针对传统基于核范数最小化（NNM）的低秩约束模型在低剂量CT（LDCT）影像去噪中易造成局部纹理细节丢失的问题，提出一种具有区域内容感知能力的加权NNM的LDCT影像去噪算法。首先采用基于奇异值分解（SVD）的方法估计LDCT影像中的局部噪声强度；然后采用基于局部统计特性的方法进行目标影像块匹配；最后根据影像局部噪声强度以及不同奇异值水平自适应设置核范数权重，以实现基于加权NNM的LDCT影像去噪。仿真实验结果表明，所提算法在均方根误差（RMSE）指标上较传统NNM算法、全变分最小化算法以及变换学习算法分别降低30.11%、14.38%和8.75%，在结构相似度（SSIM）指标上较上述3种算法分别提高34.24%、23.06%和11.52%。真实临床数据实验结果表明，所提算法处理结果的放射医生评价平均分为8.94，与常规剂量CT影像的评价平均分数仅差0.21，显著高于传统NNM算法、全变分最小化算法和变换学习算法的平均分。仿真及真实临床数据的实验结果表明，所提算法能够在滤除LDCT影像伪影噪声的同时，有效保持局部纹理细节信息。

针对目前铅笔画生成方法中的线条不够灵活、纹理缺少方向感的问题，提出了一种基于带方向的纹理和线条草图将一幅图像转换为铅笔画风格的方法。首先，对输入图像进行直方图匹配得到图像的色调图，并将图像分割为多个区域，对每个区域，根据其颜色和形状计算其色调和方向，以此决定铅笔纹理的色调和方向；然后，通过可调整的线性卷积方法得到铅笔画的线条草图；最后，将纹理和草图结合得到铅笔画效果。运用提出的方法对不同类型的自然图像进行了铅笔画的转换，并与已有的线卷积积分方法和基于色调的方法进行了对比。实验结果表明带方向的区域纹理能更好地模拟手工铅笔画纹理的方向，可调整的线条能够更好地模拟手工铅笔画的线条的随意性和灵活性。

针对超声阵列式光声计算层析成像技术数据采集量大、成像速度慢的问题,为拓展该技术在血流动力学等领域的应用,提出一种基于主成分分析(PCA)的快速光声计算层析图像重建方法。该方法首先通过部分全采样数据,构建样本图像矩阵;然后,通过矩阵分解运算构建信号投影矩阵;最后,基于该投影矩阵在三倍欠采样条件下快速重建出高质量三维光声图像。在体小鼠背部血管成像实验表明:与传统反投影光声图像重建方法相比,基于主成分分析的光声图像重建方法可将数据采集规模降低约35%,三维图像重建速度提高约40%,实现了三倍欠采样条件下高精度光声图像的快速采集与重建。