欢迎来到天天文库
浏览记录
ID:35031327
大小:3.50 MB
页数:49页
时间:2019-03-16
《ct图像重建算法的研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、.‘F皆.一..赏誘膠;*y?t*biJ1.,I§t:j.斬a’ik3i英号孚:囊I.mk-a号IV屯VT...f杉.讓kV级I.-l4./.一...fe.》.:u為話i:r;遺v’薦辕^.yrvc.巧另.巧!夺?§1.专^.P^八s;尸,:缉S如^..M.l满/N苦續覆t".:^每V.某:;.舞妃.l;/背y;?/¥變名、/f左x>3'.'.;'..V巧..,‘困巧法騎'..'..’?>篇r巧\聲,扛婆/疗弦,5^/’痴T气y,iy?名^;種.专,杉.-.'知.於学./,曇^成叫鑽-
2、心V:.^兴惠.:-二戀H讀.;;.论文独创性声明本人郑重声明:所提交的学位论文,是本人在导师的指导下,独立撰写完成的。除文中己经注明引用的内容外,本论文不含其他个人或其他机构已经发表或撰写过的研究成果、,也没有副窃抄袭等违反学术道德规范的侵权行为。对本文的研究做出重要贡献的个人和集体,均已在文中明确方式标明。本人愿意承担由本声明而引起的法律责任。。:/研究生签名:日期年^月曰jA(论文使用授权声明本人完全了解广西民族大学有关保留、使用学位论文的规定。学校有权采保留并向国家有关部口或机构送交学位论文的复印
3、件和电子文档,可用影印、缩印或其他复制手段保存、汇编学位论文。除在保密期内的保密论文外,允许学位论文被查阅和借阅,可[^^>公布(包括刊登)论文的全部或部分内容。研究生签名:麥曰期:於,良年^月/。曰/口日导师签名:日期:知/备年(月摘要CT图像重建算法的研究摘要CT图像重建技术是对病人或被检测目标进行X射线断层扫描,再根据所获得的投影数据,运用特定的数学算法,重建出物体的断层图像。利用CT扫描图像重建出高质量图像面临很大的挑战,原因之一是收集的几何图像数据本身具有很强的复杂性,重建算法计算复杂度极高。二是低剂量的重建图像仍然存在噪声,要获得
4、低辐射剂量、高质量的扫描图像比较困难。如何改进和设计有效的优化方法,是问题解决的关键。本文针对目前CT图像重建算法所存在的一些不足进行了分析与改进,目的在于完善CT图像重建算法的理论和拓宽CT图像重建技术的实际应用价值。本文的工作主要包括以下2个方面:1、为了减少重建时间,加快算法收敛速度,本文采用了一种基于模型的图像重建算法,它是解决病态逆问题的有利技术,相比于传统方法,它能从有噪数据和不完备数据中提供更好的估计图像。结合优化梯度算法(OGM)和有序子集增广拉格朗日算法(OS-LALM)的特点,本文提出了一种线性增广拉格朗日优化梯度算法(OS-LALM-OGM)进行
5、CT图像重建。实验结果表明,提出的算法加速了X射线CT图像重建的收敛速度,改善了CT图像重建的质量,并且在使用多个子集时降低了有序子集所形成的伪影。2、为了保证降低X射线剂量对病人辐射的同时,又重建出高质量图像,以提高临床诊断的要求,本文采用矩阵重建技术作为一种高效的数据分析工具,在矩阵重建问题中,通常假定待恢复的矩阵具有低秩性,因此本文提出了一种新的CT图像重建法,它的重建过程分成两个步骤:一个是低秩矩阵加权核范数最小化(WNNM)进行图像去噪预处理,一个是低秩矩阵分解(LRMD)更新CT图像。实验结果表明,提出的方法能更好地保持图像细节,低秩矩阵的特性使得计算过程
6、更加简化,提高了算法收敛速度,同时保证了重建图像的去噪效果,提高了重建图像的精确度,获得了高质量的图像。关键词:增广拉格朗日CT图像重建优化梯度算法矩阵重建低秩矩阵核范数IABSTRACTRESEARCHOFCTIMAGERECONSTRUCTIONALGORITHMABSTRACTComputedtomography(CT)imagereconstructionisamathematicalprocessthatusesaspecificmathematicalalgorithmtoreconstructtheCTimageaccordingtotheobtaine
7、dprojectiondataderivedfromX-rayCTscansofthepatientsortargets.AtpresentCTimagereconstructionisconfrontedwithsomenewchallenges.Oneofthemisthecomplexityofthecollectionofageometricalimagedata,andthehighcomputationalcomplexityofthereconstructionalgorithm.Anotheroneisthatthereisnoise
此文档下载收益归作者所有