| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 图录 | 第10-11页 |
| 表录 | 第11-12页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 课题背景与意义 | 第12-13页 |
| 1.2 LCT 成像和有限角度问题 | 第13-14页 |
| 1.3 国内外研究现状 | 第14-18页 |
| 1.3.1 直线轨迹 CT 重建算法 | 第14-15页 |
| 1.3.2 有限角度 CT 重建算法 | 第15-16页 |
| 1.3.3 稀疏优化算法 | 第16-17页 |
| 1.3.4 CT 重建加速技术 | 第17-18页 |
| 1.4 课题研究内容与论文结构安排 | 第18-20页 |
| 第二章 交替方向 TV 最小化（ADTVM）重建算法 | 第20-33页 |
| 2.1 直线轨迹成像系统投影模型 | 第20-23页 |
| 2.2 基于交替方向法的 TV 最小化重建算法 | 第23-27页 |
| 2.2.1 基于 TV 正则化的重建模型 | 第23-24页 |
| 2.2.2 交替方向乘子法 | 第24-25页 |
| 2.2.3 ADTVM 算法 | 第25-27页 |
| 2.3 实验结果及分析 | 第27-32页 |
| 2.3.1 仿真实验 | 第27-30页 |
| 2.3.2 实际数据重建 | 第30-32页 |
| 2.4 小结 | 第32-33页 |
| 第三章 稀疏部分频域重建（RecSPF）算法 | 第33-45页 |
| 3.1 LCT 的频域采样分析 | 第33-35页 |
| 3.2 基于稀疏重采样的频域重建算法 | 第35-39页 |
| 3.2.1 RecPF 算法 | 第36页 |
| 3.2.2 基于稀疏重采样的 RecSPF 算法 | 第36-39页 |
| 3.3 实验结果及分析 | 第39-44页 |
| 3.3.1 仿真实验 | 第39-42页 |
| 3.3.2 实际数据重建 | 第42-44页 |
| 3.4 小结 | 第44-45页 |
| 第四章 ADTVM 重建算法加速技术研究 | 第45-58页 |
| 4.1 ADTVM 算法加速分析 | 第45-46页 |
| 4.2 基于稀疏矩阵向量乘（SpMV）的投影计算优化 | 第46-51页 |
| 4.2.1 投影计算优化方案分析 | 第46-47页 |
| 4.2.2 基于 SpMV 的投影计算优化实现 | 第47-51页 |
| 4.3 基于 GPU 的 ADTVM 算法并行加速 | 第51-55页 |
| 4.3.1 OpenCL 编程框架 | 第51-52页 |
| 4.3.2 基于 OpenCL 的 ADTVM 算法并行加速设计与优化 | 第52-55页 |
| 4.4 实验结果及分析 | 第55-57页 |
| 4.5 小结 | 第57-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 5.1 总结 | 第58页 |
| 5.2 展望 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-67页 |
| 作者简历攻读硕士学位期间完成的主要工作 | 第67页 |
