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。     

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.     

扇束工业CT图像重建算法的并行实现

工业CT图像的重建速度是工业CT产品的一个重要指标。使用并行算法是提高重建速度的一个行之有效的方法。提出了基于Beowulf集群系统的滤波反投影算法的并行实现方法;并且提出了基于Intel 奔腾SIMD技术的加速算法。在用4台P4/2.9 G微机构建的集群系统平台上对工业CT采集的4个不同的断层投影数据进行重建实验,实验数据表明使用SIMD技术可以得到4-6倍的加速,使用集群并行技术的算法能够得到1.5-3倍的加速,综合应用这两项技术可以得到8-10倍的加速。     

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。     

不完全投影数据的ICT图像重建算法

为了解决不完全投影情况下的ICT图像重建质量不高和重建速度较慢的问题，文中介绍了两种以代数重建思想为基础的CT图像重建算法：基于共轭梯度法的快速迭代算法和多约束准则的遗传算法。经过实验验证，这两种算法能够在投影数据不完全的情况下，重建出令人满意的图像。     

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。     

ART算法快速图像重建研究

讨论了影响ART(Algebraic Reconstruction Technique)算法重建速度和重建质量的主要因素,包括投影数据访问方式、松弛因子和投影系数等。针对投影系数的计算占绝大部分重建时间,成为制约ART算法的瓶颈,提出了一种快速、实时的投影系数计算方法。该方法通过一个距离参数来确定与射线相交的网格编号并计算出相交长度,距离参数采用增量计算,极大地节省了时间。实验结果表明该文提出的方法非常有效,与Siddon算法相比,在保证图像质量不受损失的前提下取得了6倍以上的重建加速比。     

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.     

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。     

基于窄角扇束CT多次扫描的局部重建算法

介绍了窄角扇束工业CT的局部扫描方法,通过源与探测器的平移加旋转实现扫描;研究了CT多次扫描的局部重建算法,从粗略扫描重建的低分辨率图像中圈定感兴趣区域,再进行小步距扫描,重建出高分辨率的图像;提高了检测效率并且只需要更少的时间就可获取高质量的局部图像。     

New neural network algorithm for image reconstruction from fan-beam projections

Neural networks have some applications in computerized tomography, in particular to reconstruct an image from projections. The presented paper describes a new practical approach to the reconstruction problem using a Hopfield-type neural network. The methodology of this reconstruction algorithm resembles a transformation formula—the so-called ρ-filtered layergram method. The method proposed in this work is adapted for discrete fan beam projections, already used in practice. Performed computer simulations show that the neural network reconstruction algorithm designed to work in this way outperforms conventional methods in obtained image quality, and in perspective of hardware implementation in the speed of the reconstruction process.     

基于下采样灰度投影的电子稳像算法研究

为了快速、准确地稳定矿井车载摄像系统获取的抖动图像,提出了一种基于下采样灰度投影的电子稳像算法。首先对图像进行直方图均衡化处理,以提高图像对比度;为减少算法运算量,削减局部运动物体的影响,通过下采样方法对图像进行多分辨率分层,选取相邻2帧低分辨率图像及其预定子区域分别进行灰度投影运算,并对运算结果进行加权求和处理,获得最终的全局运动矢量;最后根据卡尔曼滤波获取的补偿量,通过自适应相邻帧补偿方法对图像进行运动补偿,以解决误差累积问题。实验结果表明,所提算法在准确度和运算时间上都优于传统灰度投影算法,且能实现长时间连续稳像。     

扇束等距CT滤波反投影重建算法的研究

我们提出了一种快速的扇束等距CT滤波反投影重建算法.这种新算法是传统标准滤波反投影（FBP）重建算法的加速形式,主要通过减少投影数量然后重建子图象来实现.实验结果表明：对于一幅512x512图像,这种算法可以将重建过程加速40倍以上,并且不会引入明显的图像误差.     

基于对数极坐标变换的灰度投影稳像算法

常规的灰度投影稳像算法仅能对存在平移运动的图像进行稳像,而对具有旋转和尺度变化的图像无能为力。为了克服灰度投影算法这一局限性,提出了基于图像对数极坐标变换(LPM)的灰度投影稳像算法,把具有尺度和旋转变化的图像进行对数极坐标变换,这样笛卡儿坐标系下图像的旋转和尺度变化在对数极坐标系下表现为平移变化,从而能够用灰度投影算法处理旋转和尺度变化问题。     

快速的圆投影图像匹配算法

针对现有圆投影匹配方法计算复杂度高、对同质区域无法识别的缺点,提出了一种新的图像匹配算法。该算法基于混合圆投影向量,结合塔式分解和角度直方图估计,不仅可以识别出模板在待匹配图像中的准确位置,还可以通过角度估计策略得到模板的旋转角度。通过图像金字塔策略,结合混合圆投影向量快速找到候选点;然后在诸多候选点中精确定位,确定位置;最后通过角度直方图计算出准确的角度。实验结果证明该算法识别率高,且匹配速度快。     

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。     

基于R-滤子的多帧图像重建算法

针对图像重建中低分辨率图像信息的利用和先验项（正则化项）的估计问题,提出一种新颖的算法--R-滤子方法,通过计算输入图像的高阶信息来构建先验项,同时采用广义交叉验证（Generalized Cross Validation,GCV）方法自适应求解先验项参数（正则化参数）,加强算法的自适应性。实验结果表明：重建图像的峰值信噪比值（Peak Signal-to-Noise Ratio,PSNR）比目前主要先验项方法（BTV、Sparse、Huber）的重建图像的值更高,从重建图像的局部细节和纹理也看出该方法的重建图像具有更丰富的信息,同时,从构造方法上说明R-滤子方法在计算上要优于其他方法。