| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 课题背景与研究意义 | 第12-13页 |
| 1.2 锥束CT圆轨迹短扫描成像 | 第13-15页 |
| 1.3 国内外研究现状 | 第15-18页 |
| 1.3.1 锥束CT圆轨迹短扫描解析重建算法 | 第15-16页 |
| 1.3.2 基于稀疏优化的迭代重建算法 | 第16-17页 |
| 1.3.3 异步并行技术与GPU加速 | 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 短扫描选择性滤波反投影重建算法 | 第20-30页 |
| 2.1 CT圆轨迹短扫描成像模型 | 第20-21页 |
| 2.2 选择性滤波反投影重建算法 | 第21-24页 |
| 2.2.1 投影重排与冗余性分析 | 第21-22页 |
| 2.2.2 S-FDK重建算法 | 第22-24页 |
| 2.3 实验结果及分析 | 第24-29页 |
| 2.3.1 仿真数据实验 | 第25-28页 |
| 2.3.2 实际数据实验 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 基于图像梯度混合范数的短扫描迭代重建算法 | 第30-42页 |
| 3.1 短扫描稀疏角度重建模型 | 第30-31页 |
| 3.2 图像梯度加权L1-L2范数最小化重建算法 | 第31-35页 |
| 3.2.1 图像梯度加权L1-L2最小化重建模型 | 第31页 |
| 3.2.2 WDG-ADM重建算法 | 第31-34页 |
| 3.2.3 算法终止条件与参数选择 | 第34-35页 |
| 3.3 实验结果及分析 | 第35-40页 |
| 3.3.1 仿真数据实验 | 第35-39页 |
| 3.3.2 实际数据实验 | 第39-40页 |
| 3.4 本章小结 | 第40-42页 |
| 第四章 异步并行迭代重建算法 | 第42-52页 |
| 4.1 异步并行计算框架 | 第42-43页 |
| 4.2 基于TV最小化模型的异步ADM迭代重建算法 | 第43-45页 |
| 4.3 基于MPI的GPU机群优化实现 | 第45-49页 |
| 4.3.1 GPU机群的组成结构和实现方法 | 第46-47页 |
| 4.3.2 Async-ADTVM算法在GPU机群上的设计与实现 | 第47-49页 |
| 4.4 实验结果及分析 | 第49-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第五章 总结与展望 | 第52-54页 |
| 5.1 总结 | 第52页 |
| 5.2 展望 | 第52-54页 |
| 致谢 | 第54-56页 |
| 参考文献 | 第56-62页 |
| 作者简历 | 第62-63页 |