| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第7-10页 |
| 1 绪论 | 第10-18页 |
| 1.1 论文研究背景 | 第10-11页 |
| 1.2 国内外研究的现状 | 第11-15页 |
| 1.2.1 锥束 CT 的图像重建算法 | 第11页 |
| 1.2.2 锥束 CT 近似重建算法 | 第11-12页 |
| 1.2.3 锥束 CT 精确重建算法 | 第12-13页 |
| 1.2.4 锥束 CT 图像重建的并行化技术 | 第13-14页 |
| 1.2.5 工业 CT 三维图像缺陷分割方法 | 第14-15页 |
| 1.3 本文的主要工作和创新 | 第15页 |
| 1.4 本文结构安排 | 第15-16页 |
| 1.5 本章小结 | 第16-18页 |
| 2 工业 CT 图像重建的理论基础 | 第18-40页 |
| 2.1 CT 的物理原理 | 第18页 |
| 2.2 CT 扫描方式 | 第18-22页 |
| 2.2.1 笔束的旋转‐平移(第一代) | 第18-19页 |
| 2.2.2 窄扇束的旋转‐平移(第二代) | 第19-20页 |
| 2.2.3 宽扇束的旋转(第三代) | 第20页 |
| 2.2.4 锥束 CT 扫描 | 第20-22页 |
| 2.3 重建图像质量评价 | 第22页 |
| 2.4 CT 的数学原理 | 第22-25页 |
| 2.4.1 Radon 变换 | 第22-23页 |
| 2.4.2 中心切片定理 | 第23页 |
| 2.4.3 滤波反投影算法 | 第23-24页 |
| 2.4.4 Radon 反变换 | 第24页 |
| 2.4.5 代数重建算法 | 第24-25页 |
| 2.5 锥束 CT 重建算法 | 第25-39页 |
| 2.5.1 圆形轨迹 FDK 重建算法 | 第25-27页 |
| 2.5.2 螺旋轨迹 FDK 重建算法 | 第27-28页 |
| 2.5.3 精确重建条件 | 第28-29页 |
| 2.5.4 Tam‐Danielsson 窗 | 第29-30页 |
| 2.5.5 PI 线的相关知识 | 第30-31页 |
| 2.5.6 螺旋锥束 CT 的 Katsevich 算法理论 | 第31-33页 |
| 2.5.7 锥角对螺旋 CT 重建图像的影响 | 第33-39页 |
| 2.6 本章小结 | 第39-40页 |
| 3 非均匀性校正的锥束 CT 重建算法 | 第40-52页 |
| 3.1 平板探测器非均匀性概述 | 第40-42页 |
| 3.2 非均匀性校正方法 | 第42-43页 |
| 3.3 非均匀性校正的 FDK 算法 | 第43-44页 |
| 3.4 仿真模型的实验结果与比较 | 第44-47页 |
| 3.5 实际投影数据的实验结果与比较 | 第47-51页 |
| 3.6 本章小结 | 第51-52页 |
| 4 基于冲击滤波器的 KATSEVICH 重建算法 | 第52-72页 |
| 4.1 引言 | 第52-53页 |
| 4.2 冲击滤波器 | 第53-54页 |
| 4.3 KATSEVICH 算法的离散空间公式 | 第54-59页 |
| 4.3.1 对投影数据关于旋转角度求导 | 第55-56页 |
| 4.3.2 滤波线方程的推导及滤波过程分解 | 第56-59页 |
| 4.3.3 滤波数据的反投影 | 第59页 |
| 4.4 KATSEVICH 算法数值算法实现 | 第59-61页 |
| 4.4.1 对投影数据求一阶导数 | 第59-60页 |
| 4.4.2 求导数据的滤波 | 第60页 |
| 4.4.3 反投影重建图像 | 第60-61页 |
| 4.5 冲击滤波器的 KATSEVICH 重建算法 | 第61-71页 |
| 4.5.1 算法的数值计算 | 第61-63页 |
| 4.5.2 实验结果 | 第63-71页 |
| 4.6 本章小结 | 第71-72页 |
| 5 基于 GPU 集群的锥束重建算法并行化 | 第72-96页 |
| 5.1 引言 | 第72-73页 |
| 5.2 GPU 集群并行实现环境 | 第73-79页 |
| 5.2.1 集群并行机 | 第73-74页 |
| 5.2.2 CUDA 编程模型 | 第74-77页 |
| 5.2.3 GPU 集群 | 第77-78页 |
| 5.2.4 并行计算的性能分析 | 第78-79页 |
| 5.3 FDK 算法的并行性分析 | 第79-82页 |
| 5.3.1 按视角划分的 FDK 算法并行化 | 第80-81页 |
| 5.3.2 按重建对象划分的 FDK 算法并行化 | 第81-82页 |
| 5.4 FDK 算法并行化的实现 | 第82-95页 |
| 5.4.1 GPU 集群系统平台的组建 | 第82-84页 |
| 5.4.2 任务划分和并行策略 | 第84-86页 |
| 5.4.3 加权过程的并行化 | 第86-87页 |
| 5.4.4 滤波过程的并行化 | 第87-89页 |
| 5.4.5 反投影过程的并行化 | 第89-90页 |
| 5.4.6 实验及结果分析 | 第90-95页 |
| 5.5 本章小结 | 第95-96页 |
| 6 基于数学形态学的工业 CT 三维缺陷分割 | 第96-114页 |
| 6.1 引言 | 第96-97页 |
| 6.2 灰度数学形态学 | 第97-102页 |
| 6.2.1 结构元素 | 第97-99页 |
| 6.2.2 灰度膨胀和腐蚀 | 第99-100页 |
| 6.2.3 灰度开闭运算 | 第100-101页 |
| 6.2.4 Top‐hat 变换 | 第101-102页 |
| 6.3 TOP‐HAT 变换分割三维 CT 图像 | 第102-105页 |
| 6.4 非均匀密度 CT 图像缺陷分割 | 第105-112页 |
| 6.5 改进算法的鲁棒性 | 第112-113页 |
| 6.6 本章小结 | 第113-114页 |
| 7 总结与展望 | 第114-116页 |
| 7.1 论文总结 | 第114-115页 |
| 7.2 研究展望 | 第115-116页 |
| 致谢 | 第116-118页 |
| 参考文献 | 第118-130页 |
| 附录 | 第130-131页 |
| A. 作者在攻读学位期间发表的论文目录 | 第130页 |
| B. 作者在攻读学位期间申请的专利 | 第130-131页 |
| C. 作者在攻读学位期间参加的课题与基金 | 第131页 |
