神经网络模型应用于少数投影图像重建及数值模拟

研究了反馈式神经网络应用于少数投影重建图像问题。应用Hopfield神经网络,将能量函数与判别重建图像的优化准则联系起来,并应用Adaline模型调整各准则的权重,从而得到的重建图像质量良好。神经网络重建图像的算法收敛快、精度高,图像质量令人满意。     

神经网络模型应用于少数投影图像重建及数值模拟

研究了反馈式神经网络应用于少效投影重建图像问题．应用Hopfield神经网络，将能量函效与判别重建图像的优化准则联系起来，并应用Adaline模型调整各准则的权重，从而得到的重建图像质量良好．神经网络重建图像的算法收敛快、精度高，图像质量令人满意．     

基于先验图像约束压缩感知 多能CT重建算法

由不同材质构成且材质之间密度相差较大的工件进行单一能量CT重建时无法获取完整内部结构.为获得结构信息完整的高质量CT重建图像,研究了基于先验图像压缩感知多能重建方法.首先从低到高依次采集多个能量下的投影数据,并用凸集投影-全变分最小化(POCS-TVM)算法对最低能量的投影数据进行CT重建,然后,将重建好的图像作为先验信息,利用先验图像压缩感知算法(PICCS)对下一组能量下的投影进行重建,重建后的图像再次作为新的先验信息重复以上步骤,依此类推直到最高能量的数据重建,以此达到完整重建.结果表明该方法可以有效减少因投影缺失而导致的伪影并保护低密度边缘.     

电离层层析图像重建的改进算法

针对电离层层析图像重建数据不完全的关键问题.文中利用最速下降法对投影数据进行预处理,利用乘法代数重建算法进行图像重建.算法将迭代初始值的确定与图像优化重建过程统一起来,减少了初始值对重建结果的影响.数值计算及实测数据重建结果表明,该混合算法减少了投影数据不完全对重建结果的影响,有效提高了电离层层析成像质量.     

车牌识别系统中的超分辨率图像重建技术研究

针对车牌识别系统中图像模糊和分辨率低而影响车牌识别效果的问题,提出利用超分辨率重建来提高车牌图像分辨率的解决方法.建立了凸集投影(POCS)算法的数学模型,研究了凸集投影超分辨率重建的实现过程,并用仿真实验进行了验证.实验结果表明:采用凸集投影算法进行图像重建,可以提高车牌图像分辨率,丰富图像细节信息,能够有效提高车牌识别的准确率,并且迭代次数越多,图像重建效果越好.     

基于多级残差U-Net的稀疏SPECT图像重建

低剂量单光子发射型断层扫描(Single-Photon Emission Computed Tomography,SPECT) 能够减少放射性示踪剂对人体的辐射损害,因此其临床应用变得愈发重要。SPECT扫描可通过投影角度稀疏采样实现低剂量成像;若直接对稀疏采样投影数据进行迭代重建,投影角度的缺失将导致重建图像中出现严重的射线伪影。现今主流的临床方法普遍在图像重建优化模型中引入特定的正则项以抑制射线伪影,然而该类方法不具有通用性,并且正则项过度依赖于经验选取。本文提出一种新颖的神经网络结构以学习稀疏采样投影数据与全角度采样投影数据之间的映射关系;通过所提网络结构合成缺失角度的投影数据,来提升重建图像的质量。数值实验表明,相较于传统迭代重建方法,论文重建方法所得图像的结构相似性(Structural Similarity, SSIM)提高了59%,标准均方误差(Normalized Mean-Square-Error, NMSE)降低了67%,峰值信噪比(Peak Signal-to-Noise Ratio, PSNR)提高了2.48 dB。因此,所提方法能较好地改善稀疏采样投影数据成像后的图像质量。     

基于改进TV-ART的变电压CT重建算法

常规固定电压的CT重建,因成像系统动态范围受限,投影数据易出现过曝光和欠曝光共存现象,信息缺失,成像质量差,为此提出变电压CT重建。针对变电压CT中的不完全投影数据重建问题,提出了基于改进TV-ART的变电压CT重建算法。该算法在改进TV-ART的基础上,依据灰度加权,把前一电压的重建图像作为初值应用到下一电压重建中,直至最高电压,实现有效投影信息的全部重建,完整地再现复杂结构件的内部结构信息。实验结果表明,跟直接利用传统TV-ART重建算法相比,本研究提出的算法不仅实现了变电压图像信息的完整重建,像素值也更加稳定。     

电容层析成像系统图像重建稳定性研究

电容层析成像图像重建是一个不适定的反问题求解过程,敏感于测量投影的微小变化,难以重建稳定的管截面图像,通过奇异值分解分析了成像系统产生不适定性的原因,采用阻尼最小二乘法改善了图像重建所对应的病态方程组的求解条件,有效克服了图像重建过程中的不适定性,获得了稳定的管截面图像。     

最大熵法重建CT图像

针对现有CT设备上重建图像存在的“伪影”问题,提出了用最大墒法重建CT图像．鉴于现成的CT设备数据之间严格的关系难以找到,设计了模拟投影数据,用最大熵法重建图像的全软件,并针对二值图像进行了实验,得出了相应的结论．     

一种不完全投影图像重建的快速迭代算法

为了保证不完全投影数据的重建图像质量,同时提高重建速度,提出了一种基于共轭梯度法的快速迭代算法.通过实时获取投影矩阵分量,以固定步长替代共轭梯度法中一维搜索最优迭代步长,在确保质量的同时缩短重建时间.利用模拟投影数据和实际导弹断层扫描数据进行图像重建,结果表明,与卷积反投影和代数重建法相比,此算法特别适用于扇形扫描的不完全投影数据的图像重建,在保证重建图像拟合度的同时,大大提高了重建速度.     

图象重建的神经网络法

以平行射束扫描的 X射线 CT为例 ,提出一种运用 Hopfield人工神经元网络实现从投影中重建图象的方法 .首先将图象重建问题转化为最小范数准则下的优化问题 ,然后构造相应的 Hopfield神经网络模型 ,网络的稳态解 ,即为重建问题的解 ,计算机模拟实验结果证明了方法的正确性     

神经网络在采煤沉陷区水系治理方案中的应用

在采煤沉陷区水系治理方案优选中,采用Hopfield神经网络求解优化问题原理,将方案优选问题映射到Hopfield神经网络,建立能量函数模型,求解能量达到最小值时的置换矩阵,由置换矩阵得到方案优选排序,决策者参考方案优选排序结果确定拟采用的水系治理方法。     

稀疏图像重构非凸Lp问题的分裂方法

由于稀疏图像重构Lp(0相似文献   

基于模拟退火与遗传算法结合的神经网络图像分割

为解决运用Hopfield神经网络优化算法处理图像分割存在的收敛速度与局部最优的矛盾,采用模拟退火策略与遗传算法结合的优化方法来改进传统的优化算法,对迭代收敛后的Hopfield网络在局部范围内运用模拟退火遗传算法,以搜索阈值平面全局最优解,进行图像分割。实验证明,采用此方法可以得到较好的分割效果。     

一种求解有约全局优化问题的新型混合方法

通过将模拟退火算法与非线性规划神经网络适当结合，本文提出一种求解有约束全局优化问题的新型混合方法．为了使该方法尽可能保持一般模拟退火算法通用性强的优点，在每一次迭代中不是采用非线性规划神经网络直接求原问题的局部最优解，而是通过求解一个辅助优化问题得到原问题的可行解．数值计算结果表明，与使用罚函数方法处理约束的模拟退火算法相比，本文提出的混合方法不仅可靠性高，而且可以显著地提高计算效率．     

神经网络在组合优化问题中的应用

目的研究神经网络在组合最优化问题中的应用.方法通过讨论 Hopfield 神经网络模型,建立最优化问题的计算能量函数.结果和结论给出组合数学中八皇后问题的计算能量函数,使八皇后问题的解对应计算能量函数的最小值,并用 C 语言进行计机模拟,得到其全部解.     

基于混沌神经网络车辆选径问题优化算法

在混沌神经网络中引入一时变参数控制混沌行为,构造一个具有暂态混沌特性的神经网络.利用解组合优化问题时具有的随机性和确定性并存的优点,提出了混沌神经网络解法,并与HNN算法和SA算法进行比较针,对随机需求的车辆选径问题进行求解.结果表明:寻优性能和收敛效率很强,适用求解车辆选径问题.     

基于模拟退火算法的Hopfield神经网络参数优化

为解决Hopfield神经网络应用过程中参数设置的问题,在研究Hopfield神经网络的工作原理的基础上,分析了神经网络模型在求解TSP（TravelingSalesmanProblem）问题过程中参数的选取,通过对输出数据进行归一化处理建立网络的评价函数,然后引入模拟退火算法对参数进行最优化选取。实验结果表明,经过参数优化过的Hopfield神经网络模型能更有效,更快速地得到TSP问题的最优解。     

改进的连续Hopfield网络求解组合优化问题 ——以TSP求解为例

利用神经网络求解组合优化问题,是一种有效的途径。对连续Hopfield网络的数学模型及稳定性进行了分析;探讨了组合优化问题的神经网络求解方法,针对传统方法参数配置复杂、收敛速度慢等不足,提出了改进算法;最后,通过系统仿真与性能测试验证了该算法的可行性。