聚集数据的线性模型参数的改进Peter－Karsten估计

文献［１］结出了聚集数据的线性模型参数的两种估计方法。本文利用引理２对两种估计作了改进，并研究了其效率问题。     

图像重建的统计自适应子集算法

有序子集算法大大提高了图像重建迭代算法的收敛速度.增加子集的数目可以加速收敛,但图像质量会由于子集内缺少统计信息而下降.提出了一种基于假设检验的子集划分方法,建立了检验统计量,给出了算法的迭代公式.该算法可以根据用户定义的显著性水平,在每次迭代时自动调节子集的个数,生成含有相同统计信息量的子集.实验结果表明:该方法可以在少数次迭代后得到较高质量的重建图像.     

锥束 X-射线 CT 投影数据的仿真

研究 CT 图像优化问题,针对提高精确性和有效性,传统的解析方法很难应用于几何形状比较复杂的物体.为了提高CT 图像重建精度,提出从离散化图像的 Radon 变换,推导出一种模拟 X-射线投影数据的模型,并提出采用模型的快速计算方法.模型不受物体内部几何形状和扫描轨迹限制,用于数字化灰度图像.利用上述方法对三维 SHEPP-LOGAN 模型的投影数据进行仿真,并对得到的数据采用 OS-EM 算法进行重建.结果表明,提高了图像精度,进一步验证了方法的有效性.     

CT图像重建的新型混合滤波器

在X射线断层成像技术(CT)中,滤波反投影是CT图像重建的一种基本方法,滤波器又是滤波反投影的重要组成部分.滤波器的好坏将直接影响到重建图像的质量,本文基于R-L和S-L混合滤波器,提出一种新型的混合滤波器.它是由R-L和NEW滤波器组成的,其中的NEW滤波器是应用理想滤波器的定义及性质找到的.文中最后通过仿真试验,给投影数据加佑入不同系数的poisson噪声,分别用两种不同的混合滤波器(R-L和S-L混合滤波器、R-L和NEW混合滤波器)进行重建,得出用新型的混合滤波器重建出的图像归一化程度更好.     

基于遗传算法与FCSS相结合的模糊球壳聚类算法

模糊球壳聚类(FCSS)算法广泛地应用于模式识别与机器学习等领域。由于其采用基于梯度法和交替寻优策略,对初始化比较敏感,容易陷入局部极值点,从而影响聚类效果。将现代全局优化方法之一的遗传算法(GA)与FCSS算法相结合,得到一种新的球壳聚类算法GA-FCSS。数值实验表明:新方法对球壳形数据有令人满意的聚类效果。     

计算机网络中病毒传播动力学建模

根据Internet网络中计算机病毒的传播机制,建立了病毒传播的动力学模型,研究了模型的动力学性质,获得了病毒传播的关键阈值.发现该系统会出现非常复杂的动力学现象,包括后向分支和鞍结点分支.同时也给出了计算机网络病毒的预防和控制方法.     

EM算法重建图像的精度分析

EM算法将观测得到的投影值看成不完全数据,合理运用相应的先验知识,以迭代的方法求出图像像素值的极大似然估计.该算法重建的图像比常用的滤波反投影和代数重建等算法得到的精度高.本文用概率统计的方法从理论上较详细地讨论了EM算法重建结果方差的下界,同时推导出实际应用中此方差近似值的一种简单求法.     

变电压CT重建的灰度加权算法

常规固定电压的CT重建,因成像系统动态范围受限,投影数据易出现过曝光和欠曝光共存现象,造成信息缺失多,成像质量差,为此提出变电压CT重建。通过变电压获得跟工件有效厚度相匹配的有效投影序列,在ART迭代图像的基础上,调整全变差使其最小化,从而优化重建。在重建过程中,依据灰度加权,把低电压的重建图像作为初值,应用在相邻高电压有效投影重建中,得到相邻高电压的重建图像,依次类推直至最高电压。至此,工件的全部结构信息重建完毕。仿真结果表明,灰度加权算法不仅实现了变电压图像信息的完整重建,而且像素值更加稳定。     

基于线结构光法的三维重建技术的研究

三维重建技术是计算机视觉方面的一个重要的应用。在此首先大体介绍了三维重建技术的发展;然后,介绍了基于线结构光法的三维重建技术;在详细介绍了数学模型的建立、照相机的标定、采集图像的处理、三雏重建方法这四个方面,从而对三维重建技术有了深入的了解。     

硬x射线同轴相衬成像相位恢复的模拟

分析了硬x射线同轴相衬成像过程,在菲涅耳衍射的基础上,提出了基于强度传播方程（Transport of Intensity equation）的相位恢复算法,并利用数值法模拟研究了相衬成像和相位恢复过程,从而验证了这一相位恢复算法。