不完全投影数据图像重建的ART算法研究

ART算法是一种经典的图像重建方法,适合于不完全投影数据重建。为了提高重建速度,通常对权因子进行简化,其结果是在重建图像中普遍存在椒盐噪声。提出了一种改善重建质量的方法,在每次迭代后对重建图像进行有选择的平滑,将平滑结果作为下一次迭代的初值,其特点是将图像处理和图像重建相结合。仿真实验表明该方法非常有效,不但提高了重建质量,而且克服了利用Box模板进行平滑所造成的图像模糊现象。     

影响ART算法重建CT图像的因素浅析

CT的基本原理是由投影重建图像,关于重建算法,提出了许多算法,其大致可以分为两大类:一类称为解析法,一类是迭代法。其中在常用的迭代重建算法即代数重建技术[1,2](Algebraic Reconstruction Technique简称为ART)ART算法中,很多因素影响图像重建的质量和效果,本文进行了一些参数仿真分析,成像效果比较。     

迭代图像重建中系统矩阵与重建图像质量关系研究

针对现有系统矩阵算法复杂、效率低的问题,提出了一种简易的线段加权算法。对比传统线段加权算法,所提算法大大减少了对直线与网格相交情况的判断,使用二维方式对网格进行编号,并且基于提出的算法对传统线段加权法计算系统矩阵过程进行了改进。采用改进方法计算的系统矩阵重建图像,并且对重建图像质量进行评价。实验结果表明,所提算法的运算速度比Siddon改进算法提高了3倍以上,并且重建图像的质量随着线段加权法中计算线段数目增加而逐步提高。     

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。     

ART图像重建算法在ICT窄角扇束中的研究

对ICT(Industrial Computed Tomography,ICT)窄角扇束扫描方式下的迭代图像重建(Image Reconstruction)算法进行了研究,提出了新的代数迭代重建算法(Algorithm Reconstruction Technique,ART),该算法改进了已有的迭代过程,加入了新的迭代参数,通过改变迭代进程和调整收敛因子来提高图像的质量.作者在计算机上成功地实现了从数据采集仿真到图像重建的全过程,证明了ART算法可以有效地提高重建图像的质量.     

改进的局部ART测试算法研究

局部ART算法虽然克服了测试样本点与样本生成区域已测试顶点有可能距离很近的问题,但它对生成区域周围的已测试样本点对样本选择的影响考虑不足.本文针对局部ART算法的缺陷,提出了改进的局部ART算法,将生成区域周围一定范围内的已测试顶点都加入到临近已测试样本集中,在保持时间复杂度的同时,使测试样本的分布更加均匀.实验结果表明,改进的局部ART算法的错误检测能力得到了提升.     

代数迭代图像重建算法的研究

对计算机断层扫描成像(Industrial Computed Tomography)的代数迭代(Algorithm Reconstruction Technique--ART)图像重建算法进行了研究.为了提高图像质量,解决普通迭代法重建图像所产生的"盐和胡椒"现象,提出了新的代数迭代重建算法.该算法改进了已有的迭代过程,加入了新的迭代参数--收敛因子,通过改变迭代进程和调整收敛因子来提高图像的质量.在计算机上成功地实现了从数据采集仿真到图像重建的全过程,证明了ART算法可以有效地提高重建图像的质量.     

基于二维检索的投影矩阵算法

传统的投影矩阵算法复杂度较高,计算效率低。为此,提出一种基于二维检索的投影矩阵算法。采用类似于矩阵中各元素位置的表示方式,分别用行和列2个维度定位一个投影矩阵的元素,行和列计算较为简单,能够同时进行,从而提高计算效率。运用GATE仿真软件进行图像重建实验,结果表明,与经典的Siddon算法相比,该算法的运算时间可提高6倍以上,并且能够保证重建图像的质量。     

基于最小圆柱区域的锥束CT快速图像重建

传统锥束CT通常选取立方体或其内切圆柱作为图像重建的区域,因此考虑到工业CT重建目标尺寸差异较大的特点,提出了一种基于最小圆柱区域的快速三维图像重建方法。首先由不同视角下的锥束投影数据通过直线扫描转换算法构建重建目标的最小区域包络图;然后通过区域填充方法来进一步确定最小区域包络;在此基础上,采用中点圆算法得到最小圆柱区域的半径。该方法能够根据重建目标的尺寸自适应地确定最小圆柱重建区域,从而减少了不必要的计算。实验结果表明,该方法有效地提高了ART算法的重建速度,同时取得了较好的重建质量。     

工业CT窄角扇束扫描下的代数迭代图像重建算法研究

在工业CT窄角扇柬扫描模式下，为了提高图像重建质量，解决普通迭代法图像重建所产生的“盐和胡椒”现象，提出了新的代数迭代图像重建算法（ART），该算法改进了已有的迭代过程，加入了新的迭代参数：松弛系数．通过改变迭代进程和调整松弛系数来提高图像重建的质量．在计算机上成功地实现了从数据采集仿真到图像重建的全过程，模拟实现了各种噪声源，给出了各种应用场合的图像重建结果．并对结果进行了对比分析和评估，验证了新的ART算法在投影数据不完全时和噪声污染较大时可以有效地提高图像重建的质量。     

基于ART2的Q学习算法研究

为了解决Q学习应用于连续状态空间的智能系统所面临的"维数灾难"问题,提出一种基于ART2的Q学习算法.通过引入ART2神经网络,让Q学习Agent针对任务学习一个适当的增量式的状态空间模式聚类,使Agent无需任何先验知识,即可在未知环境中进行行为决策和状态空间模式聚类两层在线学习,通过与环境交互来不断改进控制策略,从而提高学习精度.仿真实验表明,使用ARTQL算法的移动机器人能通过与环境交互学习来不断提高导航性能.     

电容层析成像算法研究

电容层析成像技术具有非侵入、响应快及易于安装等特点。图像的重建算法与技术是电容成像在工业实际中得以应用的关键。近年来在图像重建方面的研究取得了较大的进展,Tikhonov正则法、Landweber迭代法、同步跌代法、神经网络法、共轭梯度法及通用迭代法的图像重建质量较LBP法有了明显提高。     

一种基于MAP的超分辨率图像重建的快速算法

超分辨率图像重建技术就是通过融合多幅变形、模糊、有噪、频谱混叠的低分辨率降质图像(或视频序列)来重建一幅高质量高分辨率图像.MAP估计算法是一种广泛使用的统计重建方法.针对标准MAP估计算法运算量大的问题提出了两点改进.第1点是当计算梯度时直接计算目标函数的增量,避免了函数值的冗余计算;第2点是采用非精确一维搜索确定步长,避免了运算量庞大的海塞矩阵的计算.实验结果表明,提出的改进在保持重建效果基本不变的前提下,在很大程度上提高了MAP超分辨率图像重建方法的速率,与此同时保证了算法的收敛性.     

MAP超分辨率图象重构的一种新快速算法

超分辨率(SR)成像是将多帧低分辨率图象重构成一幅高分辨率图象.由于超分辨率成像是一大型病态求逆过程,其计算量随着低分辨率图象帧数的增加而急剧上升.因而如何降低计算复杂度是超分辨率成像所面临的一个急需解决的课题.本文提出了一个基于多帧低分辨率图象重构的新快速算法,我们称之为"步进"算法.新快速算法的原理是利用各低分辨率图象之间位移的关系来将所有的低分辨率图象进行重组,然后对每个组进行超分辨图象重构.实验结果表明,该新快速算法能够在保持基本不变的重构效果的条件下,较大的提高了超分辨图象重构的速度.     

基于ART2的网络入侵检测算法

基于ART2的网络入侵检测算法是在自适应共振理论的基础上改进而来的。该算法对接收到的网络数据以及系统状态数据进行分析判断,实现入侵方式的自动分类,并且能够对新产生的入侵方式进行分类与记忆,实现了入侵检测系统的自适应性。该算法应用到入侵检测系统中能够解决入侵检测系统中可能出现的预分类不完全的问题,这对于检测新出现的入侵类型无疑具有很大的使用价值。     

离散采样图象的一种快速重建算法

该文讨论了采样图象的一般模型,提出了离散图象的采样准则,给出了一种迭代算法。该算法是对传统CG算法的改进。仿真结果表明,该算法是有效的,且其收敛速度快于CG。     

空间移不变系统图像超分辨复原的快速解耦算法

超分辨率图像复原是当今一个重要的热门研究课题. 本文提出了一种基于全变差模型的超分辨率复原快速解耦算法. 利用半二次正则化思想, 提出了一个新的解耦TV (Total variation)模型. 利用交替最小化方法和线性空间不变模糊的性质将上采样融合、去模糊和去噪分步进行. 算法中对上采样融合采用非迭代的直接计算方法; 去模糊过程采用基于变换的预处理共轭梯度迭代算法, 而去噪过程采用了子空间投影方法. 本文算法降低了算法复杂度; 超分辨率重建图像在去除噪声的同时, 不仅能够保证图像平坦区域的保真度, 较好地抑制阶梯效应的产生, 而且能够保持图像中边缘等重要几何结构的清晰度.     

基于最小区域的快速CT图像重建

由于工业CT重建目标的形状差异较大,针对传统CT图像重建算法均选取矩形重建区域,提出一种基于最小区域的图像重建方法.首先由扫描到的投影数据通过直线生成算法构建重建目标的最小区域包络图;然后提出一种快速区域填充算法,生成图像重建的最小区域.该方法将重建区域限定在最小区域内,减少了不必要的计算,提高了重建速度.最后通过仿真实验与传统的重建方法进行比较,表明了文中方法的有效性.