为了减少X射线的辐射剂量，提出了一种基于全广义变分约束加权最小二乘的低剂量计算机断层（CT）重建方法。首先对投影数据进行统计建模，然后将全广义变分正则化作为先验信息引入到投影数据恢复过程中，从而达到抑制噪声的目的，最后使用传统的滤波反投影算法进行CT图像重建。在Shepp-Logan体模实验中，提出方法的重建结果与Gibbs先验约束的惩罚加权最小二乘（Gibbs-WLS）、字典学习先验约束的惩罚加权最小二乘（DL-WLS）和全变分先验约束的惩罚加权最小二乘（TV-WLS）方法的重建结果相比，均方根误差分别降低了25.06%、1.50%和15.21%，信噪比分别提高了10.29%、0.53%和5.68%。在Clock体模实验中，提出方法的重建结果与Gibbs-WLS、DL-WLS和TV-WLS方法的重建结果相比，均方根误差分别降低了42.72%、23.45%和34.63%，信噪比分别提高了27.04%、11.42%和15.49%。实验结果表明，该方法在有效抑制低剂量CT图像的伪影和噪声的同时可以很好地保持图像的边缘信息和结构细节特征。

为了改善计算机断层扫描（CT）影像重建质量不高的问题，提出一种基于残差注意力聚合对偶回归网络（RAADRNet）的超分辨率CT重建方法。多特征下采样提取模块（MFDEB）通过平均池化、最大池化和卷积运算完成多特征下采样提取，在多特征融合后嵌入通道学习注意力（CLA）和空间学习注意力（SLA），同时并入前级融合特征提取图像的浅层特征。CLA、SLA分别引入通道权重特征学习以及激活函数1+tanh（）完成特征提取。残差注意力聚合模块（RAAB）通过CLA嵌入残差网络构成的残差通道学习注意力模块（RCLAB）与SLA构成的空间特征融合模块（SFFB）联合提取图像的深层特征。原始网络在浅层特征与通过亚像素卷积放大的深层特征进行特征融合后完成重建。对偶网络进一步约束重建映射函数的解空间。实验表明，所提算法在重建图像的峰值信噪比（PSNR）和结构相似度（SSIM）上都得到了较好的提升。

为了提高电站锅炉自动化程度, 为真实锅炉的优化控制提供新颖的实时在线测量手段, 采用计算机层析重建和激光吸收光谱技术相结合的方法, 进行了理论分析和实验验证。仿真实验证明了仅采用2个投影方向即能够实现温度峰值位置的重建及其相对高低的分辨; 布置6条测量路径形成测量网格, 得到真实锅炉炉膛的实时在线2-D温度场重建数据。结果表明, 炉膛平均温度与锅炉蒸汽流量的相关系数达到0.91, 回归分析得到决定系数为0.88; 可将平均温度作为炉膛内实时的总辐射能的表征, 用于避免锅炉超调, 根据温度可获知燃料总的热值波动, 2-D温度场的重建可用于锅炉调平。该研究为锅炉提供了非接触式测量手段, 为提高锅炉自动化程度和研究燃烧优化控制提供了重要支持。

提出了一种基于图形处理器(GPU)并行加速双能计算机层析成像(CT)重建的整体解决方法。该方法通过将双能采样数据视角配准步骤整合到基本的双能CT重建过程中,保证了双能投影分解的准确性,从而提高了双能CT重建的准确性。通过在反投影步骤中同时反投影几种图像,避免重复计算投影地址,并且在整体重建过程的各个步骤中采用GPU并行方式进行计算,有效提高了双能CT的重建速度。重建图像为2种和4种时,与重复执行多次单能CT并行重建相比,本文方法的重建过程加速比分别为1.88和3.24,其中最耗时反投影步骤加速比分别为1.90和3.66。实验和实际应用证明了该方法可有效提高双能CT重建的准确性和速度。

针对传统重建算法对火焰重建精度低、重建速度慢的问题,提出了基于正则先验的全变差代数迭代(ARTTV)算法,以提高对称与非对称火焰的重建精度。同时,为了提高重建速度,建立了基于“ARTTV-粒子群算法(PSO)内核”的极限学习机(ELM)神经网络,该神经网络具有与迭代算法近乎相同的重建能力,同时又具有超过迭代算法约300倍的重建速度。

基于Mojette投影变换的空域与频域性质,提出频域最小冗余覆盖的有限角度计算机断层成像(CT)重建算法。其中频域最小冗余覆盖即空域投影采样最少,也就是重建图像的投影数目最少、效率最高。通过研究发现了Mojette投影数据在其频域上的等效关系,将投影压缩在有限角度范围内,实现了有限角度CT图像重建。实验结果表明利用所提方法可得到较好的重建结果。

当计算机断层成像(CT)中X射线的采样范围和数量受限时,得到的稀疏投影数据完备性很低,重建算法的搜索空间巨大。基于凸优化思路的迭代求解算法及其改进采用固定搜索路径,难以在有限时间内收敛至全局最优解;粒子群优化具有全局搜索能力,但计算成本和存储代价过高。为解决这类不完备投影数据的重建问题,提出基于粒子群优化的随机稀疏重建算法。首先,通过随机策略生成具有多样性的初始种群,以保证算法的搜索能力;其次,随机选择梯度下降或基于个体历史最优解和全局历史最优解的随机方向进行迭代,以兼顾算法效率和搜索方向的多样性;最后,基于适应度评价,有针对性地重新生成随机初始种群,强制跳离局部最优。针对角度受限下无噪声和含噪声的稀疏投影数据,分别进行重建实验。结果显示,与常见的凸优化迭代和粒子群优化算法相比,本文算法既能保证算法效率,又在重建质量和算法稳健性上具有明显优势。

Bioluminescence tomography (BLT) is a novel optical molecular imaging technique that advanced the conventional planar bioluminescence imaging (BLI) into a quantifiable three-dimensional (3D) approach in preclinical living animal studies in oncology. In order to solve the inverse problem and reconstruct tumor lesions inside animal body accurately, the prior structural information is commonly obtained from X-ray computed tomography (CT). This strategy requires a complicated hybrid imaging system, extensive post imaging analysis and involvement of ionizing radiation. Moreover, the overall robustness highly depends on the fusion accuracy between the optical and structural information. Here, we present a pure optical bioluminescence tomographic (POBT) system and a novel BLT workflow based on multi-view projection acquisition and 3D surface reconstruction. This method can reconstruct the 3D surface of an imaging subject based on a sparse set of planar white-light and bioluminescent images, so that the prior structural information can be offered for 3D tumor lesion reconstruction without the involvement of CT. The performance of this novel technique was evaluated through the comparison with a conventional dual-modality tomographic (DMT) system and a commercialized optical imaging system (IVIS Spectrum) using three breast cancer xenografts. The results revealed that the new technique offered comparable in vivo tomographic accuracy with the DMT system (P > 0:05) in much shorter data analysis time. It also offered significantly better accuracy comparing with the IVIS system (P < 0:04) without sacrificing too much time.

为了精确提取莫尔条纹偏移量, 提出了隧道探索算法, 并将其应用于实际莫尔条纹分析.使用双光栅产生莫尔条纹, 抓拍多方向投影.应用数字图像处理技术, 追踪分析实验莫尔条纹.首先, 追踪各条纹的极大值分布, 根据条纹极大值分布挖掘条纹隧道, 调整挖掘宽度, 即像素宽度, 既实现隧道贯通, 又不干预相邻条纹.然后, 二值化莫尔图, 噪声滤波, 滤除条纹隧道壁上的噪声毛刺, 使隧道壁趋于光滑.最后, 根据两侧隧道壁的布局, 探索条纹隧道走向, 提取隧道走向数据, 获得条纹偏移量.并进一步转换为偏折角, 即光学计算机层析投影.应用非线性自适应迭代重建算法对偏折角进行迭代重建.结果发现, 最高重建截面温度是492 ℃, 额定电热器表面温度大约500 ℃, 重建截面恰恰在电热器上表面上方, 所以重建结果是有效的.

基于激光吸收光谱技术和代数迭代算法，在非规则光线分布条件下，实现温度场二维重建。通过计算重建区域所有网格穿过光线数目的权重因子，得到优化的非规则光线分布方式，提高了温度场重建精度。数值仿真结果表明，采用优化的非规则光线分布温度场重建结果相对原始模型偏差在15%以内，优于未优化光线分布得到的结果；随着发射数目的增加，投影光线数目增多，不同离散网格数目下，重建质量均提高；在相同光线数目条件下，非规则光线分布重建结果优于平行投影重建结果。实验中采用时分复用技术，在1 kHz扫描频率下分别扫描H2O的两条吸收谱线7205.25 cm-1和7416.05 cm-1，通过实验对比优化与非优化光线分布和多发射端重建结果，数值模拟结果与实验结果相一致，验证了光线分布优化方法的正确性。