基于窗函数的卷积反投影算法研究

对工业CT广扇束扫描模式下的图像重建算法进行了研究.为了提高图像质量,解决普通图像重建算法所产生的"盐和胡椒"现象,提出了基于窗函数的卷积反投影图像重建算法,算法改进了已有的图像重建过程.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,并且模拟实现了各种噪声源,给出了各种应用情况下的重建结果,并对结果进行了对比分析和评估,证明了基于窗函数的卷积反投影图像重建算法可以有效地提高重建图像的质量.     

基于事件相机的连续光流估计

事件相机对场景的亮度变化进行成像, 输出异步事件流, 具有极低的延时, 受运动模糊问题影响较少. 因此, 可以利用事件相机解决高速运动场景下的光流(Optical flow, OF)估计问题. 基于亮度恒定假设和事件产生模型, 利用事件相机输出事件流的低延时性质, 融合存在运动模糊的亮度图像帧, 提出基于事件相机的连续光流估计算法, 提升了高速运动场景下的光流估计精度. 实验结果表明, 相比于现有的基于事件相机的光流估计算法, 该算法在平均端点误差、平均角度误差和均方误差3个指标上, 分别提升11%、45% 和8%. 在高速运动场景下, 该算法能够准确重建出高速运动目标的连续光流, 保证了存在运动模糊情况时, 光流估计的精度.     

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.     

卷积反投影算法中内插函数研究

对工业CT广扇束扫描模式下的图像重建算法进行了研究.为了提高图像质量,提出了基于内插函数的卷积反投影图像重建算法,该算法提出了新的思想,改进了已有的图像重建过程.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,给出了各种应用情况下的重建结果,并对结果进行了对比分析和评估,证明了基于内插函数的卷积反投影图像重建算法可以有效地提高重建图像的质量.     

有序子集最大似然SPS算法在CT中的应用

研究CT图像技术,就是投影图像重建过程.为了提高X射线CT图像重建的收敛速度和图像质量,将有序子集最大似然可分离的抛物面型替代函数算法(OS-ML-SPS)应用于X射线CT图像重建,通过对Shepp-Logan头部模型的一个切片进行仿真实验,验证了算法的可行性,然后用来重建X射线CT采集的实际投影数据,并与ART算法,FBP算法相比较,重建结果表明,OS-ML-SPS算法的初始收敛速度明显比ART快,其重建的图像质量优于FBP算法.算法为X射线CT图像重建提供了新的研究途径.     

光度立体技术的物体三维表面重建算法模拟与评价

为了提高基于光度立体法的物体三维表面重建精度,研究了几种常用三维表面重建算法的适用范围.介绍了几种常用重建算法(变分法、金字塔法、代数法)的基本原理及求解方法,指出了表面方向梯度的求解准确度是三维表面重建过程中的难点.在此基础上建立了朗伯半球体模型和实际拍摄的玻璃灯罩,从重建速度、重建精度等方面对几种算法进行了比较和评价.最后通过实验模拟和算法性能评价,表明了常用算法的重建精确度有限,并且时三维重建今后的研究进行了展望.     

基于Bregman迭代的CT图像重建算法

针对大规模集成电路领域CT重建图像的特点,提出TV约束条件下采用l1范数作正则项的重建模型,并给出了基于Bregman迭代的模型求解算法.算法分为两步: 1)采用Bregman迭代求解图像的l1范数作为正则项,误差的加权l2范数作为保真项的约束极值问题;2) 采用TV约束对1)中得到的重建图像进行修正.算法对TV约束条件下采用l1作正则项的重建模型分开求解,降低了算法的复杂度,加快了收敛速度.算法在稀疏投影数据下可以快速重建CT图像且质量较好.本文采用经典的Shepp-Logan图像进行仿真实验并对实际得到的电路板投影数据进行重建,结果表明该算法可满足重建质量要求且重建速度有较大提升.     

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.     

基于总变分的鲁棒的超分辨率重建算法

提出了一种基于L1范数和总变分规整化的超分辨率图像重建算法.采用L1范数对重建图像保真度进行约束,降低了传统算法由于模型估计不精确所带来的重建误差.利用总变分规整化克服重建问题的病态性,有效地保护了图像的边缘.运用该算法对模拟低分辨率图像序列进行重建,分别从视觉效果和峰值信噪比(PSNR)两方面与基于L2范数和Tikhonov规整化的超分辨率重建结果进行比较,实验结果验证了该算法具有更强的鲁棒性和边缘保持能力.     

基于压缩感知的EMT探伤和图像重建

为改善EMT逆问题的欠定性,提高探伤过程中裂纹图像重建质量,本文提出一种基于压缩感知原理的EMT探伤和图像重建方法.其本质是通过压缩感知弱化问题的求解条件,进而有效改善EMT逆问题的欠定性.本文采用压缩感知技术对EMT探伤信号进行处理,并引入了相应的图像重建算法.其中,信号处理包括选取恰当的稀疏变换基对原始信号进行稀疏表示,将稀疏处理后的原始信号进行投影;图像重建过程则采用了两种算法,分别是基于最小L1范数的迭代重加权最小二乘(IRLS)法和基于匹配追踪原理的压缩采样匹配追踪(CoSaMP)算法.仿真和实验结果均表明,IRLS图像重建算法和CoSaMP图像重建算法的图像重建质量都要好于传统的EMT图像重建算法,尤其是CoSaMP算法的图像重建质量更佳.     

抽象数字事件重构模型的设计

在总结了国外关于事件重构理论的基础上,提出了一种抽象的数字事件重构模型.模型由证据检查、角色分类、事件重构、事件排序以及结论生成5部分组成.本文重点讨论事件重构阶段.模型的提出为数字取证工作人员提供了事件重构的理论指导.     

计算机入侵取证中的入侵事件重构技术研究

针对计算机入侵取证中计算机证据具有易删改、易丢失、来源众多、内容繁杂等特点,论述入侵事件重构技术的最新发展状况,从系统应用层对象/事件和操作系统层对象/事件2个方面分析入侵重构的主要证据来源,介绍现有入侵事件重构中主流的重构工具,研究常用的入侵事件重构方法,包括基于时间戳的日志分析、语义完整性检查、基于操作系统层对象的依赖追踪技术、基于有限状态机模型的事件重构模型等,总结各种方法的优缺点。在重构效率、重构误报率、证据可信度、证据真实性和重构环境等方面对入侵事件重构方法进行比较,讨论入侵事件重构技术未来的研究前景。     

WSN中移动单点信号源的重建算法

现有移动信号源估计算法没有综合考虑采样点之问存在的空间相关性或难以适应运动信号源,针对该问题提出一种基于空间相关性的能量优化移动单点信号重建算法。该算法对事件源进行运动预测,确定发送监测数据的最佳距离,以降低网络通信量。实验结果证明了其有效性。     

基于事件关联的电子取证实时入侵重构

针对目前电子取证入侵重构多用事后分析的方式导致分析信息不完整的问题,定义入侵事件的形式化描述和黑客攻击场景的表示,将事件关联方法引入电子取证入侵重构分析中,建立了事件关联的动态实时电子取证入侵重构系统,该系统预先了因果关联表,找出事件问的因果关联度,并消除它们的冗余关系,来获得入侵过程图。最后,通过一个实例来说明通过关联部分攻击片断来构建一个完整的攻击场景的过程。     

基于Chambolle-Pock算法框架的高阶TV图像重建算法

传统的总变差（TV）最小算法是一种基于压缩感知(CS)的经典迭代重建算法，可以从稀疏数据或含噪数据中高精度地重建图像。然而，TV算法在重建分段常数特征不明显的图像时可能会引入块状伪影，通过研究得出，在图像去噪中使用高阶总变差（HOTV）能有效压制TV模型引入的块状伪影。鉴于此，提出了一种HOTV图像重建模型及其Chambolle-Pock（CP）求解算法。具体来说，以二阶梯度构建二阶TV范数，进而设计了一种数据保真约束的二阶TV最小重建模型，并推导出了相应的CP算法。在理想数据投影和含噪数据投影条件下，分别采用基于波浪背景的Shepp-Logan模体、灰度渐变模体以及真实CT图像模体进行重建实验，并进行定性和定量分析。理想数据投影的重建结果表明，和传统TV算法相比，HOTV算法能有效压制块状伪影并提高重建精度。含噪数据投影的重建结果表明，HOTV算法和TV算法均有良好的抗噪能力，但HOTV算法的保边性能更好且抗噪性更强。在重建分段常数特征不明显而灰度波动特征明显的图像时，HOTV算法是一种比TV算法更优的重建算法。所提HOTV算法可以被推广到各种扫描模式下的CT重建及其他成像模态中。     

基于ToF相机的三维重建技术

针对利用ToF相机实现物体的重建提出一种新的三维重建算法,通过分析物体重建过程的特点,对KinectFusion的重建算法进行改进。点云匹配过程包括粗匹配和精匹配两个过程,最后进行全局优化,提高相机位姿估计的精度,从而得到更精确的三维重建结果。利用泊松重建算法重建物体表面,相比于TSDF算法,能够实现完整表面的重建。提出结合强度图对深度图进行多边滤波的算法以及一种新的补空洞法则,增强深度图像。多边滤波算法在PSNR和SSIM的评估中都优于双边滤波结果,提出的三维重建算法与KinectFusion三维重建结果对比,表面更完整,重建结果更优。     

基于Petri网的并发事件流程模型修复分析

目前,流程模型可以从大量的事件日志中挖掘出来,以重放大多数的日志.但是,少数偏离流程模型的日志亦是有效的,为了使事件日志与流程模型更加拟合,模型修复是一个很好的方法.提出了基于Petri网的并发事件流程模型修复分析方法.首先,找到事件日志与流程模型的最优对齐,筛选出用于修复的并发事件;其次,利用提出的重构子流程的修复方法,对筛选得到的并发事件进行重构;最后,根据算法嵌入到原始模型中以实现模型修复,并通过一个具体实例说明了该方法的合理有效性.修复后的模型可以完全重放给定的事件日志,并且能够避免因循环造成的多余行为的发生,同时也在最大程度上保留了原始模型的使用价值.     

基于随机支撑挑选的广义正交匹配追踪算法

针对广义正交匹配追踪（GOMP）算法复杂度高、重构时间长的问题,提出了一种基于随机支撑挑选的GOMP（StoGOMP）算法。首先引入随机支撑挑选的策略,在每次迭代中随机生成一个概率值。然后通过比较此概率值与预设概率值的大小来决定候选支撑集的挑选方式：若此概率值小于预设概率值,则采用匹配计算方式;否则,采用随机选择方式。最后根据得到的候选支撑来更新残差。这种方式充分考虑了算法单次迭代复杂度和迭代次数之间的平衡,减少了算法的计算量。一维随机信号重构实验结果表明,在预设概率值为0.5、稀疏度为20时,StoGOMP算法相较GOMP算法达到100%重构成功率所需的采样数减少了9.5%。实际图像重构实验结果表明,所提出的算法具有与GOMP算法相当的重构精度,且在采样率为0.5时,所提算法的重构时间相较于原算法减少了27%以上,这说明StoGOMP算法能够有效减少信号的重构时间。     

一种新的基于平面检测器的锥形束体积重建算法

由于锥形束体积重建算法具有较高的获取投影数据的速度、较大的 X射线利用率及能保持重建物体的空间和密度各向同性等方面的优点 ,因而引起了人们的广泛关注 .针对锥顶轨迹为单圆的锥形束体积重建问题 ,提出了一种基于平面检测器的 T- FDK算法 (简称 FT- FDK算法 ) .该算法首先将锥形束投影数据重排为倾斜平行投影数据 ,然后再经过加权滤波和反投影重建来得到待测物体的三维结构 .实验结果表明 ,该算法不仅与传统的 FDK算法有相同的计算复杂度 ,且重建图象的质量有了明显的提高 ,因而该算法在医学成像和无损探伤等领域具有重要的实用价值 .     

基于一次投影子空间追踪的压缩感知信号重构

为了降低信号重构算法的复杂度,实现对稀疏度未知信号的重构,提出了一种基于一次投影子空间追踪(OPSP)的信号重构方法。首先根据约束等距性质确定信号稀疏度的上下界,并将最接近上下界中值的整数作为稀疏度的估计值;然后在子空间追踪(SP)算法的框架下,去掉了迭代中观测向量在支撑集上的投影过程,降低了算法的复杂度。为了更准确地衡量算法的重构性能,提出用完整信号的重构概率作为衡量算法重构性能的指标。与传统的SP算法相比,所提算法可以重构稀疏度未知的信号,且重构时间短,重构概率高。仿真结果验证了该算法的有效性。