基于组稀疏正则化的稀疏角CT重建

【作者】 包鹏； 周激流； 张意；

【机构】 四川大学；

【摘要】 目的:全变分(TV)广泛的用于稀疏角计算断层(CT)重建当中。由于传统的基于TV的迭代重建算法假设信号是分段平滑的,这导致重建结果过于平滑。为了解决这一问题,本文将组稀疏模型引入CT重建。方法:本文将组稀疏模型引入CT重建,提出了一种基于组稀疏正则化的同时代数迭代重建技术(GSR-SART)。组稀疏模型是将图像分成若干个相互有重叠的图像块,在一个固定大小的训练窗下利用欧式距离作为相似性测度,搜索与某一图像块具有相似结构的若干图像块构成一个结构组,基于每一个结构组进行字典学习得到该结构组的字典并求解结构组在该字典下的稀疏向量。将该模型集成于SART框架之下,利用SART对每次迭代得到的数据进行正向投影到图像域,然后对重建结果使用提出的GSR模型进行正则化处理,从而消除由于投影数据不足所引起的边缘效应和条状伪影。结果:本算法在MATLAB下对临床图像进行仿真实验。与滤波反投影(FBP),期望最大化(EM),同时代数迭代重建(SART),变分凸集投影(TV-POCS)算法进行了定量与定性比较(结果见图1和表1)。实验结果显示,本算法在保证成像质量的情况下,有效改善了TV-POCS算法的块状伪影,抑制了稀疏采样带来的伪影与噪声,提高了图像的信噪比,从而降低了辐射剂量。总结:本文将提出的GSR-SART算法用于稀疏角CT重建,该算法同时考虑了CT图像的局部稀疏性和非局部自相似性。通过仿真实验和数值评估有效的证明了该算法性能优于其他几种广泛使用的CT重建算法,能够在有效去除伪影的同时保留更多的细节和结构化信息。更多还原