导读:本文包含了图像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:层析,图像,算法,稀疏,电容,步长,摄动。
图像重建算法论文文献综述
杜玉萍,刘严严[1]（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[2]（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）
严春满,穆哲,张道亮,陆根源[3]（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）
吴小龙,伍松[4]（2019）在《一种改进的变步长OMP图像重建算法》一文中研究指出为了快速、高精度的重建图像,解决滤波反投影(FBP)算法重建图像精度不高,正交匹配追踪(OMP)算法运行时间较长的问题,基于改变步长,提出一种步长变换正交匹配追踪(SCOMP)算法.当残差不小于阈值时,增大步长进行运算,当残差小于阈值时,恢复原步长进行运算.研究结果表明:SCOMP算法重建图像精度高于OMP算法,且运行时间快于FBP算法.SCOMP算法采用大步长快速添加原子,小步长有效去除原子的方法,使得重建图像的精度较高且运行时间也较短.(本文来源于《广西科技大学学报》期刊2019年04期）
刘彪,陈小玫,郑进天,谭宝高,魏景欣[5]（2019）在《能谱CT虚拟单能图像重建和金属伪影去除算法在减少脊柱金属植入物伪影中的应用》一文中研究指出目的比较能谱CT金属伪影去除算法及虚拟单能图像重建与传统迭代重建在减少脊柱金属植入物伪影的差异。方法 56例脊柱矫形术接受金属植入物行标准能谱CT检查,包括常规迭代重建、金属伪影去除算法和虚拟单能图像重建。测量衰减系数(HU)和噪声(SD),以计算椎旁肌和椎管的信噪比。两名放射科医师独立评价图像质量和伪影减少程度。结果与常规迭代重建相比,金属伪影去除算法和高keV虚拟单能图像显着降低低密度伪影及高密度伪影。与常规迭代重建相比,金属伪影去除算法和高keV虚拟单能图像椎旁肌(34.6±17.0HU vs. 26.1±13.5HU及34.6±17.0HU vs. 27.0±14.2)和椎管(102.5±60.1HU vs. 72.1±39.3HU及102.5±60.1HU vs.60.1±38.0HU,P均<0.05)的噪声伪影减少。观察者间评价主观图像质量的一致性良好,ICC=0.74。在主观图像质量评价中,金属伪影去除算法和高keV虚拟单能图像上表现出伪影减少分别为44/56例(78.6%)、48/56例(85.7%)。结论能谱CT金属伪影去除算法和高keV虚拟单能图像重建上客观及主观伪像均减少,金属伪影去除算法联合虚拟单能图像的组合可能有希望进一步减少伪影。(本文来源于《医学影像学杂志》期刊2019年08期）
刘澜,夏清,徐仲行,王会兰,Zhang,Honglong[6]（2019）在《基于FBP算法实现CT图像重建及模板优化》一文中研究指出对介质进行断层成像重建以及CT系统参数标定问题的进行研究。分析接收信息与射线穿过介质的厚度的关系式。根据模板几何形状的和接收信息,求解探测器单元间距离;在托盘中心建立直角坐标系,计算CT系统旋转中心位置;推导介质厚度与X射线方向角关系式,求得初始X射线与x正半轴夹角。采用FBP算法重建未知介质的截面图像,分析不同滤波以及稀疏角度下重建图像质量。对参数标定的稳定性和精度进行分析,对现有模板进行优化。(本文来源于《计算机时代》期刊2019年08期）
贾婷婷,王济浩,郑雅羽,冯杰[7]（2019）在《一种拉普拉斯金字塔结构的团网络超分辨率图像重建算法》一文中研究指出较深的卷积神经网络在超分辨率图像重建中获得了较好的结果.然而,大多数基于卷积神经网络的超分辨率算法忽略了卷积层间的反馈信息.因此,在信息传递的过程中丢失了更多细节特征.针对此问题,提出了一种拉普拉斯金字塔结构的团网络超分辨率图像重建算法.使用团结构作为网络的构建模块,其卷积层间既有前向连接又有反馈连接.同时采用拉普拉斯金字塔结构,渐进式重建高分辨率图像.为了验证算法的有效性,在4个基准数据集上对重建结果进行主、客观评估并与不同算法做比较.结果表明,所提出的算法相较于其他算法,在客观指标上,峰值信噪比与结构相似度指数分别有0. 05dB至0. 36dB与0. 001至0. 006的提升;在主观视觉效果上,能够重建出更接近真实的图像.(本文来源于《小型微型计算机系统》期刊2019年08期）
张立峰,宋亚杰[8]（2019）在《基于梯度投影稀疏重建算法的电容层析成像图像重建》一文中研究指出为解决两相流中存在中心物体、物体比较小或存在多个物体且相距较近时电容层析成像(ECT)重建图像精度较差的问题,基于稀疏分布的流型其介电常数分布满足稀疏性的先验条件,采用梯度投影稀疏重建(GPSRBB)算法进行ECT图像重建。仿真及实验测试结果表明:GPSR-BB算法对于流体中小目标以及复杂流型的图像重建质量较好,重建图像的形状保真度高。(本文来源于《计量学报》期刊2019年04期）
陈宇,夏宗基,李红波,周雨佳[9]（2019）在《基于Broyden族校正的电容层析成像图像重建算法》一文中研究指出为解决电容层析成像(ECT)图像重建中的"软场"效应和典型的病态问题,提出了一种采用Broyden族校正算法对电容层析成像系统进行图像重建的方法。基于对ECT系统基本原理的研究,推导出实现电容层析成像图像重建的Broyden族校正的数学模型,并采用归纳法分析了算法收敛性。对该算法应用于ECT上的可行性进行了探讨,该算法符合收敛条件且成像精度高。实验结果的数值表明Broyden族校正算法的重建图像效果非常理想,且成像质量优于SD、LBP、Landweber及CG算法,给ECT图像重建领域提供了一种有效的新方法。(本文来源于《哈尔滨理工大学学报》期刊2019年03期）
魏子然,张建林,徐智勇,刘永[10]（2019）在《一种基于单像素相机的压缩感知图像重建优化算法》一文中研究指出基于压缩感知图像重构和单像素相机成像的基本原理,对单像素成像系统中的图像重建算法进行了改进优化。基于最小范数类优化算法,结合凸优化算法和非凸优化算法各自的优点,设计了一种逼近L0范数的数学模型,从而实现了从凸优化向非凸优化算法的迭代逼近,即逼近光滑L0范数算法。该新型算法以更高的效率和更大的概率逼近原始信号全局最优且尽可能稀疏的解。相较于传统压缩感知图像重建的贪婪类算法和最小范数类算法,该算法使压缩感知重建图像的质量和单像素相机的成像效果均得到了有效提升,并通过实验仿真和实际场景的成像实验验证了该优化算法的可行性。(本文来源于《半导体光电》期刊2019年03期）
图像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：
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,
（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。
图像重建算法论文参考文献
[1].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
[2].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
[3].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
[4].吴小龙,伍松.一种改进的变步长OMP图像重建算法[J].广西科技大学学报.2019
[5].刘彪,陈小玫,郑进天,谭宝高,魏景欣.能谱CT虚拟单能图像重建和金属伪影去除算法在减少脊柱金属植入物伪影中的应用[J].医学影像学杂志.2019
[6].刘澜,夏清,徐仲行,王会兰,Zhang,Honglong.基于FBP算法实现CT图像重建及模板优化[J].计算机时代.2019
[7].贾婷婷,王济浩,郑雅羽,冯杰.一种拉普拉斯金字塔结构的团网络超分辨率图像重建算法[J].小型微型计算机系统.2019
[8].张立峰,宋亚杰.基于梯度投影稀疏重建算法的电容层析成像图像重建[J].计量学报.2019
[9].陈宇,夏宗基,李红波,周雨佳.基于Broyden族校正的电容层析成像图像重建算法[J].哈尔滨理工大学学报.2019
[10].魏子然,张建林,徐智勇,刘永.一种基于单像素相机的压缩感知图像重建优化算法[J].半导体光电.2019
论文知识图
