阈值Landweber在MIT图像重建中的应用

针对目前磁感应成像技术的图像重建质量较低、速度较慢的问题,提出了一种阈值Landweber重建算法.该算法在Landweber算法的基础上设置门限阈值,并在每次迭代中都自适应地调节阈值参数,从而提高了重建图像质量且加快Landweber方法的收敛速度.在Comsol Multiphysics仿真软件建立MIT系统模型的基础上,利用有限元方法求解了正问题.模拟结果表明,利用阈值Landweber图像重建算法获得的图像质量比LBP、未添加阈值的Landweber图像重建算法要好,同时也加快了收敛速度.     

一种适用于小视野的快速精确重建算法

分析了反投影滤波(BPF)精确重建算法在重建小视野图像重建中存在的速度缓慢问题,提出一种适用于小视野的快速精确重建算法.该算法通过多尺度采样概念重新定义PI平面数据,利用两次不同尺度PI平面数据的插值获得最终结果,避免了原始算法在PI平面的无用计算.实验结果表明,该算法能够在保证重建图像质量的前提下,大大降低PI平面的计算量,从而提高BPF精确重建算法的重建速度,有效地解决了精确重建算法在小视野重建中的无用计算问题,为精确重建算法应用于实际提供了条件.     

基于六边对称变换群的快速CT重建算法

利用正六边形在所有能铺满整个平面的正多边形中具有最多对称轴的特点(共6条,正三角形3条,正方形4条),结合对称变换群的性质对计算机断层扫描重建(CT)中的滤波反投影算法(FBP)进行了优化,降低了算法中反投影部分的计算复杂度,从而得到一个快速重建算法。由于反投影的计算在FBP算法中耗时最多,所以新算法明显加快了图像重建速度,通过仿真试验与已有快速重建算法进行比较,表明文中算法在同等条件下重建速度提高明显。     

一种基于L_(1/2)正则约束的超分辨率重建算法

为了提高重建图像质量,减少处理时间,提出一种基于L_(1/2)正则约束的单帧图像超分辨率重建算法.该算法在稀疏重建字典对训练阶段,为了有效提取低分辨率图像边缘、纹理等特征细节信息,采用小波系数单支重构方法对低分辨率图像进行特征提取;而在图像重建阶段,为了解决基于L1正则模型得到的解时常不够稀疏,重建图像质量有待进一步提高的问题,采用L_(1/2)范数代替L1范数构建超分辨率重建模型,并且采用一种快速求解的L_(1/2)正则化算法进行稀疏求解.实验结果表明:与现有算法相比较,该算法在重建图像主观和客观评价指标、算法运行速度等方面均更优.     

基于模糊灰度变换的水下图像增强技术研究

为提高水下图像质量,分析了高斯降采样的缺点,引入了图像尺度空间的理论,采用非线性尺度空间的P-M模型,并结合高斯降采样,构造出一种新的图像降采样方法,该方法能在保留图像边缘信息的基础上,实现去噪和尺度缩放的功能。最后,针对水下图像对比度差的特点,研究了图像增强算法,对传统的模糊增强算法进行了改进,并通过实验验证了改进的增强算法比传统的模糊增强算法更适合水下管道图像的增强处理。     

用现代优化算法进行分形图像压缩编码的研究

目前全自动分形编码的实现都是基于简库恩算法的定义域、值域匹配搜索来进行的.编码时间过长是其主要缺点之一.现代优化算法主要研究用数学方法去迅速寻找离散事件的最优编排、分组、次序或筛选.本文将现代优化算法中的局部搜索法与分形编码结合起来,从而达到在解码图像质量相当时使编码速度提高、或编码速度相当时使图像质量提高的目的.     

采用深度学习的快速超分辨率图像重建方法

为满足实际工业生产需要,提出一种基于深度学习的快速超分辨率图像重建方法.采用一种快速的卷积神经网络结构,使用级联的小卷积核以取得重建速度上的提升,加深卷积网络以取得重建质量上的提升.实验结果表明:在标准的公共数据集上,该算法重建的高分辨率图像在主观视觉感受和客观的图像质量评价(峰值信噪比)上取得较好的效果,且重建时间大大缩短;将算法应用在实际的项目中,能达到阈值分割后准确检测物体的标准,减少企业对高额工业相机的经济开支.     

用现代优化算法进行分形图像压缩编码的研究

目前全自动分形编码的实现都是基于简库恩算法的定义域、值域匹配搜索来进行的。编码时间过长是其主要缺点之一。现代优化算法主要研究用数学方法去迅速寻找离散事件的最优编排、分组、次序或筛选。本文将现代优化算法中的局部搜索法与分形编码结合起来，从而达到在解码图像质量相当时使编码速度提高、或编码速度相当时使图像质量提高的目的。     

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．     

厚管壁电容层析成像图像重建算法

探讨了适合厚管壁条件下的电容层析成像图像重建算法.针对厚管壁管道内几种不同流型,分别采用LBP算法、Landweber迭代算法和BP神经网络对8电极电容传感器进行成像重建计算.结果表明:在厚管壁情况下,LBP算法重建的图像质量很差;Landweber迭代算法在层流下的重建效果好于核心流和环状流;而BP神经网络算法可以有效重建管道内的介质分布,但对于没有训练到的任意流型,其重建效果不够理想.     

基于图形处理器加速的叶轮机流场数值模拟研究

近年来,图形处理器(GPU)已经逐渐发展成一种能够满足通用计算的多核心细粒度并行化的处理器,它往往能够提供10倍于CPU的浮点计算能力和更高的存储带宽,在其上开发计算流体力学(CFD)求解器正成为一种趋势。通过采用Jameson有限体积中心差分格式和四步Runge-Kutta时间推进法求解圆柱坐标系下的三维定常欧拉方程来模拟叶轮机械内部流场,并将原有运行在CPU上的代码移植到GPU上。通过比较,获得相同的流场计算结果;在运行速度上,获得了一个数量级的提升。     

基于硬件的点模型绘制

点云模型是一种新兴的物体几何表示方式,基于点的建模与绘制技术是近年来计算机图形学的研究热点之一。随着可编程特性的出现,GPU成为图形学研究中越来越流行的计算平台。以GPU为计算工具,设计了一种适合于GPU处理的类八叉树空间剖分结构,提出了一种新的基于GPU中的点模型光线求交算法,实现了基于GPU的点模型的快速光线跟踪绘制。     

基于Fermi架构的超声图像自动增益补偿并行算法

 在医学超声成像系统中由于超声波在人体组织内传播会发生衰减,需要对超声图像进行有效的增益补偿,使超声图像的显示效果更好。但大多数自动增益补偿算法在处理时涉及大量的复杂计算,成为临床实时成像系统中的一大性能提升瓶颈,为此提出了一种基于高性能并行计算平台Fermi架构图形处理单元(GPU)的自动增益补偿并行处理算法。本算法主要的处理流程有数据预处理、区域类型检测、组织强度计算、二次曲面拟合以及自适应增益补偿等部分,核心的并行算法设计包括了粗粒度的并行均值滤波、局部方差系数的并行计算、优化的矩阵转置并行实现以及基于LU分解的粗粒度的矩阵求逆的并行实现等方面。数据测试结果显示,与基于CPU的实现相比,采用Fermi架构的GPU处理不仅可以得到完全一致和较好的增益补偿效果,而且可以取得较大的加速效果,满足实时系统需求,对512×261的图像数据能够达到427帧/s的高帧率,速度提高了大约267倍。     

二维FFT在GPU上的并行实现

FFT算法是高度并行的分治算法,因此适合在GPU（Graphics Processing Unit,图形处理器）的CUDA（Compure Unified Device Architecture,计算统一设备体系结构）构架上实现．阐述了GPU用于通用计算的原理和方法,并在Geforce8800GT平台上完成了二维卷积FfTr的运算实验．实验结果表明,随着图像尺寸的增加,CPU和GPU上的运算量和运算时间大幅度增加,GPU上运算的速度提高倍数也随之增加,平均提升20倍左右．     

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.     

基于图形处理器的锥束CT快速迭代重建算法

提出了一种基于图形处理器实现的锥束CT图像迭代重建算法.该算法将三维纹理作为被重建物体的离散模型,基于射线投射方法实现了锥束CT的正投影计算;通过反向逐层映射到三维纹理实现了反投影计算;采用多纹理融合等技术完成了图像校正和投影校正.与经典的TMA-SART算法比较,作者算法运算速度快,占用显存少,支持全浮点精度运算,且易于在算法中添加先验知识和约束条件.通过对Shepp-Logan模型的图像迭代重建实验,验证了该算法的优势.     

基于OpenCL的图像灰度化并行算法研究

随着图像数据量的增加,传统单核处理器或多处理器结构的计算方式已无法满足图像灰度化实时处理需求.该文利用图像处理器(GPU)在异构并行计算的优势,提出了基于开放式计算语言(OpenCL)的图像灰度化并行算法.通过分析加权平均图像灰度化数据处理的并行性,对任务进行了层次化分解,设计了2级并行的并行算法并映射到"CPU+GPU"异构计算平台上.实验结果显示:图像灰度化并行算法在OpenCL架构下NVIDIA GPU计算平台上相比串行算法、多核CPU并行算法和CUDA并行算法的性能分别获得了27.04倍、4.96倍和1.21倍的加速比.该文提出的并行优化方法的有效性和性能可移植性得到了验证.     

采用GPU并行计算与图像匹配的工件条码识别算法

设计基于图形处理器(GPU)并行计算与图像匹配的条码识别算法.首先,设计基于归一化协方差的图像匹配算子,定位每个条码的位置.然后,根据条码面积、周长、形状因子,确定条码种类.最后,采用GPU并行计算方式完成条码解析.实验数据显示:与当前条码识别技术相比,所提算法能够同步识别多种条码,且在面对光照强度较暗或过高时,该算法具有更高的稳定性与抗干扰性,其仍具有更高的识别精度与效率.     

Highly configurable floating-point FFT IP Core with reusing method

A highly configurable fast Fourier transform intellectual property core (FFT IP core) that can be mounted on Avalon bus of Nios II processor is designed in this paper, by the means of custombuilt components in SOPC Builder. Not only the data number can be configured to 2n and the data width can be configured as integer or floating-point number of 32 bits, but also the number of inner butterfly units is configurable, which can effectively resolve the contradiction between speed and hardware resource occupancy. The IP core is designed by butterfly computing elements of a mixed radix-4 and radix-2 algorithm and applies the inplace addressing scheme and reusing method to reduce hard-ware resources consumption. Functional simulation by Quartus Ⅱplatform proves that the results calculated by FFT IP core are ac-cordant with the Matlab results. Hardware test on DE2 development board by timestamp timer demonstrates that the FFT IP core costs only 34.8 μs to achieve FFT of 512 sampled data with precision of 32-bit floating point. It is demonstrated that the IP core has the advantages of feasible configuration, easy use, and high precision.