1 概述　　在诸多的总线标准中，各种总线都称是标准的，但在市场竞争不能划地为界的行业或领域，各种总线都互相渗透。例如DeviceNet广泛应用于汽车、物料搬运和制造加工业，但在欧洲，Profibus标准也是这些领域的有力竞争者且占据了的份额。此外，Profibus标准在一些特定行业的应用也非常广泛，像Profibus DP在汽车工厂中的应用就是如此。然而，有一个很有趣的现象是，德国的CANopen总线本身也用在汽车行业。但是，不管怎么看，整个市场基本上可以划分为过程工业和制造工业两类。　　随着工业企业为实现更快捷、高效的生产和运行而不断地投资，挂在这些不同总线上的智能化装置正在迅速增加。总线的

深度学习CT重建算法技术文档 深度学习CT重建技术文档 目录 深度学习CT重建技术文档 1 一． 稀疏角度U-net+传统重建算法去伪影 1 1.1 U-net+FBP 2 1.2 U-net+ART 3 1.3 U-net+SART 4 1.4 U-net+ML-EM 4 1.5 U-net+OSEM 4 二． 稀疏角度U-net+mSTCT去伪影 4 三． U-net替代STCT逆希尔伯特变换 5 3.1五段直线扫描分别训练模型 5 3.1.1 STCT相关算法 5 3.1.2 U-net替代五段直线扫描分别训练模型 6 3.2 五段直线扫描合并训练模型 12 3.3 两种方法结果对比 15 四． 算法改进与提升 16 4.1 增加掩膜 16 五． 附件 17 稀疏角度U-net+传统重建算法去伪影 本小节前三种算法是代数类重建算法，后两种是统计迭代类算法，所有算法均已用matlab复现，但由于需结合U-net（python环境）进行伪影去除，所以这里在前三种方法上利用的是ASTRA工具包的python版本产生稀疏角度数据，后两种由于ASTRA包中没有，所以采用

matlab提供大量函数，可以方便的完成fbp算法 1)fbp算法原理： 中心切片定理 (CST) : 原数据投影的一维傅立叶变换等于原数据的二维傅立叶变换 0818b9ca8b590ca3270a3433284dd417.png 投影 --> 一维傅立叶变换 --> 滤波 --> 二维傅立叶反变换 经过上述过程应该得到原始数据 2)投影相关知识 2.1)正投影：对投影线经过的像素做线积分，积分得到的值保存为该角度下的权值 对一组数据 P 做 Radon 变换，即做正投影，会得到两个数据 [R, xp] = radon(P,theta); xp是投影线条数 R是theta角下第 xp 条投影线得到的线积分，即权值 0818b9ca8b590ca3270a3433284dd417.png 0818b9ca8b590ca3270a3433284dd417.png 2.2) 反投影：反投影是利用上面投影得到的 R 权值，把R值投回到 x y 坐标中 x y 满足 x*cos(theta) + y*sin(theta) = R 就表明点(x, y)在投影线上

滤波反投影重建算法实现及应用（matlab） 1. 滤波反投影重建算法原理 滤波反投影重建算法常用在CT成像重建中，背后的数学原理是傅立叶变换：对投影的一维傅立叶变换等效于对原图像进行二维的傅立叶变换。（傅立叶中心切片定理） CT重建算法大致分为解析重建算法和迭代重建算法，随着CT技术的发展，重建算法也变得多种多样，各有各的有特点。本文使用目前应用最广泛的重建算法——滤波反投影算法（FBP）作为模型的基础算法。FBP算法是在傅立叶变换理论基础之上的一种空域处理技术。它的特点是在反投影前将每一个采集投影角度下的投影进行卷积处理，从而改善点扩散函数引起的形状伪影，重建的图像质量较好。 上图应可以清晰的描述傅立叶中心切片定理的过程：对投影的一维傅立叶变换等效于对原图像进行二维的傅立叶变换 傅立叶切片定理的意义在于，通过投影上执行傅立叶变换，可以从每个投影中得到二维傅立叶变换。从而投影图像重建的问题，可以按以下方法进行求解：采集不同时间下足够多的投影（一般为180次采集），求解各个投影的一维傅立叶变换，将上述切片汇集成图像的二维傅立叶变换，再利用傅立叶反变换求得重建图像。 投影相关

关于雷达改进算法FBP成像算法的实现，以及DSPC6678仿真后结果比对

适合于刚学习FBP重建算法，要加深对它的理解的同学。实验结果已经测试过。如购买后，有疑问，请联系iamxiaoyoung@yeah.net.

CT图像重建等距扇束投影算法FBP实现，适合初学者学习；利用python实现，有不懂可以交流。

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

非线性邻域滤波(NNFs)在MR-FBP图像重建算法中的应用(基于astra-toolbox开发, 实现双边滤波,非局部均值滤波(NLM)的惩戒项的改进,并进行MAE,MAR分析)

基于FBP算法的CT图像重构，调试通过，希望对大家有用