1、隨著科技的發(fā)展和應用需求的提高,對光學CT圖像重建的要求也不斷提高。不僅要求在完全投影條件下高精度地重建出原始圖像,而且在投影數(shù)據(jù)不完全的情況下也要能有效達到圖像重建的精度要求,對于復雜場來說就更加困難。此時,原有的圖像重建算法已不能滿足現(xiàn)代各方面的應用需求。
　　BP神經(jīng)網(wǎng)絡是一種利用梯度下降法進行誤差反向傳播的前饋神經(jīng)網(wǎng)絡,具有非線性逼近能力強、結(jié)構簡單、技術成熟等優(yōu)點。將其引入光學CT圖像重建,在少數(shù)投影重建的情況下,可以利

2、用其強大的自適應學習能力和聯(lián)想綜合能力,實現(xiàn)從已知投影值的視角區(qū)域到未知視角區(qū)域的彌補,從而有效提高重建圖像的精度。
　　在深入研究CT圖像重建的各種算法、BP神經(jīng)網(wǎng)絡算法及其改進算法的基礎上,本文對BP神經(jīng)網(wǎng)絡的改進及其在光學CT圖像重建中的應用進行了研究和探討,主要工作包括以下幾個方面:
　　(1)分析總結(jié)了BP神經(jīng)網(wǎng)絡的缺陷,闡明了BP神經(jīng)網(wǎng)絡收斂速度慢和存在局部極小的原因,推導了目前相關改進算法的實現(xiàn)過程,討論了各種

3、改進算法的優(yōu)缺點,并給出了不同情況下選取訓練算法的原則。
　　(2)針對BP神經(jīng)網(wǎng)絡存在的各種缺陷,結(jié)合BP算法原理和現(xiàn)有的BP改進算法,提出了一種可同時自適應調(diào)節(jié)學習速率和動量因子的新型BP算法,并對新算法中傳遞函數(shù)的選取進行分析和討論,給出了適用于各種情況下的傳遞函數(shù)的具體函數(shù)形式。仿真結(jié)果表明,新算法可有效改善BP神經(jīng)網(wǎng)絡的收斂特性,而且預測效果要優(yōu)于其他BP改進算法。
　　(3)分析了 BP神經(jīng)網(wǎng)絡重建圖像的常用模型

4、,發(fā)現(xiàn)其在應用上存在重建精度低、耗費時間長、網(wǎng)絡結(jié)構復雜等缺點。在此基礎上,本文提出了一種改進的BP神經(jīng)網(wǎng)絡重建圖像模型。該模型輸入為原始圖像的投影數(shù)據(jù),輸出為重建圖像的投影數(shù)據(jù),則網(wǎng)絡隱含層的輸出即為所求的重建圖像。根據(jù)圖像重建理論,網(wǎng)絡隱含層和輸出層之間的權值矩陣即為投影系數(shù)矩陣,因此,網(wǎng)絡在訓練過程中只需調(diào)節(jié)輸入層和隱含層之間的權值,大大降低了網(wǎng)絡的運算量,有助于加快網(wǎng)絡的收斂。在實驗仿真時,將此新型BP神經(jīng)網(wǎng)絡重建圖像模型和本文