论文部分内容阅读
计算机断层成像(Computed Tomography,CT)技术是现今医学临床检测及放射治疗领域的重要手段。但研究表明,患者经过高剂量的X射线扫描后,在照射过程中接收的电离辐射有导致癌症等疾病的危险,因而低剂量CT成像问题受到广泛关注。在确保CT图像成像质量满足诊断要求的前提下,采用稀疏角度方式进行扫描是一种有效降低X射线剂量的举措。然而这种欠采样扫描方式得到的投影数据是不完备的,会造成重建CT图像质量的降低,进而可能导致医生对于病灶位置的误诊。因此,如何在降低辐射剂量的同时重建出不影响诊断准确性的高质量CT图像,对于CT成像技术的发展具有重要的医疗研究意义。本文以提高稀疏角度CT图像重建质量为目标,旨在研究基于不完备投影数据的CT图像重建算法,主要贡献如下:(1)针对稀疏投影角度下,传统非局部均值(Non-Local Means,NLM)约束的CT图像重建算法边缘往往出现过平滑的问题,提出一种基于自适应非局部均值约束(Algebraic Reconstruction Technique-Improved Adaptive Non-Local Means,ART-IANLM)的稀疏角度CT重建算法。首先设计一种新的相似窗形状,该相似窗定义为中心像素、上、右、左下四个像素共同构成,并将其称为时钟形相似窗。其次设计自适应滤波参数对重建图像进行滤波,自适应滤波参数由时钟形窗口中三个方向的邻域像素与中心像素灰度值差的平方和以及重建迭代次数共同决定,以达到同时保护边缘和消除噪声的目标。与ART,ART-NLM,ART-ANLM算法相比,仿真实验结果表明:ART-IANLM算法重建图像不仅与真实体模更接近,重建误差更小,而且能更好地保护图像的边缘特性。(2)针对现有稀疏表示字典学习重建算法,重建图像结构细节模糊和过度平滑的问题,提出了基于自适应组稀疏正则化的加权字典学习(Adaptive Group-Sparsity Regularization-Simultaneous Algebraic Reconstruction Technique,AGSR-SART)CT重建算法。首先,将协方差引入欧氏距离作为新的相似性度量,自适应地将非局部图像块分为大小不同的组,作为稀疏表示的基本单元。其次,通过字典稀疏表示的残差设计正则约束项的权重因子,使算法在迭代过程中对图像的不同区域施加不同程度的平滑效应,并根据估计值与中间图像的差对稀疏重建后的图像进行修正,加快收敛速度。最后,采用分裂布雷格曼迭代算法求解目标函数。实验结果表明:与FBP,SART,TV-POCS,GSR-SART算法相比,AGSR-SART算法在稀疏角度重建中消除了过度平滑的影响,增强了图像的稀疏性和非局部自相似性,在平滑噪声的同时很好地保留了低对比度信息,比其他算法具有更好的性能。