检索结果-维普期刊中文期刊服务平台

基于智能单粒子的联合代数重建算法被引量：1: 1; 作者储颖糜华 +1 位作者纪震 Q．H．WU 《深圳大学学报（理工版）》 EI CAS 北大核心 2009年第2期111-115,共5页; 提出一种基于智能单粒子(intelligent particle optimizer,IPO)的改进型联合代数重建算法(simultaneous algebraic reconstruction technique,SART).为提高重建图像质量,引入松弛矩阵概念,利用智能单粒子算法搜索每一像素特有的最优松... 展开更多; 关键词联合代数重建算法智能单粒子算法图像重建; 在线阅读下载PDF 职称材料

基于组稀疏的地下浅层震动波衰减反演重建方法: 2; 作者郭陈莉李剑 +3 位作者孔慧华臧丹枫刘瑞马明星《探测与控制学报》北大核心 2025年第2期64-70,共7页; 在进行地下浅层震动场区域衰减反演成像过程中,由于地下介质复杂、测点稀疏以及空间区域较大,造成了在稀疏测点条件下的重建精度难以保证。针对上述问题,提出联合代数重建算法结合组稀疏正则化(SART-GSR)的方法来实现稀疏测点条件下衰... 展开更多; 关键词衰减反演重建联合代数重建算法组稀疏字典学习; 在线阅读下载PDF 职称材料

基于选择性TpV正则化的DBT重建算法: 3; 作者李慧君齐宏亮 +1 位作者徐圆周凌宏《计算机工程与设计》 CSCD 北大核心 2014年第5期1776-1781,共6页; 针对数字乳腺断层合成摄影(digital breast tomosynthesis,DBT)为有限角度的低剂量重建问题,提出了一种基于选择性TpV(total pvariation,TpV)正则化的重建算法。采用两相式重建策略,对DBT投影数据进行联合代数重建(simultaneous algebra... 展开更多; 关键词数字乳腺断层合成摄影联合代数重建算法 TpV正则化选择性TpV正则化图像重建; 在线阅读下载PDF 职称材料

基于超声层析成像技术的三维流场重建被引量：2: 4; 作者王浩源王伯雄 +1 位作者柳建楠崔园园《传感器与微系统》 CSCD 2016年第1期72-75,共4页; 在现有的以超声层析成像为基础的流场重建方法中,一般只能单独重建横向流场或轴向流场。为能够同时获得横向和轴向流场的信息,提出一种方法,通过在圆管周围合理布置超声换能器,采用联合代数迭代重建算法同时得到圆管中的横向流场和轴向... 展开更多; 关键词超声层析成像技术三维流场联合代数迭代重建算法; 在线阅读下载PDF 职称材料

题名基于智能单粒子的联合代数重建算法被引量：1: 1; 作者储颖糜华纪震 Q．H．WU; 机构西安交通大学电子与信息工程学院深圳大学德州仪器DSPs实验室利物浦大学电气电子工程系; 出处《深圳大学学报（理工版）》 EI CAS 北大核心 2009年第2期111-115,共5页; 基金国家自然科学基金委员会与英国皇家学会合作资助项目(60711130233); 文摘提出一种基于智能单粒子(intelligent particle optimizer,IPO)的改进型联合代数重建算法(simultaneous algebraic reconstruction technique,SART).为提高重建图像质量,引入松弛矩阵概念,利用智能单粒子算法搜索每一像素特有的最优松弛因子,增强重建算法对图像局部特性的针对性.仿真结果表明,采用IPO-SART算法获得的重建图像质量较传统SART算法更佳.; 关键词联合代数重建算法智能单粒子算法图像重建; Keywords simultaneous algebraic reconstruction technique intelligent particle optimizer image reconstruction; 分类号 TN911.73 [电子电信—通信与信息系统] R814.42 [医药卫生—影像医学与核医学]; 在线阅读下载PDF 职称材料

题名基于组稀疏的地下浅层震动波衰减反演重建方法: 2; 作者郭陈莉李剑孔慧华臧丹枫刘瑞马明星; 机构中北大学数学学院中北大学信息与通信工程学院中北大学省部共建动态测试技术国家重点实验室; 出处《探测与控制学报》北大核心 2025年第2期64-70,共7页; 基金国家自然科学基金面上项目(62271453)。; 文摘在进行地下浅层震动场区域衰减反演成像过程中,由于地下介质复杂、测点稀疏以及空间区域较大,造成了在稀疏测点条件下的重建精度难以保证。针对上述问题,提出联合代数重建算法结合组稀疏正则化(SART-GSR)的方法来实现稀疏测点条件下衰减反演成像。首先结合地下浅层衰减层析原理建立数学模型;其次利用SART算法对其进行求解得到衰减特征向量估计值;在SART结果的基础上,使用GSR对其进行优化处理。通过实验验证,将SART-GSR算法与SART算法的重建效果进行对比,均方根误差从0.027下降到0.004,峰值信噪比从24.40 dB提高到了38.12 dB。结果表明,SART-GSR算法相较于SART算法能够提升地下浅层衰减反演重建精度,对地下浅层衰减反演重建具有一定的应用参考价值。; 关键词衰减反演重建联合代数重建算法组稀疏字典学习; Keywords attenuation inversion reconstruction simultaneous algebraic reconstruction technique group sparsity regularization dictionary learning; 分类号 TP305 [自动化与计算机技术—计算机系统结构]; 在线阅读下载PDF 职称材料

题名基于选择性TpV正则化的DBT重建算法: 3; 作者李慧君齐宏亮徐圆周凌宏; 机构南方医科大学生物医学工程学院; 出处《计算机工程与设计》 CSCD 北大核心 2014年第5期1776-1781,共6页; 基金国家自然科学基金项目(30970866) 广东省战略性新兴产业核心技术攻关基金项目(2011A081402003) 广州市战略性新兴产业重大专项基金项目(2011Y1-00019); 文摘针对数字乳腺断层合成摄影(digital breast tomosynthesis,DBT)为有限角度的低剂量重建问题,提出了一种基于选择性TpV(total pvariation,TpV)正则化的重建算法。采用两相式重建策略,对DBT投影数据进行联合代数重建(simultaneous algebra reconstruction technique,SART),获得满足数据一致性以及非负性约束的图像,采用选择性TpV正则项作为约束条件更新图像,抑制图像噪声,锐化图像边缘特性,两相交替进行,直到满足收敛准则。应用该算法对数字仿真乳腺体模进行重建,实验结果表明,与SART算法、SART-TpV算法相比,该算法不仅平滑了图像噪声,而且保留了图像的边缘特性,尤其实现了微小钙化的清晰显像。; 关键词数字乳腺断层合成摄影联合代数重建算法 TpV正则化选择性TpV正则化图像重建; Keywords digital breast tomosynthesis （DBT） simultaneous algebra reconstruction technique （SART） total p variation regularization selective total p variation regularization image reconstruction; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于超声层析成像技术的三维流场重建被引量：2: 4; 作者王浩源王伯雄柳建楠崔园园; 机构清华大学精密仪器系精密测试技术及仪器国家重点实验室; 出处《传感器与微系统》 CSCD 2016年第1期72-75,共4页; 基金国家自然科学基金资助项目(11274199); 文摘在现有的以超声层析成像为基础的流场重建方法中,一般只能单独重建横向流场或轴向流场。为能够同时获得横向和轴向流场的信息,提出一种方法,通过在圆管周围合理布置超声换能器,采用联合代数迭代重建算法同时得到圆管中的横向流场和轴向流场的重建图像,完成圆管中流场的三维重建。实际的单弯管实验成功重建了横向流场和轴向流场表明方法可靠。; 关键词超声层析成像技术三维流场联合代数迭代重建算法; Keywords ultrasonic tomography technique three-dimensional flow field simultaneous algebraic reconstructiontechnique （SART）; 分类号 TB559 [理学—声学] TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于智能单粒子的联合代数重建算法	储颖糜华纪震 Q．H．WU	《深圳大学学报（理工版）》 EI CAS 北大核心	2009	1	在线阅读下载PDF 职称材料
2	基于组稀疏的地下浅层震动波衰减反演重建方法	郭陈莉李剑孔慧华臧丹枫刘瑞马明星	《探测与控制学报》北大核心	2025	0	在线阅读下载PDF 职称材料
3	基于选择性TpV正则化的DBT重建算法	李慧君齐宏亮徐圆周凌宏	《计算机工程与设计》 CSCD 北大核心	2014	0	在线阅读下载PDF 职称材料
4	基于超声层析成像技术的三维流场重建	王浩源王伯雄柳建楠崔园园	《传感器与微系统》 CSCD	2016	2	在线阅读下载PDF 职称材料