论文部分内容阅读
计算机断层扫描成像(Computed Tomography,CT)技术广泛应用于医疗诊断和工业检测领域,但是CT成像的高剂量X射线会对人体产生一定的辐射损害,可能潜在地增加引发癌症的几率,因此需要在保证CT图像质量的前提下尽可能地降低X射线的辐射剂量。基于压缩感知(compressed sensing,CS)理论的稀疏角度投影重建方法可以有效的降低辐射剂量。本文研究了利用SART算法作为数据保真项并采用正则项作为约束惩罚项的迭代重建算法。其中正则化最小化子问题的求解精度和速度对于图像的重建质量好坏和重建时间快慢是至为关键的,故本文利用Split-Bregman迭代算法进行求解。本文研究了基于Split-Bregman迭代的CT稀疏角度投影正则化方法,主要所做的工作分为如下几点:(1)针对目前ART-TV算法中的全变分(Total Variation,TV)正则约束最小化问题求解过程过慢的缺点,以及TV正则容易产生过平滑的问题,因此需要寻找合适的正则化最小化迭代算法和更为适合的正则约束惩罚项。本文研究通用的基于Split-Bregman迭代的稀疏重建下的正则化框架,利用SART作为数据保真项,可以实现不同正则化函数的CT成像。(2)针对目前正则化函数难以选取的问题,对于包括TV、非局部全变分(Non-Local Total Variation,NLTV)和双边全变分(Bilateral Total Variation,BTV)的正则项进行了研究,并在这些正则化函数存在缺陷的基础上,发挥1?范数和2?范数各自的优点,提出了一种范数自适应的BTV(Norm Adaptive BTV,NABTV)正则化方法。实验测试结果验证了该方法的可行性和有效性。