根据锥束CT切片图像的特点，提出了一种面向复杂零件的三维表面重构新方法：首先采用3D亚体素边缘检测算法提取序列切片图像的高精度封闭轮廓，并重构出切片轮廓的拓扑信息，然后采用一种改进的基于截面属性的轮廓分割算法得到若干组局部结构轮廓集，最后对这些轮廓集进行叠加与拼合，形成零件的整个三维表面。实验结果表明，该方法分割轮廓准确，稳定性好，对具有复杂内外结构的零件，可确保其重构结果的拓扑正确性。

包含用于三维锥束ct（cbct）投影 反投影fdk mlem重建的源代码和Matlab示例

在分析基于平板探测器的锥束CT投影图像缺陷的产生原因和特性的基础上，提出校正的方法，分别对投影图像进行暗场、像元响应不一致的一步校正和光场不均匀校正、像素坏点去除。通过在同一锥束CT系统中相同电压、电流水平情况下，采集不同积分时间下的空气投影图和相同条件下的暗场图，并对其像素值变化进行分析、拟合和对比，得到系统的线性参数矩阵、光场分布图和坏点位置图。对空气投影图像进行校正，并将其作为不完全参照，计算射线吸收系数，用于锥束CT重建。实验结果表明，该方法能有效去除锥束CT投影图像的噪声，抑制物体重建切片的大量环状伪影的产生，提高锥束CT系统重建图像的质量。

针对FDK算法重建图像异常耗时的问题,提出了一种极坐标反投影快速重建算法。根据三角函数对称性,64幅预处理后的投影数据在反投影过程中同时运算;在极坐标反投影数据映射到笛卡尔坐标时,利用像素位置相关参数的对称性,在不使用查表方法的情况下,使双线性插值的计算量大大减少。实验结果表明,采用这两种措施实现了FDK算法优化,与传统的FDK算法相比,重建速度提高8倍,采用CUDA技术,实现GPU对其加速,速度提高40倍,且均不产生新的误差。

大数据-算法-锥束CT直接三维成像算法研究.pdf

锥束CT重建程序MAtlab程序。 包括投影，滤波，FDK及MELM反投影

基于FDK的锥束CT全三维重建算法，Matlab版本。

Flying Focal Spot (FFS) in Cone–Beam CT 锥束CT的飞焦

为了去除平板探测器中坏点和响应不一致探元引起的环状伪影对X射线计算机断层成像(CT)质量的影响，利用探元响应与管电流的线性相关关系，提出了一种基于探测器校正的环状伪影去除方法。检测出不同管电流下响应恒定的探元后，分别计算每个探元响应与管电流的相关系数，并检测出响应随机变化和迅速达到最大的探元，将检测出的探元记入坏点模板并进行校正。以单个管电流下所有探元响应的均值为基准，计算同一组管电流下各探元响应曲线方程与基准曲线方程的转化关系，得到探测器的一致性校正参数矩阵。依据坏点模板和一致性校正参数对各探元的输出响应进行校正。实验结果表明，该方法能够有效去除环状伪影，并改善图像信噪比。解决了现有坏点检测方法中阈值选择困难的问题，可适用于多种类型的探测器。

FDK进行锥束CT重建程序，包括滤波和反投影两个程序