针对传统医学影像复原方法会产生丢失细节、边界模糊等复原效果不理想以及算法计算复杂的问题,本文采用了一种有效的全变分正则化迭代方法对含有模糊和噪声的退化医学影像进行处理.该方法结合ROF模型具有的保持边缘和结构的特性,充分利用图像能量间的梯度关系,在经典变分去噪模型中加入模糊核算子,对于该凸泛函模型采用变量分离的思想,引入二次惩罚项和松弛变量将图像变分复原的无约束优化问题分解为一系列子问题,结合交替Split Bregman技术和解的框式制约,直接对泛函进行迭代,同时引入阈值算子和收缩技术来优化子问题的求解,同时达到了保持医学影像重要边缘和细节信息和克服传统方法计算复杂的目的.仿真结果表明,与传统复原方法相比,该方法提高了图像的信噪比,均方误差也明显减小,克服了振铃效应,改善了图像的视觉效果,证明了该方法的有效性,且该方法具有良好的稳定性和快速的收敛性,可以更有效的应用于临床诊断以及后续分割.

目的 提出基于投影数据全广义变分最小化的低剂量CT重建方法.方法 首先,通过非线性Anscombe变换将满足Poisson分布的投影数据转化为近似Gaussian分布,然后基于全广义变分正则化模型对变换后的Gaussian型数据进行噪声去除.最后,对去噪的结果进行Anscombe逆变换后实现传统的滤波反投影(FBP)CT重建.结果 数值体膜实验结果表明本文提出的方法可以大大地改进重建图像的质量.FBP方法重建的Clock和Shepp-Logan体膜图像的信噪比分别为17.752 dB和19.379 dB,本文方法重建的图像的信噪比提高到24.0352 dB和23.4181 dB.FBP方法重建方法重建的Clock和Shepp-Logan体膜图像的均方误差分别为0.86%和0.58%,本文方法重建的图像的均方误差降低到到0.2%和0.23%.结论 本文方法可以在投影数据不满足分段常数假设的前提下去除噪声和条形伪影,从而提高低剂量CT图像重建质量.

目的 心提出一种数据冗余信息引导的低剂量心肌灌注CT成像方法 .方法 考虑到心肌灌注CT图像帧内含有丰富的结构冗余性,且帧间具有高度的相似性,本文提出基于非局部均值滤波(NLM)和全变分(TV)混合框架的惩罚加权最小二乘(PWLS)图像重建模型,简称为PWLS-aviNLM-TV.该模型利用了帧间结构相似性和帧内数据冗余性,能有效消除重建图像中的噪声和伪影,提高灌注序列图像帧内空间分辨率与帧间时间分辨率.结果 PWLS-aviNLM-TV相比PWLS-TV和PWLS-aviNLM能更好地去除心肌灌注图像中的噪声和伪影,同时较好保持图像边缘和细节信息,进而有效区分缺血心肌与正常心肌.结论 数据冗余信息引导的重建算法可有效改善低剂量心肌灌注CT成像质量,更好地为临床影像诊断服务.

背景:稀疏角度投影重建是减小CT辐射剂量的有效方法,但因其重建质量的问题限制了该方法的应用.目的:研究基于LP范数的交替方向乘子-CT重建算法,旨在提高稀疏角度下的重建质量.方法:将CT重建模型中的全变分正则项替换为非凸非光滑的LP范数正则项,并利用增广拉格朗日法将约束问题转化为无约束问题,再利用交替方向乘子框架结合广义收缩算法将原优化模型拆分为等价于原问题的子问题,最后迭代求解各子问题.结果与结论:①通过仿真及实际实验,对比分析了全变分-凸集投影、代数重建-LP、Split-Bregman-LP以及所提算法在36个稀疏角度下的重建结果,结果显示论文提出的算法重建图像细节更完整,均方根误差更低,而且速度比Split-Bregman-LP快1倍;②说明提出的基于LP范数的交替方向乘子-LP算法,在投影角度稀疏情况下的重建结果具有较高的重建精度.

在计算机断层扫描成像领域,不完全角度重建算法可以在不完备的投影数据中重建出质量较好的图像,而其中比较突出的一类算法是基于全变分模型的重建算法.研究者们在此模型的基础上提出了许多相关的算法,重建出了质量更好的图像.本文首先简要介绍了全变分模型重建算法,然后在模型改进和求解算法两个方面对此模型的重建算法进行研究.在模型改进方面主要介绍了根据全变分模型的局限性以及图像的内涵信息引入相关的先验(方向信息、非局部信息、高阶梯度信息等)来改善图像的重建生能.在求解算法方面主要介绍了经典的梯度下降算法以及基于稀疏优化理论的交替方向最小化算法.最后分析总结了目前存在的问题以及提出模型改进和求解算法两方面相结合依旧是未来发展的趋势.

针对直接采用全局滤波方法会模糊图像的边缘,丢失重要纹理信息的弊端,提出一种基于快速变分卡通纹理分解的非局部正则化滤波方法.首先将非线性局部全变分作为图像分解的指示函数,分离图像的卡通结构分量和纹理震荡分量;其次根据震荡分量极强的重复性及结构方向性,结合具有较好方向选择性以及块相似匹配性的非局部梯度正则项,利用分裂Bregman方法求解震荡分量的非局部全变分极小化问题;最后将分解得到的卡通分量与去除噪声的震荡分量进行加权合成,得到复原图像.实验结果表明该算法对有精细结构和纹理的医学图像具有更佳的恢复效果,可以有效地应用于临床诊断以及后续分割.

目的 基于系统仿真的数字乳腺层析成像(DBT)进行性能分析研究.方法 基于临床DBT系统获取不同辐射剂量下物理体模和常规剂量水平下临床患者的原始测量数据,并进行低剂量仿真和使用3种重建算法进行重建,即Feldkamp-Davis-Kress(FDK)算法、联合代数重建技术(SART)、具有全变分约束的自适应最速下降凸集投影(ASDPOCS-TV)算法.采用信噪比(SNR),峰值信噪比(PSNR),噪声功率谱(NPS),伪影扩散函数(ASF)以及ASF的全宽半高值(FWHM)指标对辐射剂量水平和重建算法两因素对图像质量的影响进行统计对比分析.结果 低剂量DBT仿真策略的有效性经评估实验得以保证;在合适的剂量水平范围内,增加剂量可促进减少高频噪声成分和显著提高信噪比(P<0.05),当曝光剂量低于40 mAs,不同剂量水平下的图像具有相似表征;不同重建算法在不同解剖结构区域处的表现性能有差异,ASDPOCS-TV算法的结果包含更少的层间伪影和更轻微的噪声,优于SART算法和FDK算法.结论 辐射剂量和重建算法的选择对DBT成像质量有显著影响,应当平衡各影响因素、整体图像质量、临床诊断需求之间的关系,以达到临床任务中最优成像性能的目标.

基于多发多收模式的毫米波正交阵列能够以少量收发天线实现快速的全电子扫描.然而由于采用稀疏阵列设计,成像会受到严重的旁栅伪影干扰.本文提出了基于全变分正则化的毫米波正交阵列图像重建算法,通过引入先验全变分约束,能够在保证分辨率的前提下消除近场成像中的旁栅伪影.FEKO电磁仿真实验结果表明,对于正交阵列近场成像,采用全变分正则化方法可以以总数为单站模式1％的收发天线单元获得与单站成像相当的成像效果,旁栅伪影得到明显抑制.

针对CT高分辨率成像的数据采集速率问题,本文提出了一种基于图像压缩感知原理的CT快速成像方法.对目标物体进行稀疏角度的投影采样,以压缩重构图像所需的投影量,进而提升图像采集速度.重建过程中,引用CT领域中的重建方案,为了在不完备的数据情况下保留图像的灰度信息,本文采用迭代法中的代数重建算法(ART)进行图像重构.由于稀疏采样下ART重建图像存在较严重的伪影,本文将全变分最小化约束加入到ART算法中,实现对目标物体的精确重建,并将重构结果分别与压缩采样匹配追踪算法(CoSaMP)、Split-Bregman算法(SpBr)进行比较.实验结果表明,本算法在低采样率下的MSSIM均高于CoSaMP算法和SpBr算法.能有效保留图像的灰度信息和提升图像采集速度.

本文提出了一种基于导引图像滤波(Guided Image Filtering,GIF)和截断全变分(Truncated Total Variation,截断TV)的CT重建算法,称为SART-TTV-GIF算法.导引图像滤波是一个具有边缘保护作用的平滑算子,可在保持边缘特征的同时去除噪声,它通过把基于截断全变分的算法所重建的图像作为导引图像,然后利用导引图像滤波把导引图像含有的重要特征转移到SART算法重建的图像中,使滤波后的图像和导引图像的重要特征具有相似性,从而提高重建图像的质量.本文用高分辨率的头部模型进行了投影数据无噪声和有噪声实验,实验结果表明,本文提出的SART-TTV-GIF算法与SART算法、SART-TV算法、SART-TTV算法和SART-TV-GIF算法相比,重建的图像质量较高.