基于FDK算法的锥束CT重建近似算法性能比较

基于FDK反投影权重的锥束重建算法及应用作者：常艳雷盼盼赵永斌张红涛来源：《粮食科技与经济》2018年第12期[摘要]针对锥束CT锥角增大而产生的锥束伪影问题，比较不同三维重建算法的重建效果。

本文采用三维加权重建算法来重建高质量的小麦切片图像。

该算法结构简单，易于实现，不需要将原锥形束投影数据重新排列成锥形平行束数据，只需在反投影过程中增加三维加权函数，以减小轴向密度下降，提高FDK重建算法的精度。

使用改进Shepp-Logan头模型和小麦数据来评估两个算法的性能，结果表明这种算法在降低轴向失真方面取得了较好的效果，提高了FDK算法的重建质量。

[关键词]锥束CT;FDK重建;反投影中图分类号：TP751.1文献标识码：ADOI：10.16465/431232ts.20181227近年来，计算机断层扫描技术（CT）已广泛应用于医学成像和工业无损检测方面[1]。

其中对于标准医疗CT系统和锥束形扫描仪，圆轨迹的锥束扫描模式发展迅速。

目前，在网形扫捕的锥束CT系统中，主要的重建算法有迭代重建算法和解析类重建算法[2]。

其中，解析重建算法以Radon變换为理论基础，重建速度快，易于实现，能够保证很好的重建精度，所以在实际系统中应用广泛。

FDK重建算法作为典型的解析图像重建算法，圆轨迹的扫描方式不满足数据充分（Data SufficiencyCondition，DSC）条件[3]，该算法中锥角的增加会导致锥束伪影，使图像失真。

目前，有许多种方法可以改善锥束伪影，主要可分为4类：（1）通过改进圆形轨迹来满足DSC条件，如采用“圆弧+圆弧”“圆弧+线段”“网弧+螺旋”等扫捕轨迹l41。

（2）通过将锥束投影重排成平行投影后进行重建，如T-FDK、CW-FDK、CB-FBP、C-FDK[5]。

（3）基于Grangeat公式对缺失的数据进行估计[6]。

（4）利用反投影三维加权补偿缺失数据，如X-FDK、FAFDK等[7]。

基于CUDA的图形处理器加速锥束CT重建算法的研究王丽芳【摘要】锥束CT图像重建数据量巨大、运算复杂度高，重建时间长，难以满足实际应用的需求。

研究基于CUDA的图形处理器加速锥束CT重建算法的方案，通过有效的并行策略来提高滤波和反投影过程的时间，并利用常数存储器和纹理存储器来提高数据访存效率。

实验证明在保证重建质量的情况下，重建速度可以提高82倍。

%Cone beam CT image reconstruction has huge data volume and high operation complexity,the time of image reconstruction is too long to meet the needs of practical applications.In this paper we study the acceleration solution of cone beam CT image reconstruction algo-rithm with the CUDA-based GPU.It improves the filtering and back projection process time through effective parallel strategy,and improves data access and storage efficiency using constant memory and texturememory.Experimental results show that there can have 82 times im-provement in reconstruction speed under the condition of ensuring the quality of reconstruction.【期刊名称】《计算机应用与软件》【年(卷),期】2014(000)001【总页数】4页(P218-221)【关键词】CUDA;锥束CT;图像重建【作者】王丽芳【作者单位】中北大学电子与计算机科学技术学院山西太原030051【正文语种】中文【中图分类】TP391.410 引言近年来，锥束CT在医学和工业上得到越来越广泛的应用，同时锥束图像重建算法也在迅速发展。

锥束X射线CT图像重建的新型滤波函数洪振厚;周彬;郭金川【摘要】The conventional filter function of the FDK algorithm in X-ray computed tomography (CT) can result in the obvious Gibbs phenomenon, which has great effect on the CT image.A NEW-MS-L filter function is deduced based on the rationale of mixed filter theory and weighted average theory.First, the S-L filter function is weighted and averaged to form M3S-L filter function.Then, as a superposition of the M3S-L filter function and the NEW filter function, the NEW-MS-L filter function is pared with the other filter functions such as NEW, R-L-S-L, R-L-NEW, and R-L-MS-L, the NEW-MS-L can suppress the Gibbs phenomenon while maintaining high resolution.The results show that the NEW-MS-L filter function can provide X-ray CT with better reconstruction images.%针对X射线计算机断层成像(computed tomography,CT)图像重建FDK算法中,采用通常的滤波函数会导致明显的Gibbs现象,影响重建图像的质量.基于混合滤波和加权平均理论,设计了一种新型的NEW-MS-L滤波函数.先将S-L 滤波函数加权平均为M3S-L滤波函数,再与NEW滤波函数叠加,得到NEW-MS-L 滤波函数.通过数值仿真,分别对比NEW、R-L-S-L、R-L-NEW、R-L-MS-L和NEW-MS-L滤波函数的重建图像效果,结果表明,NEW-MS-L滤波函数能够在保持较高图像分辨率的情况下,更有效地抑制Gibbs现象,使重建图像效果更佳.【期刊名称】《深圳大学学报（理工版）》【年(卷),期】2017(034)003【总页数】6页(P284-289)【关键词】光学工程;计算机断层成像;FDK算法;滤波函数;Gibbs现象;混合滤波;加权平均【作者】洪振厚;周彬;郭金川【作者单位】深圳大学光电工程学院,光电子器件与系统教育部/广东省重点实验室,广东深圳518060;深圳大学光电工程学院,光电子器件与系统教育部/广东省重点实验室,广东深圳518060;深圳大学光电工程学院,光电子器件与系统教育部/广东省重点实验室,广东深圳518060【正文语种】中文【中图分类】TP391.41随着计算机断层成像(computed tomography, CT)在医疗诊断、工业无损探伤和食品安全检测等领域广泛的应用[1-5]，其对图片质量的要求也越来越高，进而对软硬件特别是算法的要求也越来越高．在众多算法中，FDK算法[6]应用最为普遍．FDK算法是由Feldkamp、Davis和Kress提出的一种基于圆轨道扫描的近似重建算法，其本质是滤波反投影(filtered back projection，FBP)，它对图像质量的影响非常明显．传统的滤波函数能保持较高的空间分辨率，但同时引起明显的Gibbs现象(即有明显的振荡效应)，致使重建效果较差．因此，在保持高图像分辨率的情况下设计新的滤波函数，降低Gibbs现象就尤为重要．为此，研究人员相继提出NEW滤波函数[7]、R-L-S-L、R-L-NEW和R-L-MS-L等混合滤波函数[8-10]来消除Gibbs现象．虽然这些滤波函数都具有保持高空间分辨率的同时减小Gibbs现象的作用，但无法完全消除Gibbs现象，主要原因是与之结合的R-L滤波函数的近旁瓣突出，远旁瓣的幅度和宽度较大[9-10]，而NEW滤波函数和R-L滤波函数一样，由理想滤波器推导出，所以其近旁瓣也较为突出[7].本研究基于FDK算法，设计了一种新型滤波函数进行图像重建，在保持较高空间分辨率的情况下大幅减小Gibbs现象，提高了密度分辨率，进而改进了重建图像质量．FDK算法因其高效、简便以及易于图像处理器(graphics processing unit，GPU)加速，至今仍被大量使用．FDK算法本质上是FBP，把得到的锥束投影数据进行滤波，然后利用扇形束近似重建而得．FDK算法的计算公式[11]如式(1)和式(2)．对投影数据P的加权滤波为其中， R为光源到物体中心的距离；β为源绕中心旋转轴z轴的旋转角度； a为旋转中心的横坐标； b为旋转中心的纵坐标；P(β, a, b)为投影数据； G(a)为滤波函数；符号*表示卷积运算．反投影重建结果为β其中，U(x, y, β)=R+xcos β+ysin β为加权函数，这里x和y为探测器坐标；P′(β, a, b)为加权滤波后的投影数据；其他变量定义如式(1)．影响重建结果好坏的关键在于滤波函数的选择、重建过程中插值的方式，以及锥角的大小等．从式(2)可直观地看出，滤波函数能直接影响到反投影重建的结果．所以，合适的滤波器是实现高质量重建图像的关键因素之一．2.1 选择要混合和加权平均的滤波函数要选择合适的滤波函数进行混合和加权平均，必须要先判断滤波函数的优劣特性．判断一个滤波函数对重建结果的影响主要有：主瓣、近旁瓣和远旁瓣．主瓣高而窄，说明空间分辨率好；远旁瓣的幅度和幅值越小，说明Gibbs现象越小、密度分辨率越好[12-13]．范惠荣等[14]研究表明，NEW滤波函数能够保持空间分辨率的同时减小Gibbs现象，而S-L滤波函数[11]可通过这3点加权平均使远旁瓣的幅度和幅值大幅减小，其近旁瓣收敛相比R-L[11]、S-L和NEW滤波函数更快，更能有效地抑制Gibbs现象，但因其主瓣变矮，空间分辨率会变得很差，如图1．其中， n为采样点； h[n]为采样点n所对应的滤波函数值．图2中除R-L滤波函数外，剩下3种滤波函数的远旁瓣几乎重叠，表明M3S-L滤波函数[10]的远旁瓣的幅度和幅值非常小，与R-L滤波函数相比无明显振荡，说明Gibbs现象非常小．因此，可将NEW滤波函数和加权平均后的M3S-L滤波函数混合叠加，得到新的NEW-MS-L滤波函数，大幅减小Gibbs现象，且能保持与单独使用NEW 滤波函数后相当的空间分辨性能．2.2 构建新型滤波函数NEW-MS-L新型滤波函数是根据加权平均和混合滤波的思想构建的．首先需将S-L滤波函数进行加权平均．S-L滤波函数的离散形式[11]为hS-L[n]=其中，n=0,±1,±2,…, 为采样点(后面各式含义相同)；τ为探测器单元的大小，一般设为1．基于文献[15]的研究结果，本研究对S-L滤波函数进行3点加权平均，记为M3S-L，该函数的离散形式[10]为hM3S-L[n]= 0.6hS-L[n]+0.2hS-L[n-1]+0.2hS-L[n+1]将M3S-L滤波函数和NEW滤波函数进行混合滤波，得到新的滤波函数NEW-MS-L．NEW滤波函数[7]和NEW-MS-L滤波函数的离散形式分别为hNEW[n]=-hNEW-MS-L[n]= k1×hM3S-L [n]+k2×hNEW[n]其中， k1和k2为权重， k1+k2=1．本研究取k1=0.5； k2=0.5．NEW-MS-L、NEW和M3SL滤波函数在空域的主瓣分布对比如图3．从图3可见，新型滤波函数的hNEW-MS-L[n]主瓣高度与NEW滤波函数的相当，近旁瓣幅度比NEW滤波函数的小，且收敛更快．远旁瓣的幅度和幅值很小，表明NEW-MS-L滤波函数可实现与NEW滤波函数相当的空间分辨率，且能更有效抑制Gibbs现象，进一步提高密度分辨率，获得更优的图像质量．基于FDK算法，分别用NEW、R-L-S-L、R-L-N、R-L-MS-L和NEW-MS-L滤波函数对尺寸为256×256×256像素的Shepp-Logan三维头模型[16]进行重建，然后观察中心面处的截面及其纵向第128行的灰度曲线图，结果如图4．图5(a)至图5(f)分别为采用NEW、R-L-S-L、R-L-NEW、NEW-MS-L和R-L-MS-L滤波函数重建的纵向第128行的灰度曲线图．灰度曲线图的波动大小反应与原始模型的差异，波动越大说明差异大，表现为图像越粗糙．由图5可见，NEW-MS-L较其他滤波函数能够更好的还原原始模型．仅通过灰度曲线图的对比来说明NEW-MS-L滤波函数的优越性是不够的，还需通过计算NEW、R-L-S-L、R-L-N、R-L-MS-L和NEW-MS-L滤波函数的归一化均方误差d和归一化平均绝对误差r，如式(7)和式(8)，进行定量对比.r=其中， i和j分别为图像的横坐标和纵坐标； N为横纵坐标的点数； fijrec为重建结果的灰度值； fij为原始模型重建结果的灰度值；为原始模型重建结果的灰度值的平均值．d反映少数点的大误差， d=0表示重建后图像完全再现了原始模型图像； d越小表示两者的偏差越小． r反映多数点的小误差， r=0表示重建图像与头模型原始图像无误差； r越小说明误差越小．表1为分别采用NEW、R-L-S-L、R-L-NEW、R-L-MS-L和NEW-MS-L滤波函数重建图像后的d值和r值对比．由表1可见，采用NEW-MS-L滤波函数后的d值与采用NEW滤波函数后的d值相当，且所得r值较其他滤波函数的都小，说明采用NEW-MS-L滤波函数所得的重建效果更佳．上述结果还可通过调整k1和k2值来进一步优化[10]．d和r随k1的变化如表2，由表2可知，当k1=0.8时， d值最小；但当k1=0.7、 0.8和0.9时， d值虽然相差无几，但r值随k1的增加而变大，且变化较明显．所以，本研究权衡d和r的值，选取k1=0.7．当k1=0.7， k2=0.3时，可得到d=0.315 5， r=0.737 3．虽然r值增大了，但d值进一步减小．将NEW-MS-L滤波函数的d值和r值与表1的其他滤波函数的d值和r值进行对比，结果反映新滤波函数性能比其他滤波函数要好．基于混合滤波和加权平均理论，构建新型滤波函数NEW-MS-L．其空域主瓣分布图具有主瓣高而窄、近旁瓣小、远旁瓣衰减快等特征，能很好地抑制Gibbs现象，保持较高的空间分辨率．仿真结果表明，通过对比NEW、R-L-S-L、R-L-NEW、R-L-MS-L滤波函数重建结果与灰度曲线图，并分析归一化均方误差和归一化平均绝对误差，发现NEW-MS-L滤波函数可在保持较高空间分辨率的情况下更有效地抑制Gibbs现象，密度分辨率更高，重建结果也更平滑．此外，根据实际情况适当调整k1和k2，能使图像效果达到符合预期的要求．NEW-MS-L滤波函数在本次仿真实验中主要针对传统基于吸收效应的CT，今后可进一步探讨NEW-MS-L滤波函数在相衬CT[17-22]中的应用．【相关文献】[1] Egan C K,Jacques S D M,Wilson M D, et al.3D chemical imaging in the laboratory by hyperspectral X-ray computed tomography[J].Scientific Reports,2015,5: 15979.[2] Bieberle M,Barthel bined phase distribution and particle velocity measurementin spout fluidized beds by ultrafast X-ray computed tomography[J].Chemical Engineering Journal,2016,285:218-227.[3] Edlund R,Skorpil M,Lapidus G,et al.Cone-beam CT in diagnosis of scaphoid fractures[J].Skeletal Radiology,2016,45(2):197-204.[4] Senyshyn A,Mühlbauer M J,Dolotko O,et al.Homo geneity of lithium distribution in cylinder-type Li-ion batteries[J].Scientific Reports,2015,5:18380.[5] Plessis A D, Olawuyi B J, Boshoff W P, et al. Simple and fast porosity analysis of concrete using X-ray computed tomography[J]. Materials and Structures, 2016, 49(1): 553-562.[6] Feldkamp L A, Davis L C, Kress J W. Practical cone-beam algorithm[J]. Journal of the Optical Society of America A, 1984, 1(6): 612-619.[7] Wei Yuchuan, Wang Ge, Hsieh J. An intuitive discussion on the ideal ramp filter in computed tomography (I)[J]. Computers & Mathematics with Applications, 2005, 49(5/6): 731-740.[8] 谢强．计算机断层成像技术:原理、设计、伪像和进展[M]．张朝宗，郭志平，王宗贤，译．北京：科学出版社，2006． Hsieh puted tomography: principle, design, artifacts and recent advances[M]. Zhang Chaozong,Guo Zhiping, Wang Zongxian, trans. Beijing: Science Press,2006.(in Chinese)[9] 胡永梅，全红，徐利明，等．新型混合滤波器在FDK算法中的应用[J]．中国医学影像技术，2011，27(2)：397-400． Hu Yongmei, Quan Hong, Xu Liming, et al. Application of a new mixed filter in FDK algorithm [J]. Chinese Journal of Medical Imaging Technology, 2011, 27(2): 397-400.(in Chinese)[10] 王晓鹏，王明泉，侯慧玲．基于R-L-MS-L滤波函数的CT图像重建[J]．电视技术，2014，38(7)：26-28． Wang Xiaopeng,Wang Mingquan,Hou Huilin. CT image reconstruction based on R-L-MS-L filter function[J].Video Engineering, 2014,38(7): 26-28.(in Chinese) [11] 闫镔，李磊．CT图像重建算法[M]．北京：科学出版社，2014． Yan Bin,Li Lei.CT image reconstructinalgorithm[M].Beijing:Science Press,2014.(in Chinese)[12] 郑君里．信号与系统[M]．北京：高等教育出版社，2002． Zhen Junli. Signals and systems[M].Beijing:Higher Education Press,2002.(in Chinese)[13] 杨位钦，顾岚．时间序列分析与动态数据建模[M]．北京：北京工业学院出版社，1986． Yang Weiqin,Gu Lan. Time series analysis and dynamic data modeling[M].Beijing:Beijing Institute of Tchnology Press,1986.(in Chinese)[14] 范惠荣，徐茂林，邱钧，等．关于CBP算法的一种新型滤波函数和它的性质[J]．电子学报，2004，32(2)：232-235． Fan Huirong,Xu Maolin,Qiu Jun,et al. A new filter function in CBP and its properties[J].Acta Electronica Sinica,2004,32(2):232-235.(in Chinese)[15] 刘晓，杨朝文．RL滤波函数的改进对卷积反投影图像重建的影响[J]．四川大学学报自然科学版， 2004，41(1)：112-117． Liu Xiao,Yang Chaowen. The influence of modified-RL filterfunction on the quality of image reconstruction using convolution backprojection algorithm [J].Journal of Sichuan University Natural Science Edition,2004,41(1):112-117.(in Chinese)[16] 刘泽，孙丰荣，李艳玲，等．基于3D Shepp-Logan头部模型的三维医学图像重建仿真[J]．生物医学工程学杂志，2006，23(5)：938-943． Liu Ze,Sun Fengrong,Li Yanling, etal.The three-dimension medical image reconstruction simulation on 3D Shepp-Logan head phantom [J].Journal of Biomedical Engineering,2006,23(5):938-943.(in Chinese) [17] Lei Yaohu,Huang Jianheng,Liu Xin,et al.Improvement of visibility of moir fringe in X-ray differential phase-contrast imaging[J].Journal of Shenzhen University Science and Engineering,2016, 33(5):506-510.[18] 刘鑫，郭金川．部分相干光源微分相衬双图像相位恢复[J]．深圳大学学报理工版，2014，31(2)：169-173． Liu Xin,Guo Jinchuan.Dual-images phase retrieval in differential phase-contrast imaging with partial coherence source[J].Journal of Shenzhen University Science and Engineering,2014,31(2):169-173.(in Chinese)[19] Jerjen I, Revol V, Kottler C, et al. Phase contrast cone beam tomography with an X-ray grating interferometer [C]// International Conference on Advanced Phase Measurement Methods in Optics & Imaging.Ascona, Switzerland: American Institute of Physics, 2010, 1236(1):227-231.[20] Huang Zhifeng, Kang Kejun, Li Zheng, et al. Direct computed tomographic reconstruction for directional-derivative projections of computed tomography of diffraction enhanced imaging[J]. Applied Physics Letters, 2006, 89(4): 041124.[21] McCann M T, Nilchian M, Stampanoni M, et al. Fast 3D reconstruction method for differential phase contrast X-ray CT[J]. Optics Express, 2016, 24(13): 14564-14581. [22] Fu Jian, Hu Xinhua, Velroyen A, et al. 3D algebraic iterative reconstruction for cone-beam X-ray differential phase-contrast computed tomography[J]. PloS One, 2015, 10(3): e0117502.。

基于锥束 CT 系统标定几何中心的参数误差分析作者：傅格格李佳乐于潭学来源：《数码设计》2017年第09期摘要：CT系统在安装过程中，受环境和装置本身的影响往往存在误差。

本文针对CT系统所标定的几何中心参数进行精度分析和稳定性分析，利用计算出的系统几何参数误差对投影数据做出相应的调整，将投影数据恢复成理想情况下的投影数据，得出新数据后，应用 FDK 重建算法设计新模板、建立对应的标定模型。

关键词：CT系统；FDK重建算法；几何旋转中心；精度分析中图分类号：TP391.41 文献标识码：A 文章编号：1672-9129（2017）09-287-02Abstract： In the course of installation of the system， there are always errors due to the influence of the environment and the device itself. In this paper， the accura- cyandstabilityofthegeometriccenterparameterscalibratedbytheCTsystemareanalyzed.Theprojectiondata isadjustedbythecalculatedsystemgeometricpa- rametererror，andtheprojectiondataisrestoredtotheprojectiondataunderidealconditions.Afterthenewdataisobtained，thenewtemplateisdesignedbyus- ing the FDK reconstruction algorithm and the corresponding calibration model is established.Keywords：Ctsystem；FDKreconstructionalgorithm；geometricrotationcenter；precisionanalysis引言在科技发展迅猛的今天，越来越多的人从有病治病发展到无病防病的阶段，也有越来越多的人对医疗器械产生了好奇心。

一种基于FDK的锥束CT重建的改进方法
刘亮;潘晋孝;任变青
【期刊名称】《光散射学报》
【年(卷),期】2007(019)001
【摘要】在实际的锥束CT扫描过程中,由于探测器的离散化,对每个探测器单元来说都有一定大小.那么相对于被扫描物体的每个体素点,在某一个角度下过它的射线打在探测器上是有一定面积的,如果取体素截面大小和探测器单元大小相近,过它的射线是分布在相邻的几个探测器单元上的,在重建过程中,如果依据落在各个探测器单元上的射线所占面积的大小考虑到那些探测器单元的信息对被重建体素点的影响,会提高重建图像的边缘清晰度,本论文利用实际的锥束扫描数据,采用传统的FDK方法和改进的FDK方法对物体重建,通过比较得出用新方法重建的图像边缘比传统FDK方法清晰,而且新方法还有抑制噪声的作用.
【总页数】5页(P91-95)
【作者】刘亮;潘晋孝;任变青
【作者单位】中北大学信息与通信工程学院,太原,030051;中北大学信息与通信工程学院,太原,030051;中北大学信息与通信工程学院,太原,030051
【正文语种】中文
【中图分类】TN911.73
【相关文献】
1.三维图像重建P—FDK算法的一种改进方法 [J], 张斌;潘晋孝
2.基于FDK算法的锥束CT重建近似算法性能比较 [J], 曾凯;陈志强;张丽;赵自然
3.螺旋锥束CT重建Katsevich算法的一种改进方法 [J], 王勃;潘晋孝;孔慧华
4.一种基于分裂Bregman方法求解的锥束CT图像迭代重建 [J], 杨柳;齐宏亮;徐圆;甄鑫;卢文婷;周凌宏
5.基于三维图像重建的一种窄角锥束CT扫描方式 [J], 康晓月;王明泉
因版权原因，仅展示原文概要，查看原文内容请购买。

基于FDK的高精度锥束CT重建算法研究的开题报告一、选题背景及意义随着计算机技术和医学影像技术的迅猛发展，X光CT成像在临床和科研领域中得到了广泛的应用。

高精度CT重建算法是其中重要的研究方向之一，主要是为了提高CT成像的空间分辨率和灵敏度，进一步精确获取人体内部结构的信息。

而基于FDK的高精度锥束CT重建算法作为一种高效、快速的CT重建方法，本文将进行深入研究，旨在提高CT成像的精度与速度，丰富医学影像技术应用领域。

二、研究内容本文旨在通过分析FDK算法原理，挖掘并解决现有算法存在的问题，从而提出一种能够在较短时间内实现高精度三维重建的方法。

具体研究内容包括：1. 对FDK算法进行原理分析和数学推导，探究算法的优劣势和适用范围。

2. 针对现有算法存在的问题，提出优化方案，包括快速滤波、投影影像超采样等方法。

3. 讨论各优化方案的效果及适用性，并提出综合方案。

4. 对所提出的新算法进行实验验证，得到相应的定量和定性指标，与现有算法进行比较。

三、研究意义及创新本文的研究结果将具有广泛的应用价值和科学意义：1. 提高锥束CT成像的精度和速度，为CT技术在医学、生物、材料等领域中更广泛的应用提供了可能。

2. 对FDK算法进行深入研究，总结其优劣和适用范围，为今后CT算法研究提供参考和借鉴。

3. 提出优化方案，解决现有算法存在的问题，拓展了锥束CT成像技术的研究和应用领域。

4. 实验结果可以为相关学科领域提供重要的研究数据和方法借鉴。

四、拟采用的研究方法本文将采用理论分析和实验研究相结合的方法，具体步骤如下：1. 对FDK算法进行原理分析和数学推导，探究其优劣势和适用范围。

2. 分析现有算法存在的问题，提出优化方案，包括快速滤波、投影影像超采样等方法。

3. 实现算法，并通过实验验证各优化方案的效果及适用性。

4. 对实验结果进行定性与定量分析，并与现有算法进行对比，得出结论和启示。

五、论文结构及进度安排本文的论文结构大致安排如下：引言：介绍研究背景及意义，概述研究内容和方法，给出文章的组织结构和进度安排。

螺旋锥束CT中两种解析重建算法的研究王勃;薛迎;蔚慧甜【摘要】研究了锥束螺旋Katsevich和FDK重建算法,并对这两种算法进行比较.实验结果表明:当投影数据没有噪声的时候,FDK算法和Katsevich算法均能取得较好的效果,当对实际物体进行重建的时候,投影数据含有噪声,Katsevich算法需要对投影数据求导,而它对投影数据的噪声较敏感,重建质量有所下降.%The Katsevich and FDK reconstruction algorithms for cone-beam spiral scan were studied and compared. The results showed that FDK algorithm and Katsevich algorithm obtained good results when the projection data did not contain noise; however, when the Katsevich algorithm was used to compute the derivative of the projection data containing noise for the reconstruction of actual object, the reconstruction quality declined because this algorithm was sensitive to the noise of projection data.【期刊名称】《应用光学》【年(卷),期】2011(032)005【总页数】5页(P894-898)【关键词】螺旋CT;图像重建;FDK算法;Katsevich算法【作者】王勃;薛迎;蔚慧甜【作者单位】中北大学,电子测试技术国家重点实验室,山西太原030051;中北大学,电子测试技术国家重点实验室,山西太原030051;中北大学,电子测试技术国家重点实验室,山西太原030051【正文语种】中文【中图分类】TN202;TP391.9引言近年来，螺旋锥束CT在医学和工业上得到越来越广泛的应用，同时螺旋锥束图像重建算法也在迅速发展。

锥束工业CT扫描方式与近似重建算法的改进的开题报告一、研究背景与意义目前，随着科技的不断进步与发展，CT技术已在医学、工业等领域得到广泛应用，其中锥束工业CT扫描方式是一种在工业制造领域很重要的非破坏性检测技术。

锥束工业CT具有分辨率高、检测精度高、检测速度快等优点，已得到学术界与工业界广泛关注和重视。

然而，传统的锥束CT扫描方式及其近似重建算法，在实践中仍然存在一系列的问题，如图像模糊、噪声干扰等，限制了其在工业检测领域的应用。

因此，本文旨在针对传统锥束工业CT扫描方式及其近似重建算法存在的问题，对其进行改进和优化，以提高其图像重建精度，提高其在工业制造领域的应用价值。

二、研究内容和研究方法本文将从以下两个方面入手，开展相关研究与探索。

（一）改进锥束工业CT扫描方式传统的锥束工业CT扫描方式存在一些问题，如图像噪声、能量漏损等。

为了提高其扫描效果，本文将采用以下两种方法进行改进：1. 优化射线源采用现代化的射线源，而不是传统的X射线源，可以增加锥束工业CT的成像能力和扫描效果，提高分辨率和减少噪声。

2. 优化检测器采用高分辨率的检测器，对图像信息的捕捉和重建起到重要作用，可以有效降低噪声和提高图像质量。

（二）优化近似重建算法近似重建算法是锥束工业CT图像重建的重要算法，现有的方法中存在一些问题，例如重建精度不高、图像噪声大等。

为了优化此类算法，本文将采取以下两种方法：1.基于深度学习的重建算法通过对深度学习理论的研究，利用卷积神经网络等技术，可以更好地利用数据特征，使得图像的重建精度得到提高。

2. 优化迭代式重建算法对现有的基于迭代式的重建算法进行优化，通过调整参数和优化迭代过程，降低图像的噪声和提高重建精度。

三、研究预期结果通过上述研究方法，本文预期得到以下研究结果：1. 改进后的锥束工业CT扫描方式可以提高成像能力和扫描效果、减少图像噪声和能量漏损，优化后的检测器能够更好地捕获图像信息。

2. 基于深度学习的重建算法能够更好地利用数据特征，提高图像的重建精度，优化后的迭代式重建算法可以降低图像的噪声和提高重建精度。

利用CUDA技术实现锥束CT图像快速重建王珏;曹思远;邹永宁【期刊名称】《核电子学与探测技术》【年(卷),期】2010(030)003【摘要】锥束CT三维重建算法的计算量和传输量巨大,仅利用CPU来计算,无法满足实时、快速、准确重建的要求,根据图形处理器运算能力强、存储带宽大的特点,研究了一种不需要学习图形API,就可以在图形处理器上实现三维重建算法的快速运算的方法.该方法采用基于统一计算设备架构的图形处理器,通过这种新架构的编程模式,利用图形处理器中的流处理器来加快滤波和反投影计算,实现了FDK算法的重建加速,与利用图形API的重建方法相比,开发门槛较低.对于尺寸为5123的单精度浮点数据格式的图像,重建时间可以缩短到一分钟以内,并且GPU与计算机的传输时间小于1秒.实验结果表明与仅利用CPU的重建方法相比,本文提出的图像加速方法得到了较高的时间加速比.【总页数】6页(P315-320)【作者】王珏;曹思远;邹永宁【作者单位】重庆大学光电技术及系统教育部重点实验室ICT研究中心,重庆400044;重庆大学自动化学院,重庆,400044;重庆大学光电技术及系统教育部重点实验室ICT研究中心,重庆400044【正文语种】中文【中图分类】TP391【相关文献】1.锥束CT图像矩形包围盒快速重建 [J], 王鹍;陈镐;韦炳军;王欢;张定华2.基于小波变换的多分辨率锥束CT图像快速三维重建算法 [J], 韩民;成旭;李登旺3.基于最小圆柱区域的锥束CT快速图像重建 [J], 张顺利;张定华;李明君;郭新明4.CT图像SART重建技术的CUDA并行实现 [J], 史怀林;孙丰荣;姜威;刘炜;秦通;李新彩5.锥束CT图像重建算法的快速实现 [J], 吴胜利; 潘瑞谊; 文斌因版权原因，仅展示原文概要，查看原文内容请购买。