需要进行非均匀性校正。非均匀性校正一般分为基于定标和基于场景两种,其中基于定标的两点校正得到了广泛的应用。本文基于现有的基于定标的校正算法,分析探测器响应曲线,提出一种基于三阶多点校正算法,既能更好的拟合探测器相应曲线,又能更好的校正离散点。对于所需要定标点,与待校正图像进行自适应的对比选点,选出待校正图像温度附近效果最好的点,最终计算量大大降低,且精度和准确率得到了一定的提升。