专利交易市场

一种多指数特征提取的ECT图像重建方法，首先将图像灰度矩阵和灵敏度矩阵经过零向量扩展来重组，构建成一个稀疏化的稀疏观测方程，其次将Tikhonov正则化算法得到灰度向量建模成一个有限新息率信号，用指数再生采样核对其滤波后均匀采样，提取特征信息，从采样样本中计算获取测量值后，把稀疏观测矩阵与FRI观测矩阵相结合，稀疏观测向量和FRI观测向量相结合,随机重组综合观测矩阵和综合观测向量的行向量，获得综合观测方程；将电容层析图像重构的问题转化为L0范数最小化问题，求解L0范数最小化问题得到稀疏向量的估计，计算出灰度向量的估计，最后重构原始图像。本发明具有良好的图像质量和较高的重建精度。

一种基于广义惩罚加权最小二乘的X射线CT图像重建方法，包括如下步骤：(1)获取CT设备的系统参数和低剂量扫描协议下的投影数据qe；(2)对(1)中获取的投影数据qe进行系统校正和对数变换后得到投影数据y；对y进行逐个数据点上的方差估计，获得每个点上的方差集合(3)根据(2)中得到的的方差建立广义惩罚加权最小二乘的低剂量CT重建模型；(4)对(3)中的低剂量CT重建模型进行求解，建立算法的全局收敛性以收敛点作为解，再进行图像重建，得到最终的CT重建图像。本发明可以有效地抑制低剂量CT图像中的噪声和条形伪影,同时可以很好地保持图像的结构信息和空间分辨率。

本发明涉及一种基于极大极小化的多目标有限角CT图像重建方法，属于图像重建领域。该方法包括以下步骤：S1：采集投影数据：S2：建立多目标有限角CT图像重建模型；S3：有限角CT迭代重建；S4：输出重建图像。利用非下采样轮廓波变换的多尺度、多分辨率分解和伪影方向性特点，设立非下采样轮廓波变换的L0范数最小化和图像梯度的L0范数2个优化目标，建立了多目标优化重建模型。采用该方法，能够有效地抑制重建图像的伪影和噪声并保护图像边界，从而提高CT重建图像的质量。

本发明涉及一种基于紧小波框架的双正则化有限角CT图像重建方法，属于图像处理领域。该方法包括以下步骤：S1：采集投影数据；S2：建立双正则化有限角CT重建模型；S3：有限角CT迭代重建；S4：输出重建图像；当步骤S3中的迭代重建算法收敛时，输出重建图像。本发明公开的基于紧小波框架的双正则化有限角CT图像重建方法包含对高频部分进行硬阈值处理，和对低频部分进行图像TV最小化光滑处理，经过这种双正则化机制处理后，不仅CT图像的有限角伪影和噪声能够有效地抑制，而且能够有效保护边界，从而提高CT重建图像的质量。

本发明涉及一种基于非下采样轮廓波变换的有限角C型臂CT图像重建方法，属于图像重建领域。该方法包括以下步骤：S1：检测装置安装；S2：扫描；S3：建立L0正则化有限角C型臂CT重建模型；S4：有限角C型臂CT迭代重建：S5：输出重建图像；当步骤S4中的迭代重建算法收敛时，输出重建图像。本发明公开的非下采样轮廓波变换的有限角C型臂CT重建方法中包含对高频部分进行硬阈值处理，和对低频部分进行图像梯度L0最小化光滑处理，经过该方法处理后，重建得到的CT图像的有限角伪影和噪声能够有效地抑制，并且能够有效保护边界，从而很大地提高重建图像的质量。