GPU加速实现的锥束CT高精度正投影算法

CT的正投影计算是对CT数据采集过程的模拟,不仅可用于生成投影数据,而且是CT图像迭代重建算法的一个关键组成部分.在CT的锥束扫描方式下,正投影计算量大,计算时间长.为此,提出了一种GPU加速实现的锥束CT正投影算法.该算法通过并行计算各条X射线在探测器上投影,实现了锥束CT正投影的快速计算.由于该算法支持全浮点运算精度计算,且采用三线性插值方式,因此计算精度高.通过对Shepp-Logan模型的正投影计算实验以及与其他正投影算法的比较,验证了作者算法的优点.     

基于相机模型的锥束CT重建误差校正

该文对存在几何误差的锥束计算机层析成像(CT)的图像重建校正方法进行了研究。该文将锥束CT系统看做针孔相机,因此相机的成像模型可以用来修正三维体素与二维投影之间的映射关系。将该映射关系带入到重建算法中,就可以对存在误差的锥束CT进行有效的重建,提高重建图像的质量。计算机视觉中的相机标定技术被用来构建成像模型。该技术的可靠性保证了本文方法的精度和鲁棒性。仿真和实际系统实验表明:本方法可以在图像重建过程中对锥束CT中的几何误差进行有效的校正。     

锥束CT系统几何参数校正的解析计算

为了解决锥束计算机层析成像(computedtomography,CT)系统几何参数偏离设计值影响重建质量的难题,提出了锥束CT系统几何参数校正的解析计算方法。该方法只采用简单假设和模型,获取少量投影即能解析计算出锥束CT系统几何参数。仿真和实验结果表明该算法的计算精度高,关键参数旋转中心的投影坐标偏差小于0.1个像素;误差分析表明该算法的鲁棒性好。该方法容易实现,具有较高的工程实用价值。     

基于有序子窗搜索的非局部约束稀疏角度锥束CT重建算法

为了在稀疏角度扫描条件下更好地去除重建图像中的条状伪影和保留细节信息,将非局部先验引入锥束CT重建.基于有序子集投影划分思想,提出了有序子窗搜索算法,用以解决锥束CT迭代重建算法中非局部先验计算量过大的问题.该算法将每一个体素的搜索窗划分为M个不重复的子窗,每次迭代中选取不同子集元素计算非局部先验约束.实验结果表明,通过非局部先验约束,可以获得质量更好的重建图像.而且无论是在主观视觉效果方面,还是在峰值信噪比和结构相似性指标等客观评价指标方面,有序子窗搜索算法和传统非局部算法的重建结果均无明显差别,但前者可以明显降低先验项的时间复杂度.     

一个基于多视图立体视觉的三维重建方法

研究了基于多视图立体视觉的三维重建方法.给定一组待重建物体的图像,利用传统的立体视觉技术计算每幅图像的深度信息;然后设计一个基于体素划分的模型融合方法,将图像的深度信息融合为一个完整的三维初始模型;随后,对初始模型进行全局的迭代优化,输出最终的重建模型.在构造体素网络图时,充分利用图像一致性度量建立体素之间的连接关系;在对模型迭代优化时,结合图像一致性度量和网格的光顺性准则.该方法能很好地处理纹理缺失的区域,获得完整的三维模型.实验结果证明:该方法能够重建高质量完整的三维模型.     

利用投影数据重排进行锥形束体积重建的改进算法

针对锥顶轨迹为单圆的锥形束体积重建问题,提出了一种基于平板检测器的T-FDK算法．不同于传统的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,最后重建出待测物体的三维结构．数据仿真实验结果表明,该算法在保持与传统FDK算法有相同的计算复杂度的同时,重建图像的质量有了明显的提高,可以确保在较大的锥角范围内获得满意的重建图像．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．     

一种快速迭代软阈值稀疏角CT重建算法

针对目前迭代软阈值稀疏角CT重建算法收敛速度较慢的问题,提出了一种基于全变分约束的快速迭代软阈值稀疏角CT重建算法.该算法首先对CT稀疏投影数据采用联合代数重建算法(SART)进行重建,以获得满足数据一致性的重建图像,然后计算SART重建图像的离散梯度变换,并对其进行软阈值滤波,最后利用离散梯度变换的伪逆更新重建图像.由于在迭代过程中利用了前2次迭代重建图像作为下一次迭代的初始图像,因而加快了重建算法的收敛速度.对Shepp-Logan模体进行仿真的实验结果表明:在无噪、5×104和2×105光子泊松噪声情况下,与SART重建算法、基于Harr小波的快速迭代软阈值算法以及基于全变分约束的迭代软阈值重建算法相比,该重建算法的收敛速度有明显提高,同时能够有效减小图像的相对重建误差.     

CT投影变换理论及其在圆轨道锥束重建中的应用

为了精确地获得计算机断层成像(CT)图像重建所需的平行束X射线投影,提出了CT投影变换理论,得到了一种精确地由锥束投影计算平行束投影的算法.该算法可以适用于任意形式的扫描轨道.在此基础上,分别提出了针对完整物体和物体感兴趣区域进行CT投影变换的投影数据完备性条件.将CT投影变换方法应用于圆轨道CT图像重建,有效地改善了FDK算法的重建结果,特别是在远离扫描轨道的平面内,改进后的重建图像CT值更加接近真实值.数值模拟实验证明了上述CT投影变换理论和方法的有效性.     

一种确定三维锥束CT精确重建域的方法

三维锥束CT精确重建是近几年图像重建领域的研究热点,完全条件、源点轨迹和重建方法是精确重建的主要研究内容。在已知源点轨迹形状和尺寸的情况下,确定物体精确重建的区域,是一个在实际应用中需要解决的重要问题。基于3D Radon变换的性质和三维锥束CT精确图像重建的一般公式,提出了一种在锥束源点轨迹给出之后确定物体精确重建域(ERR)的方法——“Radon壳图解法”。该方法使原有分析复杂轨迹ERR的工作大大简化,且更加直观、有效,使精确重建方法向实际应用又前进了一步。     

图像三维模型重建方法研究

提出一种基于数据挖掘技术的图像三维模型重建方法.首先对图像进行去噪处理和缺陷修复,并采用点云配准将不同图像分配到统一坐标系中,过滤掉图像中的冗杂信息;然后通过TSDF算法对点云配准后的图像进行数据融合,获取完整的点云模型;最后在OpenGl条件下对点云模型实施渲染,完成图像三维模型的重建.实验结果表明,该方法具有较高的重建效率和配准效率,重建的图像三维模型真实性高,边缘和纹理的处理效果清晰.     

基于结构光和序列图像的三维重建方法

为解决在基于图像三维重建物体表面的过程中,对不同图像进行立体匹配的难题,提出了基于特征的立体匹配算法,建立了利用序列图像重建物体表面的系统。系统采用投影结构光给物体表面加上主动特征的方法,以快速精确地重建物体表面,并对Canny算法进行了改进,用于轮廓提取、细化和修正等操作,从而准确获取图像主动线索特征。该方法能快速获取物体表面的三维点云数据,并达到了较高的精度。     

真三维影像的编解码和几何校正方法研究

通过介绍真三维显示模型,解释了基于可视体素的显示技术.针对LED真三维显示分辨率较低的问题,采用光投影阵列的真三维显示方案,结合真三维显示固有的连续图像的特性,研究了真三维编解码算法,建立了基于光线追踪的几何校正模型.实验证明,该方法可构建实用的高分辨率真三维显示器,同时能够展示准确的物体.     

集控式足球机器人视觉子系统的关键技术

简要概括了NewNEU足球机器人系统的视觉结构框架,对视觉系统的关键技术进行了详细介绍·关键技术包括图像矫正,图像分割和辨识算法·通过投影矫正和几何矫正,克服了成像系统本身存在的图像形变问题·根据足球机器人系统的特点,选择HSV颜色模型,用来构造分色器和建立颜色信息库,实现对图像目标的分割·讨论了各种色标设计方案,提出一种抗干扰性较强的色标设计方案,并给出了相应的辨识算法·     

基于快速尺度估计的核相关滤波 目标跟踪

为了解决传统基于核相关滤波器（KCF）的跟踪算法难以有效处理目标尺度变化的难题,本文提出了一种新的融合快速准确估计目标尺度变化的核相关滤波跟踪算法。该方法首先利用目标尺度变化的连续性对目标的尺寸变化进行粗略估计,得到目标尺度变化的粗略值;然后进一步对目标尺度的更多可能变化进行精确搜索,提升目标尺度估计的准确性。在公开的复杂场景视频进行测试,比较了本文方法和原始KCF算法的实验效果,并且将本文算法和经典跟踪算法进行了比较,实验结果表明本文提出的目标跟踪算法更准确鲁棒。     

面向高维度目标函数的微粒群优化算法

针对基本微粒群算法在处理高维度目标函数容易出现早熟的问题,提出了一种新的微粒群算法面向高维度目标函数的微粒群算法(HDOF-PSO).分析了基本微粒群算法难以处理高维度目标函数的原因.通过引入信心度和试探策略,算法的收敛速度得到提高;通过引入成功度,搜索过程中的变异概率能够自适应修正.在特定测试函数集上的实验表明,HDOF-PSO在处理高维目标函数时,比基本微粒群算法和一个改进的微粒群算法具有更快的收敛速度和更好的收敛性.     

基于圆分割的鱼眼镜头图像畸变校正算法

针对应用鱼眼镜头拍摄的图像产生了严重的畸变的问题,提出了一种基于圆分割的校正算法.该算法充分利用了鱼眼图像圆形结构这一特点,将其分割成同心圆,再利用函数法对畸变图像进行校正.微调系数的引入,使得算法更灵活,这样能根据鱼眼镜头与实际物体的距离来调整微调系数的大小,得到更理想的校正图像.Matlab实验结果表明:应用本算法能得到比较满意的校正结果,并且该算法所花费的计算时间少,使其能适用于实时监控系统.     

基于量化修正的低复杂度LDPC译码算法

为进一步降低基于可靠度的(Low Density Parity Check,LDPC)译码算法复杂度,提出一种基于量化修正的低复杂度LDPC译码算法,该算法在对信道信息预处理时引入量化信息修正处理策略,从而避免在译码迭代过程中进行译码信息修正处理操作,在保持译码性能的同时,较大幅度地降低译码复杂度。针对均匀和非均匀量化方案,本文实现了基于修正系数的均匀量化和基于列重修正的非均匀量化两种译码方案。仿真实验结果表明,所提出的两种译码方案在算法复杂度明显较低的情况下,仍然与MRBI-MLGD译码算法具有相同的译码性能与收敛速度。特别地,在基于列重修正的非均匀量化方案中,只需3-4 bits的低比特量化即可达到均匀量化中高比特量化(8 bits)相同的迭代次数和误比特率性能。     

基于K-spectrum的下一代测序数据的纠错算法分析

【目的】对现有的下一代测序(Next Generation Sequencing,NGS)纠错算法和工具进行分析,提出基于Hadoop平台的纠错算法,以解决大数据处理中计算机内存不足和运行时间长的问题,提升纠错性能。【方法】使用特定的数据对现有的基于K-spectrum的纠错算法进行测试,对各纠错工具的运行时间、内存峰值和纠错结果进行比较来衡量纠错工具的性能。在此基础上提出Hadoop分布式并行纠错算法(Parallel algorithm),并与串行程序、Lighter和Racer进行比较,分析分布式并行实现的可行性。【结果】现有的基于Kspectrum的纠错工具普遍存在较大的内存消耗现象,其中Racer和Sga的纠错效果较好。而Hadoop分布式并行纠错算法对计算机单机内存的消耗较低,当数据量超过一定值时,并行分布式程序的运算时间比串行单机程序明显减少。【结论】本研究提出的Hadoop分布式并行纠错算法不仅降低了内存消耗,而且提高了运算性能,更有利于大规模基因数据的分析处理。     

基于随机蕨丛的长期目标跟踪算法

为了从根本上解决运动目标遮挡、环境光照变化、目标外观变化、目标运动速度过快等复杂情况下的目标跟踪问题,采用了将目标检测与标准的目标跟踪算法相结合的目标跟踪框架,提出了基于双向一致性误差评估的标准跟踪算法,提高了跟踪点的可靠性;采用随机蕨丛算法作为目标检测的主体,很好地解决了目标遮挡、消失等情况导致跟踪失败后无法重新初始化的问题.通过实验验证了所提出的目标跟踪算法能实现目标的长期跟踪,且具有很强的适用性.     

基于双目立体视觉的目标识别与定位

为从不同角度识别目标物体以及解决左右两幅图像中目标轮廓中心不匹配的问题, 将SURF(Speeded Up Robust Features)算法与GrabCut 算法相结合, 离线采集目标物体不同角度的图像, 生成目标模板图片库。利用SURF 算法完成目标物体的识别; 利用SURF 算法自动初始化GrabCut 算法, 实现目标轮廓的提取; 利用基于灰度相关的区域匹配算法完成目标轮廓中心点的匹配, 结合三维重建原理实现目标定位。实验结果表明, 该方法可以成功识别目标物体并对目标物体进行准确定位。