文章编号:1007-757X(2021)02-0102-03
王云江
(杨凌职业技术学院信息工程分院，陕西杨凌712100)
摘要：图像重建一直是图像领域的一个重要研究方向，当前图像重建方法无法获得高精度89建结果，存在图像重建错误大，时间长等不足，为了获得更加理想8图像9建结果，提出了基于虚拟现实技术8图像9建方法°首先分析当前图像9建8国内外研究进展，到不同图像9建方法8局限性，然后采集原始图像，t入虚拟现实技术对原始图像进行增强处理，然后提取图像9建特征，并采用支持向量机根据特征进行图像9建，并与其他图像9建方法进行了对比实验，结果表明，该图像9建精度超过了95%，图像9建时间控制在3秒以内，不仅可以满足图像在线9建要求，而且图像9建综合性能要明显优于对比方法，为图像后续处理打下了良好8基础，具有十分9要8实际应用价值°
关键词：图像质量；虚拟现实技术；提取特征；支持向量机；｛始图像；9建精度
中图分类号：TP391文献标志码：A
Research on Image Reconstruction Based on Virtual Reality Technology
WANG Yunjiang
(Branch of Information Engineering,Yangling Vocational&Technical College,Yangling712100,China) Abstract:Image reconstruction hss always been an important research direction in the field of image processing.The current magereconstruction methodscannotobtain high-precisionreconstructionresults,andtherearesomeshortcomingssuchas argeerrorsandlongtimeinimagereconstruction Inordertoobtain moreidealimagereconstructionresults,animagerecon-struction methodbasedonvirtualrealitytechnologyisproposed Firstly,thecurrentresearchprogressesofimagereconstruc-ionathomeandabroadareanalyzed,andthelimitationsofdi f erentimagereconstructionmethodsarefound Then,theorigi-nalimagesareco l ected,andtheimagereconstructionfeaturesareextractedbyintroducingvirtualrealitytechnology Fina l y, thesupportvectormachineisusedtoreconstructtheimageaccordingtothecharacteristics Theexperimentalresultsshowthat the image reconstruction accuracy of this paper is more than95%,so is satisfactory,the image reconstruction time is controlled within3seconds,whichcan meettherequirementsofonlineimagereconstruction Moreover,thecomprehensiveperformance ofimagere
constructionisobviouslybe t erthanthecontrastmethod,whichlaysagoodfoundationforimagesubsequentpro-cessing,andhasveryimportantpracticalapplicationvalue
Key words:image quality；virtual reality technology;feature extraction；support vector machine;original image;recons t rue-ionaccuracy
0引言
随着人们生活水平的不断提高，人们拍照的频率不断提升，同时由于智能手机、多媒体技术、图像处理技术的不断融合，每天会产生大量的图像，图像在视频监控、医学诊疗等领域得到了广泛、成功的应用(13)。在图像的实际应用中，由于成像设备自身条件的限制，以及外界环境的影响，得到图像有时不太理想，如清晰度不够，边缘不连续，分辨率低等，这样会影响图像的实际应用价值。图像重建可以从低分辨的图像得到高分辨率的图像，因此成为当前研究的热点[46]&针对图像重建问题，国内外学者进行了大量、深入研究，尤其是一些发达国家，图像重建研究的历史长，图像重建技术相当的成熟，而国内对图像重建的研究历史比较短，但是由于近年来投入的人才、财力比较大，图像重建发展速度快，也出现许多效果良好的图像重建方法79)&当前图像重建技术可以划分为两类，一类是基于硬件的图像重建技术，该类技术图像重建质量好，并且图像重建速度快，但是图像重建的成本相当高，无法大面积推广，
而基于软件的图像重建技术由于成本低，成为当前主要的图像重建研究方向(10)&如基于双线性插值的图像重建方法，基于超分辨率的图像重建方法，神经网络的图像重建方法，基于马尔科夫随机场模型的图像重建方法，基于邻域嵌入方法的图像重建方法等(1113)，但是这些方法在实际中，都存在各自的缺陷和不足，如无法获得高精度的重建结果，存在图像重建错误大，时间长等不足，图像重建有待进一步研究(1415)&
为了获得更加理想的图像重建结果，提出了基于虚拟现实技术的图像重建方法&首先采集原始图像，采用虚拟现实技术对图像进行处理，提高图像的信噪比，然后提取图像重建的特征，支持向量机根据特征进行图像重建，并与其他图像重建方法进行了对比实验，结果表明，本文方法的图像重
作者简介：王云江(1972-)，男，硕士，讲师，研究方向：计算机应用、虚拟现实技术、动漫制作技术&
建精度和重建效率均优于其他方法，有利于后续的图像处理
研究&
1基于虚拟现实技术的图像重建方法
1.1虚拟现实技术对图像进行增强处理
由于采集的原始图像的清晰度不够，因此本文引入了虚拟现实技术中的滤波技术对原始图像进行处理，具体思想为：首先对原始图像进行低通滤波操作，可以对一些无用的信息进行去除，如噪声等，这样提高了图像质量，保留了边缘，然后采用形态学滤波对去噪后的图像进行增强处理，提高图像的清晰度，便于后续图像特征提取操作，最终提像精度&
1.2提取图像重建特征
采用小波变换对虚拟现实技术处理后的图像进行不同方向和尺度的分解，得到小波系数直方图分布A(C$,C表示图像的波段数量，小波系数幅值如口式(1)。
==%ota AC⑴式中O表示阈值&
图像特征向量为{="，对特征向量进行降维处理，得到，如式(2)。
6
=〉'(=si——si)(2)
1=1
式中，s表示原始特征的均值&
像特征行，像特征集& 1.3支持向量机实现图像重建
1.3.1支持向量机实现图像重建
支持向量机拟合函数如口式(3)&
f(x)=l•(p(x)十&(3)基于期望风险函数最小化原则如口式(4)。
min J=111l112十C%十0)
t
y l—l•(p(x)—b3£十0
l•(p(x)十b—y t3£十(4)
=0,*=1,2,…，n
建立的拉格朗日函数，简化问题的求解如口式(5)。
n
L(l,b,0,0，+，+-)=211l||+C%1{01十0-)—
十£—y?十f(x Q—%!十£—y< 十f(x Q)—*=1*=1
)(5) *=1
为了提升运行效率得到其对偶问题的求解形式，如式6)。
)=—£(!—!)(!―!)(./(x,),
*,=1
/(x0))十(!—a-)y z—!—a -)£
st
L=!―a -)x z
*,=1
*%!—a-)=0⑹*=1
、03a t,a-3C
向量回归函数如口式(7)。
f(x)=%(a?—a-)(/(x Q,/(x))十&(7)
*=1
1.3.2支量图像重
提取的像特征作向机的入向,
像果作，确定向量机的参数，通向量机的学习像之间特征关联，根据该关联进行图像重建，并像果&
2仿真实验
2.1实验环境
基于虚的图像重建方法的性能，对行,，如表1示。
表1虚拟现实技术的图像重建实验环境
同时选择当前经典方法一文献［12］进行对比测试&
参数'参数具体取值
CPU的类型AMD
CPU的主频315GHz
RAM16GB
OS Linux
编程工具VC++
2.2实验图像
强虚的图像果的说服力，选择女孩、花作为研究对象进行如口图1所示&
(a)女孩(b)花
图1图像重建的实验对象
2.3实验结果分析
2.3.1图像重建结果对比
方1中的像行,
像，如2、3示。
a)女孩#b)
图2对比方法的图像重建结果
23的图像果进行对比
以发现，对比方像的轮廓不清楚、模糊，并像边缘不连续、不光滑，有明显的瑕疵点，图像果不理
(a)女孩
(b)花
3本文方法的图像重建结果
想，而本文方法的
像的轮廓十分清晰！
比对
方
的图像
果！ 本文方法引入了虚拟现
像进行了预处理，有利于后续的图像重建&
2. 3. 2 图像重建后的信噪比对比
像 果进行评价，选择信噪比 〕
像 果进行分析，统计 方法的2类图像 的信
噪比，如表2所示&
表2重建后图像的信噪比对比
2 以 看 !
比 方 !本 文 方
像信噪比更高，丰富了图像信息！ 像的质 高&
方
女孩
花本文方32 7830 80比方
31. #7
26 5
2.3.3图像重建精度
步 虚
的
像的质量，统计
本文方法、对比方 像重建精度和时间，如图4、图5所示&
8 6 4 2 09 9 9 9 988
孩女花
■ 因对比方法
本文方法
图4不同方法的重建图像精度
%、翌蝶«刪⑧當
图5不同方法的重建图像时间
从图4、图5的图像 果可以看出，在重建图像
精度方面，本文方
像的精度最高在98%
，高于
比方法的精度；此外对比
像
的时间，本文方法
间明显短于对比方法，加 像速度，可以满
王文杰像重建的
求！
加广泛&
3
提高图像重建精度，提
基于虚
的图
像 方法，通过引入虚 提取图像 特征，采
向量机
像特征之间的映射
像 ，对比
果表明，本文方法的图像 精度高！
间短，图
像 能要明显
比方法，获得了理想的图像
果。
参考文献
:1 * 田德峰，杨宏伟，庄静文，等.选择一体化PET/MR 小
病灶图像重建方案［J *.中国医学影像技术，2020,36
(4)：596-600.
:2 * 张胜男，许燕斌，董峰.自适应阈值收缩算子的稀疏
正则化图像重建算法［J *.中国科学修
2020 ,37 (2 )：242-247
:
3 * 王宏霞，徐英婕，赵云波，等.基于无偏线性最优估计
的PET 图像重建［J*.计算机科学，2020, 47 (1)：
165-169.
)4 * 严春满，穆哲，张道亮，等.基于改进Landweber 算法
的ECT 图像重建［J *.传感技术学报，2019,32(10)：
1522-1526
:5 * 王文杰，乔志伟，牛蕾，等.自适应步长非局部全变分
约束迭代图像重建算法［J *.计算机应用，2020,40
1 )：245-251
:6 * 贾婷婷，王济浩，郑雅羽，等.一种拉普拉斯金字塔结
构的团网络超分辨率图像重建算法［J *.小型微型计
2019 ，40 (8)：1760-1766
:7 * 战玉丽，迟静，叶亚男，等.基于图像相似性和特征组
合的超分辨图像重建［J *.计算机辅助设计与图形学
学报,2019,31(6):1018-1029.
:8 * 严春满，陆根源，张道亮，等.基于改进粒子优化的
电容层析成像图像重建算法［J *.计算机工程与科学，
2019,41(5) +79-884.
:9 * 付争方，朱虹，余顺园，等.基于灰度级映射函数建模
的多曝光高动态图像重建［J *.数据采集与处理,
2019,34(3) +72-490.
)10* 杨宜，邓丽，段然，等.基于背景和变化稀疏性的瞬变
源图像重建算法［J *.北京航空航天大学学报，2020,
46 (5 )+915-924
)11* 吴俊峰，牟轩沁.L #范数字典约束的感兴趣区域CT
图像重建算法［J *.西安交通大学学报，2019, 53(2)：
163-169.
)12* 罗海军，潘海涛，温开旭，等.基于滤波反投影算法磁
应成像 图像重建)J *.重庆师范 (自然
科学版),2018,35(4)+397.
)13* 夏松竹，杨静，方宝辉，等.基于GPU 异构平台的实
时CT 图像重建系统的研究［J *.计算机应用研究，
2019 ,36 (6 )+1879-1882
)
14* 宋云，李雪玉，沈燕飞，等.基于非局部相似块低秩的
压缩感知图像重建算法)J*.电子学报，2017,45 (3)：
695-703
)15* 周正东，管绍林，余子丽，等.基于投影加权的多能光
子计数X 线CT 全能谱图像重建改进方法)J *.东南
大学学报(自然科学版)，2016, 46(6)： 1126-1131.
(收稿日期:2020.04.27)
发布评论