Bayesian方法或最大后验(maximum a posteriori ,MAP)法被认为是解决图像重建中的病态问题的有效方法.根据Bayesian理论,目标图像的先验信息被加诸于图像重建中来抑制噪声.然而,大部分的先验模型提供的先验信息来自于一个较小的局部邻域内灰度值的简单加权差,只能对Bayesian重建提供有限的先验信息.本文提出一个新的非局部的且具有二次的先验能量方程的马尔可夫随机场(Markov Random Fields,MRF)先验,该先验通过选择较大邻域和新的加权方式来充分利用图像的全局信息.文章同时还提出使用该非局部先验的Bayesian重建的迭代算法.最后给出了该先验在PET (正电子发射成像)重建中的应用.实验结果以及同其他先验的比较证明该先验在降低噪声效果和保持边缘方面具有很好的表现.
计算平台状态可信证明是可信计算研究的热点问题.基于系统策略的计算平台状态可信证明模型(Policy Based Trustworthiness Attestation Model,PBTAM)可以解决目前计算平台可信证明方法中存在的平台隐私保护等重要问题.PBTAM认为计算平台的状态是否可信与其系统可信传递策略紧密相关,如果证明平台的系统可信传递策略符合质询方的期望,那么该证明平台对于质询方是可信的.PBTAM在可信计算平台技术规范基础上,通过对证明平台的系统可信传递策略进行度量和验证,实现计算平台的可信证明.本文在对实际生产系统应用安装状态采样、统计和分析的基础之上,对PBTAM的性能进行了总结,证明了该模型的实际可行性和有效性.