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

大数据-算法-锥束扇束CT优质重建算法研究.pdf

这是 Feldkamp-Kress-Davis（也称为 FDK）算法的简单实现，用于从使用锥形束几何结构（即微焦点 X 射线源）拍摄的投影重建（即滤波反投影）切片。 在本演示中，我们仅重建投影的中心切片 (z=0)，即我们使用 FDK 作为具有扇形光束几何形状的采集反投影的代码。 这使我们能够利用 matlab phantom 例程来生成合成投影。 对于实际应用，必须编写自己的程序，根据合适的文件格式读取平面射线照片，并针对暗场图像（探测器在关闭 X 射线的情况下注册的图像）和平面场图像（打开 X 射线）校正这些射线照片并且没有对象）。 此外，归一化的射线照片必须对日志进行处理并转换为投影。 鉴于 Matlab 仅提供 iradon（用于同步加速器光束线产生的平行光束）和 ifanbeam 例程，我们的提交旨在为开发更优化的代码提供有用的概述。 该代码重建一个体积（而不是单个切片

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