2023年全國(guó)碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩82頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、計(jì)算機(jī)斷層成像(Computed Tomography,CT)作為最先進(jìn)的透視成像技術(shù)之一,近年來廣泛用于醫(yī)學(xué)檢查和工業(yè)無損檢測(cè)等領(lǐng)域。為了降低輻射劑量和提高掃描效率,利用不完全角度投影進(jìn)行重建,已成為CT成像領(lǐng)域研究的熱點(diǎn)。基于近似分片常數(shù)圖像先驗(yàn)假設(shè)的總變分(Total Variation,TV)正則化圖像重建方法,可以有效克服不完全角度重建中偽影和噪聲的影響,卻易造成細(xì)節(jié)過渡平滑和階梯效應(yīng)等問題。針對(duì)該問題,新提出的總廣義變分(T

2、otal Generalized Variation,TGV)模型能夠有效地逼近任意階的多項(xiàng)式函數(shù),保持更好的圖像分段連續(xù)的細(xì)節(jié)信息,在圖像處理領(lǐng)域已取得初步應(yīng)用。
  本文對(duì)基于TGV正則化的錐束CT重建模型求解策略進(jìn)行了探索。首先是針對(duì)迭代重建中投影模型進(jìn)行研究,設(shè)計(jì)針對(duì)距離驅(qū)動(dòng)模型的正/反投影并行算法。其次是針對(duì) TGV正則化項(xiàng),設(shè)計(jì)基于廣義TV最小化的重建算法。最后設(shè)計(jì)基于GPU機(jī)群的加速平臺(tái),進(jìn)一步提高重建算法的計(jì)算效率

3、。主要研究工作如下:
  1、提出了一種基于三維距離驅(qū)動(dòng)模型的快速正/反投影并行算法?,F(xiàn)有距離驅(qū)動(dòng)投影模型具有精度較優(yōu)的優(yōu)勢(shì),然而該模型投影點(diǎn)遍歷結(jié)構(gòu)不適合直接進(jìn)行并行計(jì)算的開發(fā)。針對(duì)該問題,本文設(shè)計(jì)了一種基于遍歷貢獻(xiàn)探元的三維距離驅(qū)動(dòng)快速正/反投影并行算法。該方法基于探元、圖像層、層間三級(jí)并行結(jié)構(gòu),通過遍歷貢獻(xiàn)探元區(qū)域?qū)崿F(xiàn)了模型匹配且具有良好并行特性的正/反投影計(jì)算結(jié)構(gòu)。仿真數(shù)據(jù)和真實(shí)數(shù)據(jù)實(shí)驗(yàn)證明:該算法能夠獲得相比與串行算法約

4、170倍的加速比,且相比于近似模型不匹配的并行算法,能夠保持原有距離驅(qū)動(dòng)模型的高精度,獲得較高的重建質(zhì)量。
  2、提出了一種基于廣義TV正則化的錐束CT迭代重建算法——廣義TV交替方向最小化(TGV-ADM,Total Generalized Variation Alternating-Direction Minimization)重建算法。本算法基于稀疏圖像重建理論,構(gòu)建廣義TV最小化重建模型。在增廣lagrange函數(shù)法的框

5、架下,通過引入輔助變量,將模型中TGV正則化項(xiàng)轉(zhuǎn)變?yōu)槿齻€(gè)獨(dú)立變量的優(yōu)化問題,利用交替方向法將其分解為一系列具有解析解的子問題。在TGV正則化項(xiàng)子問題中,可利用FFT技術(shù)對(duì)差分矩陣計(jì)算過程進(jìn)行高效實(shí)現(xiàn);在圖像f子問題中,針對(duì)求偽逆過程計(jì)算開銷過大的問題,利用線性化和近似點(diǎn)技術(shù),使其可通過FFT在頻域中實(shí)現(xiàn)解析解的快速計(jì)算,從而大幅降低了算法復(fù)雜度。經(jīng)過仿真數(shù)據(jù)和實(shí)際數(shù)據(jù)重建的驗(yàn)證,該算法在三維錐束CT重建中,重建速度與主流的TV重建算法相

6、當(dāng),且其重建結(jié)果能夠明顯改善TV重建所出現(xiàn)的階梯效應(yīng)和細(xì)節(jié)平滑現(xiàn)象。
  3、提出了一種基于圖形處理單元(Graphics Processing Unit,GPU)機(jī)群的迭代重建算法加速方法。針對(duì)迭代型重建算法對(duì)計(jì)算資源需求龐大的問題,基于多GPU和機(jī)群技術(shù)的融合,設(shè)計(jì)相對(duì)應(yīng)的加速方法。該方法針對(duì)迭代重建算法的數(shù)據(jù)和任務(wù)特點(diǎn),通過設(shè)計(jì)合理的數(shù)據(jù)劃分和數(shù)據(jù)通信策略以及GPU內(nèi)部?jī)?yōu)化策略,實(shí)現(xiàn)重建算法的加速。實(shí)驗(yàn)結(jié)果表明:該方法在獲得

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論