ART算法快速图像重建研究

讨论了影响ART(Algebraic Reconstruction Technique)算法重建速度和重建质量的主要因素,包括投影数据访问方式、松弛因子和投影系数等。针对投影系数的计算占绝大部分重建时间,成为制约ART算法的瓶颈,提出了一种快速、实时的投影系数计算方法。该方法通过一个距离参数来确定与射线相交的网格编号并计算出相交长度,距离参数采用增量计算,极大地节省了时间。实验结果表明该文提出的方法非常有效,与Siddon算法相比,在保证图像质量不受损失的前提下取得了6倍以上的重建加速比。

一种基于ART算法的快速图像重建技术

ART算法是一个不断迭代的图像重建方法,提高该算法的重建速度一直是研究的重要方面。针对ART算法简化权因子重建模型,提出了一种快速网格遍历算法,通过简单的加减法和比较运算,即可确定射束穿过的网格编号。由于权因子在迭代过程中实时计算,节省了大量的存储空间,大大提高了ART算法的重建速度。实验结果表明本文提出的算法非常有效,与传统方法相比,重建速度提高了近10倍。

锥束ART算法快速图像重建

针对锥束ART算法重建速度慢的问题,提出了一种基于投影的三维射线与体素的快速遍历和求交算法。该算法将三维射线投影到两个互相垂直的平面上,通过计算投影线与投影平面的相交情况来确定三维射线穿过体素的索引及长度。利用该算法在图像重建过程中实时计算权因子,不仅节省了大量的内存空间,而且提高了投影和反投影运算的速度。基于该算法的特点,在重建过程中采用了一种按列优先的策略,减少了不必要的计算,大大提高了重建速度。仿真实验表明,该算法非常有效,与传统的Siddon算法相比取得了17倍以上的重建加速比。

基于改进SIRT算法的声学CT温度场重建

针对当重建区域划分的网格数多于声波路径数时,重建温度场中通常会出现很多噪点的问题,提出了一种改进SIRT算法,将平滑滤波器融入SIRT算法,通过专门设计的内、外平滑滤波器,抑制重建温度场中的噪点.为验证所提方法的有效性,对3个典型的模型温度场和一个实际的单峰温度场进行了重建.结果表明,与常用的最小二乘法、ART算法和SIRT算法相比,改进SIRT算法的重建误差明显降低.改进的SIRT算法具有更好的复杂温度场重建能力.

不完全投影数据图像重建的ART算法研究

ART算法是一种经典的图像重建方法,适合于不完全投影数据重建。为了提高重建速度,通常对权因子进行简化,其结果是在重建图像中普遍存在椒盐噪声。提出了一种改善重建质量的方法,在每次迭代后对重建图像进行有选择的平滑,将平滑结果作为下一次迭代的初值,其特点是将图像处理和图像重建相结合。仿真实验表明该方法非常有效,不但提高了重建质量,而且克服了利用Box模板进行平滑所造成的图像模糊现象。

ART算法高质量重建研究

提高重建质量一直是图像重建重要的研究课题。传统ART算法在重建图像中普遍存在椒盐噪声,通过加入松弛因子,不但加快了算法的收敛速度,而且克服了椒盐噪声。利用计算机仿真实验对松弛因子在不同投影数和不同噪声水平下的重建质量进行了对比分析,结果表明,选择适当的松弛因子,并加入一些先验知识,能够极大地改善重建图像质量。

基于SIMD技术的锥束ART算法快速并行图像重建

ART(algebraic reconstruction technique)算法是一种迭代图像重建方法,适合于大型工业构件的无损检测,其缺点是计算量大、重建时间长。为了提高锥束ART算法的重建速度,本文提出一种快速并行图像重建方法。首先根据锥束CT扫描方式下三维射线的对称性提出一种权因子和体素索引的并行计算方法,通过一次计算可同时得到两条射线的权因子和体素索引;然后采用Intel处理器的单指令多数据(single instruction multiple data,SIMD)技术,一次性加载多个打包数据,利用SSE(streamingSIMD extension)指令实现了投影、计算图像校正和反投影的并行运算。实验结果表明本文提出的方法非常有效,在保证图像重建精度的同时取得了约1.5倍的重建加速比。

大坝CT中ART算法及其改进探讨

对大坝CT(ComputerizedTomography)技术的原理和标准ART算法作了介绍 ,在此基础上对ART算法进行了改进探讨 ,通过ART算法改进前后数字模拟试验的对比分析 ,说明改进后的算法在精度方面有了提高 ,异常体位置更明显 ,这将更好地满足大坝CT检测中的实际精度要求 .

ART算法中射线矩阵加权的BPT算法

提出一种在混凝土层析成像中对ART算法的射线矩阵的加权方法.利用BPT算法得到的低分辨率图像作为迭代初始值,并将其图形信息作为ART射线矩阵的加权系数.充分利用低分辨率图像的图形信息和数值信息,同时对高速异常单元和低速异常单元进行加权成像.计算机模拟试验表明,与传统的ART算法相比提高了反演数据的准确性和迭代速度;在走时数据误差不大于0.5%时,是对传统ART算法的一种较好的改进方法.

井间层析成像的平滑SIRT算法

井间层析成像是一个非线性反演问题 ,为了保证反演过程的稳定性 ,并提高迭代的收敛速度 ,对常规的SIRT算法进行了改进 ,即引入了平滑算子对梯度场进行动态平滑 ,并且通过线性搜索确定速度更新的步长。将这种改进的算法称为平滑SIRT算法。模型试算的结果证明 ,该方法提高了迭代的收敛速度 ,而且反演结果不受初始模型的影响 。

一种改进的ART1算法及其在人像识别中的应用

本文通过对自适应共振理论（ＡＲＴ）及ＡＲＴ１ 的研究， 提出了一种改进的ＡＲＴ１ 算法． 这种算法不仅具有ＡＲＴ１ 算法的所有优点， 而且降低了ＡＲＴ１ 算法的识别识误差．

基于ART算法的电子商务个性化聚类模型的设计与实现

本文针对个性化电子商务网站建设中出现的难于有效发现用户行为特征问题 ,提出一种基于 ART神经网络自适应谐振算法的个性矢量聚类模型 .该聚类模型由两个智能子系统和三个逻辑控制单元组成 ,采用二值输入模式 ,具备很强的自适应性 .模型实现是在 C+ +语言平台上进行的 .在模型程序设计中 ,采用衍生类方式构造子系统单元 ,通过控制对话、数据共享建立系统单元之间的联系 .该模型可以有效挖掘网络用户行为典型个性特征 ,用于指导电子商务网站资源的组织和再分配 .

投影数对ART算法重建质量的影响

针对不完全投影数据的重建问题,提出了利用代数重构技术(ART)算法进行图像重建。分析了投影数对重建线性方程组解的影响,在此基础上通过仿真试验具体研究了不同投影角数和不同射线数对重建质量的影响。试验结果表明,增加每个角度下的射线数可有效提高重建质量,在射线数保持不变时,选择合适的投影角数能够获得较好的重建质量。

基于ART2改进算法的故障聚类研究

ART2(自适应谐振理论2)算法是神经网络中一种可以对模拟输入信号或二值信号进行无监督聚类的算法,所以ART2算法能够降低数据挖掘中原始数据的预处理的复杂度,提高挖掘效率。针对ART2算法中出现的聚类中心偏移的缺点,采用ART2算法与K-均值算法相结合的方法来抑制ART2中聚类中心偏移的现象。通过仿真对该方法进行了验证。

一类广义Radon变换的反演算法:GSIRT法

对一类广义Radon变换的反演问题,从平均值思想出发,研究用GSlRT法做图像重建。数值模拟结果反映了图像的分布趋势。

基于改进算法的ART2网络用于微晶玻璃颜色分类

微晶玻璃颜色分类是最终控制产品质量的重要步骤 .作者改进了传统ART2网络的学习算法 ,借用典型向量的概念 ,以模式的近似均值作为典型向量来快速学习新模式 .改进学习算法极大地改善了ART2网络的模式漂移现象 ,而且能缩短搜索振荡过程 .文中分析了微晶玻璃颜色分量的统计信息 ,经过适当变换将高维颜色特征映射到 16维特征空间中的一个超平面上 .以超平面上的特征点作为改进算法ART2网络的输入进入网络分类器进行学习分类 .实验证明改进算法网络用于微晶玻璃颜色分类时 ,运行正确、可靠 。

改进的局部ART测试算法研究

局部ART算法虽然克服了测试样本点与样本生成区域已测试顶点有可能距离很近的问题,但它对生成区域周围的已测试样本点对样本选择的影响考虑不足。本文针对局部ART算法的缺陷,提出了改进的局部ART算法,将生成区域周围一定范围内的已测试顶点都加入到临近已测试样本集中,在保持时间复杂度的同时,使测试样本的分布更加均匀。实验结果表明,改进的局部ART算法的错误检测能力得到了提升。

改进ART算法在数据库自动知识推荐中的应用

为了提高数据库检索的智能性及个性化推荐,将改进的ART算法应用于数据库自动知识推荐。首先对基本ART算法及ART网络算法进行了描述,接着提出了改进的ART算法,最后运用实例仿真,验证该算法性能。文本采用某高校数字图书馆数据库作为仿真对象,验证其自动知识推荐的功能,同时对其资源消耗和扫描时间进行了计算仿真,实验证明,本文算法在数据库自动知识推荐过程中,所耗资源少且效率高,具有一定的研究价值。

基于定点DSP的ART算法实现研究

数字信号处理器(DSP)在大量数据计算方面有明显的速度优势,为了提高CT ART算法的图像重建速度,提出基于定点DSP TMS320C6416的算法计算方案。该方案结合ART算法的原理,以及USB 2.0协议在数据传输和定点DSP在数据计算上的速度优势,通过CYPRESS的CY7C68001接口芯片,同时采用SDRAM作为数据缓存,进行DSP与PC机之间大量数据的正确高速传输;通过C语言编写DSP片内算法计算程序并对其进行优化,以降低图像重建时间。最终实验以Shepp_Logan头部剖析图为原始图像,进行重建算法计算,实验结果证实了方案的可行性。

模糊ART神经网络的识别算法及其应用

提出并设计了模糊ART神经网络的结构、学习规则和识别算法。为了把该算法应用于人脸识别,定义了相似函数和匹配搜索方法,通过向量柱状图提取人脸特征,并用模糊ART神经网络对向量柱状图生成的特征向量进行识别。仿真实验结果表明,对于快速学习和非快速学习,不同的人具有不同的识别率,各有不同的警戒参数值可以使神经网络到达在线最大识别率82.25%和86%。