检索历史 清除

摘要X-ray计算机断层（ComputedTomography,CT）成像技术是一种高性能的无创诊断技术，在辅助临床诊断方面发挥着至关重要的作用。然而，随着CT成像技术使用频率的增加，其较高辐射剂量对公众健康的危害愈发受到重视，因而降低辐射剂量已经成为CT发展的迫切需求。稀疏角度扫描是较重要的一种加速数据采集并减少辐射剂量的措施，但投影数据的不完备性会导致重建图像严重退化，因此研究具有改善图像质量作用的稀疏重建算法，对于促进低剂量X-rayCT成像技术的更广泛应用具有重要的意义与实用价值。本文围绕稀疏重建算法的改进与优化进行了两方面研究，主要研究工作如下：<br>　　（1）提出了一种基于结构张量的方向自适应稀疏投影重建算法。定向全变差（DirectionalTotalVariation，DTV）模型是一种有效刻画单一方向边缘特征的各向异性模型。本文在此基础上，结合结构张量的独特优势，构建了具有方向自适应性的各向异性全变差模型。新模型利用结构张量区分平坦与边缘区域，实现了方向及权重参数的自适应设定，从而针对不同区域给予不同方向和程度的扩散，而后将其融入迭代重建算法架构中实现了稀疏投影重建。通过实验验证了所提算法的性能，并对比分析了不同稀疏角度投影的重建结果，主观视觉效果及客观评价指标均显示，新算法能够获得条形伪影抑制及边缘轮廓保持的满意效果。<br>　　（2）基于正弦图不同区域特性不同的特点，提出了一种正弦图分区修复的稀疏投影重建算法。该算法以稀疏采样的投影正弦图为处理对象，借助灰度熵将待修复图像分为两类区域。鉴于正弦图边界区域具有很强的稀疏性，采用字典学习方法修复；修复正弦图内部区域时，则构造了联合修复模型。该模型在稀疏表示模型中引入了低秩惩罚，因而在修复过程中同时兼顾了局部稀疏性与非局部相似性，可以进一步保留正弦图的内部结构。新算法使用K-奇异值分解（K-SingularValueDecomposition，K-SVD）算法训练了两个字典，分别作用于两部分修复过程。最后组成完整正弦图并经滤波反投影（FilteredBackProjection，FBP）重建获得质量改善的稀疏重建图像。通过仿真头部模型与实际骨盆数据实验进行了算法有效性验证，另外对比分析了投影在不同缺失率下的修复与重建效果，实验表明了新算法可以在抑制条形伪影和改善结构模糊问题上取得较好平衡。