论文目录 | |
摘要 | 第1-6页 |
Abstract | 第6-13页 |
第一章 绪论 | 第13-25页 |
1.1 课题背景与研究意义 | 第13-14页 |
1.2 基于能谱解析的CBST概述 | 第14-20页 |
1.2.1 康普顿背散射成像的物理基础 | 第15-17页 |
1.2.2 基于能谱解析的康普顿背散射成像原理 | 第17-19页 |
1.2.3 基于能谱解析的CBST重建问题分类 | 第19-20页 |
1.3 国内外研究现状 | 第20-23页 |
1.3.1 基于能谱解析的CBST重建算法研究现状 | 第20-22页 |
1.3.2 重建算法加速研究现状 | 第22-23页 |
1.4 课题研究内容与论文结构安排 | 第23-25页 |
第二章 结合衰减校正的CBST迭代重建算法 | 第25-39页 |
2.1 基于能谱解析的CBST系统投影模型 | 第25-27页 |
2.2 解决射线衰减因素影响的方法 | 第27-30页 |
2.2.1 忽略衰减的解析重建算法 | 第27-28页 |
2.2.2 结合透射CT的CST重建算法 | 第28-29页 |
2.2.3 结合衰减校正的CST重建算法 | 第29-30页 |
2.3 基于ACFs的CBST迭代重建算法 | 第30-34页 |
2.3.1 基于SART的CBST迭代重建算法 | 第30-32页 |
2.3.2 基于ACFs和SART的CBST重建算法 | 第32-34页 |
2.4 实验结果与分析 | 第34-38页 |
2.5 小结 | 第38-39页 |
第三章 基于TV最小化和交替方向法的CBST重建算法 | 第39-49页 |
3.1 康普顿效应占主导时的CBST系统投影模型 | 第39-40页 |
3.2 基于TV最小化和交替方向法的CBST重建算法 | 第40-43页 |
3.2.1 基于TV最小化正则化的重建模型 | 第40-41页 |
3.2.2 基于TV最小化和交替方向法的CBST重建算法 | 第41-43页 |
3.3 实验结果与分析 | 第43-47页 |
3.4 小结 | 第47-49页 |
第四章 基于稀疏矩阵向量乘和CUDA的重建算法并行加速 | 第49-61页 |
4.1 TVM-ADM算法加速分析 | 第49-50页 |
4.2 基于稀疏矩阵向量乘的投影计算 | 第50-53页 |
4.3 基于CUDA的TVM-ADM并行加速 | 第53-57页 |
4.3.1 GPU通用计算与CUDA编程模型 | 第53-55页 |
4.3.2 基于CUDA的TVM-ADM算法的并行加速 | 第55-57页 |
4.4 实验结果与分析 | 第57-59页 |
4.5 小结 | 第59-61页 |
第五章 总结和展望 | 第61-63页 |
5.1 总结 | 第61-62页 |
5.2 展望 | 第62-63页 |
致谢 | 第63-65页 |
参考文献 | 第65-71页 |
作者简历 攻读硕士学位期间完成的主要工作 | 第71页 |