MATLAB优化CT图像构建，优化算法强大，而有效

为依据少量声波飞行时间数据较高精度地重建温度场,提出了一种基于径向基函数和奇异值分解的声学CT温度场重建新算法。采用新算法对单峰和双峰温度场模型进行了仿真数据重建,重建结果表明,与高斯函数正则化重建算法、代数重建算法相比,新算法的重建精度有明显改善。采用新算法对实验室内的均匀温度场和加热温度场进行了实测数据重建,重建结果与被测温度场一致,且均匀温度场的重建均方根百分误差仅为0.31%。由于新算法重建速度快、重建精度高、抗干扰能力较强,可望用于复杂温度场的在线重建。

matlab入门100例中，案例47基于双目相机拍摄图像的三维重建matlab仿真的双目相机参数和工具箱。

Resource Binder 一个相当不错的资源重建工具，2.6版新增了3个高级功能，可以重建PE文件，导出和导入资源二进制数据

SRCNN-CS_SRCNN彩色图像超分辨率重建_彩色超分辨率_matlabSRCNN_超分辨率重建_超分辨重建

结构光三维成像是近年来三维成像领域的研究热点之一。整体设计及实现了条纹结构光三维重构系统，并重点研究了点云生成三角网格方法。该系统使用整体阈值与局部滑动阈值相结合的方法提取到条纹中心特征点，以像素索引值为中间媒介进行编码值插值计算，并利用像素索引值为媒介对点云进行三角网格化处理。利用像素索引值的方法简化了点云插值和点云生成三角网格的处理过程，并且能够精确得到每个点上的颜色值并进行颜色渲染。最后利用提出的方法对石膏模型和实际人脸面部进行了三维测量和重建，并分析了该方法测量的精度。结果表明提出的方法达到了实验

此文为翻译版的泊松表面重建，详细讲述了泊松表面重建的原理及应用。

压缩感知(CS)是一种新的信号采样、处理和恢复理论,能够显著地降低高频窄带信号的采样频率。针对稀疏度未知信号的重建,提出了步长自适应前向后向追踪(AFBP)算法。不同于固定步长前向后向追踪(FBP)算法,AFBP的步长可变。它利用一种自适应阈值的方法选取前向步长,然后对候选支撑集进行正则化处理以保证其可靠性,接着用自适应阈值与变步长双向控制的方法选取后向步长以减少重建时间。AFBP能够自适应后向删除估计支撑集中部分错误索引以提高信号准确重建概率。在稀疏信号非零值服从常见分布条件下,用AFBP、FBP等算法进行重建的结果表明,AFBP的准确重建概率、重建精度与FBP相当,重建时间明显少于FBP,能够更高效地重建稀疏度未知信号。

基于python的三维重建算法Structure from Motion(Sfm)实现代码

本文档首先介绍了压缩感知的原理，然后将其应用到地震勘探数据的应用中去，最后给出了应用实例及其结果