修改的联合代数迭代法及其在图像重建中的应用

少数投影重建算法研究是当今图像重建算法中的一个难点问题,本文提出了一种基于联合代数迭代法的改进算法,该算法将射线穿过像素的长度和像素的灰度综合考虑进迭代公式,有效地抑制了联合代数迭代法的边缘效应,使得重建精度大大提高,并且可以很好地应用于少数投影重建。     

一种嵌入式应用的内存分配算法

传统嵌入式系统为保障系统的可靠性和实时性,大多采用静态分配内存的方式,导致应用开发的效率低下。本文提出了一种嵌入式应用的内存分配算法,在经典深度优先搜索算法的基础上,结合自研的内存复用算法——间隔复用法,实现自动化的应用内存分配,且使得内存利用率得以提升。最后,通过工程实例验证了其正确性及有效性。     

一种终端服务器内存优化方法

终端服务器是网络计算机WBT模式的重要组成部分,终端服务器的性能和成本影响着整个网络计算机系统的性能和成本。通过分析Windows内存管理中内存共享的基本原理和重移位对内存共享的影响,实现了一种动态优化终端服务器内存的方法,最后的实验证实了这种方法的有效性。     

图像代数重建算法的并行性研究

针对CT图像重建中不完备投影数据重建问题,提出了基于迭代的代数重建(ART)算法。为了解决ART算法重建速度慢这一问题,文中采用计算机集群的并行加速处理技术,将投影角度均匀地分配给适当的多个CPU,再将多个CPU并行独立运行的重建结果进行加权平均。实验数据表明,图像重建速度提高近6倍(CPU个数为6),图像重建质量优于传统的串行重建质量,且提高了ART算法的实现效率。     

一种改进的离散代数重建算法(DART)

医学CT中的图像往往由几种已知的灰度值组成,利用这些先验知识可降低重建条件提高图像重建质量。因此提出一种基于联立迭代算法(SIRT)的离散代数重建算法(DART),并且通过实验实现了在少数投影数目和小角度范围下的图像重建,并与其他几种传统的重建算法进行了比较,结果显示DART能从更少的投影数据下更精确地重建出图像同时有效地抑制了噪声。     

基于联合代数迭代的非视域激光图像重建方法

非视域成像技术采用非传统光学技术,利用间接成像的方法对无法直接观测的隐藏物体进行探测。针对目前试验系统复杂且需要场景扫描,导致数据采集过程复杂且需要大量时间的问题,提出基于阵列式APD的透射式非视域成像试验设置,试验设置操作简单且不需要场景扫描,实现快速数据采集。针对非视域成像技术一般只能获取不完全(缺失)角度的数据,使用反投影算法不能得到理想的重建结果的问题,提出利用联合代数迭代(SART)重建算法对非视域成像物体进行三维重建。试验结果表明：SART算法能够在部分角度数据下,更好地去除反投影算法中的伪影和噪点;在最初的第2和第3次迭代后,通过计算,其峰值信噪比PSNR值提高了1.392 8、2.466 3,其结构相似度SSIM值提高了0.119 8、0.231 2,表明该方法能有效提高非视域物体的图像重建精度。     

一种基于压缩感知的迭代重建算法

迭代重建算法是一种经典的CT图像重建算法,适合于不完全投影数据的图像重建,其缺点是重建速度慢。为提高图像重建的质量和速度,文中利用压缩感知理论提出了一种改进的基于图像全变差最小的迭代重建算法。该算法在迭代的不同阶段对迭代初始值做不同处理,并在每次迭代结束后采用梯度下降法调整全变差。实验结果表明,该算法不但提高了图像重建质量,同时也加快了迭代图像的收敛速度。     

自相关代数迭代重建算法重建含遮挡物场

用自创建的简单白相关代数迭代重建算法（SSCART）重建含遮挡物场，分析了重建效果。采用数值模拟的方法，分别用原始的代数迭代重建算法（ART）与SSCART重建含遮挡物场，分析了模拟效果和重建精度。结果发现，这2种算法都能重建含建遮挡物场，但重建效果差别较大，SSCART能较精确重建原场。SSCART算法的重建精度MSE指标在10^-4数量级上比ART的降低了26．6％，PE指标在10^-2降低了77．6％。     

一种特定条件下的超分辨重建快速算法及其实现

在低分辨图像具有相同的线性空域不变模糊核、平移、包含相同的加性白噪声的条件下,给出了多帧图像超分辨重建的一种快速算法;对算法的实现进行了分析和讨论,大幅度降低了超分辨重建的计算复杂度。仿真实验证明了算法的良好重建效果。     

基于压缩感知的一种改进射电图像重建算法

针对射电天文图像重建中由于越来越大的数据集产生的保证与提高图像重建质量的问题,提出一种基于压缩感知技术的射电干涉图像凸优化重构算法。该算法对原始对偶算法引入迭代收缩算子和阈值模型,迭代收缩算子在每一步迭代过程中利用前两点进行组合更新,迭代过程更为精确,通过阈值模型克服不连续性产生的伪吉布斯效应,使得重建射电图像光滑并保留了有用高频信息。实验结果表明,改进算法在信噪比与重建精度方面优于PD算法,得到了更好的效果。     

复杂流场的代数迭代重建算法

提出了简单自相关代数迭代重建算法（SSART）。采用数值模拟的方法,对当前有代表性的基本代数迭代法（ART）、联合代数迭代法（SART）、改进的联合代数迭代法（MSART）以及SSART进行了计算模拟,对比分析了各种算法的模拟效果和重建精度。结果发现,SSART的均方误差（MSE）在10^-4数量级,比ART的降低了78．2％;峰值相对误差（PE）在10^-2,降低了92．9％;计算程序上,SSART仅比ART多1个除数因子。所以SSART具有算法简单、重建精度高、稳定性好和自愈能力强等优点。     

应用联合代数重建技术重建热气流三维温度场

本文我们将联合代数重建技术应用于光学层析重建透明物体的折射率分布．建立了一简易的能获得多方位干涉条纹数据的全息干涉系统．利用双曝光全息干涉技术，对长方形开口上方的热气流场进行了实际测量，重建出了气流场中一个截面内的温度分布．重建温度值与热电偶实测值一致。     

向量优化为基础的图像空间迭代重建理论及实现

本文研究了单准则及多准则迭代图像重建理论及计算机实现.结果表明了多准则迭代图像重建在重建图像质量方面优于流行的单准则迭代重建方法,显示了多准则法的优点.     

基于视频模式识别的快速超分辨率重建

针对传统超分辨率重建方法运算量过大的问题,提出一种快速超分辨率重建算法。该算法在快速最大后验概率（MAP）重建算法的基础上,针对车牌识别的特定应用进一步简化了代价函数。该算法从低分辨率的图像序列中提取出高分辨率的图像。这些高分辨率的图像不仅极大地提高了车牌的识别率,也降低了获取高分辨率图像所需成像系统硬件的要求。移动车辆视频的盲重建实验表明,该算法能够有效地提高车牌图像的质量,而其运算量要远远小于其他的超分辨率重建方法。较低的运算量使得该算法能够有效应用于实时系统。     

多准则图像重建的神经网络实现

本文提出一种以多目标优化理论为基础的神经网模型。它在多目标决策理论框架下学习和自适应,并具有鲁棒性、容错能力和快速收敛特性。这一模型应用於多准则图像重建的并行实现。计算机模拟结果表明了它的功效。     

一种基于RSA的数字图象加密技术及其快速实现

RSA公钥密码体制的安全性依赖于大整数因数分解的困难性,目前安全素数产生难度大,运算时间长。文章根据素数的特殊表示法研究了一种高速的安全素数算法,针对当今的信息安全问题和数字图像的特点,提出了一种基于图像信息摘要和RSA的图像加密技术,利用图像信息摘要构造图像像素置乱矩阵并对图像像素矩阵进行置乱后再运用RSA公钥加密算法对置乱后的图像快速加密。     

多准则图象重建的神经网络模型及实现

本文提出一种采用Ｈｏｐｆｉｅｌｅ神经网络（Ｈｏｐｆｉｅｌｄ Ｎｅｉｒａｌ Ｎｅｔｗｏｒｋ简称ＨＮＮ）优化的图象重建算法。将图象重建问题转化为ＨＮＮ优化问题,取重建图象的峰值函数最小以及原始投影与再投影之间的误差平方和最小作为图象重建的优化目标,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。这种方法具有简单、计算量小、收敛快、便于并行计算等特点。对照ＡＲＴ算法,用计算机模拟产生的无噪声投影数据检验新算法,验证了新算法的优越性。