一种针对大规模数据集的快速分组算法

基于空间点集的连通性构造的等价关系,提出一种针对大规模数据集的快速分组算法。该算法的本质仍是基于等价关系的集合划分算法,但在关系矩阵传递闭包的构造算法中,提出一种快速的实现方法。与传统等价关系的构造方法相比,新算法需要较少的存储空间,而且算法复杂度由O(n3)降为O(km2)(k n,m≈n)。在医学断层图像表面重建的应用中证实,新算法具有重要的应用价值。     

基于蒙特卡罗积分的数字影像重建方法

提出了一种基于蒙特卡罗积分的数字影像重建方法,首先根据概率密度函数采样形成点云集合,并将空间采样转换为强度采样,采样速度获得了较大提升;然后利用空域滤波器平滑点云集,避免投影出现孔洞;最后根据不同的视角对样本投影,统计出像平面上每个区域内的投影数目.为降低图像估计方差,提出结合Russian roulette技术的混合采样方法和Metropolis采样方法.相比较于复杂度为O(N3)的确定性投影算法,所提出的算法复杂度降为O(N2).实验结果表明,该方法能以较快的帧速给出大数据集的数字影像重建,且无需多次调整转换函数即可生成类X射线影像.     

应用Monte Carlo法的X射线成像

提出了一种新的X射线成像仿真方法用于模拟光子散射过程.采用射线跟踪快速算法形成初级投影,并记录射线历经物体的属性.沿射线方向根据光子散射概率选取光子散射点,用Monte Carlo法仿真光子散射,忽略无效的光子仿真计算.实验结果表明,该算法与传统Monte Carlo仿真相比,可以在数分钟内达到相近的仿真效果.