基于先驗(yàn)知識(shí)的BP神經(jīng)網(wǎng)絡(luò)圖像重建算法.pdf

1、隨著CT重建技術(shù)應(yīng)用越來(lái)越廣泛，對(duì)其重建速度和精度要求不斷提高，所以對(duì)其算法要求也不斷提高。特別是對(duì)于復(fù)雜場(chǎng)，改進(jìn)的聯(lián)合代數(shù)重建算法，雖有較高的重建精度，但它需要反復(fù)迭代，不能實(shí)現(xiàn)動(dòng)態(tài)場(chǎng)的實(shí)時(shí)監(jiān)控。頻譜圖像重建法有很高的數(shù)據(jù)處理速度，但重建精度低、穩(wěn)定性差，無(wú)法滿足實(shí)時(shí)測(cè)量需要。神經(jīng)網(wǎng)絡(luò)法更適合于這類復(fù)雜場(chǎng)的圖像重建，智能化、仿生化、并行處理及信息融合是層析成像圖像重建算法的發(fā)展趨勢(shì)。
　　人工神經(jīng)網(wǎng)絡(luò)是由許多具有并行處理功能的單

2、元構(gòu)成的網(wǎng)絡(luò)，因?yàn)槠涮貏e的結(jié)構(gòu)和具有強(qiáng)大的處理信息的功能，所以人們對(duì)于人工神經(jīng)網(wǎng)絡(luò)的研究火熱起來(lái)。人工神經(jīng)網(wǎng)絡(luò)有許多模型，其中應(yīng)用最為廣泛的是BP神經(jīng)網(wǎng)絡(luò)模型，BP神經(jīng)網(wǎng)絡(luò)是一種經(jīng)典的神經(jīng)網(wǎng)絡(luò)模型，其結(jié)構(gòu)簡(jiǎn)單且在理論上可以逼近任意函數(shù)。將BP神經(jīng)網(wǎng)絡(luò)用在少數(shù)投影條件下的CT圖像重建中，不僅可以減少圖像重建的時(shí)間，而且能夠提高圖像重建的精度。然而經(jīng)典BP神經(jīng)網(wǎng)絡(luò)模型存在幾個(gè)明顯的缺點(diǎn)：收斂時(shí)間過(guò)長(zhǎng)、局部容易陷入極小、網(wǎng)絡(luò)的泛化能力差等。對(duì)

3、于BP神經(jīng)網(wǎng)絡(luò)存在的缺陷，本文從以下幾個(gè)方面對(duì)基于先驗(yàn)知識(shí)的BP神經(jīng)網(wǎng)絡(luò)進(jìn)行研究：
　　（1）對(duì)BP神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)、算法過(guò)程進(jìn)行分析，指出了BP神經(jīng)網(wǎng)絡(luò)固有的缺陷，在此基礎(chǔ)上，重點(diǎn)分析了加動(dòng)量項(xiàng)法、自適應(yīng)學(xué)習(xí)速率法、彈性BP算法、擬牛頓法、共軛梯度法、LM法等當(dāng)前的幾種改進(jìn)方法。
　　（2）提出一種新的BP神經(jīng)網(wǎng)絡(luò)構(gòu)建方法即基于先驗(yàn)知識(shí)的BP神經(jīng)網(wǎng)絡(luò)算法。該方法的具體內(nèi)容是將先驗(yàn)知識(shí)應(yīng)用到BP神經(jīng)網(wǎng)絡(luò)模型的確定、激勵(lì)函數(shù)

4、的選擇、網(wǎng)絡(luò)權(quán)值的初始化、網(wǎng)絡(luò)對(duì)樣本的學(xué)習(xí)中。
　?。?）構(gòu)建出一種基于先驗(yàn)知識(shí)的BP神經(jīng)網(wǎng)絡(luò)模型并應(yīng)用到CT圖像重建中。該模型將原始圖像的投影值作為網(wǎng)絡(luò)的輸入數(shù)據(jù)，重建圖像的投影值作為網(wǎng)絡(luò)的輸出數(shù)據(jù)，所求的重建圖像為網(wǎng)絡(luò)的隱含層數(shù)據(jù)。該模型由圖像重建理論出發(fā)，用投影系數(shù)矩陣作為神經(jīng)網(wǎng)絡(luò)的隱含層和輸出層之間的權(quán)值矩陣，在網(wǎng)絡(luò)的訓(xùn)練中只用調(diào)節(jié)輸入層和隱含層之間的權(quán)值，這樣可以減少網(wǎng)絡(luò)的運(yùn)算量從而加快網(wǎng)絡(luò)的收斂速度。將本文提出的基于先