摘要 | 第5-6页 |
Abstract | 第6-7页 |
第一章 绪论 | 第11-18页 |
1.1 研究背景及意义 | 第11-13页 |
1.2 国内外发展现状 | 第13-16页 |
1.2.1 传统投影数据重建方法研究现状 | 第13-14页 |
1.2.2 稀疏采样投影数据重建算法研究现状 | 第14-16页 |
1.3 论文的研究内容及章节安排 | 第16-18页 |
1.3.1 本文研究内容与创新点 | 第16-17页 |
1.3.2 本文章节安排 | 第17-18页 |
第二章 稀疏采样下的图像重建理论知识 | 第18-27页 |
2.1 图像离散化及投影矩阵定义 | 第18-20页 |
2.1.1 图像离散化 | 第18页 |
2.1.2 投影矩阵定义 | 第18-20页 |
2.2 投影数据数学模型的建立 | 第20-21页 |
2.3 稀疏采样投影数据重建模型建立 | 第21-24页 |
2.3.1 稀疏采样投影数据重建模型保真项的建立 | 第21-22页 |
2.3.2 稀疏采样投影数据重建模型正则化项的建立 | 第22-23页 |
2.3.3 正则化项的设计 | 第23-24页 |
2.4 稀疏采样重建模型的求解算法 | 第24-26页 |
2.4.1 传统的迭代求解算法 | 第25-26页 |
2.4.2 基于凸优化的迭代求解算法 | 第26页 |
2.5 本章小结 | 第26-27页 |
第三章 稀疏采样下多尺度投影数据快速融合重建算法 | 第27-50页 |
3.1 引言 | 第27-28页 |
3.2 多尺度投影数据与投影矩阵构建 | 第28-32页 |
3.2.1 多尺度数据的构建 | 第28-29页 |
3.2.2 多尺度投影数据与投影矩阵的构建 | 第29-32页 |
3.3 稀疏采样下多尺度投影数据快速融合重建算法 | 第32-36页 |
3.3.1 投影数据重建保真项的求解 | 第32-33页 |
3.3.2 投影数据重建正则化项的求解 | 第33-34页 |
3.3.3 稀疏采样下多尺度投影数据快速融合重建算法流程 | 第34-36页 |
3.3.4 迭代停止条件 | 第36页 |
3.4 实验结果与分析 | 第36-48页 |
3.4.1 评价函数 | 第36-37页 |
3.4.2 重建数据模型 | 第37-38页 |
3.4.3 无噪声投影数据的重建结果 | 第38-40页 |
3.4.4 含噪声投影数据的重建结果 | 第40-41页 |
3.4.5 算法重建质量比较以及分析 | 第41-47页 |
3.4.6 算法重建速度的分析和比较 | 第47-48页 |
3.5 本章小结 | 第48-50页 |
第四章 基于随机优化的角度受限投影数据的重建优化算法 | 第50-80页 |
4.1 引言 | 第50-51页 |
4.2 随机优化方法以及算法简介 | 第51-54页 |
4.2.1 随机优化算法 | 第51页 |
4.2.2 差分进化算法 | 第51-53页 |
4.2.3 粒子群优化算法 | 第53-54页 |
4.3 基于随机优化算法的角度受限投影数据重建算法改进 | 第54-59页 |
4.3.1 随机优化的初始解生成过程 | 第55-56页 |
4.3.2 随机优化算法的搜索过程 | 第56-57页 |
4.3.3 评价函数与样本选择操作的设计 | 第57页 |
4.3.4 随机优化算法迭代过程的优化 | 第57-59页 |
4.4 基于差分进化算法的角度受限投影数据重建算法 | 第59-60页 |
4.4.1 交叉操作 | 第59-60页 |
4.4.2 基于差分进化算法的角度受限投影数据重建算法 | 第60页 |
4.5 基于粒子群算法的角度受限投影数据重建算法 | 第60-62页 |
4.6 实验结果和分析 | 第62-78页 |
4.6.1 无噪声投影数据下的重建结果 | 第62-65页 |
4.6.2 含噪声投影数据下的重建结果 | 第65-68页 |
4.6.3 重建质量分析 | 第68-78页 |
4.7 本章小结 | 第78-80页 |
第五章 总结与展望 | 第80-82页 |
5.1 总结 | 第80-81页 |
5.2 展望 | 第81-82页 |
参考文献 | 第82-88页 |
攻读硕士学位期间取得的研究成果 | 第88-89页 |
致谢 | 第89-90页 |
附件 | 第90页 |