工业CT断层序列图像三维重建的实现

文中对ICT序列断层图像进行三维结构的重建和显示.先对图像进行预处理,去掉空气环,然后再利用Matlab功能强大的函数用体绘制方法进行断层序列图像的三维重建,对某一工业CT机提供的实测数据进行了三维重建,实验结果比较理想.     

工业CT窄角扇束卷积反投影图像重建

高能X射线工业CT机的图像重建属窄角扇束扫描方式下的图像重建.文中提出并讨论了基于卷积反投影图像重建算法的窄角扇束扫描方式下的图像重建,并针对窄角扇束扫描方式下的两种不同步距的同步平移方式,给出不同的卷积反投影图像重建算法,对高能X射线工业CT机的图像重建有指导作用.     

一种方向链码扫描与跟踪的图像细化后期处理算法

目标图像骨架的提取是智能分析中的重要组成部分,利用Zhang并行细化算法提取的目标骨架不是单一像素且极易产生毛刺。提出一种获取单一像素并消除毛刺的快速目标图像骨架提取算法。该算法首先对提取得到的目标二值图像进行形态学预处理,然后结合8邻域方向链码扫描编码原理对细化后的图像进行单一像素处理,最后采用优化的8邻域方向链码来消除毛刺。实验结果表明,提出的算法不仅效率高,而且能够很好地获得单一像素宽度、无毛刺的骨架。     

基于插值函数的三维图像表面重建算法

在放射医学、核医学、无损检测及评价和数据压缩等众多领域,研究在不破坏被检测物体的情况下,观察物体内部组织的结构及空间位置,具有重要的理论意义和应用价值.为了获取物体内部的数据信息,通常采用射线扫描方式,然后根据实际需要,运用不同方法进行图像重建.本文研究受损的颅骨扫描图像,提出基于插值函数三维图像表面重建算法,改进了已有的图像重建过程.从数据采集到图像重建的全过程都在计算机上实现,并给出了背景物质检测、图像分割、图像剥离和三维图像表面重建仿真结果.最后对结果进行分析,证明了基于插值函数的三维图像表面重建算法可以有效地提高重建图像的质量.     

形态学与区域延伸相结合的图像裂缝检测算法研究

在复杂背景下,由于光照不均、混凝土气泡、阴影等噪声干扰,导致路面裂缝误检并存在不同程度的断裂。为了解决此问题并实现路面裂缝的精确检测,提出一种结合数学形态学和区域延伸的裂缝检测算法。该算法首先用形态学对自然条件下采集的路面图像进行预处理,并结合Canny边缘检测和形态学来对裂缝进行粗略检测,然后用区域延伸算法对裂缝进行精确检测,最后对检测裂缝进行后处理。实验结果表明,提出的算法能够对图像裂缝进行高效、精确的检测。     

快速数据包分流算法研究

基于“流”的数据包分类算法已经在第四层交换等领域中得到了应用,该类算法的特点是流表的容量大,流表的更新速度较快.“快速的数据包分流算法”采用了散列算法的基本思想,并引入了流的局部性原理来加速散列查找的过程,用软件对该算法进行了仿真测试,并在最后从时间复杂度和空间复杂度两个方面对其进行了性能分析.实验结果表明,该算法具有良好的时间复杂度和空间复杂度,可以实现快速的分流.     

基于FIFO技术的数据采集系统研究

数据采集系统是工业CT(Industrial Computed Tomography——ICT)的重要组成部分,保证数据采集系统工作的稳定、可靠和一致性,对于研制和改进其质量和提高工业CT整体性能有着重要的意义。在Windows操作系统下,程序查询的数据传输方式会因为其它程序的中断造成数据丢失,针对这一问题,对工业CT的数据采集系统进行了设计与研究。将程序查询方式改为中断方式,在计数逻辑电路的数据通道前端加上FIFO缓存,从而保证了数据采集和传输的可靠和稳定性。     

基于散列查找的数据包分流算法研究

随着Internet规模的不断扩大与应用技术的不断进步,越来越多的业务需要对数据包进行实时、快速的分类,对数据包分类算法的研究具有重要的现实意义。提出了一种快速的数据包分流算法,采用了散列算法的基本思想,并引入了流的局部性原理加速散列查找的过程,分析表明,该算法具有良好的时间复杂度和空间复杂度,可以实现快速的分流。     

基于深度学习的图像边缘检测算法综述

边缘检测是将图像中的突变的重要信息提取出来的过程，是计算机视觉领域研究热点，也是图像分割、目标检测与识别等多种中高层视觉任务的基础。近几年来，针对边缘轮廓线过粗以及检测精度不高等问题，业内提出了谱聚类、多尺度融合、跨层融合等基于深度学习的边缘检测算法。为了使更多研究者了解边缘检测的研究现状，首先，介绍了传统边缘检测的实现理论及方法；然后，总结了近年来基于深度学习的主要边缘检测方法，并依据实现技术对这些方法进行了分类，对其涉及的关键技术进行分析，发现对多尺度多层次融合与损失函数的选择是重要的研究方向。通过评价指标对各类方法进行了比较，可知边缘检测算法在伯克利大学数据集（BSDS500）上的最优数据集规模（ODS）经过多年研究从0.598提高到了0.828，接近人类视觉水平。最后，展示了边缘检测算法研究的发展方向。