导读:本文包含了重建算法论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:算法,图像,层析,系统,摄动,舱室,门静脉。
重建算法论文文献综述
武玉坤,陈沅涛[1]（2019）在《应用超分辨率重建算法的图像匹配算法》一文中研究指出图像场景中提取特征数量较少,难以满足叁维重建对特征匹配的要求,为此提出基于超分辨率重建的特征提取算法。采用回归学习对低分辨率图像进行重建,对重建结果采用图像先验知识优化,获取较高分辨率图像,对高分辨率图像进行特征提取。实验结果表明,相较重建前图像平均提高6倍以上特征点数量,提高5倍以上匹配点数量,该算法能够提高提取特征点的数目,满足叁维重建等需要较多特征点的情况。(本文来源于《计算机工程与设计》期刊2019年12期）
杜玉萍,刘严严[2]（2019）在《基于POCS的微扫描超分辨率图像重建算法研究》一文中研究指出超分辨率重建,就是从单帧或者序列低分辨率图像中,估计出接近原始高分辨率图像的过程。首先介绍了微扫描超分技术原理,给出了四幅通过微扫描超分相机拍摄的低分辨率图像,之后介绍了基于序列图像重建的超分辨率重建算法POCS(凸集投影法,projections onto convex set,简称POCS),给出了算法的重构图像及细节对比。(本文来源于《光电技术应用》期刊2019年06期）
付念[3]（2019）在《基于Hadoop技术和稀疏表示模型的自然图像重建算法》一文中研究指出本文提出一种基于分布式存储和计算系统对自然图像进行重建的算法,该算法的主要思想是从分析图像的基本特征开始,对图像块的颜色纹理特征形成一个颜色索引集,对这部分信息进行稀疏重建,通过稀疏矩阵具有低秩性的特点,保持同一类别的结构特性,筛选出最具代表性的特征点来计算和排序这些特征的权重。再通过向量空间计算两点之间的距离来衡量图像之间的相似性,重建后,(本文来源于《电子世界》期刊2019年23期）
胡斌,陈静静,徐文坚,徐琦,李晓飞[4]（2019）在《双能CT改进的虚拟单能成像重建算法的门静脉图像质量评估》一文中研究指出目的探讨改进的虚拟单能成像重建算法在腹部双能计算机断层扫描(computed tomography,CT)门静脉成像中的应用价值。方法分析60例研究对象上腹部双能CT增强检查结果,采用配对t检验比较40、50、60、70、80、90和100 ke V改进的虚拟单能成像重建算法重建的图像与标准线性融合M_0. 5图像(50%100 k V,50%140 k V)的门静脉主干的对比噪声比(contrast to noise ratio,CNR),信噪比(signal to noise ratio,SNR)和图像质量评分。结果门静脉主干40～70 ke V改进的虚拟单能成像重建算法重建图像CNR值均比M_0. 5图像高,差异有统计学意义(P均<0. 05)。与M_0. 5图像相比,门静脉主干40～80 ke V改进的虚拟单能成像重建算法重建图像的SNR高,差异有统计学意义,(P均<0. 05)。门静脉主干的图像质量评分改进的虚拟单能成像重建算法40～70 ke V重建图像明显优于M_0. 5组,差异有统计学意义(P均<0. 05)。改进的虚拟单能成像重建算法40ke V重建图像的门静脉主干的CNR和SNR分别是M_0. 5组的3. 57及1. 53倍。结论改进的虚拟单能成像重建算法是一种很有前景的算法,它能够克服低ke V的噪声限制,双能CT门静脉成像40 ke V使用改进的虚拟单能成像重建算法重建与M_0. 5线性融合相比,图像质量显着提高。(本文来源于《首都医科大学学报》期刊2019年06期）
许雪林[5]（2019）在《视频残差图像的压缩感知重建算法研究》一文中研究指出本文主要对视频残差图像进行压缩感知重建的算法进行分析研究,进行比较的算法是目前比较经典和流行的压缩感知重建算法分别是:基于凸优化的基追踪BP算法、梯度下降法的总变差(Total Variation,TV)算法、基于贪心算法的正交匹配追踪算法(Orthogonal Matching Pursuit,OMP)、压缩采样匹配追踪算法(Compressive Sampling MP,Co Sa MP)、迭代硬阈值算法(Iterative Hard Thresholding,IHT)。重建后采用PSNR作为指标进行分析研究,其中采样率分别为0.3、0.5和0.7。通过分析,基于空域的残差图像重建的效果比频域中的残差图像效果好;空域中低采样率的重建效果较好的是TV算法,而在频域的重建效果中IHT在不同的采样率下具有较稳定的重建质量,同时低采样重建质量也较好。(本文来源于《福建电脑》期刊2019年11期）
李冰[6]（2019）在《舱室主控系统的差分故障数据重建算法研究》一文中研究指出传统的差分故障数据重建算法得到的数据在经过多次迭代后出现误差,导致利用重建后数据构建的图形发生偏移,因此提出一种舱室主控系统的差分故障数据重建算法。分析差分故障数据结构,建立差分故障数据的目标函数模型,在迭代过程中利用故障数据最少的一批数据作为原始样本,优化迭代过程,根据故障数据与矩阵常数的大小,选择局部傅里叶矩阵作为观测矩阵,并通过傅里叶矩阵的变换完成了差分故障数据的重建。仿真实验结果表明,经过3次数据迭代,本文算法得到的数据重建图无明显偏移,验证了提出的舱室主控系统的差分故障数据重建算法的有效性。(本文来源于《舰船科学技术》期刊2019年22期）
朱敏[7]（2019）在《迭代重建降噪算法在儿童及婴幼儿低剂量螺旋CT检查中的应用研究》一文中研究指出目的:研究迭代重建降噪算法在儿童低剂量螺旋CT检查中的应用价值。方法:步骤一、验证不同KV值扫描时,辐射剂量的变化;步骤二、验证迭代重建降噪算法在低KV扫描中的价值。结果:(1)低KV扫描时,DLP及CTDIvol明显降低。(2)通过分析:迭代重建降噪算法组图像质量明显优于常规组。结论:迭代重建降噪算法可显着降低图像噪声,获得理想的噪声等级,提高图像质量。(本文来源于《影像研究与医学应用》期刊2019年22期）
孔慧华,孙英博,张雁霞[8]（2019）在《基于天牛须搜索的全变分最小化算法在计算机断层成像内重建中的应用》一文中研究指出若感兴趣区域具有分片光滑或多项式特征,则可通过全变分(TV)最小化进行精确内重建。目标函数TV最小化过程可通过梯度下降法以其负梯度方向为搜索方向,经过多次迭代优化实现。为提高TV最小化重建的效率,提出一种天牛须搜索(BAS)和梯度下降相结合的寻求最优解方向的方法。在TV最小化过程中根据生成的随机数和阈值选择梯度下降方向或由个体"左右须"检测到的最优解方向进行迭代。仿真实验和实际实验结果表明,本文算法收敛速度较快,重建效果更好。(本文来源于《激光与光电子学进展》期刊2019年21期）
严春满,穆哲,张道亮,陆根源[9]（2019）在《基于改进Landweber算法的ECT图像重建》一文中研究指出电容层析成像(Electrical Capacitance Tomography,ECT)系统图像重建算法中,Landweber算法在重建图像质量及实时性方面取得较好的折衷,然而该算法针对不同的流型存在迭代步数差别较大及半收敛等问题。针对上述问题,通过同伦摄动方法推导出二阶迭代公式;并针对二阶迭代公式谱半径可能影响算法收敛的问题,通过添加约束因子以获得一种全收敛的改进Landweber算法。实验结果表明,改进算法在相对误差及相关系数上均优于原Landweber算法及其他对比算法,从而验证了改进算法的收敛性及有效性。(本文来源于《传感技术学报》期刊2019年10期）
易文娟,孙刘杰,王文举[10]（2019）在《多通道图像色彩重建的神经网络算法》一文中研究指出为了解决目前多光谱成像设备输出的应用问题,将神经网络算法应用于多通道图像色彩重建。CCD相机加LED光源组成多光谱成像系统,研究其输出的多通道图像中色彩信息的高效转换方法,建立了D50光源下的神经网络转换模型,利用BP神经网络和GRNN对多光谱成像系统进行色彩重建实验。研究结果表明:采用搭建的模型可以得到较高的色度重建精度,更换目标样本色彩重建性能保持稳定。(本文来源于《包装学报》期刊2019年04期）
重建算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
超分辨率重建,就是从单帧或者序列低分辨率图像中,估计出接近原始高分辨率图像的过程。首先介绍了微扫描超分技术原理,给出了四幅通过微扫描超分相机拍摄的低分辨率图像,之后介绍了基于序列图像重建的超分辨率重建算法POCS(凸集投影法,projections onto convex set,简称POCS),给出了算法的重构图像及细节对比。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
重建算法论文参考文献
[1].武玉坤,陈沅涛.应用超分辨率重建算法的图像匹配算法[J].计算机工程与设计.2019
[2].杜玉萍,刘严严.基于POCS的微扫描超分辨率图像重建算法研究[J].光电技术应用.2019
[3].付念.基于Hadoop技术和稀疏表示模型的自然图像重建算法[J].电子世界.2019
[4].胡斌,陈静静,徐文坚,徐琦,李晓飞.双能CT改进的虚拟单能成像重建算法的门静脉图像质量评估[J].首都医科大学学报.2019
[5].许雪林.视频残差图像的压缩感知重建算法研究[J].福建电脑.2019
[6].李冰.舱室主控系统的差分故障数据重建算法研究[J].舰船科学技术.2019
[7].朱敏.迭代重建降噪算法在儿童及婴幼儿低剂量螺旋CT检查中的应用研究[J].影像研究与医学应用.2019
[8].孔慧华,孙英博,张雁霞.基于天牛须搜索的全变分最小化算法在计算机断层成像内重建中的应用[J].激光与光电子学进展.2019
[9].严春满,穆哲,张道亮,陆根源.基于改进Landweber算法的ECT图像重建[J].传感技术学报.2019
[10].易文娟,孙刘杰,王文举.多通道图像色彩重建的神经网络算法[J].包装学报.2019