2017A基于单目标优化模型和图像重建算法的 CT 系统研究——刘承远,瞿林平,马浩宇,李明奇(电子科技大学)

合集下载

超分辨率重建的微小人脸识别算法

超分辨率重建的微小人脸识别算法

超分辨率重建的微小人脸识别算法作者:李靖宇,程卫月,李子翔,林克正来源:《哈尔滨理工大学学报》2022年第03期摘要:針对低分辨率下小尺度人脸图像缺失有效身份信息导致的识别率低的问题,提出了超分辨率重建的微小人脸识别算法。

该算法首先将采集到的低分辨率人脸图像进行超分辨率重建,并采用细节增强的方法,以恢复图像的面部轮廓信息与纹理细节等高频信息,再通过一个改进的密集连接网络做特征提取,进行图像识别。

实验结果表明,该方法对于小尺度的人脸图像,在图像识别率上优于其它人脸识别算法,能够有效解决现实环境中微小人脸识别率低的问题。

关键词:超分辨率重建;人脸识别;特征提取;细节增强DOI:10.15938/j.jhust.2022.03.007中图分类号: TP391.4文献标志码: A文章编号: 1007-2683(2022)03-0052-07Small Face Recognition Algorithm Basedon Super-resolution ReconstructionLI Jing-yu1,CHENG Wei-yue2,LI Zi-xiang1,LIN Ke-zheng1(1.School of Computer Science and Technology, Harbin University of Science and Technology, Harbin 150080,China;2.Heilongjiang College of Business and Technology, Harbin 150025, China)Abstract:Aiming at the problem of low recognition rate caused by the lack of effective identity information in small-scale face images with low resolution, this small face recognition algorithm based on super-resolution reconstruction is proposed. The algorithm first performs super-resolution reconstruction on the collected low-resolution face images, and uses the method of detail enhancement to restore high-frequency information such as facial contour information and texture details of the image, and then uses an improved densely connected network to do feature extraction and image recognition. Experimental results show that this method is aimed at small-scale face images, and is superior to other face recognition algorithms in image recognition rate, and can effectively solve the problem of low recognition rate of small faces in real environments.Keywords:super-resolution reconstruction; face recognition; feature extraction; detail enhancement0引言随着人工智能与深度学习的发展,人脸识别技术已日渐成熟,越来越多的应用于人们的日常生活中,包括人脸识别门禁、智能安防系统、人脸识别考勤等领域。

新型静态CT成像理论与重建算法研究

新型静态CT成像理论与重建算法研究

“图像重建算法”部分则重点探讨了与静态CT成像相关的图像重建算法。这一 部分详细介绍了多种先进的图像重建算法,如基于深度学习的图像重建算法、 压缩感知重建算法等。这些算法在提高图像质量、降低噪声和伪影等方面发挥 了重要作用。通过这一章,读者可以深入了解图像重建算法的基本原理和应用 实例。
“实际应用与展望”部分则总结了新型静态CT成像理论与重建算法在实际应用 中的现状和未来发展趋势。这一部分讨论了新型技术在医学、工业检测和安全 检查等领域的应用情况,并分析了未来技术发展的挑战和机遇。通过这一章, 读者可以全面了解新型静态CT成像理论与重建算法的实际价值和未来发展方向。
新型静态CT成像理论与重建算法研究
读书笔记
01 思维导图
03 精彩摘录 05 目录分析
目录
02 内容摘要 04 阅读感受 06 作者简介
思维导图
本书关键字分析思维导图
成像
成像 ct
图像 提供
重建
包括
ct
理论
算法 静态
质量
算法
理论
深入
进行
领域
研究
这些
内容摘要
内容摘要
《新型静态CT成像理论与重建算法研究》内容摘要 《新型静态CT成像理论与重建算法研究》一书深入探讨了静态CT成像的最新理论及其在图像重建 算法中的应用。本书主要了静态CT在临床诊断和科研领域中的重要地位,并针对其成像原理、图 像质量的影响因素以及先进的重建算法进行了全面的研究。 本书对CT成像的基本原理进行了详细的介绍,包括X射线的产生、散射和衰减,以及探测器如何 接收并转换为可处理的信号。在此基础上,深入阐述了静态CT成像的理论框架,包括其独特的成 像方式和在各种应用场景中的优势。 书中对影响图像质量的因素进行了深入的分析,包括噪声、分辨率和对比度等。特别了如何在保 证图像质量的同时,降低辐射剂量,这是当前静态CT成像领域面临的重要挑战。 然后,本书对新型的重建算法进行了全面的研究。

基于单像素成像的遥感图像分辨率增强模型

基于单像素成像的遥感图像分辨率增强模型

航天返回与遥感第44卷第6期130 SPACECRAFT RECOVERY & REMOTE SENSING2023年12月基于单像素成像的遥感图像分辨率增强模型陈瑞林章博段熙锴孙鸣捷*(北京航空航天大学仪器科学与光电工程学院,北京100191)摘要目前对地遥感的最主要途径之一便是通过遥感相机获得目标物信息,然而遥感相机的分辨率直接影响成像质量。

结合遥感相机的推扫式成像技术,文章提出了一种基于单像素成像的超分辨增强技术模型,该模型能够简化重建过程,其设计目标是基于单像素超分辨的技术手段将航天遥感相机的图像分辨率增强4倍。

为了验证该设计思想及其重建效果,文章设置了超分辨增强仿真试验,最终仿真试验结果表明,基于单像素的超分辨模型可以将图像的信噪比提高1.1倍,且重建的图像具有明显的抑制噪声的效果,起到了良好的降噪功能,相较于其他传统图像分辨率增强方法(如双三次内插、超深超分辨神经网络)具有更高的优越性。

该方法可为地理遥感探测、土地资源探查与管理、气象观测与预测、目标毁伤情况实时评估等诸多领域的图像处理和应用提供有力支持。

关键词单像素超分辨分辨率增强推扫式成像降噪效果遥感应用中图分类号: TP751.2文献标志码: A 文章编号: 1009-8518(2023)06-0130-10 DOI: 10.3969/j.issn.1009-8518.2023.06.012Remote Sensing Image Resolution Enhancement Technology Based onSingle-Pixel ImagingCHEN Ruilin ZHANG Bo DUAN Xikai SUN Mingjie*(School of Instrument Science and Optoelectronics Engineering, Beijing University of Aeronautics and Astronautics,Beijing 100191, China)Abstract At present, one of the most important ways of earth remote sensing is to obtain target information through remote sensing cameras, but the resolution of remote sensing cameras directly affects the imaging quality. Combined with the pushbroom imaging technology of remote sensing camera, this paper proposes a super-resolution enhancement technology model based on single-pixel imaging, which can simplify the reconstruction process, and its design goal is to enhance the image resolution of aerospace remote sensing camera by 4 times based on single-pixel super-resolution technology. In order to verify the design idea and its reconstruction effect, the super-resolution enhancement simulation experiment is set up, and the final simulation results show that the single-pixel super-resolution model can improve the signal-to-noise ratio of the image by 1.1 times, and the reconstructed image has the obvious effect of suppressing noise, which plays a good noise reduction function, and has higher superiority than other收稿日期:2023-06-30基金项目:国家自然科学基金委项目(U21B2034)引用格式:陈瑞林, 章博, 段熙锴, 等. 基于单像素成像的遥感图像分辨率增强模型[J]. 航天返回与遥感, 2023, 44(6): 130-139.CHEN Ruilin, ZHANG Bo, DUAN Xikai, et al. Remote Sensing Image Resolution Enhancement Technology Based on Single-Pixel Imaging[J]. Spacecraft Recovery & Remote Sensing, 2023, 44(6): 130-139. (in Chinese)第6期陈瑞林等: 基于单像素成像的遥感图像分辨率增强模型 131traditional image resolution enhancement methods (such as bicubic interpolation and ultra-deep super-resolution neural network). This method can provide strong support for image processing and application in many fields, such as geographic remote sensing detection, land resources exploration and management, meteorological observation and prediction, and real-time assessment of target damage.Keywords single-pixel super-resolution; resolution enhancement; push-broom imaging; noise reduction effect; remote sensing application0 引言对地遥感成像的主要途径之一就是航天遥感相机,由于其具有覆盖范围广、成像速度快、风险低等优势,在国土资源管理、气象预报、地理测绘等领域发挥着举足轻重的作用。

一种基于深度学习的肺部CT图像参数重建方法、系统、终端及存储介

一种基于深度学习的肺部CT图像参数重建方法、系统、终端及存储介

专利名称:一种基于深度学习的肺部CT图像参数重建方法、系统、终端及存储介质
专利类型:发明专利
发明人:刘峰,周振,刘秋月,俞益洲,王亦洲
申请号:CN202010783409.0
申请日:20200806
公开号:CN112017136A
公开日:
20201201
专利内容由知识产权出版社提供
摘要:本申请所提供的一种基于深度学习的肺部CT图像参数重建方法、系统、终端及存储介质,所述方法包括:将获取的肺部CT图像输入至预设的渐进式上采样骨架网络模型,输出特征图像;将所述特征图像输入至3D卷积神经网络模型,所述3D卷积神经网络模型为肺内分支、肺外分支和肺掩码分支组成的卷积神经网络模型;通过所述肺掩码分支对所述特征图像的每个像素进行分类,确定肺内部分与肺外部分并进行分类标记;将所述特征图像的肺内部分、肺外部分分别输入至所述肺内分支、肺外分支进行特征学习,生成肺内图像与肺外图像;将所述肺内分支、肺外分支的生成图像组合构成完整的CT生成图像;本申请利用深度学习技术实现CT图像不同参数的转化。

申请人:杭州深睿博联科技有限公司,北京深睿博联科技有限责任公司
地址:311121 浙江省杭州市余杭区文一西路1818-2号8幢705室
国籍:CN
代理机构:北京天方智力知识产权代理事务所(普通合伙)
代理人:白凯园
更多信息请下载全文后查看。

基于FBP算法实现CT图像重建及模板优化

基于FBP算法实现CT图像重建及模板优化

基于FBP算法实现CT图像重建及模板优化【摘要】CT图像重建在医学影像领域具有重要意义,而FBP算法是实现CT 图像重建的一种主要方法。

本文首先介绍了基于FBP算法的CT图像重建原理和其在实际应用中的效果。

还探讨了模板优化在CT图像重建中的作用,以及如何通过优化算法提高重建效果。

研究发现,模板优化对CT图像重建结果有着重要影响,可提高图像清晰度和精度。

结合基于FBP算法的CT图像重建及模板优化的优势和局限性,总结了研究成果,并提出了未来研究方向。

本文的研究成果对于优化CT图像重建算法、提高医学影像质量具有一定的指导意义。

【关键词】CT图像重建, FBP算法, 模板优化, 研究背景, 研究目的, 研究意义, CT图像重建原理, CT图像重建算法优化, 结果影响, 结论, 未来研究方向, 结论展望.1. 引言1.1 研究背景现代医学影像学在临床诊断和治疗中发挥着至关重要的作用。

计算机化断层扫描(CT)技术是其中的重要手段之一,旨在通过对人体组织进行多角度的X射线扫描,获得详细的断层影像信息。

CT图像重建是CT技术中的核心环节,其准确性和效率直接影响着医生对患者病情的判断和诊断。

过去,传统的CT图像重建方法主要基于滤波反投影(FBP)算法,其原理简单易懂,但在处理复杂场景和噪声干扰时存在显著的局限性。

随着计算机技术的不断进步和图像重建算法的不断优化,基于FBP算法的CT图像重建在提高重建速度和准确性方面取得了一定的突破。

研究人员通过改进算法实现了更准确的图像重建,同时结合模板优化技术,进一步提高了重建结果的质量和效果。

基于FBP算法实现CT图像重建及模板优化成为了当前研究的热点之一。

当前对于基于FBP算法的CT图像重建及模板优化的研究还存在许多问题和挑战,如算法复杂性、计算资源消耗以及重建结果的稳定性等。

有必要加强对这一领域的研究,以进一步完善基于FBP算法的CT 图像重建技术,提高医学影像学在临床诊断中的应用水平。

改进的RDN灰度图像超分辨率重建方法

改进的RDN灰度图像超分辨率重建方法

第49卷第S1期红外与激光工程2020年7月Vol.49No.S1Infrared and Laser Engineering Jul.2020改进的RDN灰度图像超分辨率重建方法魏子康,刘云清(长春理工大学电子信息工程学院,吉林长春130022)摘要:针对残差算法的残差网络超分辨率重建问题,提出了改进的残差计算的深度复合残差网络模型。

在此研究实验中,改进了原有的残差块,能够充分利用到残差块内部的所有卷积层特征信息,提高生成图像的质量;设置了双层复合结构,加深了模型结构的深度,能够强化模型对图像的特征提取,可以提取更多的图像特征;采用迁移学习的方法,在深度网络结构中通过迁移学习增强图像特征信息,使得该模型性能更稳定。

通过天宫一号灰度图像的应用实验表明,该研究提出的改进的深度密集残差网络在天宫一号灰度图像超分辨率重建中表现良好,在卫星图像领域具有应用价值和研究意义。

关键词:灰度图像;卷积残差网络;超分辨率重建中图分类号:TP391文献标志码:A DOI:10.3788/IRLA20200173Gray image super鄄resolution reconstruction based on improvedRDN methodWei Zikang,Liu Yunqing(School of Electronic Information Engineering,Changchun University of Science and Technology,Changchun130022,China)Abstract:Aiming at the problem of residual network super鄄resolution reconstruction by residual algorithm,an improved deep composite residual network model for residual calculation was proposed.In this research,the original residual block was improved,which could make full use of all the convolutional layer feature information inside the residual block to improve the quality of the generated image;a double鄄layer composite structure was set to deepen the depth of the model structure,it could enhance the feature extraction of the image by the model and could extract more image features;the image feature information was enhanced using the method of transfer learning through transfer learning in the deep network structure,making the performance of the model more stable.The application experiment of the Tiangong-1grayscale image show that the improved deep residual dense network proposed in this study performs well in the Tiangong-1grayscale image super鄄resolution reconstruction, and has application value and research significance in the field of satellite imagery.Key words:gray image;convolution residual network;super鄄resolution reconstruction收稿日期:2020-04-11;修订日期:2020-05-08基金项目:吉林省科技厅重点研发项目(20190303034SF)作者简介:魏子康(1990-),博士生,主要从事图像处理、图像超分辨率方面的研究。

人工智能辅助诊断平台联合光学相干断层扫描技术诊断致盲性眼病的价值

人工智能辅助诊断平台联合光学相干断层扫描技术诊断致盲性眼病的价值

Value of AI-assisted diagnostic platform combined with OCT in the diagnosis of blinding eye diseases/Mayila Kuerban, Cao Shujuan, Jiang AixinCenter of Ophthalmology, The First People’s Hospital of Kashi District, Kashi 844000, China Corresponding author: [Abstract] Objective: T o explore the value of artificial intelligence (AI)-assisted diagnosis platform combined with optical coherence tomography (OCT) in diagnosing blinding eye diseases, so as to provide effectively scientific basis for favorable prognosis of patients with blinding eye diseases. Methods: A total of 72 patients with visual impairment who admitted to the outpatient of hospital were selected. All patients received the detection of AI-assisted diagnosis platform combined with OCT diagnosis. The final diagnosis result of the detection of doctor combined with the relevant ophthalmic examination was used as the "gold standard" to assess respectively the consistence among single AI-assisted diagnosis platform, single OCT , the combination of them and the “gold standard”, as well as the sensitivity, specificity and accuracy of them in diagnosing the blinding eye diseases. Results: For the 72 patients, the detection rate of the detection result of doctor combined with the relevant ophthalmic examination was 27.78% (20/72) for blinding eye diseases, and the detection rate of that was 72.22% (52/72) for non-blinding eye diseases. The consistency between AI-aided platform diagnosis and the "gold standard" was general in diagnosing the blinding eye diseases (kappa =0.530). The consistency between OCT and the "gold standard" was favorable in diagnosing that (kappa =0.611). The consistency between AI-assisted platform combined with OCT and the "gold standard" was better (kappa =0.799). The specificity, sensitivity, positive predictive value, negative predictive value, diagnostic accuracy of AI-assisted platform combined with OCT diagnosis were respectively 92.31%, 90.00%, 81.82%, 96.00% and 91.67, and the diagnostic value of the combination was higher than that of single AI-assisted platform and that of single OCT for all of above these indicators. Conclusion: Both the AI-assisted diagnosis platform and OCT can detect blinding eye diseases, and the combined detection of them has higher diagnostic value.[Key words] Artificial intelligence; Diagnostic platform; Optical coherence tomography (OCT); Blinding eye disease Fund program: Natural Science Foundation of Xinjiang Uygur Autonomous Region (2019D01C004)[摘要] 目的:探讨人工智能辅助诊断平台联合光学相干断层扫描(OCT)技术诊断致盲性眼病的价值,为致盲性眼病患者良好预后提供有效的科学依据。

基于CT图像的肺结核病灶治愈状态判定深度学习模型的建立

基于CT图像的肺结核病灶治愈状态判定深度学习模型的建立

摘要!目的基于IJ影像构建深度学习模型判定肺结核病灶的活动性+方法回顾性纳入(&%7年%(月 至(&(&年%(月首都医科大学附属北京胸科医院就诊的具有治疗前&中和后时间点的IJ影像资料的肺结核治愈 患者)%&(例*"按照7a(的比例将病灶随机分为训练集和测试集+另外"于(&(%年%&月至(&((年%(月在同一 家医院前瞻性纳入肺结核治愈患者)L(例*"在治疗前&中和后时间点纳入IJ资料作为独立验证集+通过迁移学 习方式进行深度学习模型构建#采用掩膜区域卷积神经网络)[,9R=;ISS*架构实现病灶自动分割及活动性判定+ 基于三维病灶标签进行模型训练"通过计算测试集受试者工作特性)=!I*曲线下面积)C`I*&敏感度&特异度"并 与独立验证集比较"评估模型对肺结核病灶活动性的判定效能+结果回顾性队列共纳入符合标准的肺结核治愈 患者%&(例"共收集到LL&份IJ影像资料#22(个病灶为活动性"<1<个病灶为非活动性+前瞻性队列纳入肺结核 治愈患者L(例"共收集到'<&份IJ影像资料+基于迁移学习的[,9R=;ISS深度学习模型计算"测试集的C`I 为7L6'K"敏感度为7'6LK"特异度为L761K#独立验证集的C`I为L)6)K"敏感度为L76LK"特异度为L'6&K+ 结论基于迁移学习的[,9R=;ISS深度学习模型在小样本量肺结核病灶活动性预测中展现出一定潜力"可以为 快速&自动的临床决策提供科学参考+

基于自适应算法的单目视觉系统的姿态解算

基于自适应算法的单目视觉系统的姿态解算

基于自适应算法的单目视觉系统的姿态解算周婧;高印寒;刘长英;张也弛【摘要】An adaptive total least square algorithm was proposed to further improve the attitude calculation accuracy of optical characteristic points, and the total least square algorithm and adaptive total least square algorithm were researched and compared. Firstly , the coordinate system and 3D model a-mong optical characteristic points , image points and the position of camera were established according to the space position relationship , and the matrix equation between optical characteristic points and image points was created. Then, the two algorithms mentioned above were used to get an optimization solution. Finally , the attitude of optical characteristic points relative to the word coordinate system was obtained based on the optimization solution. The simulation comparison experiment was performed in a coordinate measuring machine,and the experimental result indicates that the standard tolerance of attitude coordinate calculated by total least squares is 0. 055 7 mm, and that by adaptive total least squares is 0. 041 4 mm. The compared results show that the adaptive total least square algorithm has higher convergence rate and precision , and its calculation speed is better than that of total least square algorithm. It satisfies the system requirements for stabilization, reliability and high precision.%提出了自适应总体最小二乘算法,以进一步提高单摄像机视觉测量系统光学特征点的姿态解算精度,研究并对比了常用的总体最小二乘算法及自适应总体最小二乘算法在测量系统中的应用.首先,根据空间几何位置关系构建光学特征点、像点及摄像机位置的系统坐标系及三维空间模型,并建立关于光学特征点及像点的矩阵方程.然后,应用常用的总体最小二乘法及自适应总体最小二乘法进行优化求解.最后,基于优化的总体最小二乘解确定光学特征点相对世界坐标系的姿态.应用三坐标测量机进行仿真对比实验,结果表明:常用的总体最小二乘算法得出的姿态坐标的标准差为0.055 7 mm,自适应总体最小二乘算法得出的姿态坐标的标准差为0.041 4 mm.相比之下,自适应总体最小二乘算法有更高的收敛速度及收敛精度,且解算速度优于常用总体最小二乘算法,满足单目视觉测量系统的稳定、可靠和精度高等要求.【期刊名称】《光学精密工程》【年(卷),期】2012(020)012【总页数】8页(P2796-2803)【关键词】视觉测量;单目视觉系统;光学特征点;总体最小二乘法;姿态解算;自适应算法【作者】周婧;高印寒;刘长英;张也弛【作者单位】吉林大学仪器科学与电气工程学院,吉林长春130022;吉林农业大学信息技术学院,吉林长春130118;吉林大学汽车仿真与控制国家重点实验室,吉林长春130022;吉林大学仪器科学与电气工程学院,吉林长春130022;中国电信有限公司吉林省分公司公众客户部,吉林长春130033【正文语种】中文【中图分类】TP246;TP3911 引言视觉测量技术[1]是基于计算机坐标测量和视觉技术的一门新的测量技术,其任务是从获取的二维图像信息出发,计算出三维世界信息,重点研究物体的几何尺寸及物体的位置测量。

基于TOF PET改善低剂量CT性能的重建算法初探

基于TOF PET改善低剂量CT性能的重建算法初探

基于TOF PET改善低剂量CT性能的重建算法初探程李;姚树林;刘亚强;马天予【摘要】目的:改善低剂量CT的图像质量,降低患者辐照风险同时便于辅助医生进行临床诊断.方法:基于PET/CT一体机,利用包含衰减信息的飞行时间(time of flight,TOF)PET数据以及PET图像、CT图像结构上的相似性,引入联合先验,通过联合重建的方法改善低剂量CT的图像质量,并通过数值模拟的方法进行验证研究.结果:引入结构相似性联合先验,联合重建可以明显改善CT图像质量;而对于一些长轴向视野的PET系统,在不引入先验的前提下依然可以对低剂量CT的图像质量有所改进.结论:引入TOF PET数据进行联合重建后确实可以改善临床低剂量CT的图像质量,而这种改善在长轴向视野PET系统中更加明显.通过TOF PET数据改善CT 图像质量是一种很有潜力的方案.【期刊名称】《医疗卫生装备》【年(卷),期】2019(040)002【总页数】5页(P6-10)【关键词】低剂量CT;正电子发射断层成像;飞行时间;联合重建;联合先验;PET图像;CT图像【作者】程李;姚树林;刘亚强;马天予【作者单位】清华大学工程物理系,北京100084;清华大学粒子技术与辐射成像教育部重点实验室,北京100084;解放军总医院第一医学中心核医学科,北京100853;清华大学工程物理系,北京100084;清华大学粒子技术与辐射成像教育部重点实验室,北京100084;清华大学工程物理系,北京100084;清华大学粒子技术与辐射成像教育部重点实验室,北京100084【正文语种】中文【中图分类】R318;R814.420 引言目前CT已经广泛应用于临床的医疗诊断[1-2],但是其带来的潜在的辐射风险也引起了人们更多的关注[3-4]。

临床上降低CT剂量的方法包括:降低X线管的管电流、管电压,或者稀疏采样,但是这样会导致图像的噪声增大,并可能出现伪影[5-7]。

一种扇束扫描模式下的图像重建迭代算法

一种扇束扫描模式下的图像重建迭代算法

部满足相同的密度分布。因此,一个理想小区域对于 射线衰减的贡献,与理想小区域的中心点到射线的距 离以及射线的入射角度i 有关。在新的模型中,没有
图 1 新模型几何图示 Fig.1 Geometry of new model
2期
刘淼灵等:一种扇束扫描模式下的图像重建迭代算法
181
像素格的概念,每个理想小区域直接对应图像重建中要显示的像素。
图 7 左图第 280 行像素曲线
Fig.7 Pixel curve of 280 row of left image
3 数值实验
本文模拟工业 CT 扇束扫描装置的数据采集过程进行数值实验,重建过程采用新模型下 的 SB-ART 算法,给出了各重建后的图像的第 280 行像素值变化的曲线图,与传统的扇束重
CX = b 考虑到测量误差和噪声的因素,(3)式可写为:
(3)
C X b
(4)
传统模型中由截格长度组成的投影系数矩阵 A 转化为 C,矩阵 C 的元素是 f (di,j, θi), 表示关于理想小区域到直线的距离 di,j 和射线入射角度 θi 的函数。矩阵 A 和 C 的元素定义 不同,所代表的几何物理意义不同,矩阵 A 的元素是射线与正方形剖分网格的相交的截格 长度,新模型下的矩阵 C 的元素由像素到扫描射线的距离和射线入射角度来决定。用像素 到射线的距离所代表的权重代替原来的截格长度,能更准确地描述线积分的离散化。
第 21 卷 第 2 期 2012 年 6 月(179-185)
CT 理论与应用研究 CT Theory and Applications
Vol.21, No.2 Jun., 2012
刘淼灵, 刘畅, 邱钧. 一种扇束扫描模式下的图像重建迭代算法[J]. CT 理论与应用研究, 2012, 21(2): 179-185. Liu ML, Liu C, Qiu J. A new reconstruction iterative algorithm on fan beam CT[J]. CT Theory and Applications, 2012, 21(2): 179-185.

一种面向对象的遥感影像多尺度分割方法

一种面向对象的遥感影像多尺度分割方法

一种面向对象的遥感影像多尺度分割方法
谭衢霖;刘正军;沈伟
【期刊名称】《北京交通大学学报》
【年(卷),期】2007(031)004
【摘要】高分辨率遥感影像中丰富的空间结构信息和地理特征信息提取需要在多种不同的尺度下进行,而传统的基于像素光谱特征的影像分割和单尺度影像信息提取方法在这方面存在明显的缺陷.基于区域的面向对象影像分析方法,为高分辨率遥感影像信息提取提供了新的思路,其关键的核心问题在于实现对高分辨率遥感影像的多尺度分割.本文提出了一种基于相邻影像区域合并异质性最小的面向对象多尺度分割算法.影像分割试验结果表明:该方法可以根据任意特定尺度下的影像分析任务或任意感兴趣尺度的地物目标,调整影像分割的尺度参数,从而获得特定尺度下感兴趣的影像区域(对象)作为后续面向对象影像分析和应用的基础.
【总页数】5页(P111-114,119)
【作者】谭衢霖;刘正军;沈伟
【作者单位】北京交通大学,土木建筑工程学院,北京,100044;中国测绘科学研究院摄影测量与遥感所,北京,100039;北京交通大学,土木建筑工程学院,北京,100044【正文语种】中文
【中图分类】TP753;P231;P237
【相关文献】
1.面向对象的GF-1遥感影像多尺度分割研究 [J], 张华;张改改
2.高分辨率遥感影像多尺度分割参数优化及其在面向对象分类中的应用 [J], 郑斓;黄万里
3.面向对象的遥感影像最优分割尺度监督评价 [J], 庄喜阳;赵书河;陈诚;丛佃敏;曲永超
4.一种改进SLIC分割的多尺度面向对象CVA遥感影像变化检测方法 [J], 李语旻;徐佳;卢刚;王宗伟;秦慧杰
5.一种改进的遥感影像面向对象最优分割尺度计算模型 [J], 胡文亮;赵萍;董张玉因版权原因,仅展示原文概要,查看原文内容请购买。

基于单相机的微米谱域偏振光学相干层析成像方法

基于单相机的微米谱域偏振光学相干层析成像方法

基于单相机的微米谱域偏振光学相干层析成像方法
仇志远;高万荣;陈朝良;常颖
【期刊名称】《光子学报》
【年(卷),期】2022(51)12
【摘要】提出一种基于单相机的偏振谱域光学相干层析方法。

该方法基于全单模光纤光路,使用宽带光源实现微米纵向高分辨率成像性能。

通过硬件和软件两方面对系统色散进行矫正补偿,提高系统的实际分辨率。

为实现样本偏振态的测量,入射至样品表面及参考臂的光偏振态由偏振片和四个偏振控制器进行调制。

此外,利用偏振片在不同时间的通道切换实现两正交通道光谱信号的分时探测。

根据得到的正交光谱信息,计算重构样品强度图和相位延迟图。

该系统成功实现了单相机的偏振OCT测量,通过获取离体生物组织的强度图和相位延迟图验证了系统的成像能力。

该方法为实现小型化在体高分辨偏振成像打下基础。

【总页数】10页(P221-230)
【作者】仇志远;高万荣;陈朝良;常颖
【作者单位】南京理工大学电子工程与光电技术学院;东南大学电子科学与工程学院
【正文语种】中文
【中图分类】TN247
【相关文献】
1.基于最优化线性波数光谱仪的谱域光学相干层析成像系统
2.谱域光学相干层析成像的图像处理
3.谱域光学相干层析成像系统的噪音分析
4.谱域光学相干层析成像的图像重构
5.网电钻井计价指标编制方法与效益分析
因版权原因,仅展示原文概要,查看原文内容请购买。

DICOM数据的三维重建与协同可视化系统的开发

DICOM数据的三维重建与协同可视化系统的开发

DICOM数据的三维重建与协同可视化系统的开发刘泗岩;廖文和;俞青;程筱胜;戴宁;张翔【期刊名称】《生物医学工程学杂志》【年(卷),期】2007(24)5【摘要】复杂手术常需多科医生协商制定综合性治疗方案,网络协同三维可视化软件可使方案制定直观而精确。

我们采用VTK工具包对DICOM格式CT图像数据进行三维重建并作网格简化,将结果所得多边形网格模型无缝集成到用HOOPS/3DAF所开发的图形系统进行显示,并用HOOPS/Stream工具包转成适合网络传输的HSF无损压缩流文件,再用HOOPS/NET工具包实现基于Client/Server架构的协同三维交互可视化系统。

所得三维重建结果清晰,协同三维可视化操作实时度高。

本研究实现了一个协同手术仿真开发平台,该架构易于进一步添加模拟手术操作与修复体设计功能。

【总页数】5页(P1152-1156)【关键词】医学图像三维重建;协同手术仿真;三维可视化;VTK(the;Visualization;Toolkit)【作者】刘泗岩;廖文和;俞青;程筱胜;戴宁;张翔【作者单位】南京航空航天大学机电学院;南京大学医学院附属口腔医院修复科【正文语种】中文【中图分类】R319【相关文献】1.基于DICOM数据下MIMICS三维重建技术在鼻骨骨折诊断中的价值初探 [J], 殷勇;田浩;秦照军;达鹏;曹卫华;王强;吴昊2.基于DICOM数据三维重建及其对骨科植入物的指导应用 [J], 李靖;杨龙;王建吉;刘琴;邹强;孙宇;马敏先;叶川;3.基于DICOM数据三维重建及其对骨科植入物的指导应用 [J], 李靖;杨龙;王建吉;刘琴;邹强;孙宇;马敏先;叶川4.基于DICOM的多平台放射治疗数据可视化与对比分析 [J], 于大宇;唐丽玉;李小波;徐本华;张建平5.DICOM医学图像三维可视化系统的研究 [J], 骆建珍;林财兴;孟令旗;杨安荣因版权原因,仅展示原文概要,查看原文内容请购买。

基于模糊阈值分割的ECT图像重建方法

基于模糊阈值分割的ECT图像重建方法

基于模糊阈值分割的ECT图像重建方法
董向元;郭淑青;刘石
【期刊名称】《传感器与微系统》
【年(卷),期】2008(027)006
【摘要】电容层析成像(ECT)技术是近年来发展较快的过程成像技术之一,图像重建算法是其应用的关键.但由于ECT的软场特性,重建的图像往往具有边界模糊效应.提出一种基于模糊阈值的ECT图像重建方法.该方法采用Landweber法进行图像重建,引入模糊阈值法确定重建图像的最佳阈值.采用仿真实验对该方法进行了验证,结果表明:该方法重建图像精度较高,具有较大的实用价值.
【总页数】3页(P50-52)
【作者】董向元;郭淑青;刘石
【作者单位】中原工学院能源与环境学院,河南,郑州,450007;中原工学院能源与环境学院,河南,郑州,450007;华北电力大学动力工程系,北京,102206
【正文语种】中文
【中图分类】TP3
【相关文献】
1.基于严格等价函数的区间二型模糊熵及其图像阈值分割方法 [J], 姚兰;肖建
2.基于双阈值分割法的模糊图像边缘区域的提取研究 [J], 田池
3.基于最大化直觉模糊集相似度的图像阈值分割 [J], 岑柏滋;刘丽琳
4.基于模糊OTSU与布谷鸟寻优的火灾图像多阈值分割算法 [J], 赵汝海; 孙凡; 朱
广
5.基于中心扰动的区间值模糊集图像阈值分割算法 [J], 兰蓉;闫召阳
因版权原因,仅展示原文概要,查看原文内容请购买。

清华大学工物系和北京清华长庚医院联合提出创新的SPECT成像机理

清华大学工物系和北京清华长庚医院联合提出创新的SPECT成像机理

清华大学工物系和北京清华长庚医院联合提出创新的SPECT成像机理北京讯 5月9日,记者从清华获悉:单光子发射断层成像(SPECT)技术作为临床四大医学影像手段之一——核医学影像的重要组成部分,广泛应用于肿瘤、心血管、内分泌等重大疾病诊断中,也是恶性肿瘤的一体化核素诊疗手段中的关键监测方法。

SPECT是特色的功能和分子影像技术,有极高(纳摩尔/升)的生物学灵敏度。

SPECT技术自问世以来,其落后的空间分辨率和探测效率(临床SPECT的分辨率一般为1cm,探测效率为0.01%)严重制约其影像学诊断价值和临床应用范围。

其中,由铅、钨等重金属制成的机械吸收式准直器既是SPECT成像必不可少的成像部件,也因其吸收了99.9%以上的光子,使得分辨率和探测效率性能互相制约,是SPECT性能提升的关键瓶颈。

近期发表在《IEEE医学成像汇刊》(IEEE Transactions on Medical Imaging)上的一项最新研究中,清华大学工物系和北京清华长庚医院联合团队以“采用多层交错马赛克探测器的自准直SPECT”(Self-collimating SPECT with multi-layer interspaced mosaic detectors)为题,提出了“用探测器做准直器”的自准直SPECT成像原始创新思想。

这一思想是SPECT准直基本机理层面的新突破。

通过将探测器在三维空间中分离排列形成稀疏阵列,既实现了高空间分辨率准直效果,又避免了光子损失,达到高探测效率,从根本上避免了机械吸收准直造成的空间分辨率和探测效率间的相互制约。

研究团队针对人脑成像和小动物成像的模拟实验结果表明:自准直人脑SPECT能够达到0.5mm分辨率和3.88%探测效率;自准直小动物SPECT能够达到0.05mm分辨率和1.25%探测效率。

原型成像装置实验结果为:对边缘间距<0.1mm(直径=中心距=0.3mm)的点源阵列,在总活度0.32mCi,成像时间≥15分钟条件下能够清晰分辨。

细胞神经网络图像恢复新方法的研究

细胞神经网络图像恢复新方法的研究

细胞神经网络图像恢复新方法的研究
汪海明;赵建业;程承旗;余道衡
【期刊名称】《计算机工程与应用》
【年(卷),期】2003(039)008
【摘要】结合二维细胞自动机(CA)和细胞神经网络通用二进制神经元(CNN-UBN)设计了两种新的用于噪声图像恢复的细胞神经网络(CNN).这两种网络的联合处理图像结果明显优于长度为3和5的普通中值滤波恢复方法,且具有速度快、结构简单、易于硬件集成等优点,是一种新颖实用的图像恢复算法.
【总页数】3页(P4-6)
【作者】汪海明;赵建业;程承旗;余道衡
【作者单位】北京大学电子学系视觉与听觉信息处理国家重点实验室,北京,100871;北京大学电子学系视觉与听觉信息处理国家重点实验室,北京,100871;北京大学遥感与地理信息系统研究所,北京,100871;北京大学电子学系视觉与听觉信息处理国家重点实验室,北京,100871
【正文语种】中文
【中图分类】TP183
【相关文献】
1.基于细胞神经网络的图像复原新方法 [J], 冯强;于盛林;张维
2.基于细胞神经网络的从阴影恢复形状的新方法 [J], 王怀颖;于盛林;冯强
3.基于非局部全变分正则化优化的单幅雾天图像恢复新方法 [J], 何人杰;樊养
余;WANG Zhiyong;FENG David
4.用细胞神经网络实现图像恢复的一种新方法 [J], 赵建业
5.CMoS图像传感器彩色像素排列新方法和彩色图像恢复技术 [J], 陆明莹;王国裕;张红升;易满星;贾新力
因版权原因,仅展示原文概要,查看原文内容请购买。

基于单类SVM的遥感图像目标检测

基于单类SVM的遥感图像目标检测

基于单类SVM的遥感图像目标检测
王凯峰;秦前清
【期刊名称】《计算机工程与应用》
【年(卷),期】2005(041)032
【摘要】传统支持向量机方法在正负样本不对称的情况下对遥感图像的目标检测存在一定的误检率,文章将单类SVM方法引入此类目标检测过程中.实验表明单类SVM在牺牲少量泛化性的同时能有效地降低误检率,并提高检测速度.
【总页数】3页(P63-64,72)
【作者】王凯峰;秦前清
【作者单位】武汉大学测绘遥感信息工程国家重点实验室,武汉,430079;武汉大学测绘遥感信息工程国家重点实验室,武汉,430079
【正文语种】中文
【中图分类】TP391
【相关文献】
1.基于RST修正核单类SVM的程序行为控制系统 [J], 骆玉霞;刘金刚
2.基于单类SVM和加权多示例采样方法的目标跟踪算法 [J], 陈渝;韩春燕
3.基于深度密集网的多类多尺度遥感图像目标检测方法 [J], 刘东然;郭冬滨;戚永军
4.利用主动学习改进遥感图像单类分类:以正类和未标记样本学习方法为例 [J], 孙熠;李培军
5.基于线性逻辑矢量模式的遥感图像目标检测 [J], 陈雪云;黄金汉;胡子灿;岑升才
因版权原因,仅展示原文概要,查看原文内容请购买。

一种与多尺度边缘图关联的CT&MR图像融合新方法

一种与多尺度边缘图关联的CT&MR图像融合新方法

一种与多尺度边缘图关联的CT&MR图像融合新方法
张德干;徐凌宇;郝先臣;赵海
【期刊名称】《通信学报》
【年(卷),期】2001(022)011
【摘要】基于离散小波变换实现图像融合的原理,对图像的融合方法进行了讨论和分析,并进行了比较,在分析了现有融合方法的不足后,提出了一种与多尺度边缘图关联的图像融合新方法.以CT与MR图像的应用为例,描述了图像融合的详细步骤.通过大量的融合实验和现场应用,证明了这一方法是十分有价值的,尤其对于信任度要求高的医疗诊断应用领域.
【总页数】8页(P50-57)
【作者】张德干;徐凌宇;郝先臣;赵海
【作者单位】东北大学信息学院通信与信息系统研究所,辽宁沈阳 110006;东北大学信息学院通信与信息系统研究所,辽宁沈阳 110006;东北大学信息学院通信与信息系统研究所,辽宁沈阳 110006;东北大学信息学院通信与信息系统研究所,辽宁沈阳 110006
【正文语种】中文
【中图分类】TP391.4
【相关文献】
1.一种尺度感知型遥感图像融合新方法 [J], 李旭;高雅楠;Shigang Yue
2.一种基于多尺度边缘的图像融合算法 [J], 李小娟;赵巍
3.一种基于小波多尺度边缘检测的图像融合算法 [J], 夏明革;何友;苏峰;黄晓冬
4.一种基于多尺度边缘检测的小波图像融合算法 [J], 章伟;王培良
5.一种综合纹理和边缘信息的多尺度图像融合方法 [J], 刘刚;敬忠良;孙韶媛;李建勋
因版权原因,仅展示原文概要,查看原文内容请购买。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

基于单目标优化模型和图像重建算法的CT系统研究摘要本文针对CT系统参数标定和未知介质信息的确定问题,基于黄金分割法、单目标优化模型、搜索算法、图像重建算法,求出了CT系统的旋转中心、探测器单元距离和射线的180个方向。

根据标定的系统参数,求出了与接收数据对应的未知介质的位置、几何形状和吸收率。

最后设计了新模板,对系统参数的精度和稳定性进行了改进。

对于探测器单元距离的求解问题,根据几何关系可以求出介质厚度的理论值,基于此建立单目标优化模型,目标函数为相邻接受信息理论比值与实际比值的最小误差平方和,遍历射线到介质边缘的距离,决策变量为探测器单元距离。

通过黄金分割算法,逐渐缩小探测器单元距离范围直到满足精度要求,求得探测器单元距离为0.2768mm。

对于CT系统旋转中心位置的确定问题,首先建立以椭圆中心为原点的直角坐标系,以短轴向右建立x轴,长轴向上建立y轴。

建立单目标优化模型,目标函数为相邻接受信息理论比值与实际比值的最小误差平方和,决策变量为穿透介质的第一条射线到介质边缘的距离。

通过遍历搜索算法,找到最优距离。

然后根据射线之间的间距建立中心线方程组。

分别研究射线平行x,y轴入射时的情况,得到旋转中心的坐标为(−9.3040,6.2149)。

对于射线的180个方向的确定问题,首先通过最小二乘法原理求得接收数据与厚度之间的比例系数为1.7725。

对于一个方向的射线,通过Radon变换求得512个介质厚度值,通过比例系数得到接收数据的理论值,建立单目标优化模型,目标函数为接收数据的理论值与实际值的最小误差平方和,决策变量为射线与x轴正方向的夹角,通过遍历搜索算法,求得误差最小的方向夹角。

通过迭代法解得180个方向与x轴正方向的夹角。

对于未知介质的位置、几何形状和吸收率的求解问题,基于中心切片定理,设计了滤波反投影求解算法。

首先根据反投影算法重建图像,然后进行滤波和降噪两步操作,得到具有理想效果的滤波反投影图像重建算法,带入附件3和附件5的接收数据,重建出未知介质图像。

对于给定的10个位置,附件3的吸收率为0.0000,1.0004,0.0000,1.1846,1.0488,1.4817,1.2965,0.0000,0.0000,0.0000,附件5的吸收率为0.0000,2.8091,7.0353,0.0000,0.0101,3.2351,6.1054,0.0000,8.1176,0.0000。

我们对CT系统标定的参数分别进行了精度和稳定性分析,设计了由正方形和圆形均匀固体介质组成的新模板,建立了相应的标定模型,并阐述了新模板的优点。

关键词黄金分割法单目标优化模型遍历搜索算法滤波反投影重建一、问题重述CT可以在不破坏样品的情况下,利用样品对射线能量的吸收特性对生物组织和工程材料的样品进行断层成像,由此获取样品内部的结构信息。

一种典型的二维CT系统中,平行入射的X射线垂直于探测器平面,每个探测器单元看成一个接收点,且等距排列。

X射线的发射器和探测器相对位置固定不变,整个发射-接收系统绕某固定的旋转中心逆时针旋转180次。

对每一个X射线方向,在具有512个等距单元的探测器上测量经位置固定不动的二维待检测介质吸收衰减后的射线能量,并经过增益等处理后得到180组接收信息。

CT系统安装时往往存在误差,从而影响成像质量,因此需要对安装好的CT系统进行参数标定,即借助于模板标定CT系统的参数,并据此对未知结构的样品进行成像。

建立相应的数学模型和算法,解决以下问题:(1)正方形托盘上放置两个模板,已知每一点的吸收率。

根据这一模板及其接收信息,确定CT系统旋转中心在正方形托盘中的位置、探测器单元之间的距离以及该CT系统使用的X射线的180个方向。

(2)利用(1)中得到的标定参数,根据附件3和附件5所给未知介质的接收信息,分别确定未知介质在正方形托盘中的位置、几何形状和吸收率等信息。

另外,具体求出给定的10个位置处的吸收率。

(3) 分析(1)中参数标定的精度和稳定性。

在此基础上自行设计新模板、建立对应的标定模型,以改进标定精度和稳定性,并说明理由。

二、问题分析CT系统是医学中常用的利用成像检测疾病的技术,系统安装存在误差则会影响成像质量进而影响检查效果。

要获得良好的效果,难点是如何对系统进行参数标定,使之误差尽可能小。

系统参数、检测物体、接收信息之间是对应关系,可以根据提供的检测模板和接收信息建立系统参数的求解模型。

根据求解的系统参数以及接收信息,可以得到检测物体的相关信息。

2.1接收信息的数据分析CT系统的接收信息是由射线能量经介质吸收衰减和增益处理后得到的数据。

根据朗伯贝尔吸收定律[1],I=I0exp�∫μ(x,y)dℎℎ�,衰减后的能量与介质厚度之间为积分关系,μ(x,y)为介质吸收率。

将上式经过变换,ln I0I=∫μ(x,y)dℎℎ,然后经过增益,得到附件2的接收数据M,设增益为k,则有M=kln I0I= k∫μ(x,y)dℎℎ。

通常情况下介质的吸收率μ(x,y)是与介质部位有关的变量,但附件1中,有介质的地方吸收率全为1,因此可以将积分式化简,得M=kℎ。

所以附件2中接收数据M与射线穿透介质厚度ℎ成正比。

2.2确定探测器单元间距的分析根据模板和接收信息,确定探测器单元间距。

模板有椭圆和圆形,方向可以是任意的,接收数据有很多组,如何合理地选择研究对象十分重要。

平行于椭圆长轴的射线会通过椭圆长轴,具有最大的接收数据,因此便于寻找该方向对应的接收数据;该方向椭圆和圆形模板完全没有重合部分,便于区分,进而利用圆形的规则尺寸进行求解。

穿过圆形模板的射线条数始终位于28到29之间,由此确定探测器单元间距的范围。

在该范围内利用黄金分割法逐渐缩小其范围,直到满足小数点后四位的精度。

缩小范围过程中需要更新上下界,一次更新中究竟是上界变化还是下界变化可以建立优化模型进行比对。

首先是目标函数的建立,如果知道最边上射线到圆形轮廓的距离,利用勾股定理就可以得到通过圆形的射线穿过的厚度,相邻射线穿过厚度求比值,使与实际厚度比值差值的平方和最小为目标函数。

利用黄金分割法缩小范围,直到上下界差值小于10−5,保证了间距的值精确到了小数点后四位。

2.3确定CT系统旋转中心位置的分析CT系统旋转的效果是X射线旋转扫描,我们了解到大多数CT机旋转中心位于CT系统几何中心[2],即512组射线的中心线上。

在正方形托盘中,分别求出射线平行椭圆长轴和短轴入射时,中心线的位置,两条中心线交点即为旋转中心位置。

在512条射线中,中心线为256.5条的位置,如果已知第一条穿过圆形模板射线的位置,根据探测器单元间距就能求得256.5条射线的位置。

第一条穿过圆形模板射线的位置的求解,可以转换为优化问题。

关于目标函数的确定,如2.1,对于纵向入射的射线,以相邻圆形厚度比值与实际比值误差的平方和最小为目标函数,遍历第一条穿过圆形的射线到外轮廓的距离,求得使目标函数最小的该距离,进而可由该距离算出中心线横坐标。

对于横向入射的射线,以计算所得的相邻椭圆厚度比值与实际比值误差平方和最小为目标函数,同理可求中心线纵坐标。

根据横纵坐标确定旋转中心位置。

2.4确定射线的180个方向的分析附件2中给了180列数据,每列数据对应一个射线方向,现在的目标就是求出每列数据对应的射线方向。

射线变化一个方向,就会有对应方向下射线穿透的512个厚度,根据接收数据与厚度成正比,可以得到改变方向时,接收数据的计算值,计算值与附件2中的理论值存在误差。

每调整一次射线方向,就有一组接收数据的计算值。

难点是如何确定方向调整到什么程度时,此时的射线方向就是实际的方向。

可以将该判断问题转化为优化问题,对于一个方向,有512个接收数据的计算值,以该计算值与附件2中实际值的误差平方和最小为目标函数,决策变量为射线与横轴夹角。

对于某组确定的实际接收数据,遍历夹角,求得使目标函数最小的夹角,此时的夹角就是实际射线的夹角,根据夹角确定射线方向。

2.5确定未知介质的位置、几何形状和吸收率的分析根据介质信息和接收信息可以确定CT系统的参数,那么,根据CT系统参数和接收信息也可以确定介质信息,该过程是一个图像重建的过程。

问题的难点在于如何设计图像重建算法。

根据中心切片定理[3],不同方向的接收数据经过一维傅氏变换和逆二维傅氏变换可以得到该点密度函数,密度函数与吸收率成一定比例关系。

根据密度函数可以重建介质图像,自主设计图像重建算法,先通过反投影算法粗略重建图像,然后考虑滤波[4]和降噪不断完善算法,得到最终算法,由此重建介质图像。

根据算法和已有接收数据,可以求出密度函数与吸收率间的比例系数,进而得出未知介质的吸收率。

2.6参数标定的精度和稳定性分析求解的参数有旋转中心位置、探测单元间距和射线方向,利用参数的误差范围表示其精度,计算误差范围的着手点是分析误差来源。

对于旋转中心,误差来源是接收数据列数的选取;对于探测单元间距,可直接根据射线穿过图形的条数确定误差范围;对于射线方向,误差来源是初始基准的选取。

对于稳定性,设备的老化会导致接收数据的不灵敏,给接收数据增加一个噪声,计算旋转中心、间距和射线方向的夹角,观察其波动情况判断稳定性。

对于模板的改进,根据计算过程可以总结出来,椭圆模板不规则,其弦长求解十分麻烦,圆形模板已经存在,可以考虑用规则的方形代替椭圆。

三、基本假设1.假设探测器足够灵敏,探测到的数据足够准确。

2.假设能量只在介质中衰减,介质周围近似为真空。

四、符号说明符号意义单位d探测器单元间距mmL0介质边缘到内部第一条射线的距离mmℎi射线穿过介质的厚度mmM模板的接收数据/μ介质吸收率/n射线条数编号/φ射线与横轴夹角°r旋转中心到射线的垂直距离mm五、模型的建立与求解5.1探测器单元间距求解模型探测器单元之间的距离为等距的,可以根据模板中的圆形模板对应的接收信息进行求解。

通过圆形模板尺寸和接收信息的数量确定探测器单元间距的范围,然后在该范围内利用黄金分割法逐渐缩小间距范围,当间距范围的差值小于10−5时,即可确定探测器单元间距,保证结果精确到前四位小数。

5.1.1探测器单元间距范围的确定附件2为模板对应的接收数据,数据量为180×512,表示每一列为一个射线方向下512个探测器单元接收的数据,共有180个方向。

没有射到模板的区域,接收数据为0,射到模板的区域,接收数据不为0。

为了区分椭圆模板的接收数据和圆形模板的接收数据,选取具有两段非零数据的数据列进行研究,即这样的数据列中,两段非零数据段之间,有数值为0的数据段隔开。

椭圆的短轴为30mm,圆的直径为8mm,所以每一列接收数据中,圆的数据段比椭圆的数据段要短,由此区分哪是椭圆的接收数据,哪是圆的接收数据。

相关文档
最新文档