GPU梯度自适应SART图像重建算法.pdf

GPU 梯度自适应 SART 图像重建算法 本文主要介绍了一种基于 GPU 的梯度自适应 SART 图像重建算法，该算法通过引入 TV 算法来动态调节梯度步长，实现了图像重建的高质量和快速。该算法的主要优点在于可以在投影数据不充分的情况下，重建出高质量的图像，并且可以实现在 GPU 上的并行加速，从而提高了算法的执行速度。 在 CT 图像重建中，SART 算法是一种常用的迭代重建算法，但它存在着投影数据量大和迭代时间长的问题。为了解决这个问题，本文引入了 TV 算法，通过动态调节梯度步长来加速算法的收敛性能。本文的主要贡献在于将 SART 算法和 TV 算法结合，并将其实现于 GPU 上，以实现图像重建的高质量和快速。 在本文中，我们首先介绍了 SART 算法的基本原理和 TV 算法的基本原理，然后我们将这两种算法结合，形成了一个新的算法，即 GPU 梯度自适应 SART 图像重建算法。该算法通过动态调节梯度步长来实现图像重建的高质量和快速。在实验中，我们使用了 Shepp-Logan 模型对 SART 算法和 SART-TV 算法进行了比较，结果表明，SART-TV 算法可以重建出更好的图像，且基于 GPU 的 SART-TV 算法的迭代时间明显低于基于 CPU 的 SART-TV 算法。 本文的主要贡献在于： 1. 我们将 SART 算法和 TV 算法结合，形成了一个新的算法，即 GPU 梯度自适应 SART 图像重建算法。 2. 我们将该算法实现于 GPU 上，以实现图像重建的高质量和快速。 3. 我们使用了 Shepp-Logan 模型对 SART 算法和 SART-TV 算法进行了比较，结果表明，SART-TV 算法可以重建出更好的图像，且基于 GPU 的 SART-TV 算法的迭代时间明显低于基于 CPU 的 SART-TV 算法。 本文的结果表明，GPU 梯度自适应 SART 图像重建算法可以有效地重建高质量的图像，并且可以实现在 GPU 上的并行加速，从而提高了算法的执行速度。这将对 CT 图像重建领域产生重要的影响。 在未来，我们计划继续研究和改进 GPU 梯度自适应 SART 图像重建算法，以使其更加实用和高效。同时，我们还将探索其他图像重建算法的可能性，以满足实际应用中的需求。