CT重建，适合CT初学者；是解析重建算法。效果好。初学者可以下载参考；有不懂可以留言讨论

双目立体视觉是计算机视觉研究领域的重要分支之一,它通过直接模拟人类视觉系统的方式感知客观世界,广泛应用于微操作系统的位姿检测与控制、机器人导航与航测、三维非接触测量及虚拟现实等领域。因此,对双目立体视觉的深度感知与三维重建中的若干问题进行研究具有一定的理论价值和十分重要的现实意义。论文围绕双目立体视觉系统摄像机标定技术、匹配策略与匹配算法、深度信息提取及后续处理、重建方法等重点与难点问题展开研究

DuDoRNet Learning a Dual-Domain Recurrent Network for Fast MRI Reconstruction with Deep T1 Prior MRI图像重建的研究生周会论文阅读的PPT，共12页，15分钟的报告。

收集大量最新的图像超分辨率/插值论文。图像超分辨率的英文名称是 Image Super Resolution。图像超分辨率是指由一幅低分辨率图像或图像序列恢复出高分辨率图像。图像超分辨率技术分为超分辨率复原和超分辨率重建。目前， 图像超分辨率研究可分为 3个主要范畴: 基于插值、 基于重建和基于学习的方法.

朱莉娅-韦诺 任意阶的 WENO 重建算法的优化 Julia 实现。基于 Dumbser、Hidalgo 和 Zanotti 在非保守双曲系统的高阶时空自适应 WENO 有限体积方案(DOI 10.1016/j.cma.2013.09.022) 中的工作。 用法 u您的输入数据必须采用 shape数组的形式(nx,ny,nz,nvar)。 nvar是每个单元格中包含的变量数，并且nx,ny,nz分别是x、y、z 轴中的单元格数。如果您的网格是 1D 或 2D，请根据需要设置ny=1和/或nz=1。选择整数N，其中N+1是所需的精度顺序。WENO 重建的系数通过调用获得： julia> weno(u,N); 该调用每次都会构造 WENO 系数矩阵M1,M2,M3,M4和振荡指标矩阵。Σ如果需要许多 WENO 重建，则预先计算这些实体的计算效率会更高： julia> M1,M2,M3,M4 = coefficient_matrices(N); julia> Σ = oscillation_indicator(N); julia> chΣT = chol(Σ)'; julia> wen

使用平行射线束的滤波反投影的重建 如我们前面讨论的那样如果直接进行反投影会生成不可接受的模糊结果，因此我们在计算反投影之前应对投影进行简单的滤波。 首先我们知道F(u,v)的二维傅里叶变换： 现在令 和 将上式表示成极坐标形式： 利用傅里叶切片定理可得：

使用單個相機和投影儀來實現定制的 3D 結構光掃描儀。它是模塊化的，專注於處理速度，能夠以 20 Hz 及更高的頻率實時捕獲結構光 依賴下列函數庫 Qt 5.X OpenCV 4.x Point Cloud Library 1.7 VTK 7 PCLVisualizer Boost Eigen FLANN GLEW 該項目還包含用於 OpenGL 投影儀和相機的 Matlab mex 包裝器。這使得確定您的相機投影儀設置或其他調試任務的伽馬響應成為可能。mex 包裝器是通過運行 matlab/make.m 從 Matlab 編譯的。僅在 Ubuntu 上測試。

1.CUDA纹理学习 2.CUDA定义核函数加速重建 3.平行束采点 4.双线性插值函数 5.SART重建

使用三步相移方法實現 3D 掃描儀 在校准設置中，使用投影儀將特殊條紋圖案投射到目標物體上。然後，相機為每個不同的圖案捕捉場景。當相機從與投影儀不同的角度看到條紋時，它們會出現與物體表面深度成比例的扭曲。從失真圖案與原始圖案的差異，可以重建每個像素的深度。 在根目錄中，您會找到各種代碼，例如算法的實現、簡單的命令行測試應用程序、用於生成條紋圖案圖像的腳本以及用於將結果查看為 3D 點雲的代碼。 slapp目錄包含具有基本用戶界面的圖形應用程序 ,基本功能有 (捕捉圖像,進行重建,觀察點雲,校準參數的簡單調整等雛形功能 ) 函數庫要求 C++ 編譯器 OPENCV OpenGL QT 4 操作系統：Linux

含有可执行文件pcq.sln，直接导入，需要easyx环境，pcl环境，含有点云的pcd文件，叫plant.pcd,使用vs2019直接打开pcq.sln,直接运行