基于转角增量关系的FDK锥束重建改进算法

单圆形轨迹不能满足锥束投影精确重建的充要条件是经典FDK算法出现锥向衰减伪像的根本原因.通过斜平面转角增量关系的分析,推导出同锥角斜平面间转角及其增量的计算关系,进而得出FDK算法是对同锥角斜平面族上有限视角的投影数据进行重建,并且在滤波反投影重建过程中存在转角关系不匹配问题.针对上述两个问题,提出了一种利用转角及其增量关系对FDK算法进行改进的新方法,改进思路也进一步推广到T-FDK算法中.Shepp-Logan模型的仿真实验结果表明在适中或较大锥角情况下,改进算法显著改善了FDK算法所存在的锥向衰减伪像.     

锥束CT的分区短扫描FDK重建算法

圆轨道锥束CT(computed tomography)重建中,随着锥角增大,锥角伪影和数据缺失伪影越来越严重,影响FDK算法(由Feldkamp-Davis-Kress名字命名)重建区域的大小和图像质量。本文分析了短扫描FDK算法(short scanFDK,SS-FDK)重建时的数据完整性,提出了根据重建切片高度自适应地将重建切片分成若干区域,对每个区域采用SS-FDK算法进行重建的分区短扫描FDK重建算法。理论分析及试验仿真表明,该方法虽然计算复杂度有所增加,但充分利用了锥束CT投影数据,较大地增大了重建区域,完全重建区域高度达到扫描高度的1-sin2δ倍(δ为射线源半张角),且重建精度和图像质量与FDK算法相当。     

基于滤波反投影的超短锥束CT扫描算法

分析了现有的一些超短扫描算法,提出一种基于滤波反投影(FBP)方法的超短扫描算法和实现这种算法的圆周分段联合的扫描方式.用该算法对感兴趣区域实施超短扫描所获取的数据可以进行精确的体积重建,并且对噪声不敏感.所提出的圆周分段联合的锥束投影扫描是一种把圆周轨道的半扫描和超短扫描进行合并的组合扫描方式,这种方式有助于提高病灶区域的空间分辨率和密度分辨率,并可降低病人所受X射线照射的剂量.     

基于同心圆轨道的锥形束CT重建算法

由于基于圆轨道锥形束 CT(com putertom ography)重建算法 (如 FDK算法 )只有在小锥角的条件下才能得到比较好的重建质量 ,因此在实际应用中时受到很多的限制。该文利用外推的思想提出了一种基于同心圆轨道的锥束 CT重建算法。利用不同半径的同心圆轨道对物体重建两次 ,并根据平方反比关系 ,利用两次 FDK算法重建结果的差异估计出真实值和重建值的差异 ,然后利用这个差异来修正重建结果。得益于这个修正 ,该算法可以很好地抑制FDK算法由于锥角变大引起的伪影。仿真模拟结果表明 :该算法对高对比度和低对比度物体锥束重建的锥角使用范围比 FDK提高 1～ 3倍     

用通用显卡加速三维锥束T-FDK重建算法

利用通用显卡实现算法加速是一种适应CT重建特点的重要硬件加速方法。为了提高三维锥束T-FDK算法的重建速度,在对T-FDK算法简单描述的基础上结合显卡特点提出了快速实现T-FDK算法重建的方法。由于显卡的浮点管道比8bit的纹理光栅化管道慢,但是精度高,将两者结合,在力求达到重建速度和图像质量的平衡的基础上实现了该方法。实验结果表明,与经过初步对称性优化后的T-FDK软件算法相比,快速算法达到了27.6倍的时间加速比,从而在保证图像质量的情况下提高了重建的速度。     

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．     

圆轨道锥束重建中Radon空间数据缺失

实际工程中广泛采用的圆轨道锥束CT重建算法(FDK类算法)中,只有在小锥角(<±5°)的条件下才能较好地重建。为了克服这一缺点,增大圆轨道可重建的锥角范围,推导了圆轨道锥束重建中R adon空间数据缺失与锥角的关系,并基于这一关系提出了基于不同半径的两个同心圆轨道的“改进型误差减小”(im proved error reduction-based,IERB)算法,利用估算的重建误差改善重建结果。数值仿真实验结果表明,IERB算法在锥角≤±10°时都能获得相当好的重建结果,在锥角更大时也可适用于一定的区域。该算法不适用于数据缺失过多的区域。     

有序表改进扇束滤波反投影重建算法求解速度的研究

介绍了由投影重建图像的基本原理,对扇束滤波反投影重建算法进行了分析,并针对该算法的特点提出了一种提高算法求解速度的方法。最后对所提方法进行了实验,并给出实验结果。     

一种新的图像重建的扇束卷积反投影算法

通过Radon变换的小波反演公式,得到了扇束投影重建的卷积反投影算法。利用Lemarie-Mayer小波束构造该算法的窗函数,分别进行了全局重建和局部重建。与其他传统的重建算法相比较,在全局重建,特别是局部重建上都能取得一些不错的结果。     

全息法CT卷积反投影重建图像的计算机模拟

研究了用全息干涉技术进行光学层析和采用卷积反投影算法实现图像建建的计算机模拟；分析采样间隔与空间分辨率、空间滤波和内插；设计了计算机模拟运算的模块。     

改进的基于径向基函数的曲面重建算法

目的改进基于径向基函数的曲面重建算法。方法针对数据量过大,无法在中低端计算机上进行曲面重建的问题,采用分而治之的思想,将点云曲面先分割后重建。结果所给方法能够明显提高曲面重建效率,实现了在中低端计算机上的曲面重建。结论对于不规则的待重建物体,使用任意方向的包围盒比使用轴向包围盒能更好地降低重建过程中的运算次数。     

基于背景重构的运动目标检测算法

针对背景差分算法中的参考帧提取问题,引入动态时间弯折(DTW)算法,给出了一种新的基于块的背景重构方法。该算法根据相邻两帧图像所对应的背景区域灰度变化不大的特点,利用DTW算法从帧中提取出背景区域所对应的块,再确定出背景帧。仿真结果表明,即使是在图像存在几何畸变和部分像素点缺省的情况下该算法仍能准确地重构背景,实现对运动目标的提取。     

基于Laplace调和方程的网格重构算法

针对三角形网格向四边形网格的转化问题,基于调和方程构建模型梯度场,追踪表面流线,实现了参数化网格重构。首先,建立了基于离散Laplace方程的三角网格梯度场理论模型、数据结构模型和稀疏矩阵求解方案;其次,提出了局部坐标变换和参数方程相结合求解流线节点的统一算法,并针对流线跟踪无交点、有多个交点等特殊情况,提出了梯度收敛、最短距离和参数极值等优选策略;最后,通过模型实验验证了算法。结果表明,流线网格具有等参、闭合特点,复杂模型网格划分没有歧义,而且网格质量随网格密度增加而提高。因此,相对于传统几何重构算法,数学方法对网格重构表达具有鲁棒性和唯一性,且应用场景更广泛。     

基于孔隙度分类的超维重建算法

由于超维算法在字典建立过程和三维重建过程都涉及到大量的模式匹配,导致超维算法耗时较长,在实际的应用中还有一定难度.针对这个问题,本文提出了一种基于孔隙度分类的超维重建算法,能够较大程度上减少三维重建的时间成本.首先,结合字典元素的孔隙度这一特征对字典集进行分类;其次,利用孔隙度分类字典在重建时采取依孔隙度的搜索方式,优先搜索相应的字典区间;然后,针对不同的训练图像进行三维重建,结合孔隙度分布,提出了一种自适应的搜索范围确定方法;最后,通过对高中低三种孔隙度的训练图像分别进行多次重建,将传统超维算法和新算法的重建结果与真实岩心三维结构的统计特征函数、孔隙参数以及两种算法重建时间的进行对比分析,验证算法的有效性.     

基于ILVD的多分量LFM信号重构算法

针对线性调频(linear frequency modulated,LFM)信号参数估计技术面向多目标产生的多分量信号会产生交叉项,从而降低参数估计精度的问题,提出了基于逆吕氏分布 (inverse Lv’s distribution,ILVD)的多分量LFM信号重构算法。利用特征值分解结合最小误差准则方法的中心频率-调频斜率 (centroid frequency-chirp rate,CFCR)域信号分析与合成,克服传统时频变换方法中的交叉项干扰问题;采用特征值分解思想构造ILVD变换核函数;使用最小误差准则校正CFCR域随机相位误差,重构出分布在CFCR域吕氏分布中不同位置对应的各个目标信号。实验结果表明,提出的算法在重构信号的准确度和抗噪声干扰方面的有效性均有较大提高。     

基于机器视觉的汽车远近光灯的自适应切换算法

低续航车辆由于里程所限,多行驶于无中分隔离带的市区和市郊区域。针对该路况下夜间行驶中,驾驶员易出现会车等情况下未按法规正确进行远近光灯切换的现象,提出了一种基于视觉的远近光灯自适应切换算法。该算法利用图像处理技术对有无路灯场景、无路灯会车场景和无路灯且前车距本车较近场景这三种情况进行识别,并给出与场景规则最相符的灯光使用指示。实验表明,该算法能实时有效的给出远近光灯的切换策略,既保障了行车的安全性,也避免了远光灯不必要的开启,节约了汽车的电能。     

基于空间自适应正则化的超分辨率重建算法

针对模糊图像的复原问题,从正则化技术克服问题病态性的思想出发,研究了一种有效的超分辨率重建算法。该算法充分考虑了图像的局部特性,引入了空间自适应加权矩阵,采用全局正则化参数与局部正则化参数矩阵相结合的方法,弥补了传统正则化方法所带来的正则化误差以及噪声放大误差。实验结果表明,该算法能够有效地减少重建误差,保护图像的细节信息。