基于小波空间方向性滤波的低剂量CT图像处理方法

    公开(公告)号:CN102024267A

    公开(公告)日:2011-04-20

    申请号:CN201010595896.4

    申请日:2010-12-20

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于小波空间方向性滤波的低剂量CT图像处理方法,属于计算机断层显像技术领域。本发明方法首先使用静态小波变换对待处理的低剂量CT图像进行单层分解,然后对水平、垂直和对角方向的高频细节图像分别进行垂直和水平方向的一维非线性扩散滤波来抑制星条状伪影在不同方向的高频细节图像中的信息强度,然后根据处理后的水平、垂直和对角方向的高频细节图像以及原来的低频图像进行逆静态小波变换来重建得到伪影得到抑制的CT图像,然后利用现有的大邻域加权平均噪声抑制方法对图像进行进一步处理。本发明方法可以有效抑制低剂量CT图像内的星条状伪影和噪声,提高低剂量CT图像质量,使其满足临床诊断的质量要求。

    基于独立成份空间相关性消除功能磁共振数据噪声的方法

    公开(公告)号:CN100348152C

    公开(公告)日:2007-11-14

    申请号:CN200510122611.4

    申请日:2005-11-29

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于独立成分空间相关性消除功能磁共振数据噪声的方法,先对图像的灰质区域和脑脊液区域进行图像分割,分别对其进行主成分分析、频谱分析,确定并消除主成分分量中的随机噪声成分,重建消除随机噪声后的灰质数据和脑脊液数据,对重建后数据进行独立成分分解,利用独立成分分别构造矩阵,再进行典型相关分后,排序,将这些成分置零后得到一组新的独立成分,重建消除各种噪声成分后的数据,重复以上步骤直至消除各层灰质数据与脑脊液数据中相关最大的各种噪声成分;本发明能够有效地消除多层功能磁共振数据中生理噪声,能够消除与脑脊液区域数据中相关最大的其它低频噪声成分,较好地实现了多层功能磁共振数据中噪声的消除。

    正电子发射计算机断层显像的全变分加权成像方法

    公开(公告)号:CN1641700A

    公开(公告)日:2005-07-20

    申请号:CN200510037621.8

    申请日:2005-01-06

    Applicant: 东南大学

    Abstract: 本发明公开了一种最小二乘法的正电子发射计算机断层显像的全变分加权成像方法,首先获取投影数据,确定初始图像范围,计算系统概率矩阵,再将系统概率矩阵和初始图像相乘,得到前向投影,将投影数据的修正值与系统概率矩阵相乘,得到图像成像迭代过程中图像的修正值,然后将离散化的初始图像进行全变分,对每一个象素点求导,得到目标函数的校正值,最后经运算,得到重建图像的目标函数,将此目标函数值乘以初始图像,得到迭代更新后的图像,再将这一个图像作为初始图像,重复这个过程直到重建后的图像收敛,本发明具有提高成像后图像的质量,消除噪声对成像的影响等优点。

    一种由单能CT图像生成双能CT图像的方法

    公开(公告)号:CN110176045A

    公开(公告)日:2019-08-27

    申请号:CN201910368259.4

    申请日:2019-05-05

    Applicant: 东南大学

    Abstract: 本发明公开了一种由单能CT图像生成双能CT图像的方法。首先需要获取一定数量的双能CT图像;之后利用去噪卷积神经网络对双能CT图像进行去噪,得到去噪后的低能图像和高能图像;训练二维卷积神经网络,网络的输入为去噪后的低能图像,输出为去噪后高能图像和低能图像的差;利用去噪卷积神经网络对获得的CT图像进行去噪得到去噪后的单能CT图像;将去噪后的单能CT图像输入之前训练好的二维卷积神经网络得到估计的高低能图像差异,该差异与最初低能级下单能CT图像的和为估计的高能级CT图像;将最初低能级下单能CT图像和估计的高能级CT图像组合得到估计的双能CT图像。本发明可以有效的由单能CT图像估计双能CT图像,从而为临床诊断提供更多信息。

    一种基于区别性稀疏表示的盲图像质量评价方法

    公开(公告)号:CN105005990B

    公开(公告)日:2017-11-28

    申请号:CN201510381379.X

    申请日:2015-07-02

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于区别性稀疏表示的盲图像质量评价方法,包括:首先,分别从无噪声污染的自然图像和噪声图像样本中训练得到特征子字典和噪声子字典,并将两个子字典合并为区别性字典;然后,用所述区别性字典表示待评价的图像,得到两个子字典对应的稀疏系数;最后,通过统计两部分稀疏系数的比例获得最终的图像质量评分。相比于现有的其他盲质量评价方法,本发明方法与人眼评价结果拟合度高,且实现简单,无需人工打分样本进行训练。

    一种基于回溯累加的曲线检测方法

    公开(公告)号:CN104008555B

    公开(公告)日:2016-09-21

    申请号:CN201410271291.8

    申请日:2014-06-17

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于回溯累加的曲线检测方法,通过分析曲线的灰度特征构造曲线的特征度量;构造能量函数使得曲线点的能量最小;选取曲线中的一点作为起点,使用最短路径算法进行搜索得到特征图像;对每个搜索到的点进回溯累加得到回溯累加图;在回溯累加图中选取阈值,提取得到最终的曲线。本发明在只需要使用一个起始点的情况下能够快速高效的提取图像中的曲线。

    一种基于区别性稀疏表示的盲图像质量评价方法

    公开(公告)号:CN105005990A

    公开(公告)日:2015-10-28

    申请号:CN201510381379.X

    申请日:2015-07-02

    Applicant: 东南大学

    CPC classification number: G06T7/0002

    Abstract: 本发明公开了一种基于区别性稀疏表示的盲图像质量评价方法,包括:首先,分别从无噪声污染的自然图像和噪声图像样本中训练得到特征子字典和噪声子字典,并将两个子字典合并为区别性字典;然后,用所述区别性字典表示待评价的图像,得到两个子字典对应的稀疏系数;最后,通过统计两部分稀疏系数的比例获得最终的图像质量评分。相比于现有的其他盲质量评价方法,本发明方法与人眼评价结果拟合度高,且实现简单,无需人工打分样本进行训练。

    一种非局部均值滤波的快速并行实现方法

    公开(公告)号:CN103745447A

    公开(公告)日:2014-04-23

    申请号:CN201410052166.8

    申请日:2014-02-17

    Applicant: 东南大学

    Abstract: 非局部均值滤波算法是一种被广泛应用于抑制图像噪声的算法,该算法根据属于同一图像结构的像素点周围有着相似的邻域结构这一假设,并基于此邻域相似性质构建加权滤波器来抑制图像中的噪声。实验证明该非局部均值滤波算法能在有效地抑制图像中的噪声的同时保持图像中的组织信息,为了有效地抑制图像中的噪声,一般需要较大的搜索窗以引入较多的邻域信息,从而导致大量的计算量和处理时间,影响了其在实际中的应用。为了解决这一问题,本发明提出了一种非局部均值滤波的快速并行实现方法,该方法在原有的以像素为单位的GPU并行的基础上,利用共享存储器特性及非局部均值权重对称性来优化并行操作,显著地提高了非局部均值滤波算法的计算速度。

    一种数字音频编码、解码方法及装置

    公开(公告)号:CN102103859A

    公开(公告)日:2011-06-22

    申请号:CN201110004244.3

    申请日:2011-01-11

    Applicant: 东南大学

    Abstract: 本发明公开了一种数字音频编码、解码方法,属于数字信号编码技术领域。本发明方法在对数字音频进行编解码时,将长度为2M的MCLT和IMCLT分别分解为两个长度为M的MCLT和IMCLT来进行快速计算,从而降低计算复杂度。相比现有技术,本发明方法具有计算复杂度低、实时性能好、易于实现的优点。本发明还公开了采用本发明编码、解码方法的数字音频编码、解码装置。

    基于隐含活动轮廓先验的贝叶斯图像重建方法

    公开(公告)号:CN1640362A

    公开(公告)日:2005-07-20

    申请号:CN200510037623.7

    申请日:2005-01-06

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于隐含活动轮廓先验的贝叶斯图像重建方法,首先获取投影数据,确定初始图像范围,计算系统概率矩阵,得到前向投影,再将投影数据除以前向投影,得到对投影数据的校正值,乘以系统概率矩阵,得到图像成像迭代过程中的修正值,然后经计算后得到能量函数,用差分方法将这个能量函数离散化,最后将系统概率矩阵对它的每一行求和乘以β加上能量函数,得到权值,将初始图像乘以修正值除以权值,得到重建图像,作为下一次迭代的初始图像,反复迭代直到重建后的图像收敛,本发明具有保持高分辨率,降低噪声,且保持图像边缘,减轻病人的痛苦等优点。

Patent Agency Ranking