1 中北大学理学院，山西 太原 030051
2 信息探测与处理山西省重点实验室，山西 太原 030051
3 湖南云箭集团有限公司，湖南 辰溪 419503
基于光子计数探测器的能谱CT在材料分解、组织表征、病变检测等应用中具有巨大的潜力。在重建过程中，通道数的增加会造成单通道中光子数减少，从而导致重建图像质量下降，难以满足实际需求。本文从能谱CT重建的角度出发，将广义总变分向矢量延伸，利用奇异值的稀疏性，促进图像梯度的线性依赖，提出一种基于核范数的多通道联合广义总变分的能谱CT重建算法。在图像重建过程中，多层共享结构信息，同时保留独特的差异。实验结果表明，本文提出的算法在抑制噪声的同时，能够更有效地恢复图像细节及边缘信息。
CT重建 能谱CT 广义总变分 核范数 多通道联合 CT reconstruction spectral CT total generalized variation nuclear norm joint multi-channel
上海大学微电子研究与开发中心, 上海 200444
为了解决当前去雨算法恢复效果差、时效性一般的缺陷,提出了一种结合时间方向梯度与水平方向梯度的快速视频去雨算法。首先,将有雨图像分为背景层和雨痕层,并用背景层的时间方向梯度和雨痕层的水平方向梯度以及各层对应的预训练高斯混合模型作为先验条件,构建模型函数;其次,利用半二次分裂法对所得非凸函数进行等效变换,获得用于最小化的目标函数;最后,利用快速总变分法优化模型函数,得到模型函数的最优解。实验结果表明,相比其他算法,本算法的去雨恢复效果更优、时效性更好,且速度更快,平均峰值信噪比提升了1 dB以上。
图像处理 视频去雨 方向梯度 高斯混合模型 快速总变分法 激光与光电子学进展
2021, 58(6): 0610013
1 重庆大学机械传动国家重点实验室, 重庆 400044
2 重庆大学光电技术及系统教育部重点实验室, 重庆 400044
3 重庆大学工业CT无损检测教育部工程研究中心, 重庆 400044
4 重庆工商大学数学与统计学院, 重庆 400067
双能计算机断层扫描(DECT)技术因能分解和识别材料,并提供定量化的成像结果,广泛应用于医疗、安检、无损检测以及材料科学等领域。DECT技术能提供物体在两种能谱下的衰减信息,可准确分解两种基材料。但当检测对象含有三种材料时,若对DECT图像直接求逆(DIMD)分解多材料,其基图像将含较多噪声和伪影。为此,提出了一种基于双能CT图像域的字典学习(DL)和相对总变分(RTV)的多材料分解算法,简称DL-RTV算法。通过直接求逆获得初始基图像,利用字典学习挖掘基图像的稀疏性,以提高材料分解的准确性;引进RTV进一步降低基图像的噪声和伪影,并保护图像细节;同时引入各基材料质量守恒和像素边界的约束项,提高材料分解精度。仿真和实验研究表明,DL-RTV算法能较准确地分解三种材料,较好抑制基图像噪声和伪影,提高了材料区分度,从而验证了此算法的有效性和实用性,这对DECT技术的发展和应用具有重要的意义。
成像系统 双能计算机断层扫描技术 多材料分解 图像域 字典学习 相对总变分 光学学报
2020, 40(21): 2111004
提出一种重加权总变分与hyper-Laplacian相结合的图像盲复原算法。首先,通过重加权总变分先验重建模糊图像权重的双峰分布;然后,利用重建后的图像估计连续且稀疏分布的点扩展函数,并用其复原模糊图像,对以上两步反复迭代,使点扩展函数不断接近真实的解;最后,结合hyper-Laplacian函数曲线能很好地拟合自然图像梯度分布的先验对模糊图像进行非盲复原。实验结果表明,与两种具有代表性的盲复原算法相比,该算法能更准确地预测出模糊核,并有效抑制图像的振铃效应,且在主观视觉与客观评价指标上都得到明显的提升。
图像处理 图像盲复原 重加权总变分 hyper-Laplacian函数 模糊核 迭代 激光与光电子学进展
2020, 57(8): 081025
长春职业技术学院信息技术分院，吉林长春 130033
为了提高自适应光学（AO）图像的质量，研究了一种基于波前重构和自适应总变分（TV）的 AO图像复原方法。首先，基于 Zernike多项式进行波前重构，对点扩散函数（ PSF）进行初始估计。然后，提出了基于自适应总变分法的 AO图像复原的迭代求解，解决了联合去卷积问题。最后，通过图像复原实验验证本文算法的恢复效果。实验结果表明：与 RL-IBD算法和 FS-MLJD算法相比，本文算法的 NMSE值分别降低了 18.6%、10.7%，算法的 PSNR值分别提高了 4.47%、0.987%，算法的运算时间分别降低了 1.99%、13.66%。
自适应光学 波前重构 点扩散函数 自适应总变分 adaptive optics, wavefront reconstruction, point s
安徽工程大学电气工程学院, 安徽 芜湖 241000
总变分修复算法在去除图像划痕和文本时需要较多迭代,对边缘细节信息的保持性不理想,并且存在阶梯效应,修复后的图像峰值信噪比较低。针对这些缺陷,提出了改进的算法,在原算法正则项中加入对数运算以及附加方向梯度算子,从而避免了阶梯效应,减少了迭代次数,降低了图像在边缘细节处的平滑力度。仿真结果证明,改进的算法减少了迭代次数,并且可以很好地保留图像的细节信息,所修复的图像具有很好的视觉效果。
图像处理 总变分修复算法 迭代次数 对数运算 附加方向梯度算子 激光与光电子学进展
2019, 56(1): 011005
1 重庆大学光电技术及系统教育部重点实验室, 重庆 400044
2 重庆大学脑科学研究中心, 重庆 400044
3 马萨诸塞大学洛厄尔分校, 美国 洛厄尔 01854
基于光子计数探测器的多能谱计算机断层成像技术(CT),能够获得多个能量段的能谱信息,在材料识别方面有着独特的优势。由于窄能谱探测及光子计数探测器存在一致性差的问题,多能谱CT图像中含有较多的噪声和伪影,这不利于材料的分解与识别。因此从重建的角度出发,改进了传统张量字典学习(TDL)方法,提出一种基于图像总变分(TV)和TDL的图像重建算法,简称TV+TDL。该算法不但继承了TDL 算法在刻画各个能量通道图像之间相似性的优势,而且通过引进TV作为正则项,可进一步恢复图像微小结构和细节并有效地抑制噪声,提高材料分解精度。仿真实验结果表明,TV+TDL算法能够有效重建高质量的多能谱CT图像,并成功实现基材料模型下的材料分解与识别,从而验证了该方法的有效性和实用性。
成像系统 多能谱计算机断层成像技术 材料识别 总变分 张量字典 图像重建 光学学报
2018, 38(11): 1111002
解放军信息工程大学信息系统工程学院, 河南 郑州 450002
相比于传统同步并行计算策略,在异步并行计算框架下,针对最常用的总变分(TV)最小化重建模型,通过将其转化为不动点迭代问题,并利用异步交替方向法(ADM)进行求解,推导出基于TV最小化模型的异步ADM迭代重建算法,即异步交替方向总变分最小化算法(Async-ADTVM)。利用消息传递接口技术将该算法在图形处理器(GPU)集群上进行测试,进一步提高了原始基于TV最小化模型的迭代重建算法的计算效率。实验表明,该算法在计算求解精度上略优于ADTVM算法,同时在GPU性能存在差异的条件下相比传统多GPU加速策略可获得更高的加速比。
成像系统 优化类重建算法 异步并行迭代 总变分最小化模型 多图形处理器加速
