基于ADMM的TV图像重建算法研究:设计、实现及评估

稀疏重建是当前CT(computed tomography)领域的研究热点,其实质是用稀疏视角下的投影来重建图像,以减少扫描过程中对病患的辐射剂量。随着压缩感知理论的提出,稀疏重建算法已经被广泛应用到了医学CT中。TV(total variation)算法是可以实现稀疏重建的一种有效方法。本文设计了一种基于ADMM(alternating direction method of multipliers)的TV算法,先将非约束的优化问题转换为约束形式,然后引入乘子,最后通过交替方向法实现迭代过程。该方法将复杂的优化问题分解为了若干个具有闭合形式的子优化问题,故迭代速度较快。仿真实验表明,与传统的滤波反投影算法相比,该算法可以实现稀疏角度下的高精度图像重建。同时还初步探讨了平衡因子在不同噪声情形下对重建精度的影响。

改进ADMM-TV算法重建CT图像

将ADMM算法与TV算法结合,并在原始ADMM-TV算法的基础上进行了改进,提出基于ADMM-TV的改进算法,该改进算法能够在迭代过程中自适应地选取到更优的λ值,从而提高ADMM算法进行稀疏重建的成像质量。最后进行phantom图像的仿真实验,并将原始算法与改进算法在相同实验环境下进行对比,结果表明,改进算法能够实现更好的重建效果,并且能够有效提高图像信噪比,同时具有一定的抗噪能力。

四种系统矩阵的建模方法在ASD-POCS算法中的比较

针对在图像重建算法中,系统矩阵的建模方法对重建效果有一定影响的问题,设计并实现了四种系统矩阵建模方法,即像素驱动、距离驱动、改进的距离驱动以及射线驱动,并且将它们与ASD-POCS算法相结合,比较了它们的建模速度、建模精度以及收敛速度,同时比较了它们在有噪声的情况下对噪声的敏感程度,以及不同系统矩阵建模方法在ASD-POCS中的重建效果。实验表明,距离驱动的建模速度最快,而改进的距离驱动的建模精度最高,射线驱动在ASD-POCS算法中的收敛速度最快。

基于Chambolle-Pock算法的TV重建方法研究

为实现CT稀疏视角下的投影图像重建,Sidky等设计了基于Chambolle-Pock(CP)算法,论文在此基础上实现了CP算法。仿真实验表明,与传统的滤波反投影算法相比,CP算法不存在伪影,在含噪情况下,CP算法具有较好的性能,可以实现稀疏角度下的高精度图像重建。同时,探讨了平衡因子的选取对重建精度的影响。

四种系统矩阵建模方法的比较

构建了像素驱动、距离驱动、改进的距离驱动和射线驱动四种系统矩阵建模方法,并将其运用于ADMM算法,比较了它们的建模速度、建模精度以及收敛速度,同时比较了它们在有噪声的情况下对噪声的敏感程度。实验表明:距离驱动的建模速度最快;改进的距离驱动的建模精度最高,射线驱动在ADMM算法中的收敛速度最快。

GPU梯度自适应SART图像重建算法

针对SART迭代重建算法所需投影数据量大且迭代时间长的问题,将TV算法引入SART中,动态调节梯度步长来加速算法的收敛性能,实现用少量投影数据重建出高质量的图像。为加快算法的执行速度,将SART-TV算法在GPU上并行加速。用SART算法和SART-TV算法对Shepp-Logan模型重建,仿真实验表明:在采样数据相同的情况下,SART-TV算法较SART算法可以重建出更好的图像,且基于GPU的SART-TV算法的迭代时间明显低于基于CPU的SART-TV算法。

一种加速ASD-POCS算法

为进一步提高ASD-POCS算法的图像重建速度,对ART部分的收敛因子进行改进,提高该算法的收敛速度,同时将改进的算法在GPU上进行加速以减少算法的迭代时间,并对Shepp-Logan模型进行重建,实验表明:在数据量相同且保证成像质量的前提下,基于GPU加速的改进ASD-POCS算法较基于CPU的ASD-POCS算法运行速度提高了近2倍,达到了加速的目的。

基于Java EE技术的餐厅信息管理系统的设计与实现

本论文主要针对中小型饭店餐饮管理中出现的一些问题,使用Java EE技术,采用SSH框架,结合Oracle数据库,将其与计算机信息管理系统结合起来,实现把计算机用于餐饮企业管理,可在很大程度上提高管理者分析和决策的科学性,提高经营管职水平,带来更多的顾客,使企业取得更好的经济效益[1]。