改进的最大似然期望最大化超声CT重建方法

发布时间：2017-10-09 07:16

  本文关键词：改进的最大似然期望最大化超声CT重建方法

  更多相关文章： 超声波CT 重建算法 温度场 TOF 最大似然期望最大化方法 非最小最优化

【摘要】：针对超声CT重建问题,提出了一种基于高斯分布的最大似然期望最大化方法,并采用非最小最优化的方法来设置迭代的初始值。由于高斯分布更加符合测得时间信息的分布规律,所以基于高斯分布的新算法比传统基于泊松分布的最大似然期望最大化算法更加精确。所采用的非最小最优化方法能够减少迭代次数,有利于提高重建质量和计算效率。为了检验新算法,对三维温度场进行了仿真重建实验,结果表明,改进后的最大似然期望最大化算法具有更小的平均误差,能够得到更精确的重建图像。
【作者单位】： 山东大学控制科学与工程学院;
【关键词】： 超声波CT 重建算法 温度场 TOF 最大似然期望最大化方法 非最小最优化
【基金】：高等学校博士学科点专项科研基金(20130131120036,20130131110038) 山东省优秀中青年科学家科研奖励基金(BS2013DX027) 中国自然科学基金(61273277,81401543) 山东省科技重大专项(新兴产业)(2015ZDXX0801A01) 山东大学基本科研业务费(自然科学专项)(2015QY001)资助项目
【分类号】：R814.42;TB559
【正文快照】： 1引言超声波CT是一种新型的非接触测量方法,它具有成本低、效率高、对人体无害等优点[1],在工业探伤[2-3]、环境测量[4-5]、医学成像等方面有着广泛的应用前景[6]。CT重建可以采用多种方法,迭代方法出现较早,计算量大,结果准确[7]。最大似然期望最大化(maximum likelihood exp，

本文编号：998848