【摘 要】
：
计算机断层成像指通过X射线对检测样本在不同角度进行投射得到样本的投影数据,然后利用数学模型例如滤波反投影法、代数法或统计法进行图像重建。稀疏角CT重建和有限角CT重建在实际中都是非常具有挑战性的问题。由于这种不完全数据重建问题具有的高病态性,无论是使用分析重建的方法还是迭代重建的方法都可能导致重建图像的失真和伪影现象。本文主要介绍了一个新的CT重建模型,它在重建一个高质量重建图像的同时也估计出一个
论文部分内容阅读
计算机断层成像指通过X射线对检测样本在不同角度进行投射得到样本的投影数据,然后利用数学模型例如滤波反投影法、代数法或统计法进行图像重建。稀疏角CT重建和有限角CT重建在实际中都是非常具有挑战性的问题。由于这种不完全数据重建问题具有的高病态性,无论是使用分析重建的方法还是迭代重建的方法都可能导致重建图像的失真和伪影现象。本文主要介绍了一个新的CT重建模型,它在重建一个高质量重建图像的同时也估计出一个高分辨率的若当域数据。这个模型是通过对CT图像和投影数据同时进行正则化处理,并且根据全采样条件,引入了全采样系统矩阵对重建图像和高分辨率的投影数据进行拟合来得到的。受深度学习方法在成像领域得到成功的启发,结合模型的ADMM求解算法,我们设计了端到端的卷积神经网络来学习原始数据和重建图像之间的相互关系,以及数据中的先验信息。将投影域数据输入训练好的卷积神经网络后就可以得到高质量的重建图像及高分辨率的若当域数据。实验的数值结果表明,我们的模型比基于变分的CT重建方法和基于学习的CT重建方法更适合稀疏角和有限角的CT重建问题。
其他文献
透射多光谱成像具有医学应用的潜在价值,例如乳腺肿瘤的早期筛查。但是生物组织的强散射性和强吸收性致使获得的图像信噪比低且模糊。采用帧累加技术与函数信号调制解调技术可以提升获得图像的灰阶和信噪比,进而提高异质体检出的可能性。使用帧累加结合函数信号调制解调技术获取图像数据需要进行大量计算,并且多光谱透射图像边界模糊,难以进行异质体检测。本文针对上述多光谱透射成像中的图像解调速度问题和图像中异质体的检测问
双目立体视觉是从两个视点观察同一景物,以获取在不同视角下的感知图像,通过三角测量原理计算图像像素点间的视差来获取景物的三维信息。立体视觉技术主要涉及摄像机标定、图像预处理、立体匹配、三维重建等步骤。立体匹配是其中最重要也是最困难的步骤,其主要目的是通过相应的算法获取参考图像与目标图像之间对应匹配点间的关系,生成相应的视差图,依据视差图信息及三角测量原理可得到场景的深度信息。本文介绍双目立体视觉的理
1867年,凡尔纳创作了《海底两万里》。三个勇敢的人,在偶然情况下掉落到海洋怪物的脊背上,他们发现这其实是一艘世界上最先进的多功能深潜船,伟大的尼摩船长发明并制造了这艘可以永远潜行的伟大航海器。阅读《海底两万里》,必须要把尼摩船长、"鹦鹉螺"号潜艇、疯狂的大海放在一起欣赏。因为这本书中包含了凡尔纳创造的最重要的三个形象,他们一个是真正的人类,一个是人类创造的机器,一个则是人类征服的对象。
随着互联网经济的快速发展,人们的生活品质也日益提高,对住房的设计装修、办公空间装修等有更高层次要求,进而推动了装修领域的发展。传统装修行业面临市场竞争激烈、行业门槛低、管理成本高、营销获客难、宣传成本高、签单率较低等问题,引起装修公司对该行业的思考与关注。移动装修APP系统的互联网化、移动化、地理信息化、线上线下一体化成为装修行业的标杆服务。因此,开发一款基于Android的装修平台系统成为行业的
场景感知是自动驾驶系统安全运行的重要基础。当前,驾驶场景语义分割任务的主要挑战在于数据缺少,以及实际应用中对不同天气环境下的鲁棒性和车辆高速前行中的实时性的要求较高。此外,道路场景中物体尺度差异大,物体类别多样,天气环境多变且场景复杂,也是驾驶场景语义分割任务的一大挑战。因此,综合利用模型改良、数据增强、数据生成等多种方法,提高面向自动驾驶场景的深度学习模型性能和泛化能力,并使模型有较高的鲁棒性,
由于时间序列的非线性和时变性,以往的神经网络预测方法都无法获得理想的效果。基于自适应神经网络的时序数据n步预测算法,可以让计算机利用时序的历史数据自动构建结构最优和得到最佳训练的神经网络模型,能够准确地拟合出隐藏在时序数据中的时变的非线性映射关系。这一算法应用于股市中的时序预测与实证分析后,收到了较好预测效果。
无人机配备高清摄像头,可以执行海上溢油应急监控、肇事船舶搜寻、遇险船舶和人员定位、海洋主权巡查等任务。本文旨在研发一个倒驳船检测系统,可在无人机巡逻过程中实时检测倒驳船,实现目标的识别、定位与检测,可以大大改善工作人员工作体验,提高工作效率。在本文中,我们设计了一个用于检测倒驳船的系统,该系统可以大大的节省人力和物力,提高工作效率。该系统包括实时检测和视频处理两个部分,同时该系统不仅可以在正常天气
越来越多的应用程序（例如Web搜索,数据挖掘和推荐系统）部署到数据中心,同时它们越来越依赖于高性能数据中心网络来满足用户不断增长的服务体验质量要求。现有的流量调度方法都是建立在假设数据流的信息已知（如大小和截止时间）或拓扑为对称拓扑（如Fat-Tree等）的情况下。但在实际生产过程中,数据流的信息是很难在开始发送时获取到,即使是准确的预测也是十分困难的。在这种情况下,最小化数据中心网络中的平均流完
区块链目前发展的最大瓶颈是存储问题,优化存储已成为加速区块链发展的必由之路。现有的解决方案大多会改变区块链的框架,削弱了区块链去中心化的特点。本文将区块链账户数据作为研究对象,提一种基于余数系统的区块链存储优化模型,并针对模型中存在恶意节点篡改本地数据的情况提出基于CRT Ⅱ（扩展的中国剩余定理,Chinese remainder theorem Ⅱ）和Raft算法的检纠错方案,使得提出的存储模型
云计算的快速增长需要大规模和可扩展的数据中心作为基础网络支持设施,为海量的网络服务提供存储、计算等资源。而软件定义网络作为一种全新的、实现控制平面与数据平面解耦的网络架构,可以克服传统网络架构缺陷,为用户提供多样化的业务支持。未来网络的重要发展趋势则是将云计算、软件定义网络以及网络功能虚拟化等技术融为一体,进行有效整合,从而更好地服务用户。本文主要针对云数据中心的计算资源有限、网络传输流量激增等挑