有限角CT少数投影重建图像技术

叙述了有限角CT少数投影重建图像技术研究所取得的进展:正交全息光路、干涉条纹处理系统、 修改的联合代数重建技术、频谱分析图像重建技术和神经网络重建技术。

神经网络应用于有限角CT图像重建

本文采用连续型Hopfield神经冈络(HNN)模型应用于有限角CT图像重建,该重建算法将两种优化准则转化为模型的能量系数求取图像重建的最优解,通过数值模拟,考察了该重建算法和抗噪性能,均得到了良好的结果。

有限角CT成像研究进展

有限角CT成像在工业和医学CT成像中都有重要的应用需求,但由于获得的投影数据不完备,有限角CT成像问题高度病态,以致传统算法重建的CT图像中出现严重的有限角伪影,从而影响CT图像的阅片和判读。为了解决该问题,国内外学者对有限角CT成像理论和算法做了大量研究。本文首先简要介绍了有限角CT图像伪影的特点;然后重点综述了有限角CT图像重建算法的研究进展,包括作者所在团队所做的相关研究和探索;最后概述了目前存在的问题以及对进一步研究的展望。

有限角CT法检测碳纤维复|合芯导线内部缺陷

介绍了一种用于碳纤维复合芯导线内部缺陷检测的有限角CT检测方法。通过对比实验,验证SART+Lo图像重建算法在不同扫描角度范围下的图像重建效果。结果表明:采用150°扫描范围的有限角CT检测方法,可清晰呈现碳纤维复合芯导线其内部结构和缺陷,可用于在役碳纤维复合芯导线的无损检测和质量评估,具有工程指导价值。

基于ResNet和反卷积网络模型的有限角CT图像重建算法

X射线CT (computed tomography)成像技术中常遇到尺寸、形状或是材料特殊的检测对象,此时只能在有限的角度内进行数据采集.在不满足CT精确重建条件时,常规的重建算法表现出严重的滑坡伪影,难以为实际应用提供有价值的信息参考.为了更好地消减图像中的伪影,文章提出了一种基于ResNet网络模型的有限角CT图像重建方法,其采用残差学习方法,可用来对输入的图像进行特征提取,获取足够的细节信息,并使用反卷积算法对学习的特征进行恢复.有限角医学CT图像数据证明了所提出的重建方法有效性,明显减少了滑坡伪影且有效地保留了原始图像的结构特征.