双能CT利用两组不同能谱下的衰减信息, 准确分割两种基材料。 在实际应用中, 物体内部材料结构复杂、 组分多元化, 想了解其内部结构信息往往需要获取三种及三种以上基材料图像。 常规CT是连续混合谱束, 获取的投影信息与单能重建算法不匹配, 重建图像中各基材料的衰减系数存在误差。 由于工业领域材料的密度普遍较大, 所以重建图像中基材料的噪声更严重, 影响各组分表征准确度, 尤其对于衰减系数接近的材料区分难度更大。 为实现双能数据分解得到多幅高质量基图像, 除了重建图像本身存在的噪声影响外, 材料分解模型中系数矩阵的选取也十分重要。 然而重建图像中的衰减系数值与理论衰减系数值存在偏差, 重建图像中密度接近的不同材料的衰减系数相近甚至相等, 导致待分解像素的材料三元组选取错误, 降低了材料分解精确度。 因此, 提出一种在层间约束下的三维块匹配多成分分解方法。 该方法引入有质量体积守恒和每个像素至多包含三类材料约束的多材料分解模型, 将三维结构相似性信息加入到像素材料成分选取中, 利用三维结构信息进行约束求解达到降低噪声污染的目的, 获取大致分解的初始基图像; 再利用三维块匹配方法对初始基图像进行匹配, 对各基材料图像进行三维特征约束分类, 分类后选取含有该类基材料的最优材料成分三元组进行多材料分解, 得到更准确的组分表征图。 金属纯模体和花岗岩两组实验中, 与已有方法的结果图进行对比, 层间约束下三维块匹配分解方法对衰减系数接近的工业材料的识别更准确, 各组分表征图结构更完整, 图像质量更好, 细节处理也更精确。 金属纯模体实验中的定量分析表明, 相比已有方法, 该方法的PSNR值和SSIM值分别提高了5%～6%和31%～35%。 验证了该算法的有效性和鲁棒性, 在常规CT系统下实现了更精确的多成分分解。

衍射望远镜受限于衍射效率,其成像质量受到非成像级次衍射光的影响。针对这一问题,提出了一种基于噪声自适应估计的块匹配三维协同滤波图像复原算法。首先通过主成分分析法估计出模糊图像的噪声方差,然后结合已知的点扩展函数,通过所提算法复原出清晰图像。搭建衍射望远镜成像系统并开展实验研究。数值仿真和实验结果表明,所提算法使得复原图像调制度相比退化图像提高了3.58倍,能有效改善复原图像的细节,利于暗弱目标成像。所提算法为衍射望远镜系统对暗弱目标进行高对比度成像提供了一种有效的路径。

采用全搜索算法可以得到运动估计的最优解,但是算法实现需要大量的运算过程。基于此,介绍一种新三步法,通过在第一次搜索时增加内环搜索,并应用中止判别技术,可实现对静止块匹配的加速,快速完成搜索过程。本算法在保证一定精度的前提下减少了搜索次数,大大提高了搜索效率。同时通过对该算法的过程进行描述,对搜索模板等进行分析,采用硬件编程语言完成现场可编程门阵列的软核设计,使用工具软件完成功能仿真。结果表明,实现该算法共占用2177个FPGA逻辑单元和37112 bit块存储器,该软核可快速实现运动向量的获取,完成搜索过程。

互相关计算方法的性能对超声弹性成像运动的计算效率起着决定性的作用。在串行计算环境下, 基于和表的快速互相关算法在维持计算精度的同时可以获得更快的计算效率。然而, 在并行计算环境下, 尤其是 GPU平台上, 基于和表的快速互相关算法的实现以及性能还没有相关的报道。在本研究中, 以二维超声弹性成像的运动追踪应用为目标, 基于和表的快速互相关算法(ST-NCC)在 GPU平台上得以实现, 并且从计算效率及计算精度和传统的互相关算法进行了详细比较。初步结果显示, 虽然基于和表的快速互相关算法 (ST-NCC)在串行计算环境下获得了较好的计算效率, 但是在 GPU环境下, 两种方法的计算效率没有较大的差距。

提出了一种基于Zernike矩改进的亚像素边缘提取的工件缺陷检测算法。 对图像进行小波分解,并对分解的各频段信息分别利用不同算法进行预处理,重构图像后可以有效地滤除图像噪声,增强目标信息;利用改进的Zernike矩亚像素边缘提取算法定位图像边缘并提取特征信息,减小了边缘信息误差,能够更精确地分割出目标轮廓;通过计算连通区域几何参数及全局信息熵来判断是否存在缺陷。通过实验对算法进行了验证,结果表明,提出的算法可以降低金属高光噪声,有效地提取缺陷边缘,并且在环境光照变化时具有较强的稳健性,金属工件的缺陷检测精度得到提高。

四维块匹配协同滤波(BM4D)用于地震信号去噪时,虽然性能良好,但需要预知噪声标准差。针对上述问题,提出结合主成分分析(PCA)噪声估计的BM4D三维地震信号去噪算法。该算法首先用PCA对地震信号进行噪声估计,然后将估计结果用于BM4D去噪。对人工合成与实际三维地震信号的去噪实验结果表明,本文算法具有可行性,既能取得很好的去噪效果,又能规避BM4D对噪声水平预估值敏感的局限性。与5种噪声估计算法的对比实验表明,本文方法在噪声估计时间和精度方面均具有优势。

三维块匹配(BM3D)算法能够有效抑制平稳信号中的噪声。对于具有随机特性的合成孔径雷达影像斑点噪声,受限于三维变换阈值单一和在局部邻域寻找相似块,BM3D算法的滤波效果不佳。提出了基于K-Means聚类的BM3D算法,并将其应用于合成孔径雷达影像斑点噪声抑制。对图像块集合根据均值、方差和极差值构建的特征向量进行聚类,估计每一类块的噪声方差,根据类噪声方差估计自适应三维变换阈值;在每一个图像块类内部寻找相似块,实现全局相似块的快速查找。实验结果表明,同BM3D算法和非局部均值算法相比,所提算法具有更好的视觉效果和更高的峰值信噪比。

提出了一种基于块匹配的迭代滤波合成孔径雷达图像去噪方法。首先，利用图像块之间的相似性进行块匹配，将相似图像块构建成一个三维矩阵。然后，在相似图像块之间进行迭代变换域滤波去除相干斑噪声，通过加权平均重建得到基本估计去噪图像。最后，对基本估计结果图像执行块匹配，在相似图像块内与相似图像块之间进行三维经验滤波得到最终去噪图像。实验表明，该方法不仅能够很好的去除合成孔径雷达图像相干斑噪声，还能够较好地保持图像的细节信息。