| 表目录 | 第6-7页 |
| 图目录 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 课题研究背景与意义 | 第11-14页 |
| 1.2 CT 迭代重建的国内外研究概况 | 第14-16页 |
| 1.2.1 CT 迭代重建的投影矩阵模型 | 第14页 |
| 1.2.2 CT 迭代重建算法 | 第14-15页 |
| 1.2.3 CT 迭代重建算法的加速 | 第15-16页 |
| 1.3 本文主要工作与结构安排 | 第16-18页 |
| 第二章 锥束 CT 迭代重建算法投影矩阵模型 | 第18-29页 |
| 2.1 锥束 CT 迭代重建算法与投影矩阵模型 | 第18-22页 |
| 2.1.1 锥束 CT 迭代重建算法的基本思想 | 第18-19页 |
| 2.1.2 射线覆盖投影矩阵模型 | 第19-20页 |
| 2.1.3 基函数投影矩阵模型 | 第20-22页 |
| 2.2 基于有限元与 Radon 算子的投影矩阵刻画方法 | 第22-26页 |
| 2.2.1 基于有限元与 Radon 算子的投影矩阵模型 | 第22-24页 |
| 2.2.2 射线覆盖参数与基函数的一种实现 | 第24-25页 |
| 2.2.3 基于离散线性插值的投影系数求取方法 | 第25-26页 |
| 2.3 实验结果与分析 | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 锥束 CT 的稀疏约束自适应正则化迭代重建 | 第29-46页 |
| 3.1 反问题的不适定性与正则化 | 第29-33页 |
| 3.1.1 反问题的不适定性 | 第29-30页 |
| 3.1.2 不适定反问题的正则化方法 | 第30-31页 |
| 3.1.3 基于条件数的不适定程度刻画方法及分析 | 第31-33页 |
| 3.2 基于稀疏约束的正则化迭代重建原理与分析 | 第33-35页 |
| 3.2.1 压缩感知与稀疏约束 | 第33-34页 |
| 3.2.2 基于稀疏约束的正则化迭代重建 | 第34页 |
| 3.2.3 ASD-POCS 算法分析 | 第34-35页 |
| 3.3 基于稀疏约束的自适应正则化迭代重建（AR-SART-CG）算法 | 第35-40页 |
| 3.3.1 基于稀疏约束的自适应正则化策略的构造 | 第35-36页 |
| 3.3.2 自适应正则化策略中参数的确定 | 第36-38页 |
| 3.3.3 基于稀疏约束自适应正则化问题的求解 | 第38-40页 |
| 3.4 实验结果与分析 | 第40-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第四章 锥束 CT 迭代重建算法的 GPU 集群加速 | 第46-59页 |
| 4.1 GPU 集群通用加速平台（GMatrixCloud）的构建 | 第46-53页 |
| 4.1.1 构建 GPU 集群通用加速平台（GMatrixCloud）的需求分析 | 第46-47页 |
| 4.1.2 GPU 集群（GMatrixCloud）的结构与功能设计 | 第47-49页 |
| 4.1.3 GPU 集群（GMatrixCloud）的实现与简要说明 | 第49-52页 |
| 4.1.4 GPU 集群（GMatrixCloud）混合粒度并行的加速特点分析 | 第52-53页 |
| 4.2 AR-SART-CG 算法的两级并行策略 | 第53-56页 |
| 4.2.1 AR-SART-CG 算法的两级并行 | 第53-54页 |
| 4.2.2 基于树状归约的节点间正投影并行 | 第54页 |
| 4.2.3 基于切片投影索引表的节点内并行 | 第54-55页 |
| 4.2.4 基于时间反馈代价函数的负载均衡策略 | 第55-56页 |
| 4.3 实验结果与分析 | 第56-57页 |
| 4.4 本章小结 | 第57-59页 |
| 第五章 结束语 | 第59-61页 |
| 5.1 全文总结 | 第59-60页 |
| 5.2 后续工作展望 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 作者简历 攻读硕士学位期间完成的主要工作 | 第66-67页 |
| 致谢 | 第67-68页 |
