2023年全國(guó)碩士研究生考試考研英語(yǔ)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51頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)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、本文工作主要是基于三維錐束XCT(TCT)的統(tǒng)計(jì)重建算法研究。通過(guò)對(duì)TCT解析和迭代重建算法的介紹,從數(shù)學(xué)角度分析了解析和迭代重建算法的不足;將ECT重建領(lǐng)域中已經(jīng)投入應(yīng)用的MLEM算法引入XCT重建領(lǐng)域,分析其建模過(guò)程??紤]到TCT的MLEM算法的復(fù)雜性,提出了基于MLEM算法的ML-Convex算法和ML-SPS算法。
   為驗(yàn)證上述算法,利用了基于shepp-Logan仿真模型構(gòu)造的原始數(shù)據(jù),在確定了三維錐束系統(tǒng)結(jié)構(gòu)模型

2、和重建目標(biāo)對(duì)象體素模型的基礎(chǔ)上,提出了快速求取投影矩陣的方法;通過(guò)朗伯-比爾定理獲取投影的仿真數(shù)據(jù),運(yùn)用FDK重建算法得到了統(tǒng)計(jì)迭代算法的系統(tǒng)初值。
   利用上述數(shù)據(jù),結(jié)合ML-Convex和ML-SPS算法進(jìn)行了數(shù)據(jù)重建,并對(duì)數(shù)據(jù)結(jié)果進(jìn)行討論和對(duì)比分析;考慮到上述算法收斂慢的問(wèn)題,引入OS分塊技術(shù)以及松弛因子,對(duì)ML算法的重建速度進(jìn)行了優(yōu)化。重建結(jié)果顯示,加入松弛因子的OS-SPS重建算法在一定的收斂速度下可以獲取較為滿意的

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)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(méi)有圖紙預(yù)覽就沒(méi)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