基于ML-EM迭代算法的超声CT温度图像重建
超声波CT是一种新的检测空气温度分布的技术,本文在研究超声波CT成像原理的基础上,引入最大似然期望最大化(Maximum-Likelihood Expectation-Maximization,ML-EM)迭代算法,并利用高斯分布模型取代泊松分布模型,对该算法进行改进,提出了一种超声波CT温度场重建的新方法.该方法利用超声波的一维投影数据,对速度矩阵进行求解,从而得到空气中的温度分布.数值仿真实验表明,利用上述方法能够得到良好的温度场重建图像.
超声波CT图像 图像重建 温度场 迭代算法 最大似然 期望最大化
李冰清 赵子健 常发亮
山东大学控制科学与工程学院,济南 250061
国内会议
珠海
中文
193-198
2014-11-14（万方平台首次上网日期，不代表论文的发表时间）