有关网络性能参数测量佳运用，网络的业务规律、性能行为模式需要通过测量掌握，采集、分析、解释 测量数据是网络流量、拓扑、行为建模分析的基础和验证手段，工nternet流量的 自相似性、nItenret拓扑的幂率分布等重要规律都是通过网络测量发现的。 、，

网络层析成像研究及应用前景展望

利用光学相干层析成像(OCT)获得视网膜图像并对其进行分层，进而获得各视网膜层的厚度，在许多眼科疾病的临床诊断中具有重要作用。高散斑噪声、低图像对比度、存在血管等复杂结构等因素使得对视网膜的精确分层难以实现。提出了一种视网膜OCT图像的自动分层方法，利用三维块匹配和均值滤波去噪对图像进行预处理，分两步对视网膜图像分层，在每个A扫描上设置可变阈值进行逐层分割作为初步分层结果，然后对各层的初步分层结果进行连续性和完整性判断和修正。对健康和患病视网膜的OCT图像进行分层以验证提出方法的有效性。实验结果显示该方法能够精确地分出9层视网膜层，平均层边界位置偏差为(1.34±0.24) pixel。该方法能够适应噪声高、对比度低的图像，对存在血管等复杂结构的图像同样能够实现较好的分层。

OpenEIT仪表板 生物医学成像以前很昂贵，几乎无法破解和试验。 如果有更多的人进行实验并了解成像的工作原理，我们可以更快地将其向前发展，并使这些变革性技术对所有人开放。 OpenEIT（EIT用于电阻抗层析成像）使用与CATSCAN相同的层析成像重建技术，使用非电离交流电流来重建任何导电材料（例如，肺部，手臂或头部）的图像。 PCB只有2英寸见方的正方形，带有蓝牙，使之成为进行生物医学成像的便携式且易于破解的方式！ WINDOWS用户注意事项 SPECTRA使用FTDI芯片通过UART进行通信。 VCP FTDI驱动程序未预安装在Windows上（但已安装在所有其他操作系统上）。 如果您运行的是Windows计算机，则应按照以下说明安装FTDI驱动程序，然后再继续进行仪表板安装： : 如何安装python仪表板。 要求 Python 3.6.7 安装 pip install -r

X射线双能计算机层析成像(CT)技术是安全检查领域一种重要的材料探测与识别手段。双能CT投影分解是双能CT预处理重建算法的核心内容和关键步骤。针对现有投影分解算法的不足，提出了一种基于投影匹配的双能CT投影分解算法。依据系统能谱和基材料线性衰减系数曲线，通过求解投影积分方程组建立高低能投影查找表。对于给定的高低能投影，在查找表中寻找最佳匹配点，进而获取基材料分解投影。该算法避免了现有算法复杂的迭代优化过程，简化了系统的标定过程，分解精度取决于查找表的设定步长。相对现有算法该算法有实现过程简单、易于并行计算的优点。仿真实验结果验证了算法的有效性。

针对电容耦合电阻层析成像传感器的优化设计，首先利用有限元仿真软件建立了12电极传感器有限元模型，并分析了后续图像重建所需的传感器灵敏场，之后将该仿真模型与实际传感器相应的测量数据及重建图像进行对比验证，研究表明仿真与实验结果能够较好吻合，为对传感器性能进一步研究提供可靠基础。为了提高系统稳定性及抗干扰能力，以该原始模型为基准，分别对两种不同结构的传感器模型进行仿真分析，并研究其对系统测量值的影响。最后，在选定了传感器的基本模型的基础上，基于对传感器性能影响最小的角度进行分析，对该传感器尺寸进行优化。本研究

可调谐半导体激光吸收光谱（TDLAS）技术结合层析成像（CT）算法能实现流场温度、浓度等信息的二维重建测量。为研究层析成像算法对温度场二维重建质量的影响，实现了两种典型重建算法：代数迭代重建算法（ART）和模拟退火（SA）算法。在不同的射线分布和吸收谱线数目情况下，使用两种算法对给定单峰温度场和双峰温度场分别进行重建仿真，比较分析了两种算法的重建结果。仿真结果表明，影响代数迭代重建算法重建质量的主要因素是射线分布，而模拟退火算法则对吸收谱线数较为敏感；对于单峰温度场，代数迭代重建算法重建结果的最大偏差为5.6%，略好于使用6条吸收谱线时模拟退火算法重建结果的6.2%；对于双峰温度场，模拟退火算法重建结果的最大偏差为5.5%，而代数迭代重建算法的最大偏差则高达22%。

基于正则化加权最小二乘框架的低对比度超声层析成像图像重建

TomoSAR的机器学习-开发部门 关键字：TomoSAR，机器学习，特征工程，特征选择 概述 该项目的目的是比较层析成像SAR数据上不同机器学习算法的性能。 为了降低的尺寸并最终增加计算时间并消除任何噪音-断层图由许多描述性特征表示。 最后，应将所选机器学习算法在数据的不同特征表示上的性能（计算时间和分类准确性）与原始数据（断层图）的性能进行比较。

爱奥诺 使用射线追踪和射电观测模拟进行射电天文学的电离层层析成像。 目的是通过消除大气中电子对波前传播时间误差的影响，实现在低频下的超深成像。