电容层析成像RBF神经网络图像重建算法的改进

RBF神经网络图像重建算法在电容层析成像系统中应用广泛,它较好地克服了ECT系统的软场特性、强非线性和不适定性,其成像时间和成像精确度比其他算法都有很多改善.本文从有限元场域剖分、数据归一化和神经网络输入层角度对该算法进行了相关改进.仿真实验结果证明,改进后的算法有着更好的成像时间和成像精确度.     

一种基于模糊集理论的贝叶斯PET重建算法

最大似然估计算法是PET重建的经典算法,是统计意义上的最优解,但是MLEM (Maximum Likelihood Expectation Maximization)算法具有不稳定性,即随迭代次数的增加,图像噪声反而会增加.针对这一缺点,研究了最大后验(Maximum A Posteriori,MAP)重建方法,分析了...     

结构先验约束的动态PET图像重建

为提高图像质量,提出一种利用其他高质量解剖模板作为先验,引导动态正电子发射断层 (PET) 成像重建的方法.该方法基于状态空间理论体系,将与生理特性相关的解剖模板耦合于状态方程中,并与成像模型相结合构成完善的状态空间方程组,运用具有鲁棒性的H∞滤波法求解,从而构建一种适合于符合计数率低、噪声影响显著的动态PET图像的重建框架.蒙特卡洛模拟实验结果表明,与其他传统方法相比,本方法在能够适应实际动态PET成像中统计特性和系统特性不确定的基础上,进一步抑制了噪声,并保持了图像边缘和细节信息.     

电容层析成像系统的图像重建

电容层析成像技术是20世纪80年代中后期形成和发展起来的过程层析成像技术。由于电容传感器具有“软场”特性，并且数据采集系统所获得的投影数据有限，因此图像重建精度的提高成为电容层析成像技术研究的一个难点，为解决这一问题，研究了电容层析成像系统的构成和数学模型，阐述了ECT系统的图像重建算法的发展现状及改进方法。     

反投影重建算法的改进算法

本文首先讨论反投影重建算法的思想以及它的一些不足之处，然后重点阐述了均值-反投影重建算法的理论基础以及对前者的改进，尤其研究了均值-反投影重建算法的数学描述，最后在实际应用中对均值-反投影重建算法给出了需要采用的一些方法。     

EM算法重建图像的精度分析

EM算法将观测得到的投影值看成不完全数据,合理运用相应的先验知识,以迭代的方法求出图像像素值的极大似然估计.该算法重建的图像比常用的滤波反投影和代数重建等算法得到的精度高.本文用概率统计的方法从理论上较详细地讨论了EM算法重建结果方差的下界,同时推导出实际应用中此方差近似值的一种简单求法.     

EM算法重建图像的精度分析

EM算法将观测得到的投影值看成不完全数据，合理运用相应的先验知识，以迭代的方法求出图像像素值的极大似然估计．该算法重建的图像比常用的滤波反投影和代数重建等算法得到的精度高．本文用概率统计的方法从理论上较详细地讨论了EM算法重建结果方差的下界，同时推导出实际应用中此方差近似值的一种简单求法．     

基于智能单粒子的联合代数重建算法

提出一种基于智能单粒子(intelligent particle optimizer,IPO)的改进型联合代数重建算法(simultaneous algebraic reconstruction technique,SART).为提高重建图像质量,引入松弛矩阵概念,利用智能单粒子算法搜索每一像素特有的最优松弛因子,增强重建算法对图像局部特性的针对性.仿真结果表明,采用IPO-SART算法获得的重建图像质量较传统SART算法更佳.     

基于虚拟现实技术的多视点图像重建算法设计

为解决传统多视点图像重建算法重建耗时过长、重建后清晰度较差的问题,基于虚拟现实技术设计一种新的多视点图像重建算法,分析摄像机的配置标准与目标图像方位,利用映射法将成像模型投射在二维平面上,再根据映射关系实现信息采集.在确定多视点图像背景后,绘制子区间方向梯度直方图,根据直方图绘制结果描述子情况,与相匹配的图像进行对比分...     

一种PET图像感兴趣区域体积特征的计算方法

针对14张脑瘤(Positron Emission Tomogrophy,PET)图像切片,将感兴趣区域分割出来,利用积分原理计算其体积特征.首先提取出图片所有点的像素值,然后利用自组织神经网络将像素值进行分类,其中自组织神经网络的输入节点经过多次的试验确定为2×2.通过自组织神经网络,可以将各个元素点进行标志,使得图片的分离简单精确并且计算出目标区域的元素点数.最后通过Matlab对14个切片构建出目标区域的三维立体图,利用积分原理算出该目标区域的体积为9.9 cm³.该方法合理,计算结果有效,且计算结果可对临床诊断有辅助作用.     

ROLS-AWS algorithm used in RBF neural network for multi-user detection

To improve the computational speed, the ROLS-AWS algorithm was employed in the RBF based MUD receiver. The radial basis function was introduced into the multi-user detection （MUD） firstly. Then a three-layer neural network demodulation spread-spectrum signal model in the synchronous Gauss channel was given and the multi-user detection receiver was analyzed intensively. Simulations by computer illustrate that the proposed RBF based MUD receiver employing the ROKS-AWS algorithm is better than conventional detectors and common BP neural network based MUD receivers on suppressing multiple access interference and near-far resistance.     

三维重建的神经网络算法

本文根据Ｆｕｃｈｓ等人的结果,将三维重建问题转化为一有向不图的最小费用路径搜索问题,然后构造了一反馈型神经网络来求解这一组合优化问题,并对如何使网络跳出某些局部极小点,收敛到可行解给了了一解决方法,软件模拟结果证实了这一技术的可行性。     

基于神经网络的被测量重构方法研究

提出了基于神经网络的被测量重构方法 ;针对神经网络中误差反向传播算法收敛速度慢的问题对目标函数等三方面进行了改进 ,将改进的多层前向网络、误差反向传播算法用于被测量重构。在实际的测量系统中 ,进行了仿真研究 ,结果表明 ,神经网络用于被测量重构 ,方法是可行的 ;解决了重构之前建立数学模型问题和多影响量情况下的被测量重构问题。     

多尺度残差网络模型的开放式电阻抗成像算法

针对开放式电阻抗成像（OEIT）的图像重建算法存在的成像精度低、对噪声敏感、重建图像伪影面积较大等问题,提出基于多尺度残差网络模型的OEIT算法.该算法利用不同尺寸卷积核的残差块提取边界电压的多尺度特征;在完成特征拼接后,利用卷积实现深层信息融合,得到预测的电导率分布结果.使用有限元法搭建OEIT正问题模型,构造“边界电压-电导率分布”数据集,将所提算法与其他算法在该数据集和实际模型实验中进行比较.结果表明,所提算法使OEIT的重建精度、抗噪能力和定位目标准确性显著提高,并使检测目标的伪影面积缩小.     

算法改进的自组织神经网络曲面重构

为提高神经网络法三角网格曲面重构的效率,提出自组织神经网络算法与模糊聚类算法相结合的 改进算法．应用改进算法对大规模散乱点云曲面及花瓶实例进行了网络训练及三角网格重建,在初次网络训 练收敛后,加入模糊聚类计算模块,由模糊聚类算法中隶属度计算来确定输入样本是否可用．与自组织神经 网络算法训练特性进行了比较,结果表明：改进后算法避免了以往算法的重复循环,减少了计算量,加快了网 络训练收敛速度和三角网格曲面重构的速度,仿真重构结果表明：改进后的自组织神经网络算法可实现不同 疏密程度的三角网格曲面重建,并可在保持原数据特征的前提下实现数据精简,较通常算法收敛速度快     

Application of generalized regression neural network on fast 3D reconstruction

Over the past decade,robots have been appearingin the operating rooms.With the robotic system assis-tance,operations have become lesser invasion.Roboticsurgery requires the use of computer imaging to diag-nose and perform the operation.A three dimension(3…     

基于神经优化的最大熵图像重建算法

提出了一种基于Ｈｏｐｆｉｅｌｄ神经网络优化的图像重建算法。将图像重建问题转化为ＨＮＮ优化问题,取重建图像熵函数最大以及原始投影与再投影之间的误差平方和最小作为图像重建的优化目标,作为能量函数构造连续型ＨＮＮ模型,由ＨＮＮ能量函数极小化可得到重建问题的优化解。     

强度传输方程和神经网络融合的三维重构算法

针对原有强度传输方程法所恢复的相位精度不够精确的缺点,提出强度传输方程和神经网络融合的三维重构算法. 利用强度传输方程求解出物体不同角度的初始相位,利用神经网络算法进行优化,根据不同角度的最终恢复相位结合乘法技术重构出三维体信息. 该算法具有精度高的特点,可以为三维成像技术的应用提供参考. 对于实验中的示例图像,该算法将强度传输方程得到的相位误差从21.40%降低为5.26%,重构三维物体与模拟真实物体的相关程度为显著相关.