一种基于角度相关性的快速FBP算法

介绍了X射线投影重建的基本原理,对经典的平行束滤波反投影算法（FBP）进行了分析,并提出了一种基于平行束角度相关性的快速FBP算法（AC—FBP）。最后对该方法进行了实验,并将实验结果和传统FBP算法、几何参数表法做出主观、客观上的比较评价。结果表明,AC—FBP算法不但能在很大程度上提高传统FBP算法的速度,而且在有效区域的重建质量上也有一定的提高。     

基于Spark的CT图像FBP重建算法程序并行设计

将常用于CT图像重建的滤波反投影算法程序设计成能够运行在大数据框架Spark中的并行模式,以此来提高计算效率并实现批量图像的重建,缩短图像重建时间。基于分布式计算框架Spark,利用其图像处理工具Thunder,将滤波反投影算法在图像重建过程中设计成并行程序模式,实现图像的片间并行重建。实验结果表明,随着Spark集群规模的不断扩大,在确保重建图像质量的前提下,重建一定数量的CT图像相比单机模式下时间显著缩短,并行滤波反投影算法具有完全加速比,并行效率趋近于1。基于Spark集群实现的滤波反投影算法能够显著提升CT图像重建速度,并实现大量图像并行重建,可扩展其他的CT图像重建算法,对远程医学图像重建平台的建设具有重要参考意义。     

CT图像重建滤波反投影算法中指数滤波器的研究

CT技术的核心是图像重建,而图像重建的决定因素是重建算法,其优劣直接影响对重建结果准确性的判断。CT图像重建算法可以分为迭代法和解析法两大类,其中解析法具有比较严密的数学理论基础,且处理速度快,所以在CT技术领域得到广泛应用。在解析重建算法中,滤波反投影算法拥有较高的运算效率,能获得较好的图像重建质量,而且滤波反投影算法的成本低,易于通过并行实现,便于进一步提高其重建速度,所以该算法为解析法中的主流算法。根据滤波反投影算法的实现原理,其中滤波函数的选取对重建结果、重建速度等方面有着举足轻重的作用。针对滤波函数的选择进行研究,首先在分析常用R-L和S-L滤波函数的基础上,引入指数滤波函数的研究,并借助调整指数参数的取值,分析了该函数在无噪声和有噪声情况下对图像重建的影响。通过实验仿真的方法,验证了指数滤波函数在保证较好的空间分辨率的情况下,保持了良好的图像重建特性。     

代数重建算法中一种快速投影系数计算方法

针对ART（Algebraic Reconstruction Technique）算法重建图像中投影系数是影响重建速度和重建质量的主要因素,提出一种快速计算投影系数的方法。该方法由射线出发,根据射线与网格相交的不同情况,分类快速求解投影系数。同时利用平行射束下射线的相关性与对称性,避免大量重复计算,节省了计算时间。仿真实验选用Shepp-Logan模型,结果表明该方法快速有效。     

一种去除图像混合噪声的快速PGF滤波

1.引言在图像处理的预处理阶段中,噪声的滤除往往非常重要。高斯滤波和中值滤波是最常用的滤波方法。其中高斯滤波对滤除高斯噪声非常有效,但会损坏图像的边缘信息,从而使图像变得模糊起来。而中值滤波能很好地滤除脉冲噪声,却对消除高斯噪声则效果不佳。两者共同的缺陷是对滤波窗口中所有邻域像素都采用一致的处理,从而会引入误差,损坏图像的边缘和细节。于是能快速地滤除混合噪声,又能保护好图像边缘信息的自适应滤波方法成为图像滤波中主要的研究热点。     

一种快速均值滤波算法

针对超声图像的噪声过大、质量很差的问题引入了一种快速均值滤波算法,它能够很好地对大噪声斑点进行抑制,为后续图像分割提供了条件。     

一种基于密度的快速聚类算法

聚类是数据挖掘领域中的一个重要研究方向,聚类技术在统计数据分析、模式识别、图像处理等领域有广泛应用,迄今为止人们提出了许多用于大规模数据库的聚类算法。基于密度的聚类算法DBSCAN就是一个典型代表。以DBSCAN为基础,提出了一种基于密度的快速聚类算法。新算法以核心对象领域中所有对象的代表对象为种子对象来扩展类,从而减少区域查询次数,降低I/O开销,实现快速聚类,对二维空间数据测试表明：快速算法能够有效地对大规模数据库进行聚类,速度上数倍于已有DBSCAN算法。     

一种基于可编程图形硬件的快速三维图像重建算法*

针对三维CT图像重建时间过长这一瓶颈问题,给出了FDK算法的几何描述,并据此导出了利用可编程图形硬件加速三维图像重建的方法,最后利用图形处理器的可编程、高精度以及并行计算等特性实现了该方法。实验结果表明,该三维图像重建方法非常有效,与原始算法相比取得了8倍左右的重建加速比。     

扇束工业CT滤波反投影重构算法的快速实现

扇束工业CT一般采用滤波反投影算法进行CT图像重构,其计算复杂度为O（N3）,如果不进行优化,这种算法的计算速度很难达到工业构件检测的要求,利用正、余弦函数的性质,提出了针对扇束滤波反投影重构算法的一种优化方法,分析表明,这种优化方法理论上可以使运算速度提高3倍,计算机模拟和实验显示,在实际实现中,同时采用这种方法与几何参数表方法可以使重构速度提高6倍以上。     

一种中值滤波的快速算法

提出了一种中值滤波的快速算法。与中值滤波的传统算法相比较，该算法的特点是考虑到了相邻的两个中值滤波窗口内信号数据的相关性。在运算过程中，保留前面窗口内数据的排序信息，作为下一个窗口内数据排序的参考。这样可将传统算法中相邻的两次中值滤波运算合并为一次进行，从而减少了中值滤波过程中比较运算的次数，很大程度上提高了运算效率。     

三维锥束重建中滤波器的设计

设计了几种用于CT三维锥束图像重建的滤波器,并将其对图像质量的影响进行了分析。CT是一种先进的成像技术,现已被应用于多个领域。CT图像重建算法多采用滤波反投影法,滤波是此方法的核心部分。本文介绍了三维锥束近似重建的基本原理,分析并设计了几种用于CT锥束图像重建的滤波器,并且通过投影数据的图像重建结果分析了不同滤波函数对断层图像重建质量的影响。实验结果证明：所设计的几种滤波器能较好的满足实际图像重建的要求。     

基于投影缺失正弦图的CT图像重建研究

通过对不完全投影重建的图像结果和正弦图对投影空间的数据分布情况进行分析,并根据工件较敏感部位的位置、形状和密度信息,对缺失的投影数据进行适当的补充。在此基础上,利用滤波反投影算法对补充后的正弦图进行图像的重建。经过实验验证,该方法改善了重建图像的质量,得到了较好的重建效果。     

PET图像的DSP重建方法

以美国德州仪器公司的高性能数字信号处理器TMS320C6455为核心,在低成本数字信号处理器(Digital signal processor,DSP)平台上优化并实现了一种基于滤波反投影的正电子发射断层扫描(Positron emission tomography,PET)图像重建算法滤波反投影(Filtered back projection,FBP).实验结果表明,通过针对性的算法和代码优化,系统能够在40 s内完成512像素×512像素分辨率PET图像的重建,并获得满足应用需要的图像清晰度.基于DSP平台的PET图像重建方法在PET医学图像重建及其他医学成像领域具有良好的应用前景.     

基于DSP的PET图像重建方法

以美国德州仪器公司的高性能数字信号处理器TMS320C6455为核心,在低成本DSP（Digital Signal Processor）平台上优化并实现了一种基于滤波反投影的PET（Positron Emission Tomography）图像重建算法FBP （Filtered Back Projection）。实验结果表明,通过针对性的算法和代码优化,系统能够在40秒内完成512×512分辨率PET图像的重建,并获得满足应用需要的图像清晰度。基于DSP平台的PET图像重建方法在PET医学图像重建及其他医学成像领域具有良好的应用前景。     

能消除CT图像角部误差的斜变滤波器长度选择方法

为了消除CT图像4个角的固有误差,提出了一种更优的斜变滤波器的单位脉冲响应的长度选择方法.分析了常用的“2倍减1”长度选择方法的原理,描述了该方法引起的CT图像的误差.分析了误差的来源,提出了校正方法,并用仿真实验验证了校正方法.校正的原理是将投影信号左右对称补零到(√2)N,滤波器取2(√2)N-1长度,滤波投影信号取(√2)N的长度.在滤波反投影类型的算法中,当投影信号的长度为N,而重建图像大小为N×N时,斜变滤波器的单位脉冲响应长度应该选择2(√2)N-1.     

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。     

基于邻域一致性的数字X射线图像局部快速修复算法

针对工业X射线扫描图像中存在微小异物及裂缝缺陷的特点,提出了一种基于邻域一致性的数字X射线图像局部快速修复算法。通过分析图像中封闭的连通区域的大小,设置蒙板并记录其坐标,采用从外到内、由粗到精的非迭代修复方法完成对扫描图像背景的修复过程。实验结果表明,与传统FOE和PDE修复方法相比,该算法在保证修复效率的前提下提高了图像的修复质量。     

基于迭代反投影的超分辨率图像重建

提出了一种结合频域运动估计和迭代反投影的超分辨率图像重建算法。根据输入低分辨率序列图像各帧之间的傅立叶变换相位差,估计出每幅低分辨率图像相对于参考低分辨率图像的子象素位移;依据所得的子象素位移并结合迭代反投影算法,实现了超分辨率图像重建。实验结果表明,该算法是一种有效的超分辨率图像重建方法。