共查询到15条相似文献,搜索用时 96 毫秒
1.
2.
3.
4.
5.
高能X光照相的密度重建方法主要有傅立叶变换重建、滤波反投影重建、代数法重建等。本文将共轭梯度算法用于高能X光照相的密度重建。采用了标准的共轭梯度程序并作了修改,可以根据实际需求加入一定的约束条件。该程序在有限数据下也能很好地运行。这种方法将被重建客体的模拟与客体的辐射照相投影联系起来。首先,以已知数据为依据,产生客体的一个初始模型。然后,用射线追踪法模拟这一客体的辐射照相。共轭梯度算法将该辐射照相与实际测量的辐射照相投影做比较找出最大可能解。循环迭代,直到实际测量的和计算得到的辐射照相之间的差别足够小(小到令人满意)。 相似文献
6.
7.
针对闪光照相图像受模糊及噪声影响的问题,提出了一种基于约束优化的闪光照相图像重建算法。该算法建立基于平行束投影的正向成像矩阵,并通过嵌入模糊矩阵表达成像过程中的模糊因素,采用最速下降法求解重建问题。在算法中设计了预优矩阵以提高迭代重建速度,利用客体密度值非负、密度分布分段光滑并含有阶跃性边界的先验知识,设计和采用了非负约束、光滑约束及广义变分边界约束条件。对仿真FTO客体图像及实际闪光照相图像的重建结果表明,基于约束优化的重建算法具有良好的边界保持能力及噪声抑制能力,可以有效提高图像重建质量。 相似文献
8.
9.
针对高能闪光照相投影图像消模糊难度大的问题,提出了一种基于全变分正则化的消模糊图像重建算法,该算法根据闪光照相的成像特点,将客体的纵向截面作为一个整体来进行建模,并在重建方程中考虑了模糊因素,然后采用全变分范数作为正则项,构建了用于消模糊图像重建的展平泛函,将消模糊图像重建问题转化为能量泛函极小化问题,通过固定点迭代算法求解图像重建问题的最小化解。数值模拟结果表明:该算法由于考虑了闪光照相成像时的图像模糊因素,在重建时能够较好地消除模糊对重建结果的影响,在抑制噪声的同时能较好地保持图像的边缘信息,有利于提高重建图像的质量。 相似文献
10.
高能X光照相中密度重建的共轭梯度算法 总被引:1,自引:0,他引:1
通过对高能X光照相过程的物理分析,得到了辐射照相的点扩展函数,给出了估价函数的表达式.并以典型的法国试验客体模型为例,将共轭梯度算法应用到高能X光照相的密度重建中,得到了较满意的结果.这种方法从模拟辐射照相过程出发,将辐射照相的模拟结果与实际测量结果做比较并找出最大可能解.可在一定程度上克服其它密度重建算法通过反卷积过程消除模糊效应所引起的不确定性. 相似文献
11.
12.
为了重建二维有耗色散介质的电参数分布,基于Debye模型,应用泛函分析和变分法,提出一种时域逆散射新方法.该方法首先以最小二乘准则构造目标函数,将逆问题表示为约束最小化问题,接着应用罚函数法转化为无约束最小化问题,然后基于变分计算导出闭式的Lagrange函数关于特征参数的Fréchet导数,最后借助梯度算法和时域有限差分法迭代反演Debye模型参数.为了对抗噪声污染和逆问题的病态特性,采用了一阶Tikhonov正则化方法.数值应用中,利用Polak-Ribière-Polyak非线性共轭梯度法,对二维乳 相似文献
13.
An optimization approach to a multi-dimensional acoustic inverse problem in the time domain is considered. The density and/or the sound speed are reconstructed by minimizing an objective functional. By introducing dual functions and using the Gauss divergence theorem, the gradient of the objective functional is found as an explicit expression. The parameters are then reconstructed by an iterative algorithm (the conjugate gradient method). The reconstruction algorithm is tested with noisy data, and these tests indicate that the algorithm is stable and robust. The computation time for the reconstruction is greatly improved when the analytic gradient is used. 相似文献
14.
15.
磁共振图像K空间中的尖峰噪声会严重影响图像质量.该文在磁共振图像压缩感知的共轭梯度重建法的基础上,提出一种新的利用磁共振图像稀疏性进行尖峰噪声修复的方法.传统的共轭梯度重建是通过小波域迭代进行的,对于K空间的尖峰噪声的消除不是最适合.首先提出压缩感知的K空间重建算法,该算法与小波域重建等效.在此基础上,提出可以较好地修复尖峰噪声的K空间部分重建算法.即在迭代过程中,以图像的稀疏性作为约束条件,仅修改尖峰噪声所遮盖区域的数据,其他位置的数据保持不变.该算法与传统的插值算法及共轭梯度算法相比,能够更好地修复K空间尖峰噪声点,减少图像伪影,同时降低了对尖峰噪声定位准确性的要求. 相似文献