一种基于高斯混合模型的快速水平集图像分割方法

水平集方法(LSM)图像分割的本质是求解一个随时间变化的偏微分方程,而使用变分法求解此水平集方程(LSE)往往要耗费过多的计算时间。为了减少算法的运行时间,提出了一种快速水平集图像分割算法。该算法在模糊聚类水平集方法(FCM-LSM)的基础上使用高斯混合模型(GMM)改造其隶属度损失函数,并利用离散网格Boltzmann方法(LBM)求解水平集方程。实验结果表明:本文提出的算法无论是在执行效率上还是在分割效果上都优于传统方法,证明了算法的可行性。

基于OPED的有限角投影数据快速重建算法

针对Radon投影的计算机断层(Computer Tomography,CT)重建问题,提出了一种新的基于单位圆上正交展开法(Orthogonal Polynomial Expansions on the Disk,OPED)的有限角投影数据快速重建算法。该算法通过求解缺失投影与已知数据分别对应的正弦变换数据集之间所满足的线性方程组,得到完备数据正弦变换数据集的近似值,之后运用快速傅里叶变换(Fast Fourier Transform,FFT)及线性插值算法提高重建速度从而缩短重建时间。分别推导了单、双边投影数据缺失时的快速重建算法并给出了重建结果,实验结果证明,该方法能够有效提高重建效率。