融合压缩感知—Landweber法图像重建

为提高Landweber算法的收敛速度,将压缩感知理论引入到Landweber算法中,理论上证明了该算法的可行性并用改进的距离驱动进行系统矩阵的建模。实验结果证明:融合算法进行图像重建时,算法的收敛速度及采样时间均优于Landweber算法。并用GPU对重建算法进行加速,大幅度提高了算法的执行速度。     

一种加速ASD-POCS算法

为进一步提高ASD-POCS算法的图像重建速度,对ART部分的收敛因子进行改进,提高该算法的收敛速度,同时将改进的算法在GPU上进行加速以减少算法的迭代时间,并对Shepp-Logan模型进行重建,实验表明:在数据量相同且保证成像质量的前提下,基于GPU加速的改进ASD-POCS算法较基于CPU的ASD-POCS算法运行速度提高了近2倍,达到了加速的目的。     

OSEM算法在编码板成像中的应用

为提高γ辐射编码成像中MLEM算法在图像重建时的速度及质量,论文基于核医学ECT图像重建中的OSEM算法思想在图像重建时对编码成像所得投影数据进行分组,并采用精细采样平衡相关法的重建结果作为初值进行迭代。通过实验对该算法进行验证。实验表明:OSEM算法可以有效提高收敛速度,改善重建图像质量。在γ辐射编码成像中采用OSEM算法是有效且可行的。     

代数迭代算法进行CT图像重建的研究

对CT代数迭代重建算法(ART)进行了研究,讨论了射线数目对图像重建效果的影响,并采用平滑方法,改善了重建图像质量,加快了收敛速度,得出了效果满意的工业CT图像。     

基于TV最小化的稀疏角度CT重建算法的比较研究

离散梯度变换(DGT)已被广泛地用作稀疏算子,相应的TV最小化方法也被用于基于压缩感知(CS)的CT重建中。本文比较研究了梯度下降法、软阈值算法和Split-Bregman算法在基于TV最小化的稀疏角度CT重建中的应用。文章将Shepp-Logan模型和Head模型作为测试模型进行仿真实验,实验结果表明:对于稀疏角度CT重建问题,梯度下降法和软阈值算法收敛较慢,重建图像的质量及重建时间都相差不大,而Split-Bregman算法在收敛速度及重建图像质量方面都明显优于其余两种算法,但重建时间较长。     

ART算法高质量重建研究

提高重建质量一直是图像重建重要的研究课题.传统ART算法在重建图像中普遍存在椒盐噪声,通过加入松弛因子,不但加快了算法的收敛速度,而且克服了椒盐噪声.利用计算机仿真实验对松弛因子在不同投影数和不同噪声水平下的重建质量进行了对比分析,结果表明,选择适当的松弛因子,并加入一些先验知识,能够极大地改善重建图像质量.     

松弛系数-有序子集-最大似然期望算法在60Co集装箱CT检测中的应用

将松弛系数和迭代间像素值约束引入有序子集一最大似然期望算法中，构造出应用于发射CT中的ROSEM算法引入到透射式工业CT中。不仅加快了图像重建的收敛速度而且改善了重建图像的质量。针对ROSEM、代数迭代算法（ART）和卷积反投影算法（CBP），分别做了模拟实验和实际汽车CT检测以及集装箱CT检测实验，并分析比较了它们在^60Co集装箱CT检测中的应用。ROSEM算法无论在重建速度还是重建质量上都优于ART算法，其重建图像质量和CBP算法相当。     

具有加速因子的OSEM重建算法用于X射线荧光CT研究

有序子集最大期望值算法(Ordered Subsets Expectation Maximization,OSEM)具有较高的图像重建质量和较短的计算时间,已经被应用于内源CT(如SPECT、PET、同步辐射X射线荧光CT)的图像重建中。本文提出了一种具有加速因子的OSEM算法应用于X射线荧光CT的图像重建,通过引入加速因子h来调制校正因子的步长加快OSEM算法的收敛速度,研究了不同加速因子和不同子集数的AOSEM算法对重建图像质量的影响。计算机模拟及实验结果表明,在获得同等质量重建图像的同时,具有加速因子的OSEM算法的重建速度是常规OSEM的两倍。     

基于约束的MLEM图像重建算法

在编码孔γ相机的二维辐射图像重建中,最大似然期望最大化法(maximum likelihood expectation maximization,MLEM)相较传统线性算法能更好地抑制噪声,恢复出高质量的图像,但其缺点是收敛速度慢,且在投影数据有较高统计涨落或含有较大噪声时,迭代次数过高会导致重建图像中噪声急剧增加,图像质量转而变差。本文基于直接解调法思想对MLEM算法进行优化,在MLEM迭代重建过程中加入先验物理约束条件,并将交叉相关法重建结果作为迭代初值。仿真结果表明,添加约束后的MLEM迭代收敛速度得到加快,重建图像的收敛性显著改善。MLEM算法中添加合理约束条件是提高其重建图像质量的一种有效方法。     

GPU梯度自适应SART图像重建算法

针对SART迭代重建算法所需投影数据量大且迭代时间长的问题,将TV算法引入SART中,动态调节梯度步长来加速算法的收敛性能,实现用少量投影数据重建出高质量的图像。为加快算法的执行速度,将SART-TV算法在GPU上并行加速。用SART算法和SART-TV算法对Shepp-Logan模型重建,仿真实验表明:在采样数据相同的情况下,SART-TV算法较SART算法可以重建出更好的图像,且基于GPU的SART-TV算法的迭代时间明显低于基于CPU的SART-TV算法。     

基于自适应遗忘因子RLS算法的稳压器模型在线辨识

为提高稳压器时变系统模型辨识的准确性及其参数在线辨识的快速性和鲁棒性，并研究遗忘因子大小对遗忘因子递推最小二乘法算法特性的影响，提出了一种基于模糊算法的自适应遗忘因子递推最小二乘法算法。该算法以系统动态特性值与辨识模型值之间的残差时间序列平均值及其变化率作为模糊算法的输入，遗忘因子修正量为输出，从而实现遗忘因子的自适应调整。通过对某核电厂稳压器降压系统进行仿真，结果表明，该算法可实时调整遗忘因子大小，有效地解决了稳压器模型参数时变性的问题，得到了较精确的时变模型；有效地解决了参数辨识结果稳定性和收敛速度相互矛盾的问题。因此，该算法具有可行性和优越性。      

粒子群优化算法在神经网络识别γ能谱中的应用

在神经网络识别γ能谱的应用中,针对BP算法极易陷入局部极小、收敛速度慢的缺点,根据粒子群优化算法具有全局寻优的特点,本文将PSO与BP算法结合起来形成一种训练神经网络的新算法--混合PSO-BP算法.将该算法应用到γ能谱识别中,克服了BP算法极易陷入局部极小的缺点,并且训练好的网络具有很好的泛化能力,识别正确率为100%.实例表明,混合PSO-BP算法用于γ能谱识别是非常理想的、有效的.     

High-speed computation of the EM algorithm for PET imagereconstruction

The PET image reconstruction based on the EM algorithm has several attractive advantages over the conventional convolution backprojection algorithms. However, two major drawbacks have impeded the routine use of the EM algorithm, namely, the long computational time due to slow convergence and the large memory required for the storage of the image, projection data and the probability matrix. Here, the authors attempt to solve these two problems by parallelizing the EM algorithm on a multiprocessor system. They have implemented an extended hypercube (EH) architecture for the high-speed computation of the EM algorithm using the commercially available fast floating point digital signal processor (DSP) chips as the processing elements (PEs). The authors discuss and compare the performance of the EM algorithm on a 386/387 machine, CD 4360 mainframe, and on the EH system. The results show that the computational speed performance of an EH(3,1) using DSP chips as PEs executing the EM image reconstruction algorithm is about 130 times better than that of the CD 4360 mainframe. The EH topology is expandable with more number of PEs     

A Proposal on Data Treatment In the Feynman-α Experiment

A new algorithm of Monte Carlo criticality calculations for implementing Wielandt's method, which is one of acceleration techniques for deterministic source iteration methods, is developed, and the algorithm can be successfully implemented into MCNP code. In this algorithm, part of fission neutrons emitted during random walk processes are tracked within the current cycle, and thus a fission source distribution used in the next cycle spread more widely. Applying this method intensifies a neutron interaction effect even in a loosely-coupled array where conventional Monte Carlo criticality calculation methods have difficulties, and a converged fission source distribution can be obtained with fewer cycles. Computing time spent for one cycle, however, increases because of tracking fission neutrons within the current cycle, which eventually results in an increase of total computing time up to convergence. In addition, statistical fluctuations of a fission source distribution in a cycle are worsened by applying Wielandt's method to Monte Carlo criticality calculations. However, since a fission source convergence is attained with fewer source iterations, a reliable determination of convergence can easily be made even in a system with a slow convergence. This acceleration method is expected to contribute to prevention of incorrect Monte Carlo criticality calculations.     

一种基于ART算法的快速图像重建技术

ART算法是一个不断迭代的图像重建方法,提高该算法的重建速度一直是研究的重要方面。针对ART算法简化权因子重建模型,提出了一种快速网格遍历算法,通过简单的加减法和比较运算,即可确定射束穿过的网格编号。由于权因子在迭代过程中实时计算,节省了大量的存储空间,大大提高了ART算法的重建速度。实验结果表明本文提出的算法非常有效,与传统方法相比,重建速度提高了近10倍。     

拟合目标反应谱的高精度人工加速度时程生成算法及应用

加速度时程是核电厂结构和部件开展抗震分析和试验的重要输入。本文基于改进的窄带时程构造形式,综合应用频域法和时域法,提出一种拟合目标反应谱的高精度人工加速度时程生成算法,通过RG1.60标准反应谱和两个复杂度不同的楼层反应谱拟合测试以验证算法的有效性和稳健性。结果表明：对目标反应谱的拟合相对偏差最大不超过10%;迭代次数少,拟合收敛性好。本文提出的算法可生成高精度的符合法规要求的人工加速度时程,对于核电工程抗震设计具有重要的应用价值。