一种含噪投影的螺旋锥束CT Katsevich重建算法

在实际工程应用中,投影体数据含有大量噪声.Katsevich算法作为一种精确的重建算法,它可以得到质量较高的重建图像,但它需要对投影数据旋转角和二维探测器坐标做求导运算,求导会放大噪声,甚至使重建图像失真.结合Katsevich算法中对投影数据的旋转角避开求导和探测器坐标求导采用五点差分方法代替直接求导,可以降低对旋转角度的采样率,减少对病人的射线辐射和射线成本,减小求导误差和噪声带来的负面影响,从而提高图像质量.     

螺旋锥束精确重建算法优化

精确重建算法是当今研究的热点,其反投影计算量很大。因此以Katsevich算法为例,将PI线二分法求端点转变为一元函数的迭代求根进行优化;利用锥束扫描模式存在的对称性和正、余弦的特性,减少计算投影位置的次数。实验表明,优化效果较好。     

三维锥束CT迭代重建算法对比研究

在计算机断层成像（CT）中,代数重建算法（ART）、联合代数迭代重建算法（SART）、有序子集期望值最大重建算法（OSEM）是迭代重建技术中广泛应用的3种技术,文章针对三维锥束CT情况,比较研究了上述3种迭代算法在含噪投影数据、完备投影数据以及投影数据稀疏和视角受限情况下的重建结果,并对重建结果进行了对比和分析。仿真结果表明：在一定条件下,OSEM算法重建的图像质量好于其他两种算法。     

一种基于Criminisi算法改进的图像修复技术

针对Criminisi 算法及其现阶段存在的不足,提出一种新的基于样本块的图像修复改进算法。通过图片预处理,首先重建图像破损边缘,改善修复后图像边缘模糊、断裂、过度延伸等情况;其次在优先级计算中引入α、β调节因子,增加数据项权重,从而得到更加精确的优先权顺序,同时防止优先权值在修复后期快速衰减。计算修复图像的 PSNR值并与原Criminisi 算法进行对比,结果表明改进算法有更好的修复效果。     

一个求解二阶锥规划的光滑算法

基于最小值函数的光滑函数,给出一个求解二阶锥规划的光滑算法.在较弱条件下,证明了算法是全局收敛且是局部二阶收敛的.     

一种改进的图像自适应逆梯度插值算法

为了改善传统线性插值算法产生的图像模糊和边缘锯齿化现象,提出了一种改进的自适应逆梯度插值算法。该算法根据图像局部梯度特征,对已有的基于逆梯度插值算法中的逆梯度权值进行自适应加权,然后与经典的WaDi插值算法融合,得到改进的插值算法。实验结果表明,改进算法插值图像视觉效果和客观评价准则(峰值信噪比上)都有明显提高。     

一种基于线条特征的图像拼接算法

全景图像是通过将普通照相机拍摄到的、边界部分有重叠的图像进行拼接而创建形成的．利用图像重叠部分对应像素的相似性，提出了一种行之有效的拼接算法，即通过特征线条的数据分布来配准图像，使得到的图像无缝平滑．     

一种特征匹配算法的改进及其在图像检索系统的应用

图像检索就是根据对图像内容的描述,在目标图像集合中找到具有指定特征或包含指定内容的图像.因此,一个好的检索匹配算法是精确、快速检索的根本前提.     

一种改进的Sobel边缘检测和细化算法

提出了一种改进的Sobel边缘检测和细化算法,用8个方向的模板对灰度图像进行边缘检测得到粗边缘图像,将粗边缘图像再进行Sobel边缘检测得到新的边缘图像,将前者减去后者得到差值图,从而得到边缘较细的边缘图,对于边缘模糊的部分,这种过程可以重复多次,这样能够捕捉多个方向的边缘信息,使检测到的边缘和边缘细化定位更精确。该算法容易实现,计算量小,速度快,适合作为图像检测中的快速边缘检测及细化。     

一种改进的BP算法

BP算法是目前应用极为广泛的神经网络算法，但它也存在一些不足。本文提出了一种改进的BP算法，该算法基于黄金分割法自适应调整网络学习速率。仿真结果表明：该算法比传统的BP算法具有更快的学习速度和更高的学习精度。     

一种改进的混沌优化方法研究

为提高混沌优化方法的寻优速度和求解精度,本文提出一种改进的混沌优化方法,该方法结合幂函数载波和变尺度混沌优化方法的优点,在第一次载波中利用幂函数全局寻优,在第二次载波中,以当前最优解为中心,不断缩小优化变量的搜索区间进行双侧局部寻优。仿真结果表明,该方法可以明显提高收敛速度和精确性。     

一种改进的粒子群算法研究

为了克服粒子群算法易发生早熟收敛、后期迭代速度较慢、易陷入局部最优的缺点,提出了一种改进的粒子群算法。该算法采用非线性动态自适应的更新权重,进一步提高收敛速度;通过引入差分进化算法中的交叉算子,以提高算法的全局探索能力,利用差分进化算法的变异策略产生候选解,克服种群多样性的下降,以跳出局部最优。利用该算法对2个测试函数进行寻优,仿真结果表明,文章提出的算法是一种收敛速度快、收敛精度高的全局寻优算法。     

Apriori算法的一种改进研究

挖掘频繁项集是近年数据挖掘任务中的关键问题,提高频繁项集的生成效率一直是数据挖掘领域研究的热点之一,研究人员从不同的角度对算法进行改进以提高算法的效率。文章通过集合的交集运算,得到一种新的频繁项集挖掘算法-SetFIS算法,该算法能快速、直观地求出事务数据库的频繁项集。     

Apriori算法的一种改进研究

挖掘频繁项集是近年数据挖掘任务中的关键问题,提高频繁项集的生成效率一直是数据挖掘领域研究的热点之一,研究人员从不同的角度对算法进行改进以提高算法的效率。文章通过集合的交集运算,得到一种新的频繁项集挖掘算法-SetFIS算法,该算法能快速、直观地求出事务数据库的频繁项集。     

Grab cut及其改进算法研究

Grab cut是一种基于Graph cuts算法原理改进而来的交互式分割算法,很多情况下有着很好的分割效果,但是在图片的背景与前景具有很高相似度时,分割效果很不理想。随着数码技术的发展,人们需要处理的图像越来越多,对如何提高算法的分割效果、执行效率及改善交互方式的研究具有深远意义。对Grab cut算法以及在HSV颜色空间下的Grab cut算法和自适应Grab cut算法进行了研究。     

一种改进遗传算法在标枪飞行预测中的应用

主要以2019年五一数学建模竞赛A题为背景,目的是研究运动员出手时的状态以及风向风速对标枪飞行轨迹的影响。通过分析理想状态下的平抛运动构建实际标枪飞行模型,运用改进后的神经网络遗传算法找到能够使标枪飞行更远的条件。该方法有效增强了模型的传递性和适应性,并在此基础上使用熵权法分析影响因素的相对重要性。实验结果表明,改进后的模型能够很好地模拟真实条件下的标枪飞行状态,且预测值符合实际要求。     

一种OFDM符号同步改进算法的研究

针对OFDN技术对定时、频偏和相位噪声敏感,较小的同步偏差即会导致系统的误码性能恶化,甚至通信失效的缺点,主要研究了OFDM符号同步的一种改进算法,即在传统的SCA（最大相关）估计算法的基础上采用多符号同步的方法。仿真表明该方法减少了符号偏差的均方误差,改善了系统的性能。     

改进的二阶互信息医学图像配准算法的研究

针对人脑的二维图像设计了一种改进的遗传算法和二阶互信息相结合的医学图像配准算法,采用互信息配准模型,以图像的灰度统计信息为配准依据,采用改进的遗传算法搜索图像的最优变换参数,并比较一阶互信息配准与改进的二阶互信息配准两种算法,实验表明改进的二阶互信息配准方法具有较高的配准精度和稳定性.     

基于改进遗传算法进化神经网络

本文提出一种新颖的基于实数编码的改进遗传算法用于前馈神经网络的训练 ,进而实现对非线性系统预测 .该改进遗传算法采用基于代沟最小的代选择模型 ,选用BLX α混合交叉算子 .与经典的基于二进制编码的遗传算法相比较 ,该算法不需要编码和解码 ,所以计算速度快 ;且不需要根据经验设置交叉和变异概率 ,因而算法简单、鲁棒性强、优化效率高 .同时给出了应用该算法对前馈神经网络进化时的计算流程 .仿真结果证实该方法对非线性系统进行预测是快速有效的     

一种基于模式矩阵的Apriori改进算法研究

针对经典的Ap606算法耗费大量的时间和空间的特点,提出基于模式矩阵的关联规则算法。该算法扫描数据库次数为一次,降低了挖掘的时间复杂度;扫描后的数据库以矩阵形式存放,减少空间复杂度。并应用具体事例进行验证,对效率进行了比较。