20世纪80年代,普通医学CT的空间分辨率就已达到毫米量级,但仅能粗糙地满足宏观病理学诊断的要求。如果医学CT的空间分辨率提高到微米量级,即可显示细胞和组织的微细结构,从而真正满足临床病理学诊断金标准的要求。为此,学术界开始研发高分辨率的微型CT(Micro CT;也称为显微CT、微焦点CT)。Micro CT通常采用锥形X线束(Cone Beam),采用锥形束不仅能够获得真正各向同性的容积图像,提高空间分辨率及X射线利用率,而且在采集相同3D图像时速度远远快于扇形束CT。因此,锥束图像重建算法成为Micro CT学术理论及工程技术界的研究热点。微型CT采用锥形X射线束(简称锥束)和二维检测器取代传统的扇形X射线束和一维检测器,这样不仅可以一次同时扫描多层组织,而且提高了获取投影数据的速度和X射线的利用率,同时重建出的图像的轴向分辨率也得到很大的提高。锥束图像重建算法包括解析算法和迭代算法。其中,解析算法又分为近似算法和精确算法。相对于迭代算法,解析算法具有更快的重建速度,并且占有较少的内存资源,因此,成为实际CT系统中的主流算法。而在解析算法中,近似算法由于数学上简单,实现起来容易,而且当锥角比较小时,能够取得较好的重建效果,所以在实际中有着广泛的应用。著名的Feldkamp算法(Kudo and Saito 1990,Yanand Leahy 1992,Wang et al 1993)就是典型的能够处理部分锥束投影数据的近似处理算法。然而,当检测器阵列变宽、射束锥角变大时,其应用性能总体将明显趋于恶化。但由于Feldkamp算法以及基于Feldkamp算法的其它近似锥束图像重建算法优异的时间性能、良好的理论简洁性和工程易实现性,它们仍然具有很大的工程应用价值,并构成目前Micro CT工程的主流图像重建算法,也是本课题的研究内容。由于CT图像重建过程运算量大,尤其是反投影过程,在很多情况下,重建所需时间难以满足实际应用的需求,因此提高反投影重建速度一直是CT理论及工程技术界关注的热点。国内外的学者和机构在这方面做了大量的研究工作,提出很多快速反投影算法,但这些方法大都是基于正、余弦函数性质的优化方法,需要预先计算并存储三角函数值,内存开销比较大。此外,采用并行处理技术可有效地提高图像重建速度,缩短重建时间。本课题采用多核程序设计和并行处理技术,主要研究了并行锥束图像重建算法,并且针对反投影问题,介绍了一种基于ADRT的快速反投影算法及其并行实现。虽然并行处理技术早在1990就被应用于二维CT图像重建,但它们都是在并行机或集群系统中实现的,而在多核CPU上实现并行,能带来更强的并行处理能力和更高的计算速度。同时,仿真实验是研究人员验证其算法正确性和有效性、评价其算法性能的基本途径,这在生物医学图像重建领域表现的尤为突出。本课题以3D Shepp-Logan模型为参考模型,在VC++6.0环境下开发微型CT锥束重建仿真实验平台,对各种图像重建算法进行性能评测。该实验平台一方面能够保障本课题算法的顺利实现,更重要的,它是今后Micro CT工程技术人员必不可少的科研工作环境或平台。