CT图像滤波反投影重建算法的研究
基于滤波反投影重建法的CT系统参数标定及成像模型
固定不动的二维待检测介质吸收衰减后的射线能量，并经过增益等处理后得到180组接收信息。
关键词：反投影重建算法 平行束滤波反投影重建算法 全国大学生献标识码：A
文章编号：1674-098X(2018)03(a)-0111-02
通过模拟的一组利用上述CT系统得到的某未知介质的接收信 息，利用已知的标定参数，确定该未知介质在正方形托盘中的位置、 几何形状和吸收率等信息。本文利用平行束滤波反投影（FBP）重 建理论，建立了一个能够通过探测器接收信号完成图像重建任务的 完整CT图像重建模型。由此,可将条件归为三类 数 据：CT系统 的参 数信息、待测模 板的吸收率分布信息以及探测器在18 0 个方向获取到的512个接收信号信息。
PQ
x = 256 + d
(2)
1.1.3 二维图形的重建
构 造 一 个2 5 6×2 5 6 的 零 矩 阵C T d at e 记 录 每 一 个 像 素 块 的 吸收率。将当前的直线簇 标记为L i，j。该射线簇按θ偏角的方 向射向正方形托 盘上的模 板时，正方形模 板 上的像素点，都
目前 新 能 源 技 术 在 家 用电 器 领 域 融 入 较 好 的 主 要 体 现 在暖 通空调的研制使用方面，可以使用太阳能资源，来实现 节能。根 据目前的研究可知，其作用可以体 现 在 采暖方面。 使 用中，可 以 主动 通 过 太阳能，来 使得管 道中的 水实 现 加 热， 最 终 通 过 循 环 的 作用，使 得房 间内 部 可 以实 现 循 环 的 加 热 处 理。尤其是热管式 真空管太阳能集热器的发明，使得暖通空 调借助于太阳能 进行采暖的工作，具 有较高的工作效率。在 目前的采暖应用中，使用较多的材 料 是水合盐无机化合物。 该种 相变蓄热 材 料，在使用中，温 度处 于2 9℃时，将 会发 挥 着等温的作用，最 终 使得室内的温度，可以稳定的保持在恒 温 的 环 境中，保 证 室 内 温 度 不 会有 着 太 大 的 差 异 性。
反投影重建算法范文
反投影重建算法范文反投影重建算法的原理是基于CT扫描的物理特性，即通过测量X射线在物体内的吸收特性来重建图像。
CT扫描使用X射线源从不同角度射入物体内，并在探测器上测量射入和穿过物体的X射线的强度。
这些测量数据被称为投影数据，并被用来重建图像。
反投影重建算法的基本思想是将投影数据进行反投影运算，将每一个探测器测量的X射线强度加到相应的图像位置上。
这样，通过不同角度的反投影运算，可以得到一系列的反投影图像。
然后，将这些反投影图像进行加和处理，得到最终的重建图像。
具体而言，反投影重建算法的步骤如下：1.从CT扫描设备中获取投影数据，包括不同角度下的X射线测量值。
2.对每一个角度的投影数据进行反投影运算。
即将每一个探测器测量的X射线强度加到相应的图像位置上。
3.对所有角度的反投影图像进行加和处理。
即将所有反投影图像的对应位置像素值相加。
4.对加和后的图像进行滤波处理，以降低噪声。
5.得到最终的重建图像。
反投影重建算法的优点是简单易实现，并且可以用于各种不同的CT扫描设备和投影模型。
然而，该算法也存在一些缺点，例如由于对雷达扫描角度的限制，可能无法获取到完整的投影数据；同时，由于探测器的离散性，重建图像可能存在伪影等问题。
为了克服反投影重建算法的缺点，近年来还出现了许多改进和优化的算法。
其中，滤波反投影算法是最常用的一种改进算法之一、滤波反投影算法通过在投影数据中引入滤波操作，来减小伪影和噪声的影响，从而提高重建图像的质量。
另外，统计模型和机器学习方法也广泛应用于图像重建，以提高图像的准确性和鲁棒性。
总之，反投影重建算法是一种广泛应用于医学图像重建的技术。
虽然该算法存在一些缺点，但通过改进和优化，可以得到高质量的重建图像，为医学诊断和临床应用提供有力支持。
基于FHT和MSBP的CT图像滤波反投影重建方法设计
Ｄ ｓ ｎａ ｄｒａｉ ｔ ｎｏ ｌ ｒｄｂ ｃ ｐｏｅ ｔ ｎａｇ ｒ ｈ ｆ Ｔｉ ｇ ｅ ｉ ｎ ｌ ａｉ ｆ ｉｅｅ ａ ｋ ｒｊｃｉ ｌｏ ｉ ｍｓ０ ｇ ｅ ｚ ｏ ｆｔ ｏ ｔ Ｃ ｍａ ｅ
ｒ ｃ ｎｓ ｒ ｃ ｉ ｎ ｂａ ｅ ｎ Ｆ ｅ ｏ ｔ ｕ ｔｏ ｓ ｄ ｏ ＨＴ ｎ ＳＢＰ ａ ｄＭ
ｇｏ ｔｃ ｅａｏ ｓｉ ｂｔｅｎ ｉ ｇ ｐ ｅ ｎ ｒｊｃｏ ｒ ｓ ｔｄ ｆｒ ｔｖｅ ｉｇ ａｇ ｓ ｌ — ｒ ｎａｉ ｅｍｅ ｉ ｒｌｔｎｈｐ ｅ ｅ ｍａｅ ｉ ｌ ａ ｄ ｐｏｅｔ ｎ ａ ａ ｉｅｅ ｉ ｎ ｎｌ ，ａ Ｍｕ ｉ ｏ ｅ ｔ ｏ ｒａ ｌ ｉ ｓ ｗ ｘｓ ｉ ｙ ｆ ｎ ｗ ｅ ｔ ｉ ｔｎ
函数都 属 于 实数 空 间范 畴 。 于 Ｆｕ ｅ 变换 的 重建 方 法 涉及 大量 复 数运 算 ， 其在 计 算上 的 一 个 固有特 点 。 Ｆ ｕ ｅ 变 基 ｏｒｒ ｉ 是 与 ｏｒ ｒ ｉ
换 相 比 ． ａｔ ｖ变换 以其 实值 变换 的特 点 ， 实数 域 能 够替代 Ｆ ｕ ｅ 变换 ， 行 信 号和 图像 的处 理 。 Ｂ Ｈ ｒｅ ｌ 在 ｏｒ ｒ ｉ 进 ＭＳ Ｐ方 法是基 于重 建 图像像 素 和投 影 射 线 之 间在 不 同的投 影 方 位 上所 存 在 的 几何 关 系而提 出的 。将 快 速 Ｈ ｒ ｅ ａｔｙ变换 （Ｈ ） 法和 ＭＳ Ｐ ｌ Ｆ Ｔ算 Ｂ 方 法 应 用 于 Ｃ 图像 的滤 波反 投 影 重建 方 法 中 ， Ｔ 在保 持 精 度 不 变的 前提 下 ， 少 了所 需的 存储 空 间和计 算 量 。 减 关 键 词 图像 重建 ： 波反 投 影 算 法 ；Ｈ ； Ｓ Ｐ 滤 Ｆ Ｔ Ｍ Ｂ 中 图分 类 号 ：Ｐ ９ ：Ｈ７ ４ Ｔ ３ １ Ｉ ７ 文 献标 识 码 ： Ａ 文 章 编 号 ：０ ３ ８ ６ （０ ７０ － ０ ９ ０ １０ — ８ ８ ２０ ）４ ０ １— ３
基于Radon变换的滤波反投影重建算法研究
基于Radon变换的滤波反投影重建算法研究作者：张晓瑞来源：《电脑知识与技术》2016年第27期摘要：层析成像技术目前在生物学等领域广泛应用，而Radon变换是投影重建的数学理论基础。
文中简单介绍了Radon变换的基本原理，重点介绍了滤波反投影重建算法，尤其是滤波函数的选取，并对重建结果进行了比较。
关键词：图像重建；Radon变换；滤波反投影中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2016）27-0259-031 引言层析成像技术在医疗、生物等领域具有广泛应用。
图像重建是指通过物体外部测量数据，经过处理从而获得物体的形状信息的技术。
开始主要应用在放射医疗设备中，用于人体各部分图像的显示，即计算机断层摄影技术，简称CT技术，后来逐渐在许多领域获得应用。
透射CT的理论基础是投影重建。
而Radon变换是投影重建的数学基础，它是数学家J.Radon提出来的，被广泛应用于医学、分子生物学等领域，迄今为止，人们已研究出基于Radon变换的多种重建方法。
文中重点介绍的滤波反投影算法也是基于Radon变换的一种变换法重建，目前在CT系统中应用非常广泛。
滤波反投影算法的比较重要的是滤波函数的选取。
4.3 结果分析（1）图像比较：直接反投影算法的重构对像的边缘很不明显，有阴影。
滤波反投影算法重构对象相对来说清晰很多，没有阴影。
（2）重建时间对比：滤波反投影算法的重构时间较长，因为多了卷积、滤波这个步骤，使重构时间加长。
不过在实际应用中，这个时间增加不会有很大影响，但是质量却明显变好，所以，实际应用中一般采用此方法。
5 总结滤波反投影法是重构图像基本常用的算法，也是其他多种算法的基础。
在医学CT 等领域中的应用较为广泛。
但是这种算法的关键是选取的何种滤波函数，会直接影响重建图像的质量。
除了滤波函数对图像质量有着较大的影响外，根据抽样定理，投影数和抽样间距均对重建图像的质量有影响[2]。
以后的工作中也应对抽样间距进行研究。
医学影像学中的图像重建算法讨论
医学影像学中的图像重建算法讨论一、介绍医学影像学是一门研究如何获取和解释人体内部结构与功能信息的学科。
在医学影像中，图像重建算法起到至关重要的作用。
图像重建算法是利用被记录下来的原始数据生成高质量图像的数学过程。
本文将讨论医学影像学中常见的图像重建算法，并探讨其优缺点以及未来发展方向。
二、传统图像重建算法1. 过滤回投影（Filtered Backprojection）算法过滤回投影算法是在X射线计算机断层扫描中广泛使用的一种图像重建方法。
它基于Radon变换理论，通过测量和记录X射线通过物体不同角度的衰减程度，然后根据这些数据进行反投影并进行必要的滤波处理，最终生成二维切面图像。
这种传统算法实现简单且计算速度快，但在保留细节方面存在一定的限制。
由于过滤回投影方法假设了直线路径上相应点之间具有线性关系，因此在某些情况下可能会出现伪影或模糊问题。
2. 逆问题正则化（Inverse Problem Regularization）方法逆问题正则化方法是通过建立数学模型来描述图像重建问题，并引入正则化项来约束解的平滑性。
这种方法在医学影像中得到广泛应用，例如在正电子发射断层扫描（Positron Emission Tomography，PET）和单光子发射计算机断层扫描（Single-Photon Emission Computed Tomography，SPECT）等领域。
逆问题正则化方法相比于过滤回投影算法能够更好地保留细节信息，并且对于噪声具有一定的稳健性。
然而，在选择合适的正则化参数和处理噪声方面仍存在挑战。
三、基于深度学习的图像重建算法随着深度学习技术的快速发展，越来越多的研究者开始探索将其应用于医学影像图像重建领域。
下面将介绍几种基于深度学习的图像重建算法。
1. 卷积神经网络（Convolutional Neural Networks，CNN）卷积神经网络是当前深度学习中最常用的模型之一。
它通过多个卷积层和汇聚层来提取特征，并通过反卷积层将特征映射恢复到原始图像大小。
反投影重建算法
反投影重建算法介绍反投影重建算法是一种常用于医学图像重建的技术，它通过将多个投影图像反向投影到空间中，来重建出原始物体的三维形态。
该算法基于X射线摄影和计算机图形学的理论，被广泛应用于医学成像领域，尤其是计算机断层扫描(CT)。
基本原理反投影重建算法的基本原理是通过测量某物体在不同角度下的投影数据，然后将这些数据反向投影到空间中，得到物体的三维重建图像。
具体步骤如下：1.采集投影数据：使用X射线或其他成像设备，获得物体在不同角度下的投影数据。
这些投影数据可以通过测量X射线的衰减程度来获取。
2.投影数据的逆变换：将投影数据的方向进行反转，得到反投影数据。
这一步是算法中最重要的一步，它将每个测量点的投影数据映射回三维空间。
3.反投影重建：将反投影数据从二维空间转换为三维空间。
这可以通过将反投影数据相加来实现。
在这个过程中，需要注意对数据进行插值，以确保重建图像的精确度。
算法细节反投影重建算法的具体细节有多种实现方式，下面列举几种常见的算法：1. 直接反投影算法直接反投影算法是一种最简单的算法，它将每个投影像素直接投影回三维空间。
具体步骤如下：1.对每个投影像素点，计算它在三维空间中的坐标。
这可以通过测量点在投影平面上的位置和投影矩阵来实现。
2.将每个投影像素点的坐标值累加到三维空间的相应位置上。
这一步是反投影的核心过程，通过将每个像素点的坐标值相加，最终可以得到物体的三维重建图像。
3.可选的后处理步骤：根据需要，可以对重建图像进行滤波、增强或其他处理，以提高图像的质量。
2. 迭代反投影算法迭代反投影算法是一种更复杂但更精确的算法，它通过多次迭代求解，逐渐优化重建图像的质量。
具体步骤如下：1.初始化重建图像：将重建图像的像素初始化为某一固定值。
2.迭代求解：重复以下步骤，直到算法收敛或达到最大迭代次数：–计算投影数据的理论值：根据当前重建图像，计算预测的投影数据。
–计算误差：比较预测的投影数据与实际测量数据之间的差异，得到误差。
医学图像重建算法概述-PPT
反投影 20
20 20
20
1.25 1.00 1.50 1.25
有序子集迭代方法示例
这个图像不知道
5 10 15 20
15 35 知道这些
25 20 30
25
猜测图像
第一子集
1次迭代
10 10
20 0.75
7.5
7.5
0.75
10 10
20 1.75
17.5 17.5
1.75
有序子集迭代方法示例
典型迭代重建示例
这个图像不知道
5 10 15 20
15 35 知道这些
猜测图像
10 10 10 10
25 20 30
25
20 0.75 20 1.75 1次 迭代
9.375 14.0625 21.875 32.8125
20 0.75 20 1.75
20 20 20
20
1.25 1.00 1.50 1.25
比尔定律：描述X射线穿过物体时发生衰减的规律，如下：
I0
均匀物质，衰减系数μ
Id
初始强度
长度L
穿透强度
Id I 0L
决定了是什Байду номын сангаас物质
Id I 0L
实际情况：物质并非均匀，组成复杂，因此，我们将物质分 成许多小份，即有了体素（像素）的概念，如下d：
I0
初始强度
u1 u2 u u4 3
ddd
un
In
45 1 456 2 101 23 4
5
22 67 2 334 1 43 111 12 45 45 88 1 445 3.3 34 134
23 4 23 1
2 345 2.3 111
滤波反投影法
滤波反投影法：
滤波反投影法根据附件三所给接收信息，采用先修正、后投影重建图像的做法，
可得到原始图像的吸收率信息。
其原理为：在得到某一角度下的投影函数（一维函
数）后，对此函数做滤波处理，得一修正后的滤波函数，再对修正后的滤波函数做
反投影运算，得待检测介质吸收率在正方形托盘中的每一点的分布密度函数。
图1给出了滤波反投影法重建原始图像的流程图。
图1滤波反投影法流程图
反投影法重建原始图像的步骤：
（1）在对应于投影函数的角度下对投影函数做一维Fourier变换；
（2）对（1）得到的变换结果乘以权重因子；
（3）对（2）加权后得到的结果做一维傅立叶；
（4）对（3）所得函数做直接反投影；
（5）改变投影角度，得到180个不同的投影角度，对每一角度，重复上述步骤（1）~（4）。
R-L（Ram-Lak）滤波函数：
此函数的基本条件是二维图像函数的频率是有界的，显然，此题所得附件五的所有数
据满足此条件。
故频域中的滤波函数可表示为：
，
，其它
其函数图像如图 1.
图1R-L滤波函数图像
连续的R-L卷积函数所得结果为：
离散的R-L卷积函数所得结果为：
，
，为偶数
，为奇数
根据上述滤波原理，在本题中，对附件五中数据的具体滤波过程可用Matlab内置的Ram-Lak 命令实现。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
西北工业大学硕士学位论文CT图像滤波反投影重建算法的研究姓名：范慧赟申请学位级别：硕士专业：生物医学工程指导教师：卢健康20070301摘要ＣＴ，即计算机断层成像术，是用来获取观测目标断层图像的一门技术，它广泛地应用于医学诊断、射电天文学、电子显微和雷达等许多科学领域，在医学诊断中的应用尤其引人注目．ｃＴ是由在多个观测角度获得的有关目标的一系列投影数据，通过图像重建技术来得到目标的断层图像的。变换方法，尤其是滤波（或卷积）反投影类型的算法，是商用ｃＴ系统中广泛使用的图像重建方法。本文以此为背景，对反投影重建算法展开研究。由于Ｆｏｕｆｉｃｒ变换理论在计算上本身所固有的复数运算特点，由它产生的重建算法会带来如下的问题：增加数学处理的复杂性、需要较大的存储空间和影响计算速度。而在ＣＴ图像重建应用的大量场合，投影数据和目标函数都属实数空间范畴。Ｈ删ｅｙ变换是与Ｆｏｕｒｉｅｒ变换平行的一种正弦类正交变换，具有有效的
快速算法存在。与Ｆｏｕｒ｛ｅｆ变换相比较，Ｈａｆｔｌｃｙ变换以其实数运算、正反变换公式的对称性和经济的存储空间利用等为特点，在对实信号或实数据进行处理时可避免复数运算，从而减少计算量，提高运算效率。本文将Ｈａｎｌｅｖ变换引入到ｃＴ图像的滤波反投影重建算法中，这～工作表明：在图像重建领域，用Ｈａｎｌｅｖ变换去替代Ｆｏ埘ｃｒ变换的作用是可行的。在保持精度不变的前提下，由Ｈａｆｔｌｅｙ变换产生的重建算法较ＦｏｕＩｉ盯方法可节省大约一半的计算量和存储空问。平行射束常规反投影的多方位同时反投影（ＭｓＢＰ）方法是基于重建图像象素和投影射线之问在不同的投影方位上所存在的几何关系而提出的。本文将此方法应用于反投影重建算法中，将象素定位操作中的计算量减少到传统反投影算法的１／８。本文还在导师提出的基于Ｄ‘玎的线性定常系统高精度仿真算法的基础上，
研究、推导了基于Ｈａｎｌｅｙ变换的逆变换法的公式并给出其误差分析，通过Ｍａｔｌａｂ程序验明了其可行性和正确性。
关键词：ｃＴ图像重建，滤波反投影算法，Ｈａｎｌｅｙ变换，ＭｓＢＰ方法，逆变换法ＡｂｓｔｒａｃｔＣｏｍｐｕｔｅＩｉｚｅｄ’Ｉｂｍｏｇｒａｐｈｙ（ＣＤｉｓａｔｃｃ岫ｏｌｏｇｙｔｈａｔｏｂ乜Ｉｉｎｓｔｈｃｔ蛐。争锄ｏｆｔｈｃｏｂｓｃｒｗ；ｄｏｂｊｅｃｔｓ．ｎｉｓｗｉｄｅｌｙｕｓｅｄ缸ｍ姐ｙ∞ｉｅｎｄｆｉｃ
ｄｏｍａ缸ｓｓｕｃｈ鹤ｍｅｄｉｃａｌ
ｄｉａ印∞ｉｓ、ｒａｄｉｏａ蜘ｎ哪ｙ、ｃｌｅｃ咖咀ｍｉｃ∞ｌｏ盱锄ｄｎｄａＬｌｔｓａｐｐｌｉ龃ｔｉ彻ｓｉｎｍｃｄｉｃａｌ
ｄｉａ舯ｏｓｉｓａ他ａ盯ｅｓｔｉｎｇｃｓｐｃｃｉａｌｌｙ．ＣＥｗｈｉｃｈｏｂｔａｉｎｓａｓ谢嚣ｏｆｐｒｏｊｃｃｔｉ咖ｄａｔａｏｆ
州ｃｃｔｓｃｏｎｏｅｍｅｄ‰ｓｅＶｅｒａｌ“ｅｗｉｎｇ锄ｇｌｅｓ’ｃａｎ
ｇｃｔｔｈｃｔｏｍｏ｛即ｍｓ
ｏｆ
ｔｈｃ嘶ｅｃ略
ｔｈＩｏｕｇｈｔｈｃ僦岫ｌｏｇｙｏｆｉｎｌａｇｃ嫩衄ｓｔｎｌｃｔｉ∞．１１ｌｅｔｒａ璐ｆｏ皿ｍｅｔｈｏｄｓ，髂ｐｃｃｉａｔｌｙ
ｔｈｅｆｎｔｅ－ｃｄ０ｆｃｏⅡｖｏＩｕｔｉ衄ｂａｃｋ蜊ｃｃｔｉ∞ａ１９０ｒｉｔｌＩｍｓａ砖ｗｉｄｃｌｙｌＩｓｃｄｉｎｔｈｃ
∞删ｍｒｃｉａｌ（了ｓｙｓｔ锄ｓ．１１ｌｉｓｔｈ嚣ｉｓ懿ｐｌｏｆ器柚ｄ他ｓｅ砌髓ｔｌ嵋ａｌｇｏｒｉｔｈｍｓｏｆｔｈｃ
舭ｌｃ】删ｃｃｔｉ∞岫ｄ盯ｔｈｉｓ他∞眦ｈｂ∞ｋｇｒｏｕｎｄ．
ＩＩｃｃａｕ∞ｏｆｔｈｃｉｌｌｈｅ啪ｔ啪ｐｌｅｘｎ岫ｂｃｒｏｌ＇盯撕帆ｃｈａｍｃｔｅＩｉｓｔｉ岱ｏｆｔｈｅＦｂｕｒｉ盯
ｔｍｓｆｏ皿ａＩｇｏｆｉｔｈｍｉｎ００ｍｐｕ协ｔｉ佃，ｔｈｃ
ｆｅｃ０鹏ｔｎＩｄｉ蛐ａｌ鲥ｔｈｍｂａｓｃｄ咖地ｗｉＵ
ｂｒｉｎｇ∞ｍｅｐｆｏｂｌｅｍｓｓｕｃｈ镐ｉ玳黔鹤ｉｎｇｔｈｅ啪ｐｌｅｘｉｔｙｏｆｔｈｅｍａｔｈ锄ａｔｉｃｐｍ∞豁ｉｎ舀谢Ｕ∞ｃｄｍＯｍｍ锄ｏｒｙｓｐａ∞柚ｄｓｌ删ｉｎｇｄｏｗｎ
ｔｈｅ伽ｐｕ协ｔｉ∞ｓｐｃｃｄ．１１０啊ｃｖｃｒ＇
ｔｈｅｐ叫ｅｃＩｉ∞ｄａｔａ锄ｄｔｈｅｏｂｊｅｄ如ｎｄｉｏ嬲ｔｈｅｙａｕｂｃｌ伽ｇｔｏｔｈｃ∞ａｌ姗证ｂｃｒａ坨ａｉｎａｐｐｌｉｃ缸ｉｏ璐ｏｆＣｒｉｍａｇｅ咒ｃｏｄ咖ｃｔｉ锄．Ｈ枷ｅｙｔｒａｎｓｆｏ珊ｉｓ
ａｓｉｌｌｕｓｏｉｄａｌ仃ａｎ甜ｂｎｎ
ｓｉｍｉｌａｒｔｏＦ０ｕｒｉｃｒｔｆａｎｓｆｏ咖．ＦａｓｔＨａｎｌｃｙ咖ｓｆｂ珊啪ｂｅａｃｈｊｅＶｃｄｂｙｕｓｉｎｇｔｈｃｓ咖ｃＩ呲ｓｓｉｌｎｉｌ缸ｔ０ｔｈａｔｉｎＦ豳ｔＦｂｕｆｉｃｒ
ｔ瑚ｓｆ０蚰．Ｈａｒｔｌｅｙｔｆｊｍｓｆｏ珊ｈ舔ｔｈｒ∞
ａｄＶ柚ｔａｇｅｓｏＶ盯Ｆｂｕｒｉ盯仃ａｎｓｆ咖．ｎｉｓａｒｃａｌｎｕｍｂ盯缸趾ｓｆｂｎｎ卸ｄｈ硒ｔｈｅ
ｓ锄ｃ
ｆ０研ａｒｄ柚ｄｉｎｖｅｒ靶仃柚甜ｂ咖ｆ研ｍｕｌ弱．Ｂ龉ｉｄｃｓｔｈａｔ，ｉｔｎ∞ｄｓｌｅ豁ｉｎｔｃｍａｌ
ｓｔｏｍｇｅ
ｔｈ觚Ｆｂｕ断仃孤ｓｆｏ衄．Ｈｃｎ。ｃ，ｕｓｉＩｌｇＨ捌ｅｙ缸ｍｓｆｏ埘ｊｎ
ｍａｎｙｒｅａｌｓｉ印ａＩ柚ｄ此ａｌ
ｄａｌａｐｍｃｃ鲻ｉｎｇｃ姐ａｖｏｉｄｔｈｅｕ∞ｏｆｃｏｍｐｌｃｘａｒｉｔｌｌｎｌｅｔｉｃ∞勰ｔｏｒｃｄｕｃｃｔｈｅ肿ｍｂ懿
０ｆ“ｔｌｌｍｃｔｉｃｏｐｅ删。瞄锄ｄ
ｉｌｎｐｒｏｖｅｔｈｃｃｏｍｐｕ诅ｔｉ衄ａｌｅ衔ｃｉｃｎ哆Ｔｈｉｓ
ｔｈｅｓｉｓ删ｉｚｅｓ
ｔｈｅｆｉｌｔ锄ｃｄｂａｃｋ州ｅｄｉｏｎａｌ鲥ｔｈｍｓｏｆＣＴ
ｉｍａｇｃｒｅｃｏｎｓｈⅥｃｔｉ∞ｂｙ憾ｉｎｇＨａｎｌｃｙ
ｔ瑚ｓｆｏ彻．ｎｓｈｏｗｓｔｈａｔｗｅｃａｎｕ∞Ｈａｒｔｌｅｙｔ砌ｓｆｂｎｎｉｎｓｔｅａｄＯｆＦｂｌｌｒｉｅｒ缸卸瞎ｆｏｍ
ｉｎ
ｆｉｅｌｄｓ０ｆｔｈｅｉｍａｇｃ
Ｄｅ咖ｓｔｒｕｄｉ伽．ｎｃｎｕｍｂｃ璐０ｆａｒｉｔｌｌｍｅｔｉｃｏｐｃｒａｔｉ∞ｓ锄ｄｔｈｅ
ｉｎｔｅｍａｌｓｔｏｒａｇｅｎｅｃｄｃｄｊｎｉｍａｇｅ地ＯＯ璐ｔｎｌｄｉｏｎａＩｇ耐ｔｈｌｎｓｂ弱ｅｄｏｎＨａｎｌｅｙ
胁ｓｆｂ珊ａ碥ａｌｍｏｓｔｈａｌｆ勰ｍｕｃｈ弱ｔｈａｔｉｎＦｏｕｒｉｃｒ的ｎｓｆｏ珊ｗｈｉｌｅｒｅｔａｉｎｉｌｌｇｔｈｅ
ｐｒｃｃｉｓｉ叫．Ｂａｓｅｄ∞ｔｈｅ嚣卿ｍｅｔｒｉｃａｌ陀ｌａｔｉ衄ｓｈｉｐｓｂｅｔｗ∞ｎｉｍａｇｃｐｉ】【ｃｌｓａｎｄｐ加ｊｅｃｔｉｏｎ
ｍｙｓ
Ⅱａｔｄｉｆ：ｆｅ”ｎｔ、，ｉｃｗｉｎｇ
ａｎｇｌｅｓ，
ａ
Ｍｕｌｔｉｏｒｉｅｎｔａ“衄
ｓｉｍｕｎａｎｅｏｕｓｃｏｍｐｕｔａｔｉｏｎ
ｏｆ
ｂａｃｋｐｍｊｅｃｔｉ∞ｆｏｒｔｏｍｏ伊ａｐｌｌｉｃｉｍａｇｃｒｃｃｏｎｓｔｍ甜咖（ＭｓＢＰ）ａｐｐ帕ａｃｈｉｓｐｆｏｐＤｓｅｄ．
Ｂｙｕ咖ｇｔｌｌｉｓｍｅｔｈｏｄｉｎｔｈｅ
ｆｉｈｅｒｃｄｂａｃｋｐｒｏｊｅｃｔｉｏⅡａｌｇｏｒｉｔｈＩｎｓ
ｏｆＣｒ
ｉｍａｇｃ
ｒｅｃ０嬲ｔｍｃｔｉｏｎ，ｔｈｅｎｍｎｂｅｒ０ｆｌｏ∞ｔｉ伽Ｏｐｅｒａｔｉｏ璐０ｆｐｉｘｅｌｓｆｂｒｉｎｔｅｒｐｏｌａｔｉ彻ｉｓｆｃｄｕｃｅｄｂｙａ白ｃｔｏｒｏｆ罐．Ａｎｅｒｒｅ∞ａｒｃｌｌｉｎｇｏｎｔｈｃｈｉｇｌｌｌｙｐｒ∽ｉ∞ｓｉｍｕｌａ胁ｎａｌ鲥ｔｈｍｏｆｕ１
ｓｙｓｔｅｍｂ猫ｃｄ
ｏｎＤｉｓｃ”ｔｅｃｏｓｉｎｃＴｒａｎｓｆｏ】衄（ＤｃＤｐｍｐｏｓｃｄｂｙｍｙｓｕｐｃｒｖｉ∞ｒ，ｔｈｉｓｔｈｃｓｉｓｐ姊ｏ∞ｓ翘ｉｎｖ哪ｅｔ啪ｓｆｂｎｎｂ弱ｃｄ∞Ｈａｒｔｌｅｙｔｒ柚ｓｆｏｍ．ｎ百Ｖ船ｔｈｃ
ｐａｒｔｉｃｕｌａｒ
ｆ０珈ｕｌ码蛆ｄ
ｔｈｃｅｆｒｏｒ耻ａｌｙｓｉｓｏｆｔｈｉｓａｌｇ耐ｔｌｌｍ．Ｆｉｎａｌｌｙｔｈｅｆｅ猫ｉｂｎｉｔｙ柚ｄｃｏ盯ｃｄ∞鹞ｍ
ＶａｌｉｄａｔｃｄｂｙｕｓｉｎｇＭａｔｌａｂ芦Ｄｇｒａｍｓ．
Ｋｅｙｗｏｒｄｓ：ＣＴｉ咖ｇｅｒｅｃ伽ｓｔ珊ｃ６０ｎ＇ＨｌｔｅｒｅｄＢａｃ印ｒｏｊ睇６佣ＡＩ印ｒｉｍｍ，
ＨａｎｌｅｙＴ啪ｓｆｏｍ，ＭＳＢＰＭｅ恤ｏｄ，ＩｎＶｅ鼬Ｔ瑚ｓｆｏ哪
ⅡＩ西北工业大学学位论文知识产权声明书本人完全了解学校有关保护知识产权的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属于西北工业大学。学校有权保留并向国家有关部门或机构送交论文的复印件和电子版。本人允许论文被查阅和借阅。学校可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。同时本人保证，毕业后结合学位论文研究课题再撰写的文章一律注明作者单位为西北工业大学。保密论文待解密后适用本声明。学位论文作者签名：：《塑Ｌ指导教师签名
。＞况订年弓月多Ｄ日聊年岁月歹口日
西北工业大学学位论文原创性声明秉承学校严谨的学风和优良的科学道德，本人郑重声明：所呈交的学位论文，是本人在导师的指导下进行研究工作所取得的成果。尽我所知，除文中已经注明引用的内容和致谢的地方外，本论文不包含任何其他个人或集体己经公开发表或撰写过的研究成果，不包含本人或其他已申请学位或其他用途使用过的成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式表明。本人学位论文与资料若有不实，愿意承担一切相关的法律责任。学位论文作者签名网年；月如日